CN105929109B - 飞灰含碳量测量方法 - Google Patents
飞灰含碳量测量方法 Download PDFInfo
- Publication number
- CN105929109B CN105929109B CN201610239213.9A CN201610239213A CN105929109B CN 105929109 B CN105929109 B CN 105929109B CN 201610239213 A CN201610239213 A CN 201610239213A CN 105929109 B CN105929109 B CN 105929109B
- Authority
- CN
- China
- Prior art keywords
- sample
- historical data
- sample set
- auxiliary variable
- value
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 27
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 27
- 239000003500 flue dust Substances 0.000 claims abstract description 23
- 239000003245 coal Substances 0.000 claims description 8
- 238000000513 principal component analysis Methods 0.000 claims description 6
- 239000007789 gas Substances 0.000 claims description 4
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 3
- 238000004821 distillation Methods 0.000 claims description 3
- 239000003546 flue gas Substances 0.000 claims description 3
- 229910052760 oxygen Inorganic materials 0.000 claims description 3
- 239000001301 oxygen Substances 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 3
- 239000002956 ash Substances 0.000 description 26
- 238000001354 calcination Methods 0.000 description 18
- 239000013598 vector Substances 0.000 description 14
- 239000011159 matrix material Substances 0.000 description 12
- 238000005259 measurement Methods 0.000 description 11
- 239000000428 dust Substances 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 229910052698 phosphorus Inorganic materials 0.000 description 4
- 239000011574 phosphorus Substances 0.000 description 4
- 239000000463 material Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000003556 assay Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000010881 fly ash Substances 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000010338 mechanical breakdown Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000010977 unit operation Methods 0.000 description 2
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 238000009833 condensation Methods 0.000 description 1
- 230000005494 condensation Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000003028 elevating effect Effects 0.000 description 1
- 230000019439 energy homeostasis Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 238000011068 loading method Methods 0.000 description 1
