CN207112772U - 基于核偏最小二乘的锅炉炉膛温度在线预测*** - Google Patents
基于核偏最小二乘的锅炉炉膛温度在线预测*** Download PDFInfo
- Publication number
- CN207112772U CN207112772U CN201720369993.9U CN201720369993U CN207112772U CN 207112772 U CN207112772 U CN 207112772U CN 201720369993 U CN201720369993 U CN 201720369993U CN 207112772 U CN207112772 U CN 207112772U
- Authority
- CN
- China
- Prior art keywords
- sensor
- temperature
- data
- kpls
- boiler hearth
- 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
Landscapes
- Regulation And Control Of Combustion (AREA)
Abstract
本实用新型公开了一种基于核偏最小二乘的锅炉炉膛温度在线预测***，具体地，该***包括传感器、接收端、数据存储模块、KPLS处理模块以及数据输出模块；传感器包括温度传感器、压力传感器、流量传感器和液位传感器；接收端与各传感器是有线连接或无线连接，并接收来自传感器的信息；数据存储模块与接收端电连接，用于存储接收端接收到的来自传感器的信息；KPLS处理模块与数据存储模块电连接，并基于数据存储模块中的数据进行KPLS运算；数据输出模块与KPLS处理模块电连接，用于输出经KPLS处理模块计算出的炉膛温度值。本实用新型的***不但能得到更为精确的炉膛温度，而且数据处理过程更为简单，又降低炉膛温度的测量成本，操作简单，应用范围更广。
Description
技术领域
本实用新型涉及发电领域，更具体地涉及一种基于核偏最小二乘的锅炉炉膛温度在线预测***。
背景技术
火电厂锅炉炉膛温度是火焰燃烧的重要参数，能为过热器入口温度的预测及受热面的安全性提供重要信息，还为后续的燃烧优化工作奠定基础。关于锅炉炉膛温度常用的测量方法包括热电偶测温法、光学测温法和基于红外成像技术的红外光谱测温法等，但这些方法受限于测温设备的技术水平和现场环境条件。还有一些方法是通过分析整个工况机理直接建立锅炉炉膛温度场数学模型来对炉膛温度进行预测，但是炉膛温度特性极其复杂，与燃烧煤质、锅炉炉型以及燃烧器、煤粉细度、配风方式、风煤配比等燃烧运行因素相关，这些因素具有时变性、非线性、耦合性等特点，故难以建立准确的数学模型。
之前有学者提出了基于核主元分析(KPCA)和最小二乘支持向量机(LSSVM)的炉膛温度软测量建模方法。该炉膛温度预测方法结合了KPCA和LSSVM的优点，其基本思想是先利用KPCA对样本输入数据进行特征提取，得到相互独立的主成分，再利用LSSVM对特征信息提取后的主元进行训练和测试，得到软测量模型，具体流程如附图1所示。
KPCA是一种非线性的数据特征提取方法，直接对过程数据进行降维分解，提取主要信息。基于KPCA的建模方法只对输入变量进行了分解和分析，而没有去分析***的输出变量，实际上保证***具有稳定和良好的输出特性往往是过程监控的主要目的之一。由于输出变量通常受到输入变量和其它不可测量的因素的影响，所以需要很好地监控那些对输出变量有较大影响的变量。
因此，本领域尚缺乏一种基于输入变量和输出变量的更为全面的且更为精确的锅炉炉膛温度预测***。
实用新型内容
本实用新型的目的在于提供一种基于核偏最小二乘的锅炉炉膛温度在线预测***，本实用新型的锅炉炉膛温度在线预测***不但能得到更为精确的炉膛温度，而且数据处理过程更为简单，又降低炉膛温度的测量成本，操作简单，应用范围更广。
本实用新型提供了一种基于核偏最小二乘的锅炉炉膛温度在线预测***，具体地，该***包括传感器，传感器包括温度传感器、压力传感器、流量传感器和液位传感器；接收端，接收端与各传感器是有线连接或无线连接的，并接收来自传感器的信息；数据存储模块，数据存储模块与接收端电连接，用于存储接收端接收到的来自传感器的信息；KPLS处理模块，KPLS处理模块与数据存储模块电连接，并基于数据存储模块中的数据进行KPLS运算；以及数据输出模块，数据输出模块与KPLS处理模块电连接，用于输出经KPLS处理模块计算出的炉膛温度值。
