CN117076834A - 一种生物质低氮化燃烧调节方法及系统 - Google Patents
一种生物质低氮化燃烧调节方法及系统 Download PDFInfo
- Publication number
- CN117076834A CN117076834A CN202311118234.1A CN202311118234A CN117076834A CN 117076834 A CN117076834 A CN 117076834A CN 202311118234 A CN202311118234 A CN 202311118234A CN 117076834 A CN117076834 A CN 117076834A
- Authority
- CN
- China
- Prior art keywords
- combustion
- biomass
- low
- oxygen concentration
- temperature
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000002485 combustion reaction Methods 0.000 title claims abstract description 288
- 239000002028 Biomass Substances 0.000 title claims abstract description 239
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000012360 testing method Methods 0.000 claims abstract description 133
- 239000001301 oxygen Substances 0.000 claims abstract description 128
- 229910052760 oxygen Inorganic materials 0.000 claims abstract description 128
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims abstract description 120
- 238000005121 nitriding Methods 0.000 claims abstract description 108
- 238000012549 training Methods 0.000 claims abstract description 32
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 33
- 229910052757 nitrogen Inorganic materials 0.000 claims description 25
- 230000006870 function Effects 0.000 claims description 23
- 230000001276 controlling effect Effects 0.000 claims description 13
- 230000001105 regulatory effect Effects 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000001419 dependent effect Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 230000003750 conditioning effect Effects 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 7
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical compound O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 12
- 238000004519 manufacturing process Methods 0.000 description 2
