本文關(guān)鍵詞：基于火焰光譜檢測(cè)的爐內(nèi)煤種辨識(shí)與鍋爐優(yōu)化控制技術(shù)研究

  更多相關(guān)文章： 火焰發(fā)射光譜 堿金屬 煤種辨識(shí) 鍋爐效率 軟測(cè)量 優(yōu)化控制 預(yù)測(cè)控制 控制平臺(tái)

【摘要】：隨著《巴黎氣候變化協(xié)定》的即將生效,當(dāng)前節(jié)能減排的大環(huán)境對(duì)能源行業(yè)發(fā)展格局形成了很大沖擊,作為溫室氣體排放大戶的燃煤電廠,急需進(jìn)一步提高鍋爐運(yùn)行效率以緩解減排壓力。而近幾年,機(jī)組本體設(shè)備與輔助系統(tǒng)工藝改進(jìn)方面的節(jié)能潛力已幾乎耗盡,目前最有前景的研究方向就是利用先進(jìn)控制技術(shù)實(shí)現(xiàn)鍋爐的優(yōu)化運(yùn)行,而鍋爐優(yōu)化控制的技術(shù)瓶頸則在于爐內(nèi)參數(shù)的在線測(cè)量與先進(jìn)控制算法對(duì)復(fù)雜工況的適應(yīng)性。本文針對(duì)這兩項(xiàng)技術(shù)需求,開展了以下研究工作:1)通過火焰發(fā)射光譜的基礎(chǔ)理論與測(cè)量機(jī)理研[,利用Na、K、Li等堿金屬元素含量與比例對(duì)煤種的標(biāo)識(shí)意義,提出了基于煤粉火焰光譜中堿金屬原子發(fā)射光譜強(qiáng)度關(guān)系特征的煤種辨識(shí)方法,從機(jī)理上對(duì)測(cè)量與環(huán)境因素進(jìn)行消去與補(bǔ)償,獲得穩(wěn)定的特征量,實(shí)驗(yàn)結(jié)果表明特征量可復(fù)現(xiàn)、可區(qū)分、工況適應(yīng)性滿足煤種辨識(shí)要求。2)根據(jù)煤種辨識(shí)的機(jī)理特征向量,結(jié)合一系列輔助特征參數(shù),采用SVM算法實(shí)現(xiàn)煤種辨識(shí)方法的算法設(shè)計(jì)、系統(tǒng)開發(fā)與應(yīng)用測(cè)試,驗(yàn)證了基于爐內(nèi)火焰發(fā)射光譜特征的煤種辨識(shí)方法的準(zhǔn)確性。3)開展基于最小二乘支持向量機(jī)算法(LSSVM)的鍋爐效率軟測(cè)量研[,以及基于T-S模糊建模與遺傳尋優(yōu)的鍋爐效率優(yōu)化控制算法,提出并實(shí)現(xiàn)以下技術(shù)路線:利用DCS與煤種辨識(shí)系統(tǒng)實(shí)時(shí)獲取足夠量的鍋爐燃燒參數(shù)與煤種參數(shù),選取平穩(wěn)工況以正平衡法計(jì)算離散的鍋爐效率,用于鍋爐效率軟測(cè)量建模,并以此模型實(shí)現(xiàn)鍋爐效率的連續(xù)測(cè)量與優(yōu)化控制。4)提出了新型結(jié)構(gòu)的帶參考模型與擾動(dòng)模型的廣義預(yù)測(cè)控制(RDM-GPC)算法與帶導(dǎo)前擾動(dòng)模型的預(yù)測(cè)函數(shù)控制(LDM-PFC)算法,經(jīng)對(duì)比仿真測(cè)試,在模型適應(yīng)性、響應(yīng)速度與控制精度方面都有明顯優(yōu)勢(shì),控制方案可用于煤粉鍋爐的主蒸汽溫度與壓力等重要性能參數(shù)的優(yōu)化控制。5)開發(fā)了用于優(yōu)化控制算法集成應(yīng)用的熱工優(yōu)化控制平臺(tái)(TOP)系統(tǒng),提出了遞進(jìn)式安全控制機(jī)制,以及上位高級(jí)運(yùn)算與下位實(shí)時(shí)控制的靈活配置方式,為優(yōu)化控制系統(tǒng)高效靈活應(yīng)用創(chuàng)造了良好條件。
【關(guān)鍵詞】：火焰發(fā)射光譜 堿金屬 煤種辨識(shí) 鍋爐效率 軟測(cè)量 優(yōu)化控制 預(yù)測(cè)控制 控制平臺(tái)
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2016
【分類號(hào)】：TK227
【目錄】：