- 239000002075 main ingredient Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000012628 principal component regression Methods 0.000 description 1
- 238000010926 purge Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000001073 sample cooling Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000005245 sintering Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000010025 steaming Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 208000016261 weight loss Diseases 0.000 description 1
- 230000004580 weight loss Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0091—Powders
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analyzing Non-Biological Materials By The Use Of Chemical Means (AREA)
Abstract
本发明涉及热工控制领域，公开了一种飞灰含碳量测量方法，该方法包括：根据飞灰含碳量的历史数据值及对应于所述历史数据值的辅助变量值建立历史数据样本集合；在所述历史数据样本集合中选取与当前工况相近的第一样本集；根据所述第一样本集中的辅助变量值和飞灰含碳量值拟合针对辅助变量的加权系数；以及根据当前工况的辅助变量值及所述加权系数计算所述当前工况的飞灰含碳量。
Description
技术领域
本发明涉及热工控制领域，具体地，涉及一种飞灰含碳量测量方法。
背景技术
在燃煤电厂的实际生产过程中，由于技术或经济上的原因，许多重要技术参数和经济参数无法用常规的传感器直接测量，严重影响燃煤电厂经济运行。飞灰含碳量是火力发电厂燃煤锅炉燃烧效率的一个重要指标，它反映了燃煤机械未完全燃烧损失的大小。目前，飞灰含碳量在线检测方法有灼烧失重法和微波检测法。
灼烧法失重法测量技术是中国电力工业标准《飞灰和炉渣可然物测定方法》及《煤的工业分析方法》中的相关方法，当含有未燃尽碳的灰样在规定的高温下经灼烧后，由于灰样中残留的碳被燃尽后使灰样的质量出现了损失，利用灰样的烧失量作为依据计算出灰样中的含碳量，
含碳量的质量(％)＝[灼烧前灰样加坩埚的质量(g)—灼烧后灰样加坩埚的质量(g)]/[灼烧前灰样加坩埚的质量(g)—收灰前坩埚的质量(g)]。
图1示出了采用灼烧失重法测量飞灰含碳量的装置结构框图。如图1所示，灼烧失重法的主要工作流程是将烟道中的灰样通过振动器和取样器收集到测量单元的坩埚中，由升降机构将坩埚放置于旋转托盘，再由测量单元内部的执行机构将装有灰样的坩埚送入灼烧装置(如，电炉加热器)进行高温灼烧，电子天平实时测量收灰前、收灰后及灼烧后的重量信号，控制单元对接收到的重量信号进行计算，获得飞灰的含碳量并在控制单元的显示屏上进行显示，其中可以使用手动控制盒控制控制单元进行计算或显示。灼烧后的灰样通过***的排灰机构和真空发生器排放回烟道中。
然而灼烧失重法在现场应用中存在下列一些问题：
(1)取样问题。装置取样速度慢，所以取样时间长，灰样冷却较快，容易堵灰。
(2)微波炉加热问题。首先不能达到实验室加热温度(电力工业标准《飞灰和炉渣可然物测定方法》中提出应在810±10℃下进行灼烧，慢灰要1小时，快灰要30分钟)，灼烧温度、时间不能达到要求，并且由于微波加热特性和坩埚盛灰的最低要求制约使得灰样厚度超出范围，因而只能对坩埚内的灰样外表面完全灼烧，而内部为原灰样。其次，不能按规程先烘干水分(因受烟道中温差变化因素，飞灰有时会出现结露现象)，在灼烧测挥发量，所以失重变化数据中有水分变化因素。
(3)称重问题。电子天平安装在现场测量柜中进行实时称重，锅炉运行导致电子天平一直振动，无法保证正常测量精度。
(4)机械问题。此类装置一般有非常复杂的机械装置和电机、齿冷等转动部件，使用中经常出现坩埚破碎、机械故障、电机故障及坩埚工位错误等各种机械故障，由于设备故障会涉及到复杂的机械装置、电气电子装置、气路、灰路***，即使有专人维护，也难以解决错综复杂的问题。
(5)时间滞后问题。装置取样速度慢，并需要机械运转、称重、灼烧，使得检测周期时间长。
所以，灼烧失重法的在线检测装置在现场使用中具有检测滞后时间长、灰样不能烧透、称重不准确、堵灰、机械故障率高的缺陷，维护要求高、难维护。
微波检测法的原理为：因为飞灰可燃物主要成份是碳及碳的介电常数，微波测试单元可利用固定频率发射能量衡定的微波信号，飞灰中可燃物的含量越高，吸收微波能量的作用就越强。
微波检测法的***可采用无动力飞灰取样器，自动将烟道中的灰样收集到微波测试装置的测量管中，由灰位控制器自动判别收集灰位的高度。当收集到足够的灰样时，***对飞灰含碳量进行微波谐振测量。控制装置打开电磁阀接入压缩空气吹扫已分析完的灰样，根据程序设定或手动设置，飞灰可以自动经采样管道吹回烟道或者送入收灰容器，以便于化学分析化验。