- 244000005700 microbiome Species 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 239000010828 animal waste Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000008140 language development Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000010908 plant waste Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 239000002916 wood waste Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
Abstract
本发明公开了一种生物质低氮化燃烧调节方法及系统,涉及低氮化燃烧技术领域,包括:获取历史生物质低氮化燃烧数据;建立生物质低氮化燃烧函数关系式;基于函数关系式,求出生物质低氮化燃烧最优解;搭建生物质低氮化燃烧虚拟仪器系统;基于生物质低氮化燃烧虚拟仪器系统和生物质低氮化最优解,进行最佳NOx排放量试验训练;确定最佳生物质投加量在低氮化燃烧过程中的温度调节范围和氧气浓度调节范围;实时监测生物质低氮化燃烧过程,保证温度和氧气浓度分别在温度调节范围内和氧气浓度调节范围内。本发明的优点在于:提出一种生物质低氮化燃烧调节方案,可以提高实际生物质低氮化燃烧效果,进一步地减少了NOx排放量,达到了减少污染的目的。
Description
技术领域
本发明涉及低氮化燃烧技术领域,具体是涉及一种生物质低氮化燃烧调节方法及系统。
背景技术
生物质包括所有的植物、微生物以及以植物、微生物为食物的动物及其生产的废弃物。有代表性的生物质如农作物、农作物废弃物、木材、木材废弃物和动物粪便。低氮氧化物燃烧技术是指改进燃烧设备或控制燃烧条件,以降低燃烧尾气中NOx浓度的各项技术。
生物质低氮化燃烧是一种环保、高效的能源利用方式。生物质低氮化燃烧是指在燃烧生物质时,通过控制燃烧过程中的氧气浓度和温度,减少氮氧化物的生成,从而达到减少污染的目的。但在实际应用过程中,生物质低氮化燃烧相关参数仍采用的是相关实验室的实验结果,并不贴合实际生产过程,造成了氮氧化物排放没有达到理想排放结果,也造成了生物质资源的浪费,因此,现急需一种可提高生物质低氮化燃烧效果的调节方法。
发明内容
为解决上述技术问题,提供一种生物质低氮化燃烧调节方法及系统,本技术方案解决了上述背景技术中提出的实际生物质低氮化燃烧的氮氧化物的排放量没有达到理想的排放结果的问题。
为达到以上目的,本发明采用的技术方案为:
一种生物质低氮化燃烧调节方法,包括:
获取历史生物质低氮化燃烧数据,建立燃烧量-温度-氧气浓度-NOx信息表;
根据燃烧量-温度-氧气浓度-NOx信息表,建立生物质低氮化燃烧函数关系式;
基于生物质低氮化燃烧函数关系式,求出生物质低氮化燃烧最优解;
搭建生物质低氮化燃烧虚拟仪器系统,所述虚拟仪器系统包含但不限于:温度调节装置、氧气浓度调节装置、NOx检测装置;
基于生物质低氮化燃烧虚拟仪器系统和生物质低氮化最优解,进行最佳NOx排放量试验训练;
基于试验训练结果,确定最佳生物质投加量在低氮化燃烧过程中的温度调节范围、氧气浓度调节范围和NOx排放范围;
利用生物质低氮化燃烧技术虚拟系统,实时监测生物质低氮化燃烧过程,保证温度和氧气浓度分别在温度调节范围内和氧气浓度调节范围内。
优选的,所述根据燃烧量-温度-氧气浓度-NOx信息表,建立生物质低氮化燃烧函数关系式具体包括:
将信息表中的NOx与NOx排放阈值比较,去除信息表中NOx排放不达标的数据,重建NOx排放达标信息表;
以NOx排放量为因变量,燃烧量、氧气浓度值和温度值为自变量搭建函数关系式W;
基于NOx排放达标信息表求解函数关系式W。
优选的,所述基于生物质低氮化燃烧函数关系式,求出生物质低氮化燃烧最优解包括:
基于实际生物质低氮化燃烧装置,获取燃烧量限定范围、温度限定范围和氧气浓度限定范围;
基于燃烧量限定范围、温度限定范围和氧气浓度限定范围,求出生物质低氮化燃烧函数的最小值,记为生物质低氮化燃烧的最优解,所述生物质低氮化燃烧的最优解包含:NOx最小排放量、生物质最佳燃烧量、燃烧过程中最佳温度值和燃烧过程中最佳氧气浓度。
优选的,所述搭建生物质低氮化燃烧虚拟仪器系统包括:
根据现场实际情况选择总线形式和总线机箱,选择机箱内嵌式或外置式计算机;
根据实际使用的仪器,确定仪器模块,所述仪器模块含有驱动程序;
利用Labview软件,使用各种仪器模块搭建生物质低氮化燃烧虚拟仪器系统。
优选的,所述基于生物质低氮化燃烧虚拟仪器系统和生物质低氮化最优解,进行最佳NOx排放量试验训练包括:
启动生物质低氮化燃烧虚拟仪器系统,从生物质低氮化燃烧虚拟仪器系统中逐步启动生物质低氮化燃烧进程中的相关设备;
向燃烧器投入一定量的生物质,所述一定量为生物质最佳燃烧量;
基于生物质低氮化燃烧虚拟仪器系统,控制燃烧过程中的温度为最佳温度值和燃烧过程中氧气浓度为最佳氧气浓度值;
