-
公开(公告)号：CN114036758B
公开(公告)日：2023-03-24
申请号：CN202111341743.1
申请日：2021-11-12
申请人： 华电新疆哈密煤电开发有限公司 , 哈尔滨锅炉厂有限责任公司
IPC分类号： G06F30/20 , G06F111/10 , G06F119/02
摘要： 基于数值模拟和机器学习的锅炉燃烧状态动态展示方法，涉及锅炉燃烧状态监测领域。本发明是为了解决目前主要通过从模拟数据库中调用燃烧参数获取锅炉燃烧状态预测范围有限，且仅适用于离线分析实时性差的问题。本发明包括：将待获取燃烧参数的锅炉运行工况输入到训练好的全工况燃烧参数预测模型中获得该运行工况下的燃烧参数，然后将燃烧参数转换为可供显示程序识别的RGB值和沿炉膛宽度、高度方向上静态或动态各个截面上的燃烧参数分布信息即可动态实时展示锅炉燃烧状态。本发明用于实时获取锅炉燃烧状态。
-
公开(公告)号：CN114036758A
公开(公告)日：2022-02-11
申请号：CN202111341743.1
申请日：2021-11-12
申请人： 华电新疆哈密煤电开发有限公司 , 哈尔滨锅炉厂有限责任公司
IPC分类号： G06F30/20 , G06F111/10 , G06F119/02
摘要： 基于数值模拟和机器学习的锅炉燃烧状态动态展示方法，涉及锅炉燃烧状态监测领域。本发明是为了解决目前主要通过从模拟数据库中调用燃烧参数获取锅炉燃烧状态预测范围有限，且仅适用于离线分析实时性差的问题。本发明包括：将待获取燃烧参数的锅炉运行工况输入到训练好的全工况燃烧参数预测模型中获得该运行工况下的燃烧参数，然后将燃烧参数转换为可供显示程序识别的RGB值和沿炉膛宽度、高度方向上静态或动态各个截面上的燃烧参数分布信息即可动态实时展示锅炉燃烧状态。本发明用于实时获取锅炉燃烧状态。
-
公开(公告)号：CN114117934A
公开(公告)日：2022-03-01
申请号：CN202111470419.X
申请日：2021-12-03
申请人： 华电新疆哈密煤电开发有限公司 , 哈尔滨锅炉厂有限责任公司
IPC分类号： G06F30/27 , G06N3/08 , G06F113/14 , G06F119/08
摘要： 基于门控神经网络的电站锅炉水冷壁壁温在线预测方法，属于电站锅炉设备水冷壁管道温度测量领域。本发明解决了利用现有更新模型难以实现对水冷壁管温度长期实时精准预测的问题。本发明方法包括：采集水冷壁管道温度和温度相关变量；对水冷壁管道温度和温度相关变量进行预处理，得到预处理后的数据，得作为历史训练数据集；建立门控神经网络模型，利用历史训练数据对门控神经网络模型进行离线训练；对离线训练好的门控神经网络模型进行模型参数在线更新，得到在线更新参数的门控神经网络模型；将实时采集的水冷壁管道温度相关变量输入至在线更新后的门控神经网络模型，输出得到预测的水冷壁管道温度。本发明用于锅炉水冷壁管道温度预测。
-
公开(公告)号：CN114117934B
公开(公告)日：2023-04-07
申请号：CN202111470419.X
申请日：2021-12-03
申请人： 华电新疆哈密煤电开发有限公司 , 哈尔滨锅炉厂有限责任公司
IPC分类号： G06F30/27 , G06N3/08 , G06F113/14 , G06F119/08
摘要： 基于门控神经网络的电站锅炉水冷壁壁温在线预测方法，属于电站锅炉设备水冷壁管道温度测量领域。本发明解决了利用现有更新模型难以实现对水冷壁管温度长期实时精准预测的问题。本发明方法包括：采集水冷壁管道温度和温度相关变量；对水冷壁管道温度和温度相关变量进行预处理，得到预处理后的数据，得作为历史训练数据集；建立门控神经网络模型，利用历史训练数据对门控神经网络模型进行离线训练；对离线训练好的门控神经网络模型进行模型参数在线更新，得到在线更新参数的门控神经网络模型；将实时采集的水冷壁管道温度相关变量输入至在线更新后的门控神经网络模型，输出得到预测的水冷壁管道温度。本发明用于锅炉水冷壁管道温度预测。
-
公开(公告)号：CN112163380A
公开(公告)日：2021-01-01
申请号：CN202011014871.0
申请日：2020-09-24
申请人： 哈尔滨锅炉厂有限责任公司
IPC分类号： G06F30/28 , G06N3/04 , G06N3/08 , G06F111/10
摘要： 本发明是基于数值模拟的神经网络预测炉膛氧气浓度系统及方法，尤其涉及神经网络学习机预测炉膛氧气浓度，属于神经网络应用领域，目的是解决传统氧气浓度测量方法测量精度不足和效率低的问题。该系统包括数值模拟仿真模块，数据处理模块，算法预测模块和实现模块。通过所述的数值模拟仿真模块，利用数值模拟软件建立炉膛内部的物理模型，进行仿真运算；利用所述的数据处理模块，将数值模拟结果进行处理，然后算法预测模块建立三种神经网络模块并进行算法预测，最后通过实现模块选择出最佳算法从而实现炉膛内氧量分布的预测，本发明处理信息量大、计算速度快、通过简便快捷的方式处理复杂的炉膛氧量问题，能精准的预测未来走势，提升计算效率。
-
公开(公告)号：CN112036100A
公开(公告)日：2020-12-04
