锅炉结渣特性的预测模型研究

《锅炉结渣特性的预测模型研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第34卷第6期华电技术Vo1．34No．62012年6月HuadianTechnologyJun．2012锅炉结渣特性的预测模型研究赵宁宁，荣令玉(1．华北电力大学，河北保定071003；2．华能吉林发电有限公司九台电厂，吉林九台130501)摘要：分析了电站锅炉结渣的影响因素，确定了评判锅炉结渣倾向性的指标。设计了预测评判系统平台，可用各种指标及算法进行比较研究，并将模糊数学和BP网络相结合，构成模糊神经网络模型，用此方法建立评判模型对山西大唐国际云冈热电有限责任公司机组的燃用煤种进行了结渣预测，取得了良好的效果。关键词：结渣；模糊数学；神经网络；

2、预测中图分类号：TK227．1文献标志码：B文章编号：1674—1951(2012)06—0037—04炉结渣的主要因素(煤的特性即静态特性和锅炉运0引言行特性即动态特性)进行预测，预测结果存在准确煤粉锅炉结渣问题至今未得到很好的解决，该率偏低的问题，但其在锅炉结渣预测方法的发展过问题已成为火力发电厂的一大顽疾，随着机组容量程中起着至关重要的作用J。随着锅炉容量不断的进一步加大，这一问题将更加突出，会对电站锅炉增大和科学研究的不断深入，单一指标评判的劣势的安全和经济运行产生严重威胁。因此，准确判断日益明显，所以，开始考虑用一些非常规的方法或是锅炉的结

3、渣状况，采取相应的防范措施，对于防止严通过一些非常规指标来对锅炉结渣情况进行预测。重结垢、优化运行具有非常重要的意义¨J。长期但其预测精度仍然不理想，与实际工程要求还有一以来，使用任何单一的判别指标，分辨率都不高，原定差距。因在于炉膛结渣原因复杂，结渣倾向是一个模糊的(2)多指标综合评判方法是将几个单指标评判概念，而且是一个由弱到强的过程，所以，至今未找方法综合起来去预测煤的结渣特性的方法。到能够定量描述结渣过程的模型。1)综合指数尺。把灰熔点、硅铝比、碱酸比、硅锅炉受热面结渣影响锅炉的正常运行，但常规比4个常规指标综合起来考虑，利用加权平均法，结渣

4、判别指标的准确性往往不高，因为各项影响指综合出一种新的判别方法——综合指数尺，克服单标分级界限过于明确，忽略了锅炉结渣是一个由弱一指标准确率偏低的缺点。对我国90余种动力用到强的变化过程，而把“结渣程度”这一概念简单地煤结渣特性进行评判，准确率达90％。处理成一个明确的界限。此外，单一结渣指标2)模糊数学方法。为了克服单一指标分类界只能从单方面去判断锅炉结渣程度。因此，建立一限过于明确的问题，开始采用模糊数学对结渣进行个能够准确预测锅炉结渣倾向的模型，根据预测结评判，与综合指数相比，很好地解决了权值过于平均果采取正确的方法防止严重结渣，从而优化运行，

5、具化的问题。有非常重要的意义。3)模式识别方法应用于燃煤结渣预测和评判所经历的时间比模糊思想方法所经历的时间短一1研究方法些，所以，涉及此种方法的文献资料不多。对于模式锅炉结渣是多因素耦合的、十分复杂的物理、化识别算法模型，要尽量建立由已知结渣特性的燃煤学过程，有很多专家、学者一直致力于结渣预测的研和锅炉信息组成的数据库作为模式识别的知识库，究，提出了许多预测锅炉结渣的方法，虽然这些方法据此来预测和评判未知燃煤的结渣倾向¨。可以在特定的研究条件下有一定的准确性，但至今无统预见的是，如果能提取最有效的特征数据用于模式一适用的预测方法。下面简单介绍近年来

6、国内、外识别并将数据库建立起来，那么，这种方法在预测锅在该领域的一些研究方法J。炉结渣方面的优势将会得到较好的发挥。(1)单指标评判方法是根据一种指标来粗略预4)人工神经网络方法是一种模仿和拓展人类测锅炉结渣的方法。单一指标评判方法利用影响锅神经功能的新一代智能算法，该算法是从大量已经存在的知识样本中寻求规律，从而提取出有效的规收稿日期：2012—02—09则¨。在训练过程中，整个网络在不断适应数据的第6期赵宁宁，等：锅炉结渣特性的预测模型研究·39·渣状态的数据。3对锅炉结渣预测的试验研究3．3网络训练本文将结渣程度分为轻微、中等和严重3类。从数据

7、库中随机抽取45组数据，用30组数据结渣程度是一个模糊的概念，没有明显的界限，具有作训练样本，来建立燃煤锅炉结渣的模糊神经网络模糊性。本文把神经网络与模糊系统结合在一起，的预测模型，预测结果见表2。将样本的7个特征用以评价燃煤锅炉的结渣特性。指标经过预处理后依次输入网络，当均方差达到要3．1网络输入与输出变量的确定求时，迭代次数为8240。本文选取的判别指标即输入变量为灰熔点，硅3．4网络测试结果铝比，碱酸比、硅比，无因次实际切圆直径、无因次炉用15组数据作测试样本，来检验模型的性能，膛平均温度及局部过量空气系数，共7个输入变量，见表3。将未知状态的

8、测试数据输入到网络中，对将每个模糊变量分为3个区域：轻微、中等和严重。模型进行检验。3．2网络结构3．5结果