基于生物质低氮化燃烧虚拟仪器系统,获取NOx排放量,记为实际NOx排放量;
求出NOx最小排放量与实际NOx排放量的差值;
基于NOx最小排放量与实际NOx排放量的差值,预设温度调节阈值和氧气浓度调节阈值;
基于预设温度调节阈值、氧气浓度调节阈值、最佳温度值和最佳氧气浓度值,生成n对试验温度和试验氧气浓度;
基于生物质低氮化燃烧虚拟仪器系统,控制燃烧过程中的温度为试验温度,氧气浓度为试验氧气浓度,保证生物质燃烧量为生物质最佳燃烧量,进行NOx排放量试验,并记录试验结果,搭建最佳NOx排放量试验训练表。
优选的,所述温度调节范围、氧气浓度调节范围和NOx排放范围还包括:基于最佳NOx排放量试验训练表,获取NOx排放量最小时,温度和氧气浓度的最大值和最小值,以温度、氧气浓度的最大值和最小值作为调节阀值,搭建温度调节范围和氧气浓度调节范围;在实际燃烧过程中,基于生物质燃烧量为最佳燃烧量,保证温度和氧气浓度在调节范围内,生物质低氮化燃烧结果最佳。
进一步的,提出一种生物质低氮化燃烧调节系统,用于实现如上述的生物质低氮化燃烧调节方法,包括:
处理器,所述处理器用于建立生物质低氮化燃烧函数关系式、求出生物质低氮化燃烧最优解;
存储器,存储器与所述处理器相耦合,所述存储器用于存储历史生物质低氮化燃烧数据、生物质低氮化燃烧函数关系式、燃烧量限定范围、温度限定范围、氧气浓度限定范围、生物质低氮化燃烧函数关系式的最优解、温度调节范围、氧气浓度调节范围。
试验训练模块,试验训练模块与所述处理器电性连接,所述试验训练模块用于对生物质低氮燃烧进行最佳NOx排放量试验;
Labview模块,Labview模块与所述试验训练模块电性连接,所述Labview模块含有生物质低氮化燃烧虚拟仪器系统,用于监测和控制生物质低氮化燃烧相关设备。
可选的,所述处理器内部集成有:
第一计算单元,所述第一计算单元用于生物质低氮化燃烧函数关系式的建立和求解;
第二计算单元,所述第二计算单元用于基于燃烧量限定范围、温度限定范围和氧气浓度限定范围,求出生物质低氮化燃烧最优解。
可选的,试验训练模块包括:
第一试验单元,所述第一试验单元用于使用最佳温度值和最佳氧气浓度值,对生物质低氮化燃烧进行试验;
第二试验单元,所述第二试验单元用于基于第一试验的基础上对生物质低氮化燃烧进行后续若干次试验。
与现有技术相比,本发明的有益效果在于:
本发明提出一种生物质低氮化燃烧调节方案,通过建立NOx与燃烧量、温度、氧气浓度的关系式,得出理想状态中NOx排放量最小时,燃烧量、温度和氧气浓度的具体数值,保持生物质最佳燃烧量不变,以最佳温度值和最佳氧气浓度为基础,利用生物质低氮化燃烧虚拟仪器系统,进行生物质低氮化燃烧试验,得出实际NOx排放量最小时,温度调节范围和氧气浓度调节范围。在保证温度在温度调节范围和氧气浓度在氧气浓度调节范围内进行生物质低氮化燃烧,可提高生物质低氮化燃烧效果,同时进一步减少了NOx排放量,减轻了对环境的污染。
附图说明
图1为本发明的生物质低氮化燃烧调节方法流程图;
图2为本发明的建立生物质低氮化燃烧函数关系式方法流程图;
图3为本发明的进行最佳NOx排放量试验训练方法流程图;
图4为本发明的生物质低氮化燃烧调节系统结构图。
具体实施方式
以下描述用于揭露本发明以使本领域技术人员能够实现本发明。以下描述中的优选实施例只作为举例,本领域技术人员可以想到其他显而易见的变形。
参照图1所示,一种生物质低氮化燃烧调节方法:
S1:获取历史生物质低氮化燃烧数据,建立燃烧量-温度-氧气浓度-NOx信息表;
S2:根据燃烧量-温度-氧气浓度-NOx信息表,建立生物质低氮化燃烧函数关系式;如图2所示,具体包括:
将信息表中的NOx与NOx排放阈值比较,去除信息表中NOx排放不达标的数据,重建NOx排放达标信息表;
以NOx排放量为因变量,燃烧量、氧气浓度值和温度值为自变量搭建函数关系式W;
基于NOx排放达标信息表求解函数关系式W;
其中,函数关系式W为:
W=ax+by+cz;
式中,W为NOx排放量,x为生物质燃烧量,y为氧气浓度,z为温度,a为生物质燃烧量系数,b为氧气浓度系数,c为温度系数。
具体而言,根据历史生物质低氮化燃烧数据,找出NOx排放量与燃烧量、氧气浓度、温度之间存在的线性关系,得到它们之间的变化规律。
S3:基于生物质低氮化燃烧函数关系式,求出生物质低氮化燃烧最优解;
具体而言,基于实际生物质低氮化燃烧装置,获取燃烧量限定范围、温度限定范围和氧气浓度限定范围;基于燃烧量限定范围、温度限定范围和氧气浓度限定范围,求出生物质低氮化燃烧函数的最小值,记为生物质低氮化燃烧的最优解,生物质低氮化燃烧的最优解包含:NOx最小排放量、生物质最佳燃烧量、燃烧过程中最佳温度值和燃烧过程最佳氧气浓度。
