CN117225591A - 一种基于机理与数据融合的电除尘器振打智能调控方法 - Google Patents
一种基于机理与数据融合的电除尘器振打智能调控方法 Download PDFInfo
- Publication number
- CN117225591A CN117225591A CN202311364687.2A CN202311364687A CN117225591A CN 117225591 A CN117225591 A CN 117225591A CN 202311364687 A CN202311364687 A CN 202311364687A CN 117225591 A CN117225591 A CN 117225591A
- Authority
- CN
- China
- Prior art keywords
- electric
- dust collector
- vibration
- parameters
- electric dust
- 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.)
- Pending
Links
- 239000000428 dust Substances 0.000 title claims abstract description 190
- 238000000034 method Methods 0.000 title claims abstract description 57
- 230000007246 mechanism Effects 0.000 title claims abstract description 20
- 230000004927 fusion Effects 0.000 title claims abstract description 14
- 238000009825 accumulation Methods 0.000 claims abstract description 56
- 230000033228 biological regulation Effects 0.000 claims abstract description 25
- 230000005684 electric field Effects 0.000 claims description 62
- 239000002245 particle Substances 0.000 claims description 48
- 239000013618 particulate matter Substances 0.000 claims description 30
- 230000008569 process Effects 0.000 claims description 26
- 230000005012 migration Effects 0.000 claims description 24
- 238000013508 migration Methods 0.000 claims description 24
- 238000012937 correction Methods 0.000 claims description 21
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 18
- 239000003546 flue gas Substances 0.000 claims description 18
- 239000012716 precipitator Substances 0.000 claims description 12
- 238000013461 design Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 230000001105 regulatory effect Effects 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 4
- 101000872083 Danio rerio Delta-like protein C Proteins 0.000 claims description 3