• 致謝5-6
• 摘要6-8
• Abstract8-19
• 第1章 緒論19-40
• 1.1 研究背景與思路19-24
• 1.1.1 課題研究背景19-21
• 1.1.2 基本研究思路21-24
• 1.2 相關(guān)技術(shù)研究綜述24-38
• 1.2.1 爐內(nèi)燃燒相關(guān)檢測(cè)技術(shù)研究24-27
• 1.2.2 煤質(zhì)檢測(cè)與煤種辨識(shí)相關(guān)技術(shù)研究27-33
• 1.2.3 火焰發(fā)射光譜相關(guān)檢測(cè)技術(shù)研究33-34
• 1.2.4 爐內(nèi)參數(shù)軟測(cè)量相關(guān)技術(shù)研究34-36
• 1.2.5 先進(jìn)控制與過程優(yōu)化相關(guān)技術(shù)研究36-38
• 1.3 論文研究?jī)?nèi)容及結(jié)構(gòu)組織38-40
• 第2章 火焰光譜煤種檢測(cè)機(jī)理研究與實(shí)驗(yàn)40-72
• 2.1 引言40-42
• 2.2 理論基礎(chǔ)42-45
• 2.2.1 原子發(fā)射光譜定量的基本原理43-44
• 2.2.2 火焰輻射強(qiáng)度和溫度測(cè)量的基本原理44-45
• 2.3 密度補(bǔ)償法煤種辨識(shí)機(jī)理與實(shí)驗(yàn)45-58
• 2.3.1 實(shí)際火焰測(cè)量與煤種辨識(shí)原理45-46
• 2.3.2 實(shí)驗(yàn)裝置與實(shí)驗(yàn)煤種46-48
• 2.3.3 實(shí)驗(yàn)結(jié)果與討論48-57
• 2.3.4 實(shí)驗(yàn)結(jié)論57-58
• 2.4 密度消去法煤種辨識(shí)機(jī)理與實(shí)驗(yàn)58-71
• 2.4.1 基本算法原理58-61
• 2.4.2 實(shí)驗(yàn)與結(jié)果分析61-68
• 2.4.3 數(shù)據(jù)學(xué)習(xí)與結(jié)果輸出68-70
• 2.4.4 實(shí)驗(yàn)結(jié)論70-71
• 2.5 本章小結(jié)71-72
• 第3章 光譜法煤種辨識(shí)系統(tǒng)開發(fā)與測(cè)試72-114
• 3.1 引言72
• 3.2 支持向量機(jī)方法簡(jiǎn)介72-77
• 3.2.1 線性最優(yōu)分類面73-74
• 3.2.2 廣義線性最優(yōu)分類面74-76
• 3.2.3 核函數(shù)76
• 3.2.4 LibSVM軟件76-77
• 3.3 運(yùn)行環(huán)境及硬件系統(tǒng)開發(fā)77-83
• 3.3.1 系統(tǒng)運(yùn)行環(huán)境77-78
• 3.3.2 火焰檢測(cè)探頭78-80
• 3.3.3 硬件系統(tǒng)結(jié)構(gòu)80-83
• 3.4 辨識(shí)系統(tǒng)軟件設(shè)計(jì)與開發(fā)83-95
• 3.4.1 軟件功能和運(yùn)行平臺(tái)83-84
• 3.4.2 開發(fā)工具84
• 3.4.3 軟件結(jié)構(gòu)84-85
• 3.4.4 模塊設(shè)計(jì)85-95
• 3.5 支持向量機(jī)辨識(shí)試驗(yàn)與分析95-108
• 3.5.1 數(shù)據(jù)采集95-97
• 3.5.2 煤種分類97-98
• 3.5.3 數(shù)據(jù)預(yù)處理98-99
• 3.5.4 特征量提取99-103
• 3.5.5 模型訓(xùn)練和測(cè)試103-108
• 3.6 辨識(shí)系統(tǒng)在線測(cè)試108-113
• 3.6.1 煤種分類109
• 3.6.2 模型訓(xùn)練與測(cè)試109-112
• 3.6.3 在線煤種辨識(shí)測(cè)試112-113
• 3.7 本章小結(jié)113-114
• 第4章 鍋爐效率在線估算與尋優(yōu)控制114-143
• 4.1 引言114-115
• 4.2 LSSVM的原理與鍋爐效率模型115-122
• 4.2.1 最小二乘支持向量回歸機(jī)原理116-118
• 4.2.2 鍋爐熱效率機(jī)理模型118-122
• 4.3 鍋爐熱效率軟測(cè)量模型建立及應(yīng)用測(cè)試122-131
• 4.3.1 軟測(cè)量模型整體方案122-124
• 4.3.2 軟測(cè)量模型的建立與實(shí)現(xiàn)124-127
• 4.3.3 軟測(cè)量模型的測(cè)試127-128
• 4.3.4 鍋爐熱效率實(shí)時(shí)計(jì)算128-131
• 4.4 基于T-S模糊建模的鍋爐效率尋優(yōu)控制131-142
• 4.4.1 鍋爐燃燒效率的T-S模糊模型131-136
• 4.4.2 鍋爐效率T-S模糊模型參數(shù)辨識(shí)136-138
• 4.4.3 鍋爐效率優(yōu)化138-140
• 4.4.4 數(shù)據(jù)仿真結(jié)果140-142
• 4.5 本章小結(jié)142-143
• 第5章 預(yù)測(cè)算法研究與過程優(yōu)化控制143-177
• 5.1 引言143-144
• 5.2 基于GPC的過程優(yōu)化控制方法研究144-153
• 5.2.1 GPC的基本實(shí)現(xiàn)方法144-146
• 5.2.2 常規(guī)GPC控制結(jié)構(gòu)與系統(tǒng)仿真146-147
• 5.2.3 帶參考模型的GPC結(jié)構(gòu)與仿真對(duì)比147-150
• 5.2.4 基于擾動(dòng)模型的新型GPC優(yōu)化控制方法150-153
• 5.3 基于PFC的過程優(yōu)化控制方法研究153-171
• 5.3.1 PFC的基本實(shí)現(xiàn)方法153-155
• 5.3.2 帶擾動(dòng)信號(hào)的預(yù)測(cè)函數(shù)控制原理155-156
• 5.3.3 基于導(dǎo)前擾動(dòng)模型的新型PFC汽溫優(yōu)化控制方法156-161
• 5.3.4 基于導(dǎo)前擾動(dòng)模型的新型PFC協(xié)調(diào)優(yōu)化控制方法161-171
• 5.4 基于Markov參數(shù)的模型失配檢測(cè)方法171-176
• 5.4.1 子空間法余差模型參數(shù)辨識(shí)171-173
• 5.4.2 模型失配量化指標(biāo)設(shè)計(jì)173-174
• 5.4.3 模型失配檢測(cè)應(yīng)用仿真174-176
• 5.5 本章小結(jié)176-177
• 第6章 系統(tǒng)集成應(yīng)用軟硬件平臺(tái)開發(fā)177-185
• 6.1 引言177-178
• 6.2 TOP優(yōu)化平臺(tái)的結(jié)構(gòu)設(shè)計(jì)與安全機(jī)制178-180
• 6.2.1 平臺(tái)系統(tǒng)的原理結(jié)構(gòu)178-179
• 6.2.2 平臺(tái)系統(tǒng)的安全控制機(jī)制179-180
• 6.3 TOP優(yōu)化平臺(tái)的系統(tǒng)集成與開發(fā)180-182
• 6.4 TOP優(yōu)化平臺(tái)組件的應(yīng)用測(cè)試182-184
• 6.4.1 汽溫優(yōu)化控制組件的應(yīng)用測(cè)試182-183
• 6.4.2 協(xié)調(diào)優(yōu)化控制組件的應(yīng)用測(cè)試183-184
• 6.5 本章小結(jié)184-185
• 第7章 總結(jié)與展望185-188
• 7.1 全文總結(jié)185-186
• 7.2 研究展望186-188
• 參考文獻(xiàn)188-202
• 攻讀博士學(xué)位期間主要的研究成果202