其中,燃烧量限定范围是指生物质燃烧器可容纳量,温度限定范围是指温度控制仪器可以达到的温度值,氧气浓度限定范围是指氧气浓度控制仪器可以达到的氧气浓度值。
S4:搭建生物质低氮化燃烧虚拟仪器系统,所述虚拟仪器系统包含但不限于:温度调节装置、氧气浓度调节装置、NOx检测装置;
具体而言,根据现场实际情况选择总线形式和总线机箱,选择机箱内嵌式或外置式计算机;根据实际使用的仪器,确定仪器模块,所述仪器模块含有驱动程序;利用Labview软件,使用各种仪器模块搭建生物质低氮化燃烧虚拟仪器系统。
其中,Labview(Laboratory Virtual instrument Engineering Workbench)是一种图形化的编程语言的开发环境,它广泛地被工业界、学术界和研究实验室所接受,视为一个标准的数据采集和仪器控制软件。Labview集成了与满足GPIB、VXI、RS-232和RS-485协议的硬件及数据采集卡通讯的全部功能。它还内置了便于应用TCP/IP、ActiveX等软件标准的库函数。这是一个功能强大且灵活的软件。利用它可以方便地建立自己的虚拟仪器,其图形化的界面使得编程及使用过程都生动有趣。本方案使用Labview软件,搭建生物质低氮化燃烧虚拟仪器系统,可以统筹的观察和控制调节整个生物质低氮化燃烧过程。
S5:基于生物质低氮化燃烧虚拟仪器系统和生物质低氮化最优解,进行最佳NOx排放量试验训练;如图3所示,具体包括:
启动生物质低氮化燃烧虚拟仪器系统,从生物质低氮化燃烧虚拟仪器系统中逐步启动生物质低氮化燃烧进程中的相关设备;
向燃烧器投入一定量的生物质,所述一定量为生物质最佳燃烧量;
基于生物质低氮化燃烧虚拟仪器系统,控制燃烧过程中的温度为最佳温度值和燃烧过程中氧气浓度为最佳氧气浓度值;
基于生物质低氮化燃烧虚拟仪器系统,获取NOx排放量,记为实际NOx排放量;
求出NOx最小排放量与实际NOx排放量的差值;
基于NOx最小排放量与实际NOx排放量的差值,预设温度调节阈值和氧气浓度调节阈值;
基于预设温度调节阈值、氧气浓度调节阈值、最佳温度值和最佳氧气浓度值,生成n对试验温度和试验氧气浓度;
基于生物质低氮化燃烧虚拟仪器系统,控制燃烧过程中的温度为试验温度,氧气浓度为试验氧气浓度,保证生物质燃烧量为生物质最佳燃烧量,进行NOx排放量试验,并记录试验结果,搭建最佳NOx排放量试验训练表。
其中,生成n对试验温度和试验氧气浓度是指在最佳温度值和最佳氧气浓度值的基础上,以温度调节阈值、氧气浓度调节阈值为差值递增生成对试验温度和试验氧气浓度,递减生成另外/>对试验温度和试验氧气浓度。
具体而言,将以温度为最佳温度值,氧气浓度为最佳氧气浓度值的生物质低氮化燃石试验结果为对照组,在保证生物质燃烧量为生物质最佳燃烧量并保持不变的情况下,以对照组的温度和氧气浓度为基础,多次调节温度值和氧气浓度值,再进行生物质低氮化燃烧试验以探究在实际生产过程中NOx排放量的可能性,观察实际NOx排放量是否能达到计算出来的理想NOx最小排放量,当实际NOx排放量趋于平稳没有再下降的可能性时,生物质低氮化燃烧试验结束。
S6:基于试验训练结果,确定最佳生物质投加量在低氮化燃烧过程中的温度调节范围、氧气浓度调节范围和NOx排放范围;
具体而言,温度调节范围、氧气浓度调节范围和NOx排放范围还包括:基于最佳NOx排放量试验训练表,获取NOx排放量最小时,温度和氧气浓度的最大值和最小值,以温度、氧气浓度的最大值和最小值作为调节阀值,搭建温度调节范围和氧气浓度调节范围;在实际燃烧过程中,基于生物质燃烧量为最佳燃烧量,保证温度和氧气浓度在调节范围内,生物质低氮化燃烧结果最佳。
S7:利用生物质低氮化燃烧技术虚拟系统,实时监测生物质低氮化燃烧过程,保证温度和氧气浓度分别在温度调节范围内和氧气浓度调节范围内。
本方案通过根据历史生物质低氮化燃烧数据,找出NOx排放量与燃烧量、温度、氧气浓度之间的函数关系,根据函数关系确定生物质低氮化燃烧函数关系式的最优解,得到生物质最佳燃烧量,NOx最小排放量,燃烧过程中最佳温度值和燃烧过程中最佳氧气浓度值,基于生物质最佳燃烧量,NOx最小排放量,燃烧过程中最佳温度值和燃烧过程中最佳氧气浓度值进行实际生物质低氮化燃烧试验,得到实际生物质低氮化燃烧效果最佳的温度调节范围和氧气浓度调节范围,进而可以保证在生物质低氮化燃烧过程中,调节生物质燃烧量为最佳燃烧量,温度在温度调节范围内,氧气浓度在氧气浓度调节范围内,可得到实际NOx最小排放量,达到了减少NOx排放的目的,环保高效的使用了生物质能源。
参照图4所示,进一步的,结合生物质低氮化燃烧调节方法,本方案还提出一种生物质低氮化燃烧调节系统,包括:
处理器,所述处理器用于建立生物质低氮化燃烧函数关系式、求出生物质低氮化燃烧最优解;