申请号：CN202011014861.7
申请日：2020-09-24
申请人： 哈尔滨锅炉厂有限责任公司
IPC分类号： G06F30/28 , G06F30/27 , G06F17/18 , G06F111/10 , G06F113/08 , G06F119/14
摘要： 本发明涉及一种预测炉膛氧气浓度的方法，属于燃煤锅炉技术领域。本发明研发解决的是锅炉氧浓度测量方法无法准确得知炉膛内部氧含量的具体分布的问题。包括以下步骤：步骤一：数值模拟仿真，利用数值模拟软件建立炉膛内部的物理模型，仿真运算；步骤二：数据处理，处理数值模拟结果；步骤三：算法预测，利用四种回归算法预测；步骤四：结果应用，从四种回归算法选择效果最佳算法，预测指定工况下的燃烧器出口风量。利用fluent软件对锅炉燃烧进行全炉膛的数值仿真，从而得到炉膛内部任意位置的氧气浓度分布数据；将无法观察的炉膛内部氧气分布场，用数据进行可视化。
-
公开(公告)号：CN118211467A
公开(公告)日：2024-06-18
申请号：CN202410011955.0
申请日：2024-01-04
申请人： 广东大唐国际雷州发电有限责任公司 , 哈尔滨锅炉厂有限责任公司 , 哈尔滨哈锅能源动力科技有限公司
IPC分类号： G06F30/27 , G06F30/28 , G06N3/04 , G06N3/08 , G06F113/08 , G06F119/08 , G06F119/14
摘要： 本发明是一种基于嵌入质量守恒神经网络的发电锅炉炉膛三维可视化预测方法。本发明涉及发电锅炉炉膛三维可视化技术领域，本发明输入锅炉的训练数据，初始化参数矩阵；将训练数据代入各节点函数；根据输入锅炉的煤炭数据和进入锅炉空气量计算输入数据中C元素的质量；确定损失函数；根据损失函数利用最速下降法迭代参数矩阵，完成模型训练；根据训练完成的模型进行预测，实现炉内三维可视化系统的功能。本发明增强了算法的可解释性，实现的功能为在质量守恒的前提下的炉内三维可视化，结果可解释可追溯，避免了传统神经网络算法黑箱性，结果难追溯的问题。
-
公开(公告)号：CN113654038B
公开(公告)日：2023-09-12
申请号：CN202110941518.5
申请日：2021-08-17
申请人： 哈尔滨锅炉厂有限责任公司
摘要： 本发明涉及一种直流煤粉燃烧器，属于锅炉技术领域，以提高现有的锅炉燃烧器低荷稳定燃烧与高效低污染的燃烧性能。本发明一种直流煤粉燃烧器，包括一次风煤粉管，二次风箱和煤粉浓淡分离装置，所述二次风箱套设在所述一次风煤粉管外且二者之间形成二次风道，所述煤粉浓淡分离装置设置在所述一次风煤粉管内形成浓煤粉风道和淡煤粉风道，所述浓煤粉风道、所述淡煤粉风道和所述二次风道沿着所述一次风煤粉管的纵向由内向外依次设置。本发明喷口设置成摆动可调整，提高燃烧器在运行过程中的灵活调整，不影响本发明直流煤粉燃烧器的燃烧性能，可达到通过调整喷口摆角控制炉膛内火焰中心、屏底烟温等效果，使中心富燃料内焰着火直流燃烧器具有更强的工程应用性。
-
公开(公告)号：CN112036100B
公开(公告)日：2023-01-31
申请号：CN202011014861.7
申请日：2020-09-24
申请人： 哈尔滨锅炉厂有限责任公司
IPC分类号： G06F30/28 , G06F30/27 , G06F17/18 , G06F111/10 , G06F113/08 , G06F119/14
摘要： 本发明涉及一种预测炉膛氧气浓度的方法，属于燃煤锅炉技术领域。本发明研发解决的是锅炉氧浓度测量方法无法准确得知炉膛内部氧含量的具体分布的问题。包括以下步骤：步骤一：数值模拟仿真，利用数值模拟软件建立炉膛内部的物理模型，仿真运算；步骤二：数据处理，处理数值模拟结果；步骤三：算法预测，利用四种回归算法预测；步骤四：结果应用，从四种回归算法选择效果最佳算法，预测指定工况下的燃烧器出口风量。利用fluent软件对锅炉燃烧进行全炉膛的数值仿真，从而得到炉膛内部任意位置的氧气浓度分布数据；将无法观察的炉膛内部氧气分布场，用数据进行可视化。
-
公开(公告)号：CN112163380B
公开(公告)日：2024-06-18
申请号：CN202011014871.0
申请日：2020-09-24
申请人： 哈尔滨锅炉厂有限责任公司
IPC分类号： G06F30/28 , G06N3/0464 , G06N3/084 , G06F111/10
摘要： 本发明是基于数值模拟的神经网络预测炉膛氧气浓度系统及方法，尤其涉及神经网络学习机预测炉膛氧气浓度，属于神经网络应用领域，目的是解决传统氧气浓度测量方法测量精度不足和效率低的问题。该系统包括数值模拟仿真模块，数据处理模块，算法预测模块和实现模块。通过所述的数值模拟仿真模块，利用数值模拟软件建立炉膛内部的物理模型，进行仿真运算；利用所述的数据处理模块，将数值模拟结果进行处理，然后算法预测模块建立三种神经网络模块并进行算法预测，最后通过实现模块选择出最佳算法从而实现炉膛内氧量分布的预测，本发明处理信息量大、计算速度快、通过简便快捷的方式处理复杂的炉膛氧量问题，能精准的预测未来走势，提升计算效率。
-
-
-
-
-
-
-
-
-
搜索结果
14 条记录 (耗时 0.137 秒)
