CN113361192A - 一种锅炉内受热面壁温安全监测评估*** - Google Patents
一种锅炉内受热面壁温安全监测评估*** Download PDFInfo
- Publication number
- CN113361192A CN113361192A CN202110600378.5A CN202110600378A CN113361192A CN 113361192 A CN113361192 A CN 113361192A CN 202110600378 A CN202110600378 A CN 202110600378A CN 113361192 A CN113361192 A CN 113361192A
- Authority
- CN
- China
- Prior art keywords
- wall temperature
- flue gas
- boiler
- temperature
- furnace tube
- 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
- 238000010438 heat treatment Methods 0.000 title claims abstract description 26
- 238000012544 monitoring process Methods 0.000 title claims abstract description 19
- 238000004088 simulation Methods 0.000 claims abstract description 29
- 238000000034 method Methods 0.000 claims abstract description 20
- 238000013528 artificial neural network Methods 0.000 claims abstract description 12
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 10
- 238000005457 optimization Methods 0.000 claims abstract description 10
- 238000011156 evaluation Methods 0.000 claims abstract description 7
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 51
- 239000003546 flue gas Substances 0.000 claims description 51
- 238000004364 calculation method Methods 0.000 claims description 30
- 238000009826 distribution Methods 0.000 claims description 22
- 239000000779 smoke Substances 0.000 claims description 19
- 239000003245 coal Substances 0.000 claims description 10
- 238000005070 sampling Methods 0.000 claims description 9
- 239000003795 chemical substances by application Substances 0.000 claims description 4
- 239000012530 fluid Substances 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 abstract description 7
- 239000002184 metal Substances 0.000 abstract description 4
- 239000002245 particle Substances 0.000 abstract description 4
- 238000013178 mathematical model Methods 0.000 abstract description 3
- 230000007246 mechanism Effects 0.000 abstract description 3
- 238000012545 processing Methods 0.000 abstract description 2
- 238000012549 training Methods 0.000 description 10
- 238000005259 measurement Methods 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000005514 two-phase flow Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Fluid Mechanics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Regulation And Control Of Combustion (AREA)
Abstract
本发明公开了一种锅炉内受热面壁温安全监测评估***，该***包括炉管壁温在线计算模块与壁温安全评估展示模块，所述的炉管壁温在线计算模块用于计算炉管壁温，所述的壁温安全评估展示模块用于对炉管壁温在线计算模块获得的结果进行实时壁温展示、超温区域预警展示和历史数据综合展示。该***采用机理模型、数学模型、数值模拟、现场试验四维结合的方法，利用试验数据修正数值模拟结果，并借助神经网络和粒子群算法等数据处理优化方法，综合考虑热力偏差和水力偏差计算各个金属管壁的温度，实现不同工况下不同区域壁温的实时监测与运行评估，大大提高了电厂运行的安全性和经济性。
Description
技术领域
本发明属于锅炉安全监测技术领域，具体涉及一种锅炉内壁温监测的锅炉炉管安全状态评估***。
背景技术
近年来电力行业高速发展，电厂燃煤机组正迅速向大容量、高参数发展，而由于锅炉的大容量化，蒸汽参数提高后，烟气参数分布的不均匀性以及蒸汽的不均匀性使得水冷壁及过热器管道容易产生局部热偏差，锅炉炉膛上部水冷壁及过热器的超温漏爆问题日益突出，这不仅严重影响了机组的安全运行，也对电厂造成了巨大的经济损失，可见，锅炉壁温的在线监测技术至关重要。
对现有技术进行检索发现，目前针对锅炉壁温在线监测的现有技术如下：(1)炉内传感器直接测点。以中国专利ZL 201110428271.3为例，其通过直接设计传感器测量易超温的位置，优化测点布置。但布置在受热面的传感器极易由于温度过高而失效，且凭经验选取易超温位置只能获取有限测点温度，无法全面监测受热面的超温情况；(2)数据拟合模型。以中国专利ZL 201610070727.6为例，其根据锅炉入口烟温、烟速、汽温等历史运行数据，进行金属管壁温度神经网络训练等数据的拟合。但此方法只能拟合有限测点温度，且数据拟合精度不高；(3)外测点与壁温计算结合。以中国专利ZL 201710752198.2为例，其通过设置金属管外壁温度测点，形成电厂锅炉运行实时数据库，进行炉管壁温的实时计算。但此方法的测量计算结果精度不够，且无法准确在线反馈壁温变化；(4)数值模拟与热力水动力偏差计算结合。以中国专利ZL 201210234175.X为例，其利用数值模拟得到烟气温度和速度分布，作为热力水动力计算初始条件，进行壁温的热力水动力计算和校核计算，输出结果。此方法的缺陷是无法做到实时性，且未对数值模拟结果进行验证，无法确定结果的可靠性。
发明内容
为了解决上述问题，本发明提供了一种锅炉内受热面壁温安全监测评估***，采用机理模型、数学模型、数值模拟、现场试验四维结合的方法，利用试验数据修正数值模拟结果，并借助神经网络和粒子群算法等数据处理优化方法，综合考虑热力偏差和水力偏差计算各个金属管壁的温度，实现不同工况下不同区域壁温的实时监测与运行评估，大大提高了电厂运行的安全性和经济性。
本发明的技术方案如下所示：
一种锅炉内受热面壁温安全监测评估***，包括炉管壁温在线计算模块与壁温安全评估展示模块。
炉管壁温在线计算模块，用于计算炉管壁温，其具体步骤如下：
S1：采集锅炉运行实时状态参数：烟气温度、烟气流量、工质温度、工质流量、工质压力；
S2：将上述参数代入基于全工况数值模拟及神经网络的锅炉内烟气流场分布在线预测模型，获得入口烟气条件，包括受热面入口的平均烟温及辐射热；
S3：根据入口烟气条件进行在线热计算，获得炉宽及炉高热偏差条件；
S4：利用步骤S1中获得的受热面入口工质平均参数进行在线水力计算，获得水力偏差条件；
S5：根据步骤S3获得的炉宽及炉高热偏差条件和步骤S4中获得的水力偏差条件进行炉管壁温在线计算，输出受热面各具***置上的炉管壁温分布结果。
壁温安全评估展示模块，用于对炉管壁温在线计算模块获得的结果进行实时壁温展示、超温区域预警展示、历史数据综合展示，其具体方法为：
(1)实时壁温展示：建立锅炉受热面布局三维模型，每隔一定时间(数据采集间隔可根据工程及用户实际需求进行选择)收集一次炉管壁温在线计算模块输出的炉管壁温数据，在三维模型中进行实时展示；
(2)超温区域预警展示：每隔一定时间(具体时间也可根据工程及用户实际需求进行选择)计算一次炉管壁温平均值T，当Tmax–T大于临界值(临界值与具体材料有关，本领域技术人员可根据具体材料获得该临界值)时，在三维模型相应区域进行红色预警，并显示T，Tmax为炉管运行安全值；
(3)历史数据综合展示：将炉管壁温在线计算模块输出的炉管壁温数据绘制成历史运行数据，并对曲线上的极值点数据进行标识。
优选的，所述的基于全工况数值模拟及神经网络的锅炉内烟气流场分布在线预测模型，其构建方法包括以下步骤：
S1：采集锅炉相关尺寸结构以及日常运行过程中不同负荷及不同工况的风量、煤量、燃煤特性数据，以计算流体动力学软件CFD(Computational Fluid Dynamics)为基础，建立锅炉三维框架结构并进行网格划分；
S2：在CFD中建立目标锅炉的湍流气固两相流动模型、燃烧模型、传热模型、挥发份组分析出模型，采用拉丁超立方抽样方法给定各工况输入变量的值，即输入变量数据集，在各变量的取值范围内进行采样，将采样得到的多种工况参数作为边界条件进行数值模拟，获得多工况下不同截面的烟气温度场和速度场分布；
S3：对所需截面进行离散化处理，按需划分成若干区域，利用步骤S2中多工况数值仿真结果，统计所需烟气温度和速度数据集，为烟温和烟速预测模型的建立提供充足的样本，采用机器学习算法训练上述样本得到烟温和烟速预测模型，从而预测烟温和烟速，根据预测得到的烟温和烟速进行仿真得到烟气流场分布；
S4：沿高度方向把炉内受热面分成若干层(层次多少取决于工程限制)，在所需截面布置传感器，测量其烟温和烟速，利用测量值对烟气流场分布仿真结果进行修正，得到修正后的锅炉实际全工况数值模拟数据集；
S5：构建代理模型，从步骤S4得到的修正后的数据集中随机选取训练样本集和测试样本集，并保证所选训练样本集涵盖锅炉大部分负荷范围运行工况，针对不同激活函数及隐藏层数对样本集进行多次训练，拟合各工况参数和截面烟气流场之间的函数关系，从中选取准确度最高的参数作为最终训练参数，并利用优化算法对代理模型的权值和阈值进行调整，得到经过优化的不同工况下锅炉所需截面的烟气流场分布在线预测模型。
优选的，所述代理模型以锅炉负荷、一次风量、二次风量、一次风温、二次风温、给煤量和风门调节挡板反馈为输入变量，以炉膛截面各离散点处烟温和流速为输出量。
优选的，所述代理模型选用ANN(Artificial Neural Network)进行训练，所述优化算法选用PSO(Particle Swarm Optimization)方法。
本发明的有益效果为：
1、综合考虑热力与水力偏差，烟气与水力的不均匀性，使壁温计算贴近于实际结果，提高计算准确性；
2、利用补充炉内烟温测点测量结果校核修正炉内烟气温度场及速度场数值模拟计算结果，减少因传感器失效而造成的监测偏差，并提高结果的准确性与可靠性；
3、采用数值模拟与大数据拟合相互校核的方法，更准确揭示烟气不均匀的规律；
4、采用机理模型、数值模拟、数学模型、现场试验相结合的方法获得锅炉不同运行状态的炉内温度场、速度场，并依据实际需求进行不同密度的壁温测点布置，可实现受热面超温的全面监测预警，同时借助神经网络和粒子群算法进行历史大数据分析与优化，实现准确在线实时反馈壁温变化；
5、***采用多模块化安全状态评估，三维展示锅炉内超温位置，同时可形成超温报表及运行考核结果，提高电厂运维效率与安全性。
附图说明
图1为本发明的炉管壁温在线计算模块。
图2为本发明实施例中ANN代理模型建立示意图。
具体实施方式
下面将结合说明书附图对本发明的实施例进行详细说明。
一种锅炉内受热面壁温安全监测评估***，包括炉管壁温在线计算模块与壁温安全评估展示模块。
炉管壁温在线计算模块，具体步骤如下：
S1：通过远程监测平台采集锅炉运行实时状态参数，包括炉膛结构参数、煤质参数、燃烧器投运状况、烟气温度、烟气流量、工质温度、工质流量、工质压力；
S2：将上述参数代入基于全工况数值模拟及神经网络的锅炉内烟气流场分布在线预测模型，获得入口烟气条件，包括受热面入口的平均烟温及辐射热；
S3：根据入口烟气条件进行在线热偏差计算，获得炉宽及炉高热偏差条件；
S4：利用步骤S1中获得的受热面入口工质平均参数进行在线水力偏差计算，获得水力偏差条件；
S5：根据步骤S3获得的炉宽及炉高热偏差条件和步骤S4中获得的水力偏差条件进行炉管壁温在线计算，输出受热面各具***置上的炉管壁温分布结果。
壁温安全评估展示模块，对炉管壁温在线计算模块获得的结果进行实时壁温展示、超温区域预警展示、历史数据综合展示，具体方法为：
(1)实时壁温展示：建立锅炉受热面布局三维模型，每隔3分钟收集一次炉管壁温在线计算模块输出的炉管壁温数据，在三维模型中进行实时展示；
(2)超温区域预警展示：每隔3分钟计算一次炉管3分钟壁温平均值T，当Tmax–T大于临界值时，在三维模型相应区域进行红色预警，并显示T，Tmax为炉管运行安全值；
(3)历史数据综合展示：将炉管壁温在线计算模块输出的炉管壁温数据绘制成历史运行数据，并对曲线上的极值点数据进行标识。
优选的，所述的基于全工况数值模拟及神经网络的锅炉内烟气流场分布在线预测模型，如图1，包括以下步骤：
S1：采集锅炉相关尺寸结构以及日常运行过程中不同负荷及不同工况的风量、煤量、燃煤特性数据，以计算流体动力学软件CFD为基础，建立锅炉三维框架结构并进行网格划分；
S2：在CFD中建立目标锅炉的气固多相湍流流动模型、燃烧模型、传热模型、挥发分析出模型，采用拉丁超立方抽样方法给定各工况输入变量的值，即输入变量数据集，在各变量的取值范围内进行采样，将采样得到的多种工况参数作为边界条件进行数值模拟，获得多工况下不同截面的烟气温度场和速度场分布；
S3：对所需截面进行离散化处理，按需划分成若干区域，利用步骤S2中多工况数值仿真结果，统计所需烟气温度和速度数据集，为烟温和烟速预测模型的建立提供充足的样本；
S4：在所需截面的网格点布置传感器，测量其烟温和速度，利用测量值对烟气流场分布仿真结果进行修正，得到修正后的锅炉实际全工况数值模拟数据集；
S5：构建代理模型，如图2，从步骤S4得到的最终数据集中随机选取训练样本集和测试样本集，并保证所选训练样本集涵盖锅炉大部分负荷范围运行工况，针对不同激活函数及隐藏层数对样本集进行多次训练，拟合各工况参数和截面烟气流场之间的函数关系，从中选取准确度最高的参数作为最终训练参数，并利用优化算法对代理模型的权值和阈值进行调整，得到经过优化的不同工况下锅炉所需截面的烟气流场分布在线预测模型。
优选的，所述代理模型以锅炉负荷、一次风量、二次风量、一次风温、二次风温、给煤量和风门调节挡板反馈为输入变量，以炉膛截面各离散点处烟温和流速为输出量。
优选的，所述代理模型选用ANN进行训练，所述优化算法选用PSO方法。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。
Claims (4)
1.一种锅炉内受热面壁温安全监测评估***，其特征在于，包括炉管壁温在线计算模块与壁温安全评估展示模块；
所述的炉管壁温在线计算模块，用于计算炉管壁温，具体步骤如下：
S1：采集锅炉运行实时状态参数：烟气温度、烟气流量、工质温度、工质流量、工质压力；
S2：将上述参数代入基于全工况数值模拟及神经网络的锅炉内烟气流场分布在线预测模型，获得入口烟气条件，包括受热面入口的平均烟温及辐射热；
S3：根据步骤S2中获得的入口烟气条件进行在线热力计算，获得炉宽及炉高热偏差条件；
S4：利用步骤S1中获得的受热面入口工质参数的平均值进行在线水力计算，获得水力偏差条件；
S5：根据步骤S3获得的炉宽及炉高热偏差条件和步骤S4中获得的水力偏差条件进行炉管壁温在线计算，输出受热面各具***置上的炉管壁温分布结果；
所述的壁温安全评估展示模块，用于对炉管壁温在线计算模块获得的结果进行实时壁温展示、超温区域预警展示和历史数据综合展示，具体步骤为：
(1)实时壁温展示：建立锅炉受热面布局三维模型，每隔一定时间收集一次炉管壁温在线计算模块输出的炉管壁温数据，在三维模型中进行实时展示；
(2)超温区域预警展示：每隔一定时间计算一次炉管壁温平均值T，当Tmax–T大于临界值时，在三维模型相应区域进行红色预警，并显示T，Tmax为炉管运行安全值；
(3)历史数据综合展示：将炉管壁温在线计算模块输出的炉管壁温数据绘制成历史运行数据，并对曲线上的极值点数据进行标识。
2.根据权利要求1所述的锅炉内受热面壁温安全监测评估***，其特征在于，所述的基于全工况数值模拟及神经网络的锅炉内烟气流场分布在线预测模型，其构建过程包括以下步骤：
S1：采集锅炉相关尺寸结构以及日常运行过程中不同负荷及不同工况的风量、煤量、燃煤特性数据，以计算流体动力学软件CFD为基础，建立锅炉三维框架结构并进行网格划分；
S2：在CFD中建立目标锅炉模型，采用拉丁超立方抽样方法给定各工况输入变量的值，即输入变量数据集，在各变量的取值范围内进行采样，将采样得到的多种工况参数作为边界条件进行数值模拟，获得多工况下不同截面的烟气温度场和速度场分布；
S3：对所需截面进行离散化处理，按需划分成若干区域，利用步骤S2中多工况数值模拟结果，统计所需烟气温度和速度数据集，为烟温和烟速预测提供样本，根据预测得到的烟温和烟速进行仿真得到烟气流场分布；
S4：在所需截面布置传感器，测量其烟温和烟速，利用测量值对烟气流场分布仿真结果进行修正，得到修正后的锅炉实际全工况数值模拟数据集；
S5：构建代理模型，拟合各工况参数和截面烟气流场之间的函数关系，并利用优化算法对代理模型的权值和阈值进行调整，得到经过优化的基于全工况数值模拟及神经网络的锅炉内烟气流场分布在线预测模型。
3.根据权利要求2所述的锅炉内受热面壁温安全监测评估***，其特征在于，所述代理模型以锅炉负荷、一次风量、二次风量、一次风温、二次风温、给煤量和风门调节挡板反馈为输入变量，以炉膛截面各离散点处烟温和烟速为输出量。
4.根据权利要求2所述的锅炉内受热面壁温安全监测评估***，其特征在于，所述代理模型选用ANN进行训练，所述优化算法选用PSO方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110600378.5A CN113361192A (zh) | 2021-05-31 | 2021-05-31 | 一种锅炉内受热面壁温安全监测评估*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110600378.5A CN113361192A (zh) | 2021-05-31 | 2021-05-31 | 一种锅炉内受热面壁温安全监测评估*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113361192A true CN113361192A (zh) | 2021-09-07 |
Family
ID=77530399
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110600378.5A Pending CN113361192A (zh) | 2021-05-31 | 2021-05-31 | 一种锅炉内受热面壁温安全监测评估*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113361192A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113836821A (zh) * | 2021-10-26 | 2021-12-24 | 华电莱州发电有限公司 | 一种锅炉水冷壁拉裂在线预测方法 |
| CN114184065A (zh) * | 2021-12-20 | 2022-03-15 | 北京瑞晨航宇能源科技有限公司 | 一种高温板式换热器及温度控制方法 |
| CN114218766A (zh) * | 2021-11-29 | 2022-03-22 | 中国电建集团成都勘测设计研究院有限公司 | 炉内三维物理场在线可视化方法 |
| CN114314674A (zh) * | 2021-12-24 | 2022-04-12 | 盐城工学院 | 一种应用于废水脱氯的Fe氧化物纳米材料的制备方法 |
| CN114440205A (zh) * | 2022-03-11 | 2022-05-06 | 国家能源集团山西电力有限公司 | 一种锅炉***受热面安全诊断***及方法 |
| CN114484409A (zh) * | 2022-02-22 | 2022-05-13 | 北京博数智源人工智能科技有限公司 | 一种火电厂炉管泄漏事故的预警方法及装置 |
| CN115034138A (zh) * | 2022-06-24 | 2022-09-09 | 华北电力大学 | 以计算流体力学与深度学习结合的锅炉温度场预测方法 |
| CN115374636A (zh) * | 2022-08-23 | 2022-11-22 | 南方电网电力科技股份有限公司 | 一种锅炉数值模拟与性能计算耦合的壁温预测方法 |
| CN117823882A (zh) * | 2024-01-02 | 2024-04-05 | 中国电力工程顾问集团有限公司 | 燃煤电厂锅炉低负荷水动力预警方法及装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013091487A1 (zh) * | 2011-12-19 | 2013-06-27 | 上海望特能源科技有限公司 | 电站锅炉高温管系炉内动态壁温监测的方法 |
| CN109521735A (zh) * | 2018-10-25 | 2019-03-26 | 云达世纪（北京）科技有限公司 | 锅炉高温受热面使用状态风险在线评估方法及*** |
| CN111339716A (zh) * | 2020-02-19 | 2020-06-26 | 浙江大学 | 一种锅炉高温烟气流场在线代理模型构建方法 |
-
2021
- 2021-05-31 CN CN202110600378.5A patent/CN113361192A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013091487A1 (zh) * | 2011-12-19 | 2013-06-27 | 上海望特能源科技有限公司 | 电站锅炉高温管系炉内动态壁温监测的方法 |
| CN109521735A (zh) * | 2018-10-25 | 2019-03-26 | 云达世纪（北京）科技有限公司 | 锅炉高温受热面使用状态风险在线评估方法及*** |
| CN111339716A (zh) * | 2020-02-19 | 2020-06-26 | 浙江大学 | 一种锅炉高温烟气流场在线代理模型构建方法 |
Non-Patent Citations (3)
| Title |
|---|
| 余岳溪等: "基于热工水力耦合求解的电站锅炉炉管壁温研究", 《动力工程学报》 * |
| 冯亦武: "基于大数据的动态风险监视***开发与测试", 《电子测试》 * |
| 刘宜兵等: "超超临界锅炉垂直水冷壁热偏差监测***的应用", 《锅炉技术》 * |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113836821B (zh) * | 2021-10-26 | 2023-11-28 | 华电莱州发电有限公司 | 一种锅炉水冷壁拉裂在线预测方法 |
| CN113836821A (zh) * | 2021-10-26 | 2021-12-24 | 华电莱州发电有限公司 | 一种锅炉水冷壁拉裂在线预测方法 |
| CN114218766A (zh) * | 2021-11-29 | 2022-03-22 | 中国电建集团成都勘测设计研究院有限公司 | 炉内三维物理场在线可视化方法 |
| CN114184065A (zh) * | 2021-12-20 | 2022-03-15 | 北京瑞晨航宇能源科技有限公司 | 一种高温板式换热器及温度控制方法 |
| CN114314674A (zh) * | 2021-12-24 | 2022-04-12 | 盐城工学院 | 一种应用于废水脱氯的Fe氧化物纳米材料的制备方法 |
| CN114314674B (zh) * | 2021-12-24 | 2022-07-01 | 盐城工学院 | 一种应用于废水脱氯的Fe氧化物纳米材料的制备方法 |
| CN114484409A (zh) * | 2022-02-22 | 2022-05-13 | 北京博数智源人工智能科技有限公司 | 一种火电厂炉管泄漏事故的预警方法及装置 |
| CN114440205A (zh) * | 2022-03-11 | 2022-05-06 | 国家能源集团山西电力有限公司 | 一种锅炉***受热面安全诊断***及方法 |
| CN115034138A (zh) * | 2022-06-24 | 2022-09-09 | 华北电力大学 | 以计算流体力学与深度学习结合的锅炉温度场预测方法 |
| CN115374636A (zh) * | 2022-08-23 | 2022-11-22 | 南方电网电力科技股份有限公司 | 一种锅炉数值模拟与性能计算耦合的壁温预测方法 |
| CN115374636B (zh) * | 2022-08-23 | 2024-01-12 | 南方电网电力科技股份有限公司 | 一种锅炉数值模拟与性能计算耦合的壁温预测方法 |
| CN117823882A (zh) * | 2024-01-02 | 2024-04-05 | 中国电力工程顾问集团有限公司 | 燃煤电厂锅炉低负荷水动力预警方法及装置 |
| CN117823882B (zh) * | 2024-01-02 | 2024-05-17 | 中国电力工程顾问集团有限公司 | 燃煤电厂锅炉低负荷水动力预警方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113361192A (zh) | 一种锅炉内受热面壁温安全监测评估*** | |
| CN111339716B (zh) | 一种锅炉高温烟气流场在线代理模型构建方法 | |
| Bartolini et al. | Application of artificial neural networks to micro gas turbines | |
| CN101657765B (zh) | 利用从统计和实时数据得到的可达到性能对设备进行通用性能评估的方法和装置 | |
| CN109583585B (zh) | 一种电站锅炉壁温预测神经网络模型的构建方法 | |
| CN102734783B (zh) | 一种电站超临界锅炉各级受热面监测数据参数的校验方法 | |
| Romeo et al. | Neural network for evaluating boiler behaviour | |
| CN111695249B (zh) | 一种燃气锅炉热效率的预测方法 | |
| CN103455682A (zh) | 一种预测高温高压井腐蚀套管剩余寿命的方法 | |
| CN106524118A (zh) | 锅炉防磨防爆温度场仿真模型的建立方法 | |
| CN105512388A (zh) | 一种基于labview的亚临界火电机组增强激励仿真建模方法 | |
| CN104778361B (zh) | 改进型EMD‑Elman神经网络预测铁水硅含量的方法 | |
| Usón et al. | Thermoeconomic diagnosis for improving the operation of energy intensive systems: Comparison of methods | |
| CN112989694B (zh) | 受热面灰污区段化监测***及方法 | |
| CN113358692B (zh) | 锅炉高温受热面外壁温度测点布置方法及温度检测*** | |
| CN101551650A (zh) | 一种水冷壁在线安全评价方法 | |
| Madejski et al. | Modeling of transient operation of steam superheater in CFB boiler | |
| CN112381210A (zh) | 一种燃煤机组水冷壁壁温预测神经网络模型 | |
| CN109146141A (zh) | 一种燃煤电站回转式空气预热器漏风率预测方法 | |
| CN112396162B (zh) | 一种燃煤机组屏式过热器壁温预测神经网络模型 | |
| CN106289754B (zh) | 一种基于统计控制技术的火电机组部件性能变化判定方法 | |
| CN113074459A (zh) | 锅炉控制优化方法及*** | |
| Silva et al. | Thermodynamic information system for diagnosis and prognosis of power plant operation condition | |
| CN111539154A (zh) | 一种汽轮机运行性能变化的定量评估方法 | |
| CN103791515A (zh) | 燃煤锅炉炉膛出口烟气温度在线软测量*** |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210907 |