存储器,存储器与所述处理器相耦合,所述存储器用于存储历史生物质低氮化燃烧数据、生物质低氮化燃烧函数关系式、燃烧量限定范围、温度限定范围、氧气浓度限定范围、生物质低氮化燃烧函数关系式的最优解、温度调节范围、氧气浓度调节范围。
试验训练模块,试验训练模块与所述处理器电性连接,所述试验训练模块用于对生物质低氮燃烧进行最佳NOx排放量试验;
Labview模块,Labview模块与所述试验训练模块电性连接,所述Labview模块含有生物质低氮化燃烧虚拟仪器系统,用于监测和控制生物质低氮化燃烧相关设备。
处理器内部集成有:
第一计算单元,所述第一计算单元用于生物质低氮化燃烧函数关系式的建立和求解;
第二计算单元,所述第二计算单元用于基于燃烧量限定范围、温度限定范围和氧气浓度限定范围,求出生物质低氮化燃烧最优解。
试验训练模块包括:
第一试验单元,所述第一试验单元用于使用最佳温度值和最佳氧气浓度值,对生物质低氮化燃烧进行试验;
第二试验单元,所述第二试验单元用于基于第一试验的基础上对生物质低氮化燃烧进行后续若干次试验。
上述生物质低氮化燃烧调节系统工作流程为:
步骤一:第一计算单元调用存储器中的历史生物质低氮化燃烧数据,构建生物质低氮化燃烧函数关系式,并将生物质低氮化函数关系式转存到存储器中;
步骤二:第二计算单元调用存储器中的生物质低氮化函数关系式、燃烧量限定范围、温度限定范围和氧气浓度限定范围计算生物质低氮化函数关系式的最优解,并将最优解发送到试验训练模块和存储器;
步骤三:试验训练模块基于生物质低氮化函数关系式的最优解,生成试验条件和试验次数并发送到Labview模块;
步骤四:Labview模块基于试验条件和试验次数,控制生物质低氮化燃烧虚拟系统进行生物质低氮化燃烧试验,并将试验结果发送至试验训练模块;
步骤五:试验训练模块基于试验结果生成温度调节范围、氧气浓度调节范围和NOx排放范围,并转存到存储器中;
步骤六:Labview模块调用存储器中的生物质最佳燃烧量、温度调节范围和氧气浓度调节范围,控制生物质低氮化燃烧虚拟仪器系统进行生物质低氮化燃烧。
其中,试验训练模块执行流程为:
第一试验单元基于生物质低氮化燃烧函数关系式的最优解,将最佳温度值和最佳氧气浓度值作为试验条件,生成第一生物质低氮化燃烧试验流程;
第一试验单元将第一生物质低氮化燃烧试验流程导入Labview模块;
第一试验单元获取并记录Labview模块的第一生物质低氮化燃烧试验结果,并发送到第二试验单元;
第二试验单元基于第一生物质低氮化燃烧试验结果,生成n对试验温度和试验氧气浓度;
第二试验单元基于n对试验温度和试验氧气浓度值,依次生成第i(i=2、3、4、…、n)生物质低氮化燃烧试验流程并依次导入Labview模块;
第二试验单元获取并记录Labview模块的第i生物质低氮化燃烧试验结果,并对每一次试验结果与上一次试验结果进行相似度判断,当判断结果达到相似度阈值的次数达到预设次数阈值,生成试验终止指令并发送到Labview模块;
第二试验单元基于生物质低氮化试验结果,搭建最佳NOx排放量试验训练表;
第二试验单元基于最佳NOx排放量试验训练表,获取温度调节范围和氧气浓度调节范围,并转存到存储器中。
其中,Labview模块执行流程为:
从第一试验单元获取第一生物质低氮化燃烧试验流程;
启动生物质低氮化燃烧虚拟仪器系统执行第一生物质低氮化燃烧试验流程,向第一试验单元反馈第一生物质低氮化燃烧试验结果;
从第二试验单元获取第二生物质低氮化燃烧试验流程;
控制生物质低氮化燃烧虚拟仪器系统执行第二生物质低氮化燃烧试验流程,并向第二试验单元实时反馈第二生物质低氮化燃烧试验结果;
从第二试验单元获取试验终止指令,控制生物质低氮化燃烧虚拟仪器系统终止第二生物质低氮化燃烧试验流程;
调用存储器中的生物质最佳燃烧量、温度调节范围和氧气浓度调节范围,控制生物质低氮化燃烧虚拟仪器系统进行生物质低氮化燃烧。
本发明基于理论计算,计算出理想生物质低氮化燃烧效果最佳的生物质最佳燃烧量,燃烧过程中最佳温度值和燃烧过程中最佳氧气浓度,基于生物质最佳燃烧量、燃烧过程中最佳温度值和燃烧过程中最佳氧气浓度进行实际生物质低氮化燃烧试验,得到实际生物质低氮化燃烧效果最佳的温度调节范围、氧气浓度调节范围,在实际生物质低氮化燃烧过程中控制燃烧过程中温度在温度调节范围内,氧气浓度在氧气浓度调节范围内,可进一步减少NOx的排放量,提高了实际生物质低氮化燃烧效果。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是本发明的原理,在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。
Claims (9)
1.一种生物质低氮化燃烧调节方法,其特征在于,包括:
获取历史生物质低氮化燃烧数据,建立燃烧量-温度-氧气浓度-NOx信息表;
根据燃烧量-温度-氧气浓度-NOx信息表,建立生物质低氮化燃烧函数关系式;