- 230000008878 coupling Effects 0.000 claims description 3
- 238000010168 coupling process Methods 0.000 claims description 3
- 238000005859 coupling reaction Methods 0.000 claims description 3
- 238000013500 data storage Methods 0.000 claims description 3
- 238000007599 discharging Methods 0.000 claims description 3
- 238000005265 energy consumption Methods 0.000 claims description 3
- 239000007789 gas Substances 0.000 claims description 3
- 239000000463 material Substances 0.000 claims description 3
- 230000008520 organization Effects 0.000 claims description 3
- 238000001556 precipitation Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims 1
- 239000000779 smoke Substances 0.000 abstract description 7
- 238000005457 optimization Methods 0.000 abstract description 6
- 238000005299 abrasion Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 206010020880 Hypertrophy Diseases 0.000 description 1
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000001179 sorption measurement Methods 0.000 description 1
- 230000003746 surface roughness Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Landscapes
- Electrostatic Separation (AREA)
Abstract
本发明公开了一种基于机理与数据融合的电除尘器振打智能调控方法,属于电除尘装置振打调控技术领域。解决了现有电除尘器振打调控优化方法不适用于复杂工况的问题;本发明基于整体效率模型并结合电除尘装置的入口烟气参数和实时运行参数构建收尘板积灰预测模型,将其与积灰电阻参数相结合,构建收尘板的积灰厚度与积灰层压降之间的压降动态模型,修正电除尘装置运行电压得到有效运行电压,根据预测的有效运行电压调控振打程序中振打参数设定;振打程序设计采用短周期振打时序和低频率振打方式。本发明实现了根据电除尘器实时运行参数优化振打设定,有效减缓了振打装置磨损并减少了烟尘飞扬,保障电除尘器稳定运行,可以应用于电除尘器振打调控。
Description
技术领域
本发明涉及一种电除尘器振打智能调控方法,尤其涉及一种基于机理与数据融合的电除尘器振打智能调控方法,属于电除尘装置振打调控技术领域。
背景技术
传统的电除尘振打方式为振打与电场加压同时进行,吸附在电晕线和收尘板上的粉尘在受到振打力的同时还受到极强的电场吸附力,即使加强振打的强度和频度,吸附在极板、极线上的粉尘也不易脱落,长时间积累会造成电晕线肥大、收尘板积灰严重等问题,影响电晕电流和工作电压,导致除尘效率降低。且当加大振打强度和频度时,易导致粉尘二次飞场,也容易造成振打砧塌陷等缺陷。研究人员为提升除尘效率,在传统的振打方式上做了优化,降压振打是当电场运行过程中,降低电场阴阳极间的电压,粉尘的附着力减弱;当电场进行振打清灰时,容易将粉尘振落,提高了清灰效果。