在另一优选例中，数据输出模块与数据存储模块电连接，且数据输出模块将预测的炉膛温度值存入数据存储模块。
在另一优选例中，温度传感器包括安装于汽水分离器出口的主蒸汽温度传感器、安装于再热集箱出口的再热蒸汽温度传感器，和安装于一次风道的一次风温度传感器。
在另一优选例中，压力传感器包括安装于省煤器入口的给水压力传感器，安装于炉膛上部的炉膛压力传感器，和安装于二次风道的二次风压力传感器。
在另一优选例中，流量传感器包括安装于省煤器入口的给水压力传感器，安装于炉膛上部的炉膛压力传感器，和安装于二次风道的二次风压力传感器。
在另一优选例中，液位传感器包括安装于除氧器的除氧器水位传感器，安装于高压加热器的高压加热器水位传感器，和安装于凝结水箱的凝结水箱水位传感器。
在另一优选例中，传感器和接收端之间的直线距离10-100m。
在另一优选例中，***用于燃煤锅炉或燃气锅炉。
在另一优选例中，***设有精度判断模块。
在另一优选例中，每个测量点安装1-8个传感器。
应理解，在本实用新型范围内中，本实用新型的上述各技术特征和在下文(如实施例)中具体描述的各技术特征之间都可以互相组合，从而构成新的或优选的技术方案。限于篇幅，在此不再一一累述。
附图说明
为了更清楚地说明本实用新型实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做简单地介绍，显而易见地，下面描述中的附图仅仅是本实用新型的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是现有技术中一种测量锅炉炉膛温度的流程图。
图2是本实用新型一个实例中的基于核偏最小二乘的锅炉炉膛温度在线预测***结构示意图。
图3本实用新型一个实例中的KPLS处理模块的工作流程图。
各附图中，各标示如下：
1-温度传感器；
2-压力传感器；
3-流量传感器；
4-液位传感器；
5-接收端；
6-数据存储模块；
7-KPLS处理模块；
8-数据输出模块。
具体实施方式
本发明人经过广泛而深入的研究，通过大量筛选，首次开发了一种基于核偏最小二乘的锅炉炉膛温度在线预测***。与现有技术相比，本实用新型的锅炉炉膛温度在线预测***通过传感器测量火电厂运行状态参数，这里的状态参数是指与锅炉炉膛温度相关的参数，传感器测得的状态参数通过接收端存入数据存储模块，KPLS处理模块基于数据存储模块中的数据预测锅炉炉膛温度，并通过数据输出模块输出锅炉炉膛温度值，在此基础上完成了本实用新型。
术语
如本文所用，术语“偏最小二乘”是指一种多变量线性回归算法，是对普通最小二乘算法的改进，它的基本思想是认为***(或过程)是被少量的隐变量所驱动，通过隐变量的形式来描述输入变量和输出变量之间的线性关系，从而建立***的内部模型，其英文缩写为PLS。
如本文所用，术语“核偏最小二乘”是指将核函数(Kernel)引入到PLS回归方法中，通过核函数将输入数据映射到高维特征空间，再在高维特征空间进行PLS运算，从而建立输入输出变量之间的非线性关系，该算法具有良好的处理非线性数据的能力，其英文缩写为KPLS。
本实用新型提供了一种基于核偏最小二乘的锅炉炉膛温度在线预测***，它是一种具有特定结构的锅炉炉膛温度在线预测***。
典型地，该锅炉炉膛温度在线预测***包括传感器、接收端、数据存储模块、KPLS处理块和数据输出模块。该锅炉炉膛温度在线预测***通过传感器采集与锅炉炉膛温度相关的各个火电厂运行参数，并通过接收端将传感器采集到的参数信息存储于数据存储模块中，再基于数据存储模块中的数据，通过KPLS处理模块预测锅炉炉膛温度，最后经数据输出模块输出预测的炉膛温度值。
传感器
传感器包括用于检测火电厂运行状态的温度传感器、压力传感器、流量传感器和液位传感器等等。传感器每隔t秒传回一组数据，其中，1≤t≤1000s。温度传感器用于测量主蒸汽温度、空气预热器入口烟温、磨煤机出口温度、给水温度以及汽包温度等；压力传感器用于测量给水压力等；流量传感器用于测量总给水流量等；液位传感器用于测量容器液位等。
每个测量点安装1-8个传感器，如给水温度、磨煤机出口温度、空气预热器入口烟温等参数对输出变量，即炉膛温度影响较小，以及这些参数比较容易测量，即测量出错的可能性较小，这些测量点可设置1个传感器；如主蒸汽温度、汽包温度等参数对输出变量，即炉膛温度影响较大，以及这些参数比较难测量，即测量出错的可能性较大，这些测量点可设置2-8个传感器。
接收端
该接收端连接于传感器和数据存储模块之间，一个接收端接收多个传感器的信息，对该接收端的数量没有具体的限制，接收端和与其相连接的传感器之间的距离为10-100m(直线距离)，接收端将接收到的信息传送到数据存储模块。传感器和接收端之间通过有线或无线进行连接。在另一优选例中，传感器和接收端之间通过电缆进行连接。
数据存储模块
数据存储模块作为该***的存储单元，用于存储传感器检测到的数据(既包括之前传感器检测到的数据，即历史数据，又包括传感器检测到的实时数据)。同时，该数据存储模块还可用于存储该***输出的信息，即锅炉炉膛温度值。
在另一优选例中，数据存储模块还设有数据预处理模块。该数据预处理模块用于处理来自传感器的数值，例如，一个参数由多个传感器进行测量，该数据预处理模块会先分析来自多个传感器的值，将它们进行相互比较，判断这些数值是否合理，并剔除不合理的数据，将剩下的数据取平均值作为该参数的值，使得用于后续数据分析的数值更加准确，增加***数据处理的准确性。
KPLS处理模块
该锅炉炉膛温度在线预测***设有KPLS处理模块，所述KPLS处理模块不同于现有技术，其目的是利用输入变量和输出变量之间的内在结构，通过输入变量来预测输出变量，不需要在提取数据信息之后还借助LSSVM进行建模，进而对炉膛温度进行预测。因此，本实用新型的锅炉炉膛温度在线预测***不但能得到更为精确的炉膛温度，而且处理过程更为简单，更适合应用于实际生产过程。
KPLS处理模块是利用输出变量对输入变量进行降维分解，就是利用输出变量来引导输入变量样本空间的分解，所得到的投影空间能够反映输入变量中与输出变量相关的变化，因此KPLS处理模块具有比现有技术中的KPCA处理模块更强的对输出变量的解释能力。
此外，KPLS处理模块特别适用于非线性的数据特征的提取，是针对采集数据中存在的非线性特点进行处理，能充分地提取非线性数据中包含的有用信息，需要说明的是，在应用于锅炉炉膛温度预测时，KPLS处理模块可以直接建立输入变量和输出变量之间的模型，并对炉膛温度进行预测。
本实用新型的锅炉炉膛温度在线预测***以锅炉运行数据为依据，通过简单的机理分析与相关性分析，确定炉膛温度预测模型中的输入变量，并针对运行数据存在非线性的特点，增设KPLS处理模块用于数据分析及处理，并建立炉膛温度动态软测量模型，通过该模型对炉膛温度进行在线预测，使得预测结果满足机组变负荷运行时的精度和实时性要求。
具体地，该KPLS处理模块用于将数据存储模块中的数据进行KPLS运算，该KPLS处理模块包括数据采集部分、核矩阵计算部分、迭代计算部分以及公式计算部分。
KPLS处理模块的数据处理流程如图3所示，该数据采集部分既要采集数据存储模块中的历史数据，又要采集数据存储模块中的实时数据。数据采集部分采集到的锅炉炉膛燃烧***的历史数据包括输入变量X和输出变量Y，采集到的锅炉炉膛燃烧***的实时数据包括实时的输入变量X。
炉膛燃煤燃烧是一个复杂的物理、化学过程，通过对锅炉燃烧的机理分析，从煤粉和风量入手来具体分析炉膛温度的影响因素，选取的输入变量X包括给煤机的给煤量、磨煤机的运行状态(即高料位状态还是低料位状态和磨煤机的转速)、机组负荷、燃烧器摆角、一次风的挡板开度、二次风的挡板开度(炉膛与风箱差压)、主蒸汽温度、空预器出口烟气含氧量、空气预热器入口烟温、磨煤机出口温度、总给水流量、给水压力、给水温度和汽包温度。输出变量为锅炉炉膛温度。也就是说，本实用新型的锅炉炉膛温度在线预测***要通过传感器直接或间接测量以上火电厂运行状态参数。输出变量为锅炉炉膛温度。
历史数据输入变量X和输出变量Y要经过核矩阵计算部分和迭代计算部分处理。将采集到的历史数据进行标准化，并将其投影到高维特征空间，再计算核矩阵K，同时对数据进行KPLS迭代计算，获得得分矩阵T和U。此处理过程可称为离线建模过程。
实时数据输入变量Xt要经过核矩阵计算部分、迭代计算部分和公式计算部分处理。将新采样数据Xt进行标准化，并将其投影到高维特征空间，再计算核矩阵Kt，并将基于实时数据的核矩阵Kt、得分矩阵T和U以及基于历史数据的核矩阵K代入公式Yt＝KtU(TTKU)- 1TTY,，最终获得锅炉炉膛的实时温度Yt。此处理过程可称为在线预测过程。
数据输出模块
数据输出模块与KPLS处理模块相连接，可以输出KPLS处理模块的结果，即预测的锅炉炉膛温度值。该数据输出模块可以是一台显示器，预测的锅炉炉膛温度值可以在显示器上直观的显示出来。在另一优选例中，该显示器还设有锅炉内部火焰燃烧的动态图片，随着炉膛温度的高低，火焰呈现不同状态，从而更加直观地展现锅炉炉膛温度变化情况。数据输出模块的信息同样也被记录在数据存储模块中，可用于后续总结分析等等。
精度判断模块
本实用新型的锅炉炉膛温度在线预测***可选择性的设有精度判断模块。该精度判断模块包括炉温测量装置和对比判断模块。其中，锅炉炉膛温度测量装置可以是一温度传感器，用于直接测量锅炉炉膛内的温度，例如热电偶、光学测温传感器等；也可以是其它锅炉炉膛温度预测模块，即通过基于相关数据的分析、计算、建模处理来间接的预测锅炉炉膛内的温度。对比判断模块是将炉温测量装置测得的炉膛温度与数据输出模块输出的炉膛温度进行比较，若二者误差在±5％以内，则认为精度达标，即数据输出模块输出的炉膛温度值是合理的。
本实用新型的主要优点包括：
(a)预测的锅炉炉膛温度更加精确。
(b)数据处理过程更加简单。
(c)降低炉膛温度的测量成本。
(d)能够在线、实时地对锅炉炉膛温度进行预测。
(e)操作简单。
(f)应用范围更广。
本实用新型的基于KPLS的锅炉炉膛温度预测***能更好地针对数据存在非线性的特点进行处理，建立精确的模型，准确地预测炉膛温度。此外，所述炉膛温度预测***为在线数据***，能实时预测炉膛温度。
下面结合具体实施例，进一步阐述本实用新型。应理解，这些实施例仅用于说明本实用新型而不用于限制本实用新型的范围。此外，附图为示意图，因此本实用新型装置和设备的并不受所述示意图的尺寸或比例限制。
需要说明的是，在本专利的权利要求和说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
实施例
本实施例的一种基于核偏最小二乘的锅炉炉膛温度在线预测***如图2所示，该锅炉炉膛温度在线预测***用于测量燃煤锅炉的炉膛温度，包括传感器、数据存储模块6、KPLS处理模块7以及数据输出模块8。
传感器包括温度传感器1、压力传感器2、流量传感器3和液位传感器4等等。这些传感器安装于火电厂各设备中，用于检测火电厂运行时的参数，进而基于这些参数来预测火电厂锅炉炉膛的温度。传感器每隔5分钟传回一组数据。具体地，温度传感器1包括主蒸汽温度传感器、再热蒸汽温度传感器以及一次风温度传感器等等，其中，主蒸汽温度传感器安装于汽水分离器出口，再热蒸汽温度传感器安装于再热集箱出口，一次风温度传感器安装于一次风道中；压力传感器2包括给水压力传感器、炉膛压力传感器以及二次风压力传感器，其中，给水压力传感器安装于省煤器入口，炉膛压力传感器安装于炉膛上部，二次风压力传感器安装于二次风道中；流量传感器3包括给水压力传感器、炉膛压力传感器以及二次风压力传感器，其中，给水压力传感器安装于省煤器入口，炉膛压力传感器安装于炉膛上部，二次风压力传感器安装于二次风道中；液位传感器4包括除氧器水位传感器、高压加热器水位传感器以及凝结水箱水位传感器，其中，除氧器水位传感器安装于除氧器，高压加热器水位传感器安装于高压加热器，凝结水箱水位传感器安装于凝结水箱中。
接收端5与各传感器通过有线电缆相连接，用于接收来自传感器的信息，并将这些信息输送给数据存储模块6，数据存储模块6将这些信息存储起来，便于后续对这些信息进行分析使用。各传感器和接收其信号的接收端5之间的直线距离不大于50m。
KPLS处理模块7用于将数据存储模块6中的数据进行KPLS运算。该KPLS处理模块7包括数据采集部分、核矩阵计算部分、迭代计算部分以及公式计算部分。在离线建模过程中，并将历史数据经核矩阵计算部分和迭代计算部分处理，得到核矩阵K。在在线监测过程中，数据采集部分采集数据存储模块6中的实时数据，并将实时数据同样经核矩阵计算部分和迭代计算部分处理，得到核矩阵Kt、得分矩阵T和U。基于历史数据的核矩阵K以及基于实时数据的核矩阵Kt、得分矩阵T和U，经公式计算部分处理，最终获得锅炉炉膛的实时温度Yt。
数据输出模块8用于输出经KPLS处理模块7计算出的锅炉炉膛的实时温度Yt，并将具体数值在计算机的显示器上显示出来，同时将其存入数据存储模块2。
本实用新型的锅炉炉膛温度在线预测***不但能得到更为精确的炉膛温度，而且数据处理过程更为简单，又降低炉膛温度的测量成本，操作简单，应用范围更广。
在本实用新型提及的所有文献都在本申请中引用作为参考，就如同每一篇文献被单独引用作为参考那样。此外应理解，在阅读了本实用新型的上述讲授内容之后，本领域技术人员可以对本实用新型作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。
Claims (10)
1.一种基于核偏最小二乘的锅炉炉膛温度在线预测***，其特征在于，所述***包括
传感器，所述传感器包括温度传感器、压力传感器、流量传感器和液位传感器；
接收端，所述接收端与所述各传感器是有线连接或无线连接的，并接收来自所述传感器的信息；
数据存储模块，所述数据存储模块与所述接收端电连接，用于存储所述接收端接收到的来自所述传感器的信息；
KPLS处理模块，所述KPLS处理模块与所述数据存储模块电连接，并基于所述数据存储模块中的数据进行KPLS运算；以及
数据输出模块，所述数据输出模块与所述KPLS处理模块电连接，用于输出经所述KPLS处理模块计算出的炉膛温度值。
2.如权利要求1所述的锅炉炉膛温度在线预测***，其特征在于，所述数据输出模块与所述数据存储模块电连接，且所述数据输出模块将预测的炉膛温度值存入所述数据存储模块。
3.如权利要求1所述的锅炉炉膛温度在线预测***，其特征在于，所述温度传感器包括安装于汽水分离器出口的主蒸汽温度传感器、安装于再热集箱出口的再热蒸汽温度传感器，和安装于一次风道的一次风温度传感器。
4.如权利要求1所述的锅炉炉膛温度在线预测***，其特征在于，所述压力传感器包括安装于省煤器入口的给水压力传感器，安装于炉膛上部的炉膛压力传感器，和安装于二次风道的二次风压力传感器。
5.如权利要求1所述的锅炉炉膛温度在线预测***，其特征在于，所述流量传感器包括安装于省煤器入口的给水压力传感器，安装于炉膛上部的炉膛压力传感器，和安装于二次风道的二次风压力传感器。
6.如权利要求1所述的锅炉炉膛温度在线预测***，其特征在于，所述液位传感器包括安装于除氧器的除氧器水位传感器，安装于高压加热器的高压加热器水位传感器，和安装于凝结水箱的凝结水箱水位传感器。
7.如权利要求1所述的锅炉炉膛温度在线预测***，其特征在于，所述传感器和所述接收端之间的直线距离10-100m。
8.如权利要求1所述的锅炉炉膛温度在线预测***，其特征在于，所述***用于燃煤锅炉或燃气锅炉。
9.如权利要求1所述的锅炉炉膛温度在线预测***，其特征在于，所述***设有精度判断模块。
10.如权利要求1所述的锅炉炉膛温度在线预测***，其特征在于，每个测量点安装1-8个所述传感器。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201720369993.9U CN207112772U (zh) | 2017-04-10 | 2017-04-10 | 基于核偏最小二乘的锅炉炉膛温度在线预测*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201720369993.9U CN207112772U (zh) | 2017-04-10 | 2017-04-10 | 基于核偏最小二乘的锅炉炉膛温度在线预测*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN207112772U true CN207112772U (zh) | 2018-03-16 |
Family
ID=61595873
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201720369993.9U Active CN207112772U (zh) | 2017-04-10 | 2017-04-10 | 基于核偏最小二乘的锅炉炉膛温度在线预测*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN207112772U (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110793647A (zh) * | 2019-11-27 | 2020-02-14 | 成都工百利自动化设备有限公司 | 一种基于高压开关柜温度场分布的温度探测方法及*** |
| CN113685798A (zh) * | 2021-08-27 | 2021-11-23 | 四川广旺能源发展(集团)有限责任公司电力分公司 | 一种汽机锅炉除氧给水监控*** |
-
2017
- 2017-04-10 CN CN201720369993.9U patent/CN207112772U/zh active Active
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110793647A (zh) * | 2019-11-27 | 2020-02-14 | 成都工百利自动化设备有限公司 | 一种基于高压开关柜温度场分布的温度探测方法及*** |
| CN113685798A (zh) * | 2021-08-27 | 2021-11-23 | 四川广旺能源发展(集团)有限责任公司电力分公司 | 一种汽机锅炉除氧给水监控*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5513519A (en) | Method of measuring changes in the energy transfer efficiency of a thermal transfer system | |
| CN106018730B (zh) | 基于磨煤机入口一次风修正的煤质水分测量装置和方法 | |
| CN105493089A (zh) | 通过热平衡及设计程序和工作人员的工作方式分析的焚烧设施和固体燃料锅炉的诊断和控制及设备寿命周期管理***及方法 | |
| CN109238760B (zh) | 基于典型相关分析与慢特征分析的智能电厂燃煤发电机组磨煤机的在线监测方法 | |
| CN102890495A (zh) | 成套设备的诊断方法以及装置 | |
| CN109785187B (zh) | 一种发电机组供电煤耗检测数据校正方法 | |
| CN104090560B (zh) | 一种监测供电综合环境评价指标的设备 | |
| CN106649919A (zh) | 燃煤电站锅炉飞灰含碳量预测模型构建方法及*** | |
| CN207112772U (zh) | 基于核偏最小二乘的锅炉炉膛温度在线预测*** | |
| CN102661759A (zh) | 循环流化床锅炉非线性多变量关键参数的辨识及预测方法 | |
| Blanco et al. | Investigation on a new methodology for thermal power plant assessment through live diagnosis monitoring of selected process parameters; application to a case study | |
| CN108197723B (zh) | 煤电机组供电煤耗与污染物排放的优化节能调度方法 | |
| CN103823971A (zh) | 一种燃煤电站锅炉烟气含氧量检测方法 | |
| CN101825869A (zh) | 基于数据驱动的过热器模型参数辨识方法 | |
| CN117454290A (zh) | 关于锅炉供热的智能化数据实时采集分析*** | |
| CN103018279B (zh) | 一种提高锅炉烟气含氧量测量精度的方法 | |
| JP2016537729A (ja) | プラントにおける生成プロセスおよび／またはプロセスエンジニアリングプロセスおよび／またはプロセスステップを分析するための方法、システム、およびコンピュータプログラム製品 | |
| CN113533622A (zh) | 一种基于神经网络的磨煤机煤质预测方法 | |
| CN106845134A (zh) | 一种锅炉机组相对性能指标计算方法及装置 | |
| CN113918881A (zh) | 基于分层多项式模型的飞灰含碳量软测量方法及监测*** | |
| Meng et al. | A data-driven approach to investigate the impact of air temperature on the efficiencies of coal and natural gas generators | |
| CN108073763A (zh) | 一种电站锅炉飞灰含碳量的测量方法 | |
| CN111024920B (zh) | 入炉煤质实时在线监测***和方法 | |
| CN206656749U (zh) | 火电厂传感器故障诊断*** | |
| CN112949054B (zh) | 一种燃煤锅炉的入炉煤热值软测量方法及*** |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GR01 | Patent grant | ||
| GR01 | Patent grant |