由于不同物质的频率特性不同、飞灰中物质组成复杂，且煤种变化时主要是矿物质变化使得微波检测法在煤种变化时不能检测飞灰含碳量变化。
发明内容
本发明的目的是提供一种飞灰含碳量测量方法，用于实现飞灰含碳量的在线测量，提高机组运行的安全性和经济性。
为了实现上述目的，本发明提供一种飞灰含碳量测量方法，该方法包括：根据飞灰含碳量的历史数据值及对应于所述历史数据值的辅助变量值建立历史数据样本集合；在所述历史数据样本集合中选取与当前工况相近的第一样本集；根据所述第一样本集中的辅助变量值和飞灰含碳量值拟合针对辅助变量的加权系数；以及根据当前工况的辅助变量值及所述加权系数计算所述当前工况的飞灰含碳量。
优选地，所述在所述历史数据样本集合中选取与当前工况相近的第一样本集包括：计算所述当前工况的辅助变量值与所述历史数据样本集合中每一样本的辅助变量值的相关系数；以及选取大于第一阈值的相关系数所对应的样本组成所述第一样本集。
优选地，采用皮尔逊积矩相关系数法计算所述相关系数。
优选地，所述方法还包括：对所述第一样本集进行主成分分析以得到包含主要辅助变量的第二样本集；以及根据所述第二样本集来拟合所述加权系数。
优选地，使用最小二乘法拟合所述加权系数。
优选地，所述辅助变量包括：每一给煤机的给煤量、烟气含氧量、排烟温度、主蒸汽压力、主蒸流量、主蒸汽温度、总风量、省煤器入口流量值、省煤器入口压力、省煤器出口压力、发电负荷、煤质特性、一次风总压力、二次风门开度、燃尽风门开度、二次风总压与炉膛差压、空气预热器出口温度、燃烧器摆角。
优选地，所述方法还包括：更新所述历史数据样本集合。
优选地，所述更新所述历史数据样本集合包括：在所述历史样本集合中确定多个样本中心；在新出现的样本与所述多个样本中心中每一者的距离大于第二预定值的情况下，将所述新出现的样本添加至所述历史数据样本集合。
优选地，所述更新所述历史数据样本集合进一步包括：将所述新出现的样本作为一个新的样本中心以更新所述多个样本中心；以及合并更新后的多个样本中心中彼此之间的距离小于第三阈值的两个样本中心。
优选地，所述更新所述历史数据样本集合进一步包括：在所述更新后的多个样本中心中彼此之间的距离均大于第三阈值的情况下，删除更新后的历史数据样本集合中与所述多个样本中心的每一者的距离最小者。
通过上述技术方案，基于飞灰含碳量的历史数据样本集合及当前工况的辅助变量值计算当前工况的飞灰含碳量，方案简单易行无需复杂的装置，并且能够提高机组运行的安全性和经济性。
本发明的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。在附图中：
图1示出了采用灼烧失重法测量飞灰含碳量的装置结构框图；
图2示出了一实施例中本发明所提供的飞灰含碳量测量方法的流程图；以及
图3示出了更新历史数据样本集合的流程图。
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。
图2示出了一实施例中本发明所提供的飞灰含碳量测量方法的流程图。如图2所示，本发明提供一种飞灰含碳量测量方法，该方法包括：根据飞灰含碳量的历史数据值及对应于所述历史数据值的辅助变量值建立历史数据样本集合(步骤S10)；在所述历史数据样本集合中选取与当前工况相近的第一样本集(步骤S20)；根据所述第一样本集中的辅助变量值和飞灰含碳量值拟合针对辅助变量的加权系数(步骤S30)；以及根据当前工况的辅助变量值及所述加权系数计算所述当前工况的飞灰含碳量(步骤S40)。
以下将分步骤具体介绍本发明所提供的飞灰含碳量测量方法。
步骤S10：根据飞灰含碳量的历史数据值及对应于所述历史数据值的辅助变量值建立历史数据样本集合。
其中，飞灰含碳量与现场多个变量之间存在关系，为了反映提取飞灰含碳量的多方面信息，这里选取与飞灰含碳量相关性大的辅助变量。该辅助变量可以包括：每一给煤机的给煤量(假设有五个给煤机，则应当包括给煤机A给煤量、给煤机B给煤量、给煤机C给煤量、给煤机D给煤量、给煤机E给煤量)、烟气含氧量、排烟温度、主蒸汽压力、主蒸流量、主蒸汽温度、总风量、省煤器入口流量值、省煤器入口压力、省煤器出口压力、发电负荷、煤质特性、一次风总压力、二次风门开度、燃尽风门开度、二次风总压与炉膛差压、空气预热器出口温度、燃烧器摆角等。在所建立的历史样本集合中的每一样本中包含上述辅助变量的值及对应的飞灰含碳量的数据值。
步骤S20：在所述历史数据样本集合中选取与当前工况相近的第一样本集。
在该步骤中，可以计算当前工况的辅助变量值与历史数据样本集合中每一样本的辅助变量值的相关系数，相关系数越高，说明二者相关性越高，所对应的历史样本就越与当前工况相近。这里可以采用皮尔逊积矩相关系数法计算上述的相关系数。
设当前工况的辅助变量值表示为X1＝(x1，x2……xn)，其中x1，x2……xn表示当前工况中不同辅助变量的值，历史样本的辅助变量值为Y1＝(y1，y2……yn)，其中y1，y2……yn表示某一历史样本中不同辅助变量的值，则皮尔逊积矩相关系数r的计算公式为：
式中
Sxx为变量xi对其均值的偏差平方和，Syy为变量yi对其均值的偏差的平方和，Sxy为xi、yi的偏差平方和。r就称为向量X1对Y1(或向量Y1对X1)的单项相关系数，亦可称为相关系数。
相关系数r的取值范围是-1≤r≤1，相关系数r的绝对值越接近1，向量X1和Y1之间的相关程度越高，相关系数r的绝对值越接近0，向量X1和Y1之间的相关程度越低，在所计算出来的相关系数中选取大于第一阈值的相关系数所对应的样本组成上述的第一样本集。这里，第一阈值可以根据具体情况而定，并不作特定限制。