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 肖建;趙濤;;T-S模糊控制綜述與展望[J];西南交通大學(xué)學(xué)報(bào);2016年03期

2 衛(wèi)鵬;劉建坤;劉國平;王崗;;應(yīng)對(duì)區(qū)外來電比例提高的省內(nèi)外電源協(xié)調(diào)運(yùn)行機(jī)制[J];江蘇電機(jī)工程;2016年02期

3 上官海兵;;不同煤粒度的煤質(zhì)近紅外光譜預(yù)處理方法研究[J];煤炭技術(shù);2016年01期

4 王志軒;;“十二五”電力節(jié)能減排狀況分析[J];中國電力企業(yè)管理;2015年21期

5 王富強(qiáng);;基于逆向傳遞策略的直流鍋爐主汽溫網(wǎng)絡(luò)化預(yù)測(cè)控制[J];中國電機(jī)工程學(xué)報(bào);2015年19期

6 孫鵬帥;張志榮;崔小娟;吳邊;夏滑;龐濤;韓犖;王煜;董鳳忠;;燃燒場(chǎng)內(nèi)多路徑溫度與H_2O濃度的在線檢測(cè)[J];中國激光;2015年09期

7 翟暢;閻杰;王曉牛;謝鵬;高美麗;黃文平;;可調(diào)諧二極管激光吸收光譜技術(shù)的高溫溫度測(cè)量?jī)x器的研究[J];光電工程;2015年08期

8 張向宇;汪華劍;程強(qiáng);張波;向小鳳;徐宏杰;;寬動(dòng)態(tài)RAW圖像輻射測(cè)溫試驗(yàn)研究[J];中國電機(jī)工程學(xué)報(bào);2015年13期

9 王志軒;;新常態(tài)下中國煤電清潔高效發(fā)展的思考[J];中國電力企業(yè)管理;2015年11期

10 王常凱;謝宏佐;;中國電力碳排放動(dòng)態(tài)特征及影響因素研究[J];中國人口·資源與環(huán)境;2015年04期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 湯琪;基于數(shù)字圖像的火焰測(cè)量及煤質(zhì)辨識(shí)[D];浙江大學(xué);2014年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 闞睿;基于火焰檢測(cè)的煤種識(shí)別及發(fā)熱量預(yù)測(cè)[D];浙江大學(xué);2010年

，

本文編號(hào)：1118113