现有技术中,公开(公告)号为CN110124866 A的专利文件中公开了一种电除尘器除尘效率优化方法,利用始电场至末电场电流递减的特性,梯度设置振打周期,具体依据收除尘器入口粉尘量和电场阳极板的收尘面积计算粉尘累积厚度需要的时间,根据积灰所需时间设置振打周期,虽然通过设置振打频次在一定程度上能优化除尘效率,但是并不能做到实时优化调控;公开(公告)号为CN 114632624A的专利文件公开了一种电除尘运行优化系统及优化方法,具体采用神经网络算法,以历史运行数据为训练样本,建立运行数据与所述多级多层次运行模式之间的关系模型,通过模型在一定程度上预测除尘过程参数,从而优化振打系统相关参数的设定,但是模型基本基于统计数据建立,不能保证工况复杂情况下的预测准确性。
因此,需要一种可以实时优化振打参数并适用于复杂工况的电除尘器振打智能调控方法。
发明内容
在下文中给出了关于本发明的简要概述,以便提供关于本发明的某些方面的基本理解。应当理解,这个概述并不是关于本发明的穷举性概述。它并不是意图确定本发明的关键或重要部分,也不是意图限定本发明的范围。其目的仅仅是以简化的形式给出某些概念,以此作为稍后论述的更详细描述的前序。
鉴于此,为解决现有电除尘器振打调控优化方法不适用于复杂工况的问题,本发明提供一种基于机理与数据融合的电除尘器振打智能调控方法。
技术方案如下:一种基于机理与数据融合的电除尘器振打智能调控方法,包括以下步骤:
S1.获取并存储电除尘装置运行过程中的参数形成数据库;
具体的:所述的参数包括设计参数、运行参数和能耗物耗参数,采用分布式的时序数据存储体系获取并存储电除尘装置运行过程中的参数,形成的数据库为分布式时序数据库;
S2.基于电除尘装置颗粒物脱除机理并结合数据库,构建不同区域、不同电场的电除尘装置整体效率模型,采用整体效率模型计算出电除尘装置运行电压,通过数据库中的实时运行参数进行拟合修正,得到修正后的二次电压公式;
S3.基于电除尘装置整体效率模型得到不同位置的颗粒物脱除量和不同位置的颗粒物浓度,结合数据库中的电除尘装置的设计参数和实时运行参数,构建机理与数据相融合的收尘板积灰预测模型;
S4.根据颗粒堆积特性构建极线i放电过程中的积灰电阻,将收尘板积灰预测模型和积灰电阻相结合,通过修正后的二次电压公式构建压降动态模型,对电除尘装置运行电压拟合修正,得到电除尘装置有效运行电压;
S5.根据电除尘装置有效运行电压实时调控振打程序的运行参数,建立电除尘装置智能振打的调控策略,实现不同电场、不同区域的振打参数的精准调控。
进一步地,所述S1中,所述S1中,分布式时序数据库采用HBase数据库作为分布式时序数据库的存档子系统,采用Redis存储系统作为分布式时序数据库的快照子系统以存储测点的快照数据,采用测点作为分布式时序数据的组织单位。
进一步地,所述S2中,不同区域、不同电场的电除尘装置整体效率模型包括入口浓度预测模型、电晕放电过程模型和颗粒物荷电迁移脱除模型,采用整体效率模型计算出电除尘装置运行电压;
不同区域、不同电场的电除尘装置整体效率模型表示为:
其中,η为整体效率,A为固定参数,Q为烟气流量,e为自然常数,ω为烟气中颗粒物的整体迁移速率,q为电荷,E为电源电动势,μ为气体粘度,dp为颗粒物粒径,Cm为坎宁汉修正系数,/> λ为相对密度修正系数,/> T为烟气温度,P为烟气压力;
电除尘装置运行电压U0表示为:
U0=η·E
通过数据库中的实时运行参数对电除尘装置运行电压U0进行拟合修正;
修正后的二次电压U0 *公式表示为:
U0 *=U0+βL (1)
其中,L为负荷百分比,β为压降修正系数。
进一步地,所述S3中,在单个电除尘电场中,烟气入口处的x=0,计算出沿着x方向的每个微元长度Δx的颗粒物脱除量;
沿着x方向的每个微元长度Δx的颗粒物脱除量表示为:
其中,Mx=0为沿着x方向的每个微元长度为0的颗粒物脱除量;
在电场入口处,x=0,根据CMx=0=MCin,其中,C为颗粒物浓度,M为颗粒物脱除量,Cin为电场入口处颗粒物浓度,in为电场入口,得到颗粒物迁移距离Δx时的颗粒物浓度;
颗粒物迁移距离Δx时的颗粒物浓度Cx=Δx表示为:
其中,lp为固定参数;
根据上述公式,得到不同位置的颗粒物脱除量和不同位置的颗粒物浓度;
