基于炉内温度分布的NOx排放特性的神经网络模型.pdf

基于炉内温度分布的NOx排放特性的神经网络模型.pdf

ID:52481529

大小:307.33 KB

页数:5页

时间:2020-03-28

基于炉内温度分布的NOx排放特性的神经网络模型.pdf_第1页
基于炉内温度分布的NOx排放特性的神经网络模型.pdf_第2页
基于炉内温度分布的NOx排放特性的神经网络模型.pdf_第3页
基于炉内温度分布的NOx排放特性的神经网络模型.pdf_第4页
基于炉内温度分布的NOx排放特性的神经网络模型.pdf_第5页
资源描述:

《基于炉内温度分布的NOx排放特性的神经网络模型.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第30卷第3期能源技术Vo1.30NO.32009年6月ENERGYTECHNOIOGYJuTL2009基于炉内温度分布的NO排放特性的神经网络模型王淅芬,罗自学。,周怀春。(1.武汉科技大学机械自动化学院,湖北武汉430081;2.华中科技大学煤燃烧国家重点实验室,湖北武汉430074)摘要:电站锅炉燃烧产物NO的生成受煤种、锅炉负荷、配风方式、过剩空气系数、炉膛温度以及其分布的均匀性等多种因素的制约非常复杂。借助优化燃烧调整试验数据,将燃烧过程三维温度场可视化检测信息如炉膛断面最高温度作为重要原始信息,建立反映锅炉N排放特性的神经网络模型,并对此模型进行了校验。结果表明,该模型能

2、准确预报锅炉在不同工况下的N排放特性,结合全局寻优技术,可为大型电厂锅炉低N排放提供稳态优化运行方案。关键词:锅炉;N;炉膛断面最高温度;神经网络中图分类号:TK229.6文献标志码:A文章编号:1005—7439(2009)03—0133—04NeuralNetworkModelonNOxEmissionwithFurnaceTemperatureDistributioninaBoilerWANGXi-fen。LUZi-xuez。ZHOUHuai-chun。(1.CollegeofMechanicalEngineeringandAutomation。WuhanUniversityo

3、fScienceandTechnology,Wuhan430081,China;2.StateKeyb.OfCoalCombustion,HuazhongUniv.ofScLandTech.,Wuhan430074,China)Abstract:TheN0generationmechanismiscomplicated。affectingbymanyfactorslsuchascoalquality,boilerload,airdistribution,excessairratiorfurnacetemperatureandtemperaturedistributionunifort

4、uity,etc.Basedoncombustionadjustmentexperimentin-situ,combiningthethremdimensionaltemperaturedistribution(suchasfurnacecrosssectionhighesttemperature),aartificialneuralnetworkmodelpredictingtheNqemissionwasdevelopedandverified.ThemodelingresultsshowthatsuchamodelcanpredicatetheN0emissionunderva

5、riousoperatingconditions,ifcombinedwiththeoptimizationalgorithm,theoptimizeoperatingparameterscanbefindtOdecreasetheNGemission.Keywords:boiler;NOx;furnacecrosssectionhighesttemperature;neuralnetwork’在电站锅炉的燃烧过程中,NG的生成与煤大关系。利用计算流体力学(CFD)方法建立化学反种、锅炉负荷、配风方式、过剩空气系数、炉膛温度及应动力学的模型,并利用试验数据对炉内燃烧过程其分布的均匀性

6、等多种因素有关,机理非常复杂,特进行数值模拟,预测锅炉的性能和N排放量,虽别是炉内的温度及其分布对N的生成有重要影然已经取得了很多成果,但是建模过程复杂、计算耗响。炉内的热力型N的形成与主燃烧区内的温时长,特别是应用于在线实时优化比较困难。近年度有关[1j,主要在1500~1600oC的区域产生,温来也有一些学者把人工神经网络应用于燃煤电站锅炉N()r排放的预测控制中,结果表明多层前向神经度超过1600℃热力型N生成量还会急剧增大;网络_2]在N排放建模方面具有很多优势,要比燃料型N的生成也与炉内的流场温度分布有很CFD更直接更便利。但多层前向神经网络对数据基金项目基金项目:国家86

7、3汁划项目资助(No.样本的不完整性和误差比较敏感,当现场运行数据2007AAO5Z3O6)不足或准确性不够,特别是对N预测精度的影响·133·王淅芬等:基于炉内温度分布的NO=排放特性的神经网络模型很大的燃料量和风量,现场测量无法做到很准确,因影响,每1层燃尽风对应1个燃尽风挡板开度值。此它的应用受到很大限制。不过这个缺点可以用三另一方面,空气预热器出口氧量共有2个测点,取平维温度场可视化监控系统弥补,监控系统能快速提供均值作为一个输入参数,用于描述不同

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。