基于生物质低氮化燃烧函数关系式,求出生物质低氮化燃烧最优解;
搭建生物质低氮化燃烧虚拟仪器系统,所述虚拟仪器系统包含但不限于:温度调节装置、氧气浓度调节装置、NOx检测装置;
基于生物质低氮化燃烧虚拟仪器系统和生物质低氮化最优解,进行最佳NOx排放量试验训练;
基于试验训练结果,确定最佳生物质投加量在低氮化燃烧过程中的温度调节范围、氧气浓度调节范围和NOx排放范围;
利用生物质低氮化燃烧技术虚拟系统,实时监测生物质低氮化燃烧过程,保证温度和氧气浓度分别在温度调节范围内和氧气浓度调节范围内。
2.根据权利要求1所述的一种生物质低氮化燃烧调节方法,其特征在于,所述根据燃烧量-温度-氧气浓度-NOx信息表,建立生物质低氮化燃烧函数关系式具体包括:
将信息表中的NOx与NOx排放阈值比较,去除信息表中NOx排放不达标的数据,重建NOx排放达标信息表;
以NOx排放量为因变量,燃烧量、氧气浓度值和温度值为自变量搭建函数关系式W;
基于NOx排放达标信息表求解函数关系式W。
3.根据权利要求2所述的一种生物质低氮化燃烧调节方法,其特征在于,所述基于生物质低氮化燃烧函数关系式,求出生物质低氮化燃烧最优解包括:
基于实际生物质低氮化燃烧装置,获取燃烧量限定范围、温度限定范围和氧气浓度限定范围;
基于燃烧量限定范围、温度限定范围和氧气浓度限定范围,求出生物质低氮化燃烧函数的最小值,记为生物质低氮化燃烧的最优解,所述生物质低氮化燃烧的最优解包含:NOx最小排放量、生物质最佳燃烧量、燃烧过程中最佳温度值和燃烧过程最佳氧气浓度值。
4.根据权利要求3所述的一种生物质低氮化燃烧调节方法,其特征在于,所述搭建生物质低氮化燃烧虚拟仪器系统包括:
根据现场实际情况选择总线形式和总线机箱,选择机箱内嵌式或外置式计算机;
根据实际使用的仪器,确定仪器模块,所述仪器模块含有驱动程序;
利用Labview软件,使用仪器模块搭建生物质低氮化燃烧虚拟仪器系统。
5.根据权利要求4所述的一种生物质低氮化燃烧调节方法,其特征在于,所述基于生物质低氮化燃烧虚拟仪器系统和生物质低氮化最优解,进行最佳NOx排放量试验训练包括:
启动生物质低氮化燃烧虚拟仪器系统,从生物质低氮化燃烧虚拟仪器系统中逐步启动生物质低氮化燃烧进程中的相关设备;
向燃烧器投入一定量的生物质,所述一定量为生物质最佳燃烧量;
基于生物质低氮化燃烧虚拟仪器系统,控制燃烧过程中的温度为最佳温度值和燃烧过程中氧气浓度为最佳氧气浓度值;
基于生物质低氮化燃烧虚拟仪器系统,获取NOx排放量,记为实际NOx排放量;
求出NOx最小排放量与实际NOx排放量的差值;
基于NOx最小排放量与实际NOx排放量的差值,预设温度调节阈值和氧气浓度调节阈值;
基于预设温度调节阈值、氧气浓度调节阈值、最佳温度值和最佳氧气浓度值,生成n对试验温度和试验氧气浓度;
基于生物质低氮化燃烧虚拟仪器系统,控制燃烧过程中的温度为试验温度,氧气浓度为试验氧气浓度,保证生物质燃烧量为生物质最佳燃烧量,进行NOx排放量试验,并记录试验结果,搭建最佳NOx排放量试验训练表。
6.根据权利要求5所述的一种生物质低氮化燃烧调节方法,其特征在于,所述温度调节范围、氧气浓度调节范围和NOx排放范围还包括:基于最佳NOx排放量试验训练表,获取NOx排放量最小时,温度和氧气浓度的最大值和最小值,以温度、氧气浓度的最大值和最小值作为调节阀值,搭建温度调节范围和氧气浓度调节范围;在实际燃烧过程中,基于生物质燃烧量为最佳燃烧量,保证温度和氧气浓度在调节范围内,生物质低氮化燃烧结果最佳。
7.一种生物质低氮化燃烧调节系统,用于实现上述权利要求1-6任一项所述的生物质低氮化燃烧调节方法,其特征在于,包括:
处理器,所述处理器用于建立生物质低氮化燃烧函数关系式、求出生物质低氮化燃烧最优解;
存储器,存储器与所述处理器相耦合,所述存储器用于存储历史生物质低氮化燃烧数据、生物质低氮化燃烧函数关系式、燃烧量限定范围、温度限定范围、氧气浓度限定范围、生物质低氮化燃烧函数关系式的最优解、温度调节范围、氧气浓度调节范围;
试验训练模块,试验训练模块与所述处理器电性连接,所述试验训练模块用于对生物质低氮燃烧进行最佳NOx排放量试验;
Labview模块,Labview模块与所述试验训练模块电性连接,所述Labview模块含有生物质低氮化燃烧虚拟仪器系统,用于监测和控制生物质低氮化燃烧相关设备。
8.根据权利要求7所述的一种生物质低氮化燃烧调节系统,其特征在于,所述处理器内部集成有:
第一计算单元,所述第一计算单元用于生物质低氮化燃烧函数关系式的建立和求解;
第二计算单元,所述第二计算单元用于基于燃烧量限定范围、温度限定范围和氧气浓度限定范围,求出生物质低氮化燃烧最优解。
9.根据权利要求8所述的一种生物质低氮化燃烧调节系统,其特征在于,所述试验训练模块包括:
第一试验单元,所述第一试验单元用于使用最佳温度值和最佳氧气浓度值,对生物质低氮化燃烧进行试验;
第二试验单元,所述第二试验单元用于基于第一试验的基础上对生物质低氮化燃烧进行后续若干次试验。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311118234.1A CN117076834B (zh) | 2023-09-01 | 2023-09-01 | 一种生物质低氮化燃烧调节方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311118234.1A CN117076834B (zh) | 2023-09-01 | 2023-09-01 | 一种生物质低氮化燃烧调节方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117076834A true CN117076834A (zh) | 2023-11-17 |
CN117076834B CN117076834B (zh) | 2024-04-19 |
Family
ID=88715169
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311118234.1A Active CN117076834B (zh) | 2023-09-01 | 2023-09-01 | 一种生物质低氮化燃烧调节方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117076834B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030124477A1 (en) * | 2001-11-16 | 2003-07-03 | Ecomb Ab | Combustion optimisation |
CN1675456A (zh) * | 2002-08-08 | 2005-09-28 | 美国环境保护署 | 控制温度的内燃机 |
CN103885337A (zh) * | 2014-03-20 | 2014-06-25 | 国家电网公司 | 一种基于成本计算的低氮燃烧最优NOx排放量控制方法 |
CN109359428A (zh) * | 2018-11-27 | 2019-02-19 | 上海海事大学 | 一种锅炉燃烧效率和氮氧化合物排放量的建模方法 |
CN110073093A (zh) * | 2016-05-23 | 2019-07-30 | 德累斯顿工业大学 | 用于操作安装在车辆内的内燃机的方法 |
CN111737842A (zh) * | 2019-03-19 | 2020-10-02 | 新奥数能科技有限公司 | 一种优化燃烧器氮氧化物排放量的方法和装置 |
CN112282950A (zh) * | 2020-10-30 | 2021-01-29 | 安徽江淮汽车集团股份有限公司 | 氮氧化合物排放控制方法、车辆及存储介质 |
TWI797831B (zh) * | 2021-11-12 | 2023-04-01 | 中國鋼鐵股份有限公司 | 加熱爐的控制參數之設計方法 |
-
2023
- 2023-09-01 CN CN202311118234.1A patent/CN117076834B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030124477A1 (en) * | 2001-11-16 | 2003-07-03 | Ecomb Ab | Combustion optimisation |
CN1675456A (zh) * | 2002-08-08 | 2005-09-28 | 美国环境保护署 | 控制温度的内燃机 |
CN103885337A (zh) * | 2014-03-20 | 2014-06-25 | 国家电网公司 | 一种基于成本计算的低氮燃烧最优NOx排放量控制方法 |
CN110073093A (zh) * | 2016-05-23 | 2019-07-30 | 德累斯顿工业大学 | 用于操作安装在车辆内的内燃机的方法 |
CN109359428A (zh) * | 2018-11-27 | 2019-02-19 | 上海海事大学 | 一种锅炉燃烧效率和氮氧化合物排放量的建模方法 |
CN111737842A (zh) * | 2019-03-19 | 2020-10-02 | 新奥数能科技有限公司 | 一种优化燃烧器氮氧化物排放量的方法和装置 |