其中,ΔCx=0为沿着x方向的每个微元长度为0时的颗粒物脱除量,为沿着x方向的每个微元长度为xk时的颗粒物脱除量,/>为颗粒物迁移距离xk时的颗粒物浓度,/>为颗粒物迁移距离xk+1时的颗粒物浓度,k∈{1,2,...n};
根据数据库中电除尘装置的入口烟气参数和测试参数,获得电除尘装置电场内不同负荷下颗粒物沿x方向在极板上的累积速率,通过不同的振打设定得到颗粒积累量厚度的变化,构建收尘板积灰预测模型;
收尘板积灰预测模型表示为:
其中,Δh(xk)为颗粒物迁移距离xi时积灰高度增量,Hp为极f板高度,tr为上一次振打后累积时间,ρp为颗粒密度。
进一步地,所述S4中,根据颗粒堆积特性构建极线i放电过程中的积灰电阻;
极线i放电过程中的积灰电阻Rai表示为:
其中,dw-w为极线间距,ρr为颗粒比电阻,Δh(j)为颗粒物迁移距离j时积灰高度增量,根据公式(5)计算获得,Si为极线i所对应放电区的一侧边界,Si+1为极线i所对应放电区的另一侧边界;
将极线i放电过程中的积灰电阻Rai作为压降修正系数,代入到公式(1)中,构建出压降动态模型;
压降动态模型表示为:
U0′=U0+Rai·L (7)
其中,U0′为电除尘装置有效运行电压。
进一步地,所述S5中,包括以下步骤:
S51.根据整体效率模型预测不同电场、不同区域的颗粒物脱除量,通过收尘板积灰预测模型预测出收尘板积灰高度增量,将预测的收尘板积灰高度增量带入公式(6)中,得到积灰电阻,代入公式(7)中得到预测的有效运行电压;
S52.根据预测的有效运行电压实时调控振打程序中振打参数设定,振打参数为不同电场阴极和阳极振打频率,建立电除尘装置智能振打的调控策略,将振打参数设定造成数据库的参数变化,形成实时运行参数存入数据库中,返回步骤S1,循环上述操作耦合实时运行参数变化优化振打策略,实现实时智能调控振打设定。
进一步地,所述S52中,振打程序采用短周期振打时序和低频率振打方式进行设计。
本发明的有益效果如下:本发明涉及的基于机理与数据融合的电除尘器振打智能调控方法预测不同电场、不同区域的整体效率模型,基于整体效率模型并结合电除尘装置的入口烟气参数和实时运行参数构建收尘板积灰预测模型,将其与积灰电阻参数相结合,构建收尘板的积灰厚度与积灰层压降之间的压降动态模型,修正电除尘装置运行电压得到有效运行电压,可以精确预测电除尘过程参数变化情况,实现采用实时电除尘器运行参数优化振打设定,保证了电除尘装置在颗粒物脱除过程中稳定运行,保证了复杂工况情况下的预测准确性,采用多种模型进行联动计算为振打程序的设定提供有力支撑;本发明针对不同电场、不同区域设定特定的振打程序,振打程序设计采用短周期振打时序和低频率振打方式,采用短周期振打时序使得电除尘器出口排放浓度更低,低频率振打方式能够降低振打频率,可以减缓振打装置磨损并减少烟尘二次飞扬,进一步保证颗粒物脱除过程有效运行;
本发明对A侧电除尘器的A1通道和A2通道进行出口烟尘浓度测试,除尘器振打周期调整如表1所示:
表1
在电源输出功率为50%的工况下,A侧电除尘器中A1通道和A2通道的前三个电场,即A11、A12、A13、A21、A22和A23电场的高频电源采用连续供电方式,A侧电除尘器中A1通道和A2通道的第四电场,即A14和A24电场的脉冲电源采用脉冲供电方式,A11和A12电场的四台高频电源的输出二次电流都为500mA,A12和A22电场的两台高频电源的输出电流都为1100mA,A13和A23电场的高频电源的输出电流都为1080mA,A14和A24电场的两台脉冲电源的输出电流都为850mA;A侧电除尘器A1通道和A2通道的出口烟尘平均排放为7.46mg/m3,与锅炉负荷相同电源功率输出情况下比较,振打周期由长周期调整为短周期后,出口烟尘浓度降低为4.44mg/m3;由此可见,其他因素相同的状况下,短周期振打时序条件下电除尘器出口排放浓度优于长周期振打。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为一种基于机理与数据融合的电除尘器振打智能调控方法流程示意图;
图2为振打流程示意图;
图3为时序数据库架构体系示意图。
附图标记:1.二次扬尘;2.积灰;3.振打。
具体实施方式
为了使本发明实施例中的技术方案及优点更加清楚明白,以下结合附图对本发明的示例性实施例进行进一步详细的说明,显然,所描述的实施例仅是本发明的一部分实施例,而不是所有实施例的穷举。需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
参考图1和图2详细说明本实施例,一种基于机理与数据融合的电除尘器振打智能调控方法,具体包括以下步骤:
S1.获取并存储电除尘装置运行过程中的参数形成数据库;
具体的:所述的参数包括设计参数、运行参数和能耗物耗参数,采用分布式的时序数据存储体系获取并存储电除尘装置运行过程中的参数,形成的数据库为分布式时序数据库;
S2.基于电除尘装置颗粒物脱除机理并结合数据库,构建不同区域、不同电场的电除尘装置整体效率模型,采用整体效率模型计算出电除尘装置运行电压,通过数据库中的实时运行参数进行拟合修正,得到修正后的二次电压公式;
S3.基于电除尘装置整体效率模型得到不同位置的颗粒物脱除量和不同位置的颗粒物浓度,结合数据库中的电除尘装置的设计参数和实时运行参数,构建机理与数据相融合的收尘板积灰预测模型;
S4.根据颗粒堆积特性构建极线i放电过程中的积灰电阻,将收尘板积灰预测模型和积灰电阻相结合,通过修正后的二次电压公式构建压降动态模型,对电除尘装置运行电压拟合修正,得到电除尘装置有效运行电压;
S5.根据电除尘装置有效运行电压实时调控振打程序的运行参数,建立电除尘装置智能振打的调控策略,实现不同电场、不同区域的振打参数的精准调控。
进一步地,所述S1中,分布式时序数据库采用HBase数据库作为分布式时序数据库的存档子系统,采用Redis存储系统作为分布式时序数据库的快照子系统以存储测点的快照数据,采用测点作为分布式时序数据的组织单位。
进一步地,所述S2中,不同区域、不同电场的电除尘装置整体效率模型包括入口浓度预测模型、电晕放电过程模型和颗粒物荷电迁移脱除模型,采用整体效率模型计算出电除尘装置运行电压;
不同区域、不同电场的电除尘装置整体效率模型表示为:
其中,η为整体效率,A为固定参数,Q为烟气流量,e为自然常数,ω为烟气中颗粒物的整体迁移速率,q为电荷,E为电源电动势,μ为气体粘度,dp为颗粒物粒径,Cm为坎宁汉修正系数,/> λ为相对密度修正系数,/> T为烟气温度,P为烟气压力;
电除尘装置运行电压U0表示为:
U0=η·E
通过数据库中的实时运行参数对电除尘装置运行电压U0进行拟合修正;
修正后的二次电压U0 *公式表示为:
U0 *=U0+βL (1)
其中,L为负荷百分比,β为压降修正系数。
进一步地,所述S3中,在单个电除尘电场中,烟气入口处的x=0,计算出沿着x方向的每个微元长度Δx的颗粒物脱除量;
沿着x方向的每个微元长度Δx的颗粒物脱除量表示为:
其中,Mx=0为沿着x方向的每个微元长度为0的颗粒物脱除量;
在电场入口处,x=0,根据CMx=0=MCin,其中,C为颗粒物浓度,M为颗粒物脱除量,Cin为电场入口处颗粒物浓度,in表示电场入口,得到颗粒物迁移距离Δx时的颗粒物浓度;
颗粒物迁移距离Δx时的颗粒物浓度Cx=Δx表示为:
其中,lp为固定参数;
根据上述公式,得到不同位置的颗粒物脱除量和不同位置的颗粒物浓度;
其中,ΔCx=0为沿着x方向的每个微元长度为0时的颗粒物脱除量,为沿着x方向的每个微元长度为xk时的颗粒物脱除量,/>为颗粒物迁移距离xk时的颗粒物浓度,/>为颗粒物迁移距离xk+1时的颗粒物浓度,k∈{1,2,...n};
根据数据库中电除尘装置的入口烟气参数和测试参数,获得电除尘装置电场内不同负荷下颗粒物沿x方向在极板上的累积速率,通过不同的振打设定得到颗粒积累量厚度的变化,构建收尘板积灰预测模型;
收尘板积灰预测模型表示为:
其中,Δh(xk)为颗粒物迁移距离xi时积灰高度增量,Hp为极板高度,tr为上一次振打后累积时间,ρp为颗粒密度。
进一步地,所述S4中,根据颗粒堆积特性构建极线i放电过程中的积灰电阻;
极线i放电过程中的积灰电阻Rai表示为:
其中,dw-w为极线间距,ρr为颗粒比电阻,Δh(j)为颗粒物迁移距离j时积灰高度增量,根据公式(5)计算获得,Si为极线i所对应放电区的一侧边界,Si+1为极线i所对应放电区的另一侧边界;
将极线i放电过程中的积灰电阻Rai作为压降修正系数,代入到公式(1)中,构建出压降动态模型;
压降动态模型表示为:
U0′=U0+Rai·L (7)
其中,U0′为电除尘装置有效运行电压;
具体的,参考图2,f为极线表面粗糙度,rc为极线半径,lw为极线长度,dw-p为线板间距,L'为极板长度。
进一步地,所述S5中,包括以下步骤:
S51.根据整体效率模型预测不同电场、不同区域的颗粒物脱除量,通过收尘板积灰预测模型预测出收尘板积灰高度增量,将预测的收尘板积灰高度增量带入公式(6)中,得到积灰电阻,代入公式(7)中得到预测的有效运行电压;
S52.根据预测的有效运行电压实时调控振打程序中振打参数设定,振打参数为不同电场阴极和阳极振打频率,建立电除尘装置智能振打的调控策略,将振打参数设定造成数据库的参数变化,形成实时运行参数存入数据库中,返回步骤S1,循环上述操作耦合实时运行参数变化优化振打策略,实现实时智能调控振打设定。
进一步地,所述S52中,振打程序采用短周期振打时序和低频率振打方式进行设计;
具体的,本实施例对1000MW机组的五电场干式电除尘器进行振打智能调控优化,根据应用煤质变化情况设计振打程序,振打程序设计时选用短周期振打时序和低频率振打方式,与振打参数配合达到最佳效果,降低电除尘器出口排放浓度,通过电除尘装置实时运作参数优化振打策略,最终整合振打策略如下:
首先降低第一、第二和第三电场阳极振打频率,在振打时序调整过程中,发现第一和第二电场阳极振打频率降低后,电场火花率会上升,第三电场火花率未有明显变化,由于第一和第二电场收集的灰量较多,因此第一和第二电场振打频率采取小幅度下降,第三场可适当提高振打频率的降低幅度;其次,进一步降低五个电场的阴极振打频率以及第四和第五电场的阳极振打频率,在电除尘检修期间,该机组振打系统磨损严重,轴承、垂头脱落现象较多,采用降低阴极振打频率方法,由于干式电除尘第四和第五电场灰量较少,同时降低第四和第五电场阳极的振打频率,振打频率降低后,电场二次电流和电压正常,没有引起火花率上升,且有效抑制了二次扬尘,电除尘器效率运行稳定,实现了实时振打参数的连续优化调控,保障了电除尘装置颗粒物脱除过程稳定运行。
尽管根据有限数量的实施例描述了本发明,但是受益于上面的描述,本技术领域内的技术人员明白,在由此描述的本发明的范围内,可以设想其它实施例。此外,应当注意,本说明书中使用的语言主要是为了可读性和教导的目的而选择的,而不是为了解释或者限定本发明的主题而选择的。因此,在不偏离所附权利要求书的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围,对本发明所做的公开是说明性的,而非限制性的,本发明的范围由所附权利要求书限定。
Claims (7)
1.一种基于机理与数据融合的电除尘器振打智能调控方法,其特征在于,包括以下步骤:
S1.获取并存储电除尘装置运行过程中的参数形成数据库;
具体的:所述的参数包括设计参数、运行参数和能耗物耗参数,采用分布式的时序数据存储体系获取并存储电除尘装置运行过程中的参数,形成的数据库为分布式时序数据库;
S2.基于电除尘装置颗粒物脱除机理并结合数据库,构建不同区域、不同电场的电除尘装置整体效率模型,采用整体效率模型计算出电除尘装置运行电压,通过数据库中的实时运行参数进行拟合修正,得到修正后的二次电压公式;
S3.基于电除尘装置整体效率模型得到不同位置的颗粒物脱除量和不同位置的颗粒物浓度,结合数据库中的电除尘装置的设计参数和实时运行参数,构建机理与数据相融合的收尘板积灰预测模型;
S4.根据颗粒堆积特性构建极线i放电过程中的积灰电阻,将收尘板积灰预测模型和积灰电阻相结合,通过修正后的二次电压公式构建压降动态模型,对电除尘装置运行电压拟合修正,得到电除尘装置有效运行电压;
S5.根据电除尘装置有效运行电压实时调控振打程序的运行参数,建立电除尘装置智能振打的调控策略,实现不同电场、不同区域的振打参数的精准调控。
2.根据权利要求1所述的一种基于机理与数据融合的电除尘器振打智能调控方法,其特征在于,所述S1中,分布式时序数据库采用HBase数据库作为分布式时序数据库的存档子系统,采用Redis存储系统作为分布式时序数据库的快照子系统以存储测点的快照数据,采用测点作为分布式时序数据的组织单位。
3.根据权利要求2所述的一种基于机理与数据融合的电除尘器振打智能调控方法,其特征在于,所述S2中,不同区域、不同电场的电除尘装置整体效率模型包括入口浓度预测模型、电晕放电过程模型和颗粒物荷电迁移脱除模型,采用整体效率模型计算出电除尘装置运行电压;
不同区域、不同电场的电除尘装置整体效率模型表示为:
其中,η为整体效率,A为固定参数,Q为烟气流量,e为自然常数,ω为烟气中颗粒物的整体迁移速率,q为电荷,E为电源电动势,μ为气体粘度,dp为颗粒物粒径,Cm为坎宁汉修正系数,/> λ为相对密度修正系数,/> T为烟气温度,P为烟气压力;
电除尘装置运行电压U0表示为:
U0=η·E
通过数据库中的实时运行参数对电除尘装置运行电压U0进行拟合修正;
修正后的二次电压U0 *公式表示为:
U0 *=U0+βL (1)
其中,L为负荷百分比,β为压降修正系数。
4.根据权利要求3所述的一种基于机理与数据融合的电除尘器振打智能调控方法,其特征在于,所述S3中,在单个电除尘电场中,烟气入口处的x=0,计算出沿着x方向的每个微元长度Δx的颗粒物脱除量;
沿着x方向的每个微元长度Δx的颗粒物脱除量表示为:
其中,Mx=0为沿着x方向的每个微元长度为0的颗粒物脱除量;
在电场入口处,x=0,根据CMx=0=MCin,其中,C为颗粒物浓度,M为颗粒物脱除量,Cin为电场入口处颗粒物浓度,in表示电场入口,得到颗粒物迁移距离Δx时的颗粒物浓度;
颗粒物迁移距离Δx时的颗粒物浓度Cx=Δx表示为:
其中,lp为固定参数;
根据上述公式,得到不同位置的颗粒物脱除量和不同位置的颗粒物浓度;
其中,ΔCx=0为沿着x方向的每个微元长度为0时的颗粒物脱除量,为沿着x方向的每个微元长度为xk时的颗粒物脱除量,/>为颗粒物迁移距离xk时的颗粒物浓度,为颗粒物迁移距离xk+1时的颗粒物浓度,k∈{1,2,...n};
根据数据库中电除尘装置的入口烟气参数和测试参数,获得电除尘装置电场内不同负荷下颗粒物沿x方向在极板上的累积速率,通过不同的振打设定得到颗粒积累量厚度的变化,构建收尘板积灰预测模型;
收尘板积灰预测模型表示为:
其中,Δh(xk)为颗粒物迁移距离xi时积灰高度增量,Hp为极板高度,tr为上一次振打后累积时间,ρp为颗粒密度。
5.根据权利要求4所述的一种,其特征在于,所述S4中,根据颗粒堆积特性构建极线i放电过程中的积灰电阻;
极线i放电过程中的积灰电阻Rai表示为:
其中,dw-w为极线间距,ρr为颗粒比电阻,Δh(j)为颗粒物迁移距离j时积灰高度增量,根据公式(5)计算获得,Si为极线i所对应放电区的一侧边界,Si+1为极线i所对应放电区的另一侧边界;
将极线i放电过程中的积灰电阻Rai作为压降修正系数,代入到公式(1)中,构建出压降动态模型;
压降动态模型表示为:
U0′=U0+Rai·L (7)
其中,U0′为电除尘装置有效运行电压。
6.根据权利要求5所述的一种,其特征在于,所述S5中,包括以下步骤:
S51.根据整体效率模型预测不同电场、不同区域的颗粒物脱除量,通过收尘板积灰预测模型预测出收尘板积灰高度增量,将预测的收尘板积灰高度增量带入公式(6)中,得到积灰电阻,代入公式(7)中得到预测的有效运行电压;
S52.根据预测的有效运行电压实时调控振打程序中振打参数设定,振打参数为不同电场阴极和阳极振打频率,建立电除尘装置智能振打的调控策略,将振打参数设定造成数据库的参数变化,形成实时运行参数存入数据库中,返回步骤S1,循环上述操作耦合实时运行参数变化优化振打策略,实现实时智能调控振打设定。
7.根据权利要求6所述的基于机理与数据融合的电除尘器振打智能调控方法,其特征在于,所述S52中,振打程序采用短周期振打时序和低频率振打方式进行设计。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311364687.2A CN117225591A (zh) | 2023-10-20 | 2023-10-20 | 一种基于机理与数据融合的电除尘器振打智能调控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311364687.2A CN117225591A (zh) | 2023-10-20 | 2023-10-20 | 一种基于机理与数据融合的电除尘器振打智能调控方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117225591A true CN117225591A (zh) | 2023-12-15 |
Family
ID=89086081
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311364687.2A Pending CN117225591A (zh) | 2023-10-20 | 2023-10-20 | 一种基于机理与数据融合的电除尘器振打智能调控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117225591A (zh) |
-
2023
- 2023-10-20 CN CN202311364687.2A patent/CN117225591A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US4624685A (en) | Method and apparatus for optimizing power consumption in an electrostatic precipitator | |
JP3447294B2 (ja) | 静電沈降分離装置に対する調節剤の供給の制御方法 | |
CN111974551B (zh) | 一种降低静电除尘器电耗的系统及其控制方法 | |
BRPI0808490A2 (pt) | Método para estimar a carga de poeira de um esp, e um método e um dispositivo para controlar o golpeamento de um esp | |
CN101422754B (zh) | 零火花高压静电除尘供电的控制方法和系统 | |
CN109365135B (zh) | 一种火电厂除尘系统智能节能自动控制方法 | |
CN110905792B (zh) | 一种基于能源互联网云计算的空压机控制系统及方法 | |
CN109365134B (zh) | 一种燃煤发电系统中除尘系统的自动控制方法 | |
CN112564252B (zh) | 半主动式混合储能系统及其模型预测能量控制方法 | |
CN117225591A (zh) | 一种基于机理与数据融合的电除尘器振打智能调控方法 | |
CN117081128A (zh) | 基于变分模态分解的微电网混合储能容量优化配置方法 | |
CN116307295B (zh) | 应用于云平台的智慧能源数字化管理系统及方法 | |
EP2338603A1 (en) | A method and a control system for controlling the operation of a last field of an electrostatic precipitator | |
CN116020218B (zh) | 一种工程性石料生态环境综合治理系统 | |
CN113042213B (zh) | 电除尘系统与输灰系统的协同控制方法及系统 | |
CN117214056A (zh) | 电除尘器颗粒物浓度和运行电压精准预测及智能控制方法 | |
KR101688276B1 (ko) | 마이크로 펄스 시스템, 이를 포함하는 전기 집진장치, 및 마이크로 펄스 시스템의 제어 방법 | |
CN101249473A (zh) | 检测和抑制电除尘反电晕现象的方法 | |
CN116454941A (zh) | 一种基于新能源负荷增长预测组合的储能配置方法 | |
CN214390647U (zh) | 一种具有气动振打清灰装置的静电除尘器 | |
CN108920858B (zh) | 一种预测辊道窑加热棒使用寿命的方法 | |
CN1215941A (zh) | 蓄电池快速充电方法和装置 | |
CN114904658A (zh) | 一种积灰厚度在线测量装置及电除尘器控制方法 | |
CN117505074B (zh) | 一种基于节能分析的电除尘控制方法及系统 | |
CN115555131A (zh) | 一种电除尘数据采集装置和网络结构 |
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 |