步骤30：根据第一样本集中的辅助变量值和飞灰含碳量值拟合针对辅助变量的加权系数。优选地，这里可以针对所获得的第一样本集进行主成分分析来得到包含主要辅助变量的第二样本集，根据该第二样本集中的主要辅助变量值和飞灰含碳量值拟合针对主要辅助变量的加权系数。
在一实施例中可以采用主成分分析法对所获得的第一样本集进行主成分分析以获得第二样本集。
主成分分析法是一种降维的统计方法，它借助于一个正交变换，将其分量相关的原随机向量转化成其分量不相关的新随机向量，这在代数上表现为将原随机向量的协方差阵变换成对角形阵，在几何上表现为将原坐标系变换成新的正交坐标系，使之指向样本点散布最开的p个正交方向，然后对多维变量***进行降维处理，使之能以一个较高的精度转换成低维变量***，再通过构造适当的价值函数，进一步把低维***转化成一维***。
假设X是一个n×m的数据矩阵，其中的每一列对应于一个变量，每一行对应于第一样本集中的一个样本。矩阵X可以分解为m个向量的外积之和，即
式中，ti∈Rn被称为得分向量，pi∈Rm称为负荷向量。X的得分向量也叫做X的主元。可以写成下列矩阵形式
X＝TPT (3)
其中T＝(t1,t2,…,tn)称为得分矩阵，P＝(p1,p2,…,pm)称为负荷矩阵。
各个得分向量之间也是正交的，即对于任何i和j，当i≠j时，满足titj＝0。各个负荷向量之间也是正交的，同时每个负荷向量的长度都为1，即
当矩阵X中的向量间存在一定程度的线性相关时，数据矩阵X的变化将主要体现在最前面的几个负荷向量的方向上，数据矩阵X在最后面的几个负荷向量上的投影将会很小，它们主要是由于测量噪声引起的。这样就可以讲矩阵X进行主元分解后写成下式
式中E为误差矩阵，代表X在pk+1到pm等负荷向量方向上的变化。由于误差矩阵E主要是由于测量噪声引起的，将E忽略掉往往会起到清除测量噪声的效果，而不会引起数据中有用信息的明显损失。因而数据X可以近似地表示为
在计算出式(7)后就完成针对所获得的第一样本集所进行的进行主成分分析。
因为X的前k个主代表了X数据中的绝大多数变化，因此可以用X的前k个主元来代替那些原始输入变量进行回归分析，这样便得到下面的主元回归模型
式中，矩阵Y代表经主成分分析后的第二样本集，B＝(b1 b2 … bk)T为主元回归模型参数。可利用最小二乘方法通过下式计算而得到B
则输入变量的模型参数θ为
模型参数θ即为所计算出的加权系数。使用所计算的加权系数乘以每一加权系数所对应的当前工况的辅助变量值就可以计算出当前工况的飞灰含碳量。
进一步地，为了全面反映工况情况，在出现新的样本时，需要更新历史数据样本集合。首先在历史数据样本集合中确定l(l≥1)个样本中心，计算新出现的样本与l个样本中心中每一者的距离，当每个距离均大于阈值δ时，则将新出现的样本加入到历史数据样本集合中，以该新出现的样本作为一个新的样本中心，样本中心个数为l+1。计算l+1个样本中心彼此之间的距离，如果两个样本的距离小于阈值σ，则将该两个样本中心进行合并。如果两个样本的距离均大于阈值σ，计算历史数据库中每一样本与l+1个样本中心的距离，剔除距离最小的一个样本，从而保证历史数据库中的样本数保持恒定。
在实际使用中，本发明所提供的飞灰含碳量计算方法可以通过支持C语言编程的PLC可编程控制器(如西门子的S7系列的控制器)进行实现，通过以太网或硬接线的形式读取现场数据(辅助变量值)，并将计算结果显示在运行人员的监控器中。
以上结合附图详细描述了本发明的优选实施方式，但是，本发明并不限于上述实施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种简单变型，这些简单变型均属于本发明的保护范围。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，为了避免不必要的重复，本发明对各种可能的组合方式不再另行说明。
此外，本发明的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明的思想，其同样应当视为本发明所公开的内容。
Claims (9)
1.一种飞灰含碳量测量方法，其特征在于，该方法包括：
根据飞灰含碳量的历史数据值及对应于所述历史数据值的辅助变量值建立历史数据样本集合；
在所述历史数据样本集合中选取与当前工况相近的第一样本集；
对所述第一样本集进行主成分分析以得到包含主要辅助变量的第二样本集；
根据所述第二样本集中的主要辅助变量值和飞灰含碳量值拟合针对辅助变量的加权系数；以及
根据当前工况的辅助变量值及所述加权系数计算所述当前工况的飞灰含碳量。
2.根据权利要求1所述的方法，其特征在于，所述在所述历史数据样本集合中选取与当前工况相近的第一样本集包括：
计算所述当前工况的辅助变量值与所述历史数据样本集合中每一样本的辅助变量值的相关系数；以及
选取大于第一阈值的相关系数所对应的样本组成所述第一样本集。
3.根据权利要求2所述的方法，其特征在于，采用皮尔逊积矩相关系数法计算所述相关系数。
4.根据权利要求1所述的方法，其特征在于，使用最小二乘法拟合所述加权系数。
5.根据权利要求1所述的方法，其特征在于，所述辅助变量包括：每一给煤机的给煤量、烟气含氧量、排烟温度、主蒸汽压力、主蒸流量、主蒸汽温度、总风量、省煤器入口流量值、省煤器入口压力、省煤器出口压力、发电负荷、煤质特性、一次风总压力、二次风门开度、燃尽风门开度、二次风总压与炉膛差压、空气预热器出口温度、以及燃烧器摆角。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