CN112282950A (zh) * | 2020-10-30 | 2021-01-29 | 安徽江淮汽车集团股份有限公司 | 氮氧化合物排放控制方法、车辆及存储介质 |
TWI797831B (zh) * | 2021-11-12 | 2023-04-01 | 中國鋼鐵股份有限公司 | 加熱爐的控制參數之設計方法 |
Non-Patent Citations (1)
Title |
---|
李大中;王晨颖;娄云;: "垃圾与煤、秸秆混燃锅炉污染物排放优化", 农业机械学报, no. 07, 25 July 2012 (2012-07-25) * |
Also Published As
Publication number | Publication date |
---|---|
CN117076834B (zh) | 2024-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112085277B (zh) | 一种基于机器学习的scr脱硝系统预测模型优化方法 | |
CN113537639B (zh) | 一种养殖环境参数-鱼类生长预测模型建立方法及系统 | |
CN108038340B (zh) | 一种质子交换膜燃料电池分数阶状态空间模型辨识方法 | |
Simeonov | Mathematical modeling and parameters estimation of anaerobic fermentation processes | |
CN117076834B (zh) | 一种生物质低氮化燃烧调节方法及系统 | |
JP4286880B2 (ja) | 制御パラメータを探索するためのプログラム | |
CN111311023A (zh) | 一种配煤掺烧方法、装置、设备及计算机可读存储介质 | |
CN104156285B (zh) | 基于vba模块的分区燃料电池实验数据处理方法及系统 | |
CN112414540B (zh) | 舰船结构及设备振动噪声在线监测与智能控制一体化平台 | |
CN111981506B (zh) | 一种燃煤锅炉最佳氧量确认方法及系统 | |
CN111290267B (zh) | 基于LabVIEW的火电模型辨识装置和辨识方法 | |
CN113468813B (zh) | 一种脱硫系统入口so2浓度预测方法、装置、电子设备 | |
CN115826632A (zh) | 基于arx的水位控制系统整定值优化方法及存储介质 | |
Jerono et al. | Parameter identification of a yeast batch cell population balance model | |
CN114609926A (zh) | 一种基于火电仿真平台的火电厂动态在线仿真方法 | |
CN111897203A (zh) | 基于数据驱动和机理建模状态监测的加热器经济调节方法 | |
CN114233481B (zh) | 一种单缸机进排气控制方法、装置、电子控制单元及介质 | |
CN117907406B (zh) | 一种陶瓷芯片的性能测试方法、装置、介质和终端 | |
Slavov et al. | Multiple non-linear model adaptive control of cultivation process: hardware-in-the-loop simulation of control system | |
Senff et al. | Genetic Algorithm-Based On-Line Optimization of a Speed Controller for a Combustion Engine | |
CN114417640B (zh) | 一种可视化计算请求式计算方法、系统、设备及存储介质 | |
CN117619137A (zh) | 一种火电机组烟气脱硝控制方法及系统 | |
Butkus et al. | Investigation of Gain Scheduling Algorithm for Controller Adaptation in Microbial Cultivation Process Control Systems | |
CN114935888A (zh) | 一种双积分球杆对象的在线辨识方法 | |
Büyüker et al. | PARAMETER OPTIMIZATION OF LQR CONTROLLER APPLIED TO THREE DEGREES OF FREEDOM SYSTEM WITH HYBRID APPROACH |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |