CN112348920A - 基于数据驱动的循环流化床锅炉动态特性热力图构建方法 - Google Patents
基于数据驱动的循环流化床锅炉动态特性热力图构建方法 Download PDFInfo
- Publication number
- CN112348920A CN112348920A CN202011189470.9A CN202011189470A CN112348920A CN 112348920 A CN112348920 A CN 112348920A CN 202011189470 A CN202011189470 A CN 202011189470A CN 112348920 A CN112348920 A CN 112348920A
- Authority
- CN
- China
- Prior art keywords
- working condition
- data
- main steam
- analysis
- steady
- 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
- 238000010586 diagram Methods 0.000 title claims abstract description 26
- 238000010276 construction Methods 0.000 title claims abstract description 8
- 238000004458 analytical method Methods 0.000 claims abstract description 42
- 239000011159 matrix material Substances 0.000 claims abstract description 10
- 238000001704 evaporation Methods 0.000 claims abstract description 5
- 230000008020 evaporation Effects 0.000 claims abstract description 5
- 230000004931 aggregating effect Effects 0.000 claims abstract description 4
- 238000009499 grossing Methods 0.000 claims abstract description 4
- 239000003245 coal Substances 0.000 claims description 20
- 239000002893 slag Substances 0.000 claims description 16
- 239000000779 smoke Substances 0.000 claims description 14
- 238000000034 method Methods 0.000 claims description 12
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 12
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 9
- 229910052760 oxygen Inorganic materials 0.000 claims description 9
- 239000001301 oxygen Substances 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000004220 aggregation Methods 0.000 claims description 3
- 230000002776 aggregation Effects 0.000 claims description 3
- 238000007599 discharging Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000011217 control strategy Methods 0.000 abstract description 2
- 238000005457 optimization Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000005338 heat storage Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 238000010206 sensitivity analysis Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/206—Drawing of charts or graphs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/40—Filling a planar surface by adding surface attributes, e.g. colour or texture
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Fluidized-Bed Combustion And Resonant Combustion (AREA)
- Regulation And Control Of Combustion (AREA)
Abstract
本发明提供一种基于数据驱动的循环流化床锅炉动态特性热力图构建方法,包括选取分析因素对应的数据作为选取数据;对所有选取数据进行平滑处理;基于趋势定量变化阈值限制的稳态工况段检测提取,获得稳态工况段;将稳态工况段时间区间内的分析因素对应的选取数据进行聚合,得到聚合后的分析因素数据:以5%~10%的锅炉最大连续蒸发量宽度划分负荷区间;边界状态标志在各荷区间内的所有稳态工况聚类为一个工况簇,计算每个工况簇中的分析因素间的相关系数;构建相关系数矩阵,即为热力图。本发明的构建方法能够在热力图中清晰准确的展示各因素间相关性特性,能够更加准确的指导控制策略及相关建模工作对***输入量的选取和分析。
Description
技术领域
本发明属于循环流化床锅炉领域,涉及动态特性热力图,特别涉及一种基于数据驱动的循环流化床锅炉动态特性热力图构建方法。
背景技术
循环流化床锅炉在实际运行过程中影响锅炉动态特性的因素众多,其中包括部分环境温度、负荷率、煤质等运行不可控环境因素,以及排烟氧含量、配风方式等运行可控参数。众多因素间存在着复杂的耦合关系,一些高校和电力科研院所对煤电机组能效敏感分析已经有了一定的研究。但多数处于仿真阶段,在实际优化项目上也有一定应用。如在大型燃煤机组上选用供电煤耗作为衡量标准,建立基于支持向量机的能耗分析模型,计算不同负荷区域各运行特征参数对供电煤耗的敏感性系数,在不同负荷下根据敏感性系数的不同采取不同的调控措施,但分析过程往往是确定一个单一目标,如锅炉效率,然后选取一定量的影响因素,分析各选取因素与目标间的相关性特征,但实际上各因素之间也存在复杂的耦合关系,而在敏感性分析确定某一目标的主导影响因素时,需要确定这一因素对目标相关系数的独立性,这就需要继续以这一因素作为目标与其他因素进行相关性分析。
发明内容
针对现有技术存在的不足,本发明的目的在于,提供一种基于数据驱动的循环流化床锅炉动态特性热力图构建方法,以解决现有技术中动态特性热力图精准度不足的技术问题。
为了解决上述技术问题,本发明采用如下技术方案予以实现:
一种基于数据驱动的循环流化床锅炉动态特性热力图构建方法,该方法按照以下步骤进行:
步骤一,数据选取:
选取主蒸汽压力sp、主蒸汽温度st、主蒸汽流量sf、炉膛出口负压np、炉膛上部差压dp、风室压力wpo、一二次风比q12、排烟氧含量o、排烟温度smt、二次风机出口温度w2t、冷渣机频率lz、给煤量c、排渣比率hf、分离器温差tc和锅炉相对效率eta作为分析因素;
选取分析因素对应的数据作为选取数据;
步骤二,循环流化床锅炉稳态工况段聚类提取:
步骤201,对所有选取数据进行平滑处理;
步骤202,基于趋势定量变化阈值限制的稳态工况段检测提取,获得稳态工况段;
所述的趋势定量变化阈值限制约束条件为:
主蒸汽压力极值差小于均值的2%;
主蒸汽流量极值差小于均值的3%;
给煤量极值差小于均值的3%;
床温极值差小于均值的1%;
床压极值差小于均值的2%;
排烟氧含量极值差小于均值的5%;
数据连续时间长度大于10min且小于60min;
步骤203,将步骤202获得的稳态工况段时间区间内的分析因素对应的选取数据进行聚合,单个数据重复参与多段聚合,得到聚合后的分析因素数据:
步骤204,根据边界状态标志参数主蒸汽流量的变化,以5%~10%的锅炉最大连续蒸发量宽度划分负荷区间;边界状态标志在各荷区间内的所有稳态工况聚类为一个工况簇,边界状态标志在各荷区间内的所有稳态工况对应的所有聚合后的分析因素数据即为该工况簇对应的分析因素数据;
步骤三,表征循环流化床锅炉动态特性的热力图构建:
步骤301,基于每个工况簇对应的分析因素数据,采用皮尔逊相关度来计算每个工况簇中的分析因素间的相关系数;
步骤302,构建相关系数矩阵;
根据步骤301获得的每个工况簇中的分析因素间的相关系数,构建每个工况簇对应的相关系数矩阵;
步骤303,利用相关系数矩阵的数据参数与颜色参数表征多个分析因素两两的相关度,即为循环流化床锅炉动态特性热力图。
本发明还具有如下技术特征:
步骤一中,所述的数据选取的具体过程包括以下步骤:
步骤101,选取给煤量、给水流量、给水温度、给水压力、主蒸汽流量、主蒸汽温度和主蒸汽压力计算锅炉相对效率的运行参数;
锅炉相对效率计算方法为总蒸汽焓值与总给水焓值差与给煤量的比值eta;
步骤102,选取一次风量与二次风量反馈比值作为一二次风比q12;
步骤103,选取冷渣机频率与给煤量的比值作为排渣比率hf;
步骤104,炉膛出口温度与返料温度的差值作为分离器温差tc;
步骤105,选取主蒸汽压力sp、主蒸汽温度st、主蒸汽流量sf、炉膛出口负压np、炉膛上部差压dp、风室压力wpo、一二次风比q12、排烟氧含量o、排烟温度smt、二次风机出口温度w2t、冷渣机频率lz、给煤量c、排渣比率hf、分离器温差tc和锅炉相对效率eta作为分析因素。
步骤一中,所述的选取数据的时间周期为60~90天。
本发明与现有技术相比,具有如下技术效果:
(Ⅰ)本发明的构建方法首先选取能够表征锅炉动态特性的运行参数,然后将这些运行参数转化为影响因素,经过特征工况处理消除锅炉蓄热变化等对因素间动态特性的影响。本发明的构建方法能够在热力图中清晰准确的展示各因素间相关性特性,能够更加准确的指导控制策略及相关建模工作对***输入量的选取和分析。
(Ⅱ)本发明通过图形可视化的展示方式,更直观的指导技术人员分析多因素间的相关性。
(Ⅲ)本发明可以对锅炉实际运行的全工况进行分析,减小锅炉运行特性随工况变化的影响,可以应用到实际生产过程优化中。
(Ⅳ)本发明是基于锅炉运行历史数据进行分析,避免了通过在线性能测试调整带来的额外巨大工作量。
附图说明
图1是260t/h~270t/h工况簇对应的循环流化床锅炉动态特性热力图。
图2是270t/h~280t/h工况簇对应的循环流化床锅炉动态特性热力图。
图3是280t/h~290t/h工况簇对应的循环流化床锅炉动态特性热力图。
图4是290t/h~300t/h工况簇对应的循环流化床锅炉动态特性热力图。
以下结合实施例对本发明的具体内容作进一步详细解释说明。
具体实施方式
遵从上述技术方案,以下给出本发明的具体实施例,需要说明的是本发明并不局限于以下具体实施例,凡在本申请技术方案基础上做的等同变换均落入本发明的保护范围。
实施例:
需要说明的是,本实施例中选取的是某化工企业自备热电厂配置循环流化床锅炉,额定蒸发量为300t/h,额定蒸汽压力为9.8MPa,额定蒸汽温度为540℃,单汽包横置式、单炉膛、自然循环、全钢架置。
本实施例给出一种基于数据驱动的循环流化床锅炉动态特性热力图构建方法,该方法按照以下步骤进行:
步骤一,数据选取:
所述的数据选取的具体过程包括以下步骤:
步骤101,选取给煤量、给水流量、给水温度、给水压力、主蒸汽流量、主蒸汽温度和主蒸汽压力计算锅炉相对效率的运行参数;
锅炉相对效率计算方法为总蒸汽焓值与总给水焓值差与给煤量的比值eta;
步骤102,选取一次风量与二次风量反馈比值作为一二次风比q12;
步骤103,选取冷渣机频率与给煤量的比值作为排渣比率hf;
步骤104,炉膛出口温度与返料温度的差值作为分离器温差tc;
步骤105,选取主蒸汽压力sp、主蒸汽温度st、主蒸汽流量sf、炉膛出口负压np、炉膛上部差压dp、风室压力wpo、一二次风比q12、排烟氧含量o、排烟温度smt、二次风机出口温度w2t、冷渣机频率lz、给煤量c、排渣比率hf、分离器温差tc和锅炉相对效率eta作为分析因素。
选取分析因素对应的数据作为选取数据;
本实施例中,选取机组的连续运行历史数据,数据选取频率间隔为5秒,数据存储为CSV文件格式,选取数据的时间周期为60天。
步骤二,循环流化床锅炉稳态工况段聚类提取:
步骤201,对所有选取数据进行平滑处理;
步骤202,基于趋势定量变化阈值限制的稳态工况段检测提取,获得稳态工况段;
所述的趋势定量变化阈值限制约束条件为:
主蒸汽压力极值差小于均值的2%;
主蒸汽流量极值差小于均值的3%;
给煤量极值差小于均值的3%;
床温极值差小于均值的1%;
床压极值差小于均值的2%;
排烟氧含量极值差小于均值的5%;
数据连续时间长度大于10min且小于60min;
本实施例中,在选取时间周期内一共获得1593段稳定工况。
步骤203,将步骤202获得的稳态工况段时间区间内的分析因素对应的选取数据进行聚合,单个数据重复参与多段聚合,得到聚合后的分析因素数据:
本实施例中,聚合后的分析因素数据数据存储为CSV文件格式。
步骤204,根据边界状态标志参数主蒸汽流量的变化,以10t/h蒸发量宽度划分负荷区间;边界状态标志在各荷区间内的所有稳态工况聚类为一个工况簇,边界状态标志在各荷区间内的所有稳态工况对应的所有聚合后的分析因素数据即为该工况簇对应的分析因素数据;
本实施例中,选取的时间周期内锅炉负荷运行在250t/h~300t/h,其中250t/h~260t/h工况簇内稳定工况段为39段,260t/h~270t/h工况簇内稳定工况段为189段,270t/h~280t/h工况簇内稳定工况段为461段,280t/h~290t/h工况簇内稳定工况段为538段,290t/h~300t/h工况簇内稳定工况段为366段,其中250t/h~260t/h工况簇内数据段较少,为不常用工况,数据量不足,对此工况簇忽略。
步骤三,表征循环流化床锅炉动态特性的热力图构建:
步骤301,基于每个工况簇对应的分析因素数据,采用皮尔逊相关度来计算每个工况簇中的分析因素间的相关系数;
需要说明的是,本发明中皮尔逊相关度的计算公式为:
式中:E为数学期望,X和Y分别为进行分析的两个因素。
计算结果范围在-1到1。-1表示负相关,1比表示正相关。皮尔逊相关度其实度量的是两个随机变量是不是在同增同减。如果同时对两个随机变量采样,当其中一个得到较大的值另一也较大,其中一个较小时另一个也较小时,这就是正相关,计算出来的相关度就接近1,反之就接近-1。
步骤302,构建相关系数矩阵;
根据步骤301获得的每个工况簇中的分析因素间的相关系数,构建每个工况簇对应的相关系数矩阵;
步骤303,利用相关系数矩阵的数据参数与颜色参数表征多个分析因素两两的相关度,即为循环流化床锅炉动态特性热力图。本实施例得到的循环流化床锅炉动态特性热力图具体如图1至图4所示。
Claims (3)
1.一种基于数据驱动的循环流化床锅炉动态特性热力图构建方法,其特征在于,该方法按照以下步骤进行:
步骤一,数据选取:
选取主蒸汽压力sp、主蒸汽温度st、主蒸汽流量sf、炉膛出口负压np、炉膛上部差压dp、风室压力wpo、一二次风比q12、排烟氧含量o、排烟温度smt、二次风机出口温度w2t、冷渣机频率lz、给煤量c、排渣比率hf、分离器温差tc和锅炉相对效率eta作为分析因素;
选取分析因素对应的数据作为选取数据;
步骤二,循环流化床锅炉稳态工况段聚类提取:
步骤201,对所有选取数据进行平滑处理;
步骤202,基于趋势定量变化阈值限制的稳态工况段检测提取,获得稳态工况段;
所述的趋势定量变化阈值限制约束条件为:
主蒸汽压力极值差小于均值的2%;
主蒸汽流量极值差小于均值的3%;
给煤量极值差小于均值的3%;
床温极值差小于均值的1%;
床压极值差小于均值的2%;
排烟氧含量极值差小于均值的5%;
数据连续时间长度大于10min且小于60min;
步骤203,将步骤202获得的稳态工况段时间区间内的分析因素对应的选取数据进行聚合,单个数据重复参与多段聚合,得到聚合后的分析因素数据:
步骤204,根据边界状态标志参数主蒸汽流量的变化,以5%~10%的锅炉最大连续蒸发量宽度划分负荷区间;边界状态标志在各荷区间内的所有稳态工况聚类为一个工况簇,边界状态标志在各荷区间内的所有稳态工况对应的所有聚合后的分析因素数据即为该工况簇对应的分析因素数据;
步骤三,表征循环流化床锅炉动态特性的热力图构建:
步骤301,基于每个工况簇对应的分析因素数据,采用皮尔逊相关度来计算每个工况簇中的分析因素间的相关系数;
步骤302,构建相关系数矩阵;
根据步骤301获得的每个工况簇中的分析因素间的相关系数,构建每个工况簇对应的相关系数矩阵;
步骤303,利用相关系数矩阵的数据参数与颜色参数表征多个分析因素两两的相关度,即为循环流化床锅炉动态特性热力图。
2.如权利要求1所述的基于数据驱动的循环流化床锅炉动态特性热力图构建方法,其特征在于,步骤一中,所述的数据选取的具体过程包括以下步骤:
步骤101,选取给煤量、给水流量、给水温度、给水压力、主蒸汽流量、主蒸汽温度和主蒸汽压力计算锅炉相对效率的运行参数;
锅炉相对效率计算方法为总蒸汽焓值与总给水焓值差与给煤量的比值eta;
步骤102,选取一次风量与二次风量反馈比值作为一二次风比q12;
步骤103,选取冷渣机频率与给煤量的比值作为排渣比率hf;
步骤104,炉膛出口温度与返料温度的差值作为分离器温差tc;
步骤105,选取主蒸汽压力sp、主蒸汽温度st、主蒸汽流量sf、炉膛出口负压np、炉膛上部差压dp、风室压力wpo、一二次风比q12、排烟氧含量o、排烟温度smt、二次风机出口温度w2t、冷渣机频率lz、给煤量c、排渣比率hf、分离器温差tc和锅炉相对效率eta作为分析因素。
3.如权利要求1所述的基于数据驱动的循环流化床锅炉动态特性热力图构建方法,其特征在于,步骤一中,所述的选取数据的时间周期为60~90天。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011189470.9A CN112348920B (zh) | 2020-10-30 | 2020-10-30 | 基于数据驱动的循环流化床锅炉动态特性热力图构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011189470.9A CN112348920B (zh) | 2020-10-30 | 2020-10-30 | 基于数据驱动的循环流化床锅炉动态特性热力图构建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112348920A true CN112348920A (zh) | 2021-02-09 |
CN112348920B CN112348920B (zh) | 2024-03-01 |
Family
ID=74356733
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011189470.9A Active CN112348920B (zh) | 2020-10-30 | 2020-10-30 | 基于数据驱动的循环流化床锅炉动态特性热力图构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112348920B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015074575A1 (zh) * | 2013-11-21 | 2015-05-28 | 北京国双科技有限公司 | 获取立体热力图的方法及装置 |
WO2016145736A1 (zh) * | 2015-03-18 | 2016-09-22 | 百度在线网络技术(北京)有限公司 | 热力图的展现方法、装置、设备及非易失性计算机存储介质 |
CN106407601A (zh) * | 2016-10-18 | 2017-02-15 | 中国运载火箭技术研究院 | 一种基于数据挖掘技术的气动特性数据处理方法 |
WO2017050207A1 (zh) * | 2015-09-21 | 2017-03-30 | 华北电力科学研究院有限责任公司 | 发电机组能效分析方法 |
CN107330543A (zh) * | 2017-06-01 | 2017-11-07 | 华北电力大学 | 一种基于负荷聚类和相关度分析的煤耗优化分析方法 |
CN107451346A (zh) * | 2017-07-21 | 2017-12-08 | 国网浙江省电力公司绍兴供电公司 | 一种电网运行态势模型构建方法 |
CN109766950A (zh) * | 2019-01-18 | 2019-05-17 | 东北大学 | 一种基于形态聚类和LightGBM的工业用户短期负荷预测方法 |
CN109861293A (zh) * | 2019-03-29 | 2019-06-07 | 国网河南省电力公司经济技术研究院 | 光伏不确定性对电力***小信号稳定性影响的评估方法 |
-
2020
- 2020-10-30 CN CN202011189470.9A patent/CN112348920B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015074575A1 (zh) * | 2013-11-21 | 2015-05-28 | 北京国双科技有限公司 | 获取立体热力图的方法及装置 |
WO2016145736A1 (zh) * | 2015-03-18 | 2016-09-22 | 百度在线网络技术(北京)有限公司 | 热力图的展现方法、装置、设备及非易失性计算机存储介质 |
WO2017050207A1 (zh) * | 2015-09-21 | 2017-03-30 | 华北电力科学研究院有限责任公司 | 发电机组能效分析方法 |
CN106407601A (zh) * | 2016-10-18 | 2017-02-15 | 中国运载火箭技术研究院 | 一种基于数据挖掘技术的气动特性数据处理方法 |
CN107330543A (zh) * | 2017-06-01 | 2017-11-07 | 华北电力大学 | 一种基于负荷聚类和相关度分析的煤耗优化分析方法 |
CN107451346A (zh) * | 2017-07-21 | 2017-12-08 | 国网浙江省电力公司绍兴供电公司 | 一种电网运行态势模型构建方法 |
CN109766950A (zh) * | 2019-01-18 | 2019-05-17 | 东北大学 | 一种基于形态聚类和LightGBM的工业用户短期负荷预测方法 |
CN109861293A (zh) * | 2019-03-29 | 2019-06-07 | 国网河南省电力公司经济技术研究院 | 光伏不确定性对电力***小信号稳定性影响的评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112348920B (zh) | 2024-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8135653B2 (en) | Power plant control device which uses a model, a learning signal, a correction signal, and a manipulation signal | |
CN110392515A (zh) | 一种基于历史数据的冷热源机房节能控制方法及*** | |
CN110026068B (zh) | 一种基于神经网络逆控制的大型燃煤电站co2捕集***及前馈控制方法 | |
CN101286044B (zh) | 一种燃煤锅炉***蒸汽温度混合建模方法 | |
CN111754030B (zh) | 一种基于hac和rf-ga的火电机组供电煤耗优化方法 | |
CN113221373B (zh) | 一种配置多台机力通风冷却塔的循环水冷端***优化方法和*** | |
CN105275508A (zh) | 一种基于功率值计算的汽轮机流量曲线辨识及优化方法 | |
CN101709863B (zh) | 燃煤锅炉炉膛压力***混合控制方法 | |
CN110889638B (zh) | 一种火电厂操作评价方法及相关设备 | |
CN112465412A (zh) | 一种基于ims***的电厂生产信息图形化方法 | |
CN111931436A (zh) | 一种基于数值模拟与神经网络的燃烧器喷口风量预测方法 | |
CN114418169A (zh) | 一种基于大数据挖掘的在线运行优化*** | |
CN112348920B (zh) | 基于数据驱动的循环流化床锅炉动态特性热力图构建方法 | |
CN112950409A (zh) | 煤气和蒸汽能源综合利用***生产调度优化方法 | |
CN113868836B (zh) | 基于大数据的智慧热力***在线专家分析平台 | |
CN114970766A (zh) | 一种基于线性拟合的电站机组运行参数基准值获取方法 | |
CN114881207A (zh) | 基于lstm深度循环神经网络的蒸汽压力预测方法及装置 | |
CN113325713B (zh) | 采用匹配抽汽外供技术的供热机组最佳运行方式确定方法 | |
CN111428906B (zh) | 一种基于图像变换的工业锅炉蒸汽量预测方法 | |
CN112036091A (zh) | 一种利用回归算法预测四角切圆燃烧器喷口风量的方法 | |
CN113418208A (zh) | 一种基于炉膛温度场的锅炉燃烧优化方法及*** | |
CN103064284B (zh) | 应用逆向差分抑制不可测扰动的模型预测控制器及方法 | |
CN111852596B (zh) | 一种锅炉汽轮发电机组运行参数及相对发电煤耗率预测方法 | |
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 | |
CN113033103B (zh) | 面向含两段抽汽的汽轮机组热耗曲线的确定方法 |
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 |