更新所述历史数据样本集合。
7.根据权利要求6所述的方法，其特征在于，所述更新所述历史数据样本集合包括：
在所述历史样本集合中确定多个样本中心；
在新出现的样本与所述多个样本中心中每一者的距离大于第二预定值的情况下，将所述新出现的样本添加至所述历史数据样本集合。
8.根据权利要求7所述的方法，其特征在于，所述更新所述历史数据样本集合进一步包括：
将所述新出现的样本作为一个新的样本中心以更新所述多个样本中心；以及
合并更新后的多个样本中心中彼此之间的距离小于第三阈值的两个样本中心。
9.根据权利要求8所述的方法，其特征在于，所述更新所述历史数据样本集合进一步包括：
在所述更新后的多个样本中心中彼此之间的距离均大于第三阈值的情况下，删除更新后的历史数据样本集合中与所述多个样本中心的每一者的距离最小者。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610239213.9A CN105929109B (zh) | 2016-04-18 | 2016-04-18 | 飞灰含碳量测量方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610239213.9A CN105929109B (zh) | 2016-04-18 | 2016-04-18 | 飞灰含碳量测量方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105929109A CN105929109A (zh) | 2016-09-07 |
| CN105929109B true CN105929109B (zh) | 2018-02-23 |
Family
ID=56838284
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610239213.9A Active CN105929109B (zh) | 2016-04-18 | 2016-04-18 | 飞灰含碳量测量方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105929109B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106529123B (zh) * | 2016-10-10 | 2019-07-23 | 中国神华能源股份有限公司 | 飞灰含碳量的测量方法及装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102778538A (zh) * | 2012-07-06 | 2012-11-14 | 广东电网公司电力科学研究院 | 一种基于改进支持向量机的锅炉飞灰含碳量软测量方法 |
| CN103413184A (zh) * | 2013-08-05 | 2013-11-27 | 浙江大学 | 循环流化床锅炉飞灰含碳量预测***及方法 |
| CN103729569A (zh) * | 2014-01-20 | 2014-04-16 | 华北电力大学 | 一种基于lssvm及在线更新的电站锅炉烟气软测量*** |
| CN103728879A (zh) * | 2014-01-20 | 2014-04-16 | 华北电力大学 | 基于最小二乘支持向量机及在线更新的电站锅炉烟气软测量方法 |
-
2016
- 2016-04-18 CN CN201610239213.9A patent/CN105929109B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102778538A (zh) * | 2012-07-06 | 2012-11-14 | 广东电网公司电力科学研究院 | 一种基于改进支持向量机的锅炉飞灰含碳量软测量方法 |
| CN103413184A (zh) * | 2013-08-05 | 2013-11-27 | 浙江大学 | 循环流化床锅炉飞灰含碳量预测***及方法 |
| CN103729569A (zh) * | 2014-01-20 | 2014-04-16 | 华北电力大学 | 一种基于lssvm及在线更新的电站锅炉烟气软测量*** |
| CN103728879A (zh) * | 2014-01-20 | 2014-04-16 | 华北电力大学 | 基于最小二乘支持向量机及在线更新的电站锅炉烟气软测量方法 |
Non-Patent Citations (4)
| Title |
|---|
| 基于PSO-SVR的飞灰含碳量软测量研究;贺瑶等;《自动化与仪表》;20130430(第4期);第1-4页 * |
| 基于SVM和灰色预测的飞灰含碳量集成预测;周国雄等;《***仿真学报》;20130430;第25卷(第4期);第729页2在线支持向量机的飞灰含碳量预测模型 * |
| 基于改进的KPCA和LSSVM飞灰含碳量的软测量建模;王真等;《山东电力技术》;20151031;第42卷(第10期);第40-43页 * |
| 运用事例推理技术确定飞灰含碳质量分数实时目标值;洪军等;《中国电力》;20070331;第40卷(第3期);第28-31页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105929109A (zh) | 2016-09-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104200397B (zh) | 一种核电站dcs***设计输入文件与变量信息数据库一致性校验方法 | |
| US20200184132A1 (en) | Apparatus and method for predicting deformation temperature of coal using predictive model | |
| CN106649919A (zh) | 燃煤电站锅炉飞灰含碳量预测模型构建方法及*** | |
| CN103092171A (zh) | 水泥数字化管控*** | |
| Yan et al. | Determination of coal properties using laser-induced breakdown spectroscopy combined with kernel extreme learning machine and variable selection | |
| CN110262450A (zh) | 面向汽轮机的多种故障特性协同分析的故障预测方法 | |
| CN105929109B (zh) | 飞灰含碳量测量方法 | |
| CN113074459A (zh) | 锅炉控制优化方法及*** | |
| Zhang et al. | Quantitative analysis of coal quality by laser-induced breakdown spectroscopy assisted with different chemometric methods | |
| CN109992844A (zh) | 一种基于adqpso-svr模型的锅炉飞灰含碳量预测方法 | |
| CN104536396A (zh) | 一种水泥生料在分解炉内分解过程的软测量建模方法 | |
| CN105279573B (zh) | 一种火电厂煤耗率经济性分析方法 | |
| CN113533622A (zh) | 一种基于神经网络的磨煤机煤质预测方法 | |
| CN102994736B (zh) | 罩式炉退火模型修正方法 | |
| Chong et al. | Prediction of gaseous emissions from a chain grate stoker boiler using neural networks of ARX structure | |
| CN207112772U (zh) | 基于核偏最小二乘的锅炉炉膛温度在线预测*** | |
| CN106529123A (zh) | 飞灰含碳量的测量方法及装置 | |
| Aints et al. | Determination of Heating Value of Estonian Oil Shale by Laser‐Induced Breakdown Spectroscopy | |
| CN116085823A (zh) | 锅炉燃烧控制方法及*** | |
| CN108875165A (zh) | 基于运行数据的锅炉特性标定方法 | |
| CN108241789A (zh) | 基于自适应加权awls-svr的锅炉炉渣含碳量测量方法及设备 | |
| KR20150146094A (ko) | 동위원소비 질량분석분광기를 이용한 시멘트의 감식방법 | |
| CN110647560B (zh) | 一种机理与类脑智能结合的电厂入炉煤质在线软测量方法 | |
| CN113743672A (zh) | 一种磨煤机经济煤粉细度在线分析及运行优化指导方法 | |
| CN112380779B (zh) | 一种烧结终点的鲁棒软测量方法及*** |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP01 | Change in the name or title of a patent holder | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 100011 Shenhua building, 22 West Binhe Road, Dongcheng District, Beijing Patentee after: China Shenhua Energy Co.,Ltd. Patentee after: National Energy Group Guohua Power Co.,Ltd. Patentee after: Guoneng Guohua (Beijing) Electric Power Research Institute Co.,Ltd. Address before: 100011 Shenhua building, 22 West Binhe Road, Dongcheng District, Beijing Patentee before: China Shenhua Energy Co.,Ltd. Patentee before: BEIJING GUOHUA POWER Co.,Ltd. Patentee before: Shenhua Guohua (Beijing) Electric Power Research Institute Co.,Ltd. |