张清宇[1]2004年在《火焰燃烧稳定性诊断方法研究》文中研究指明我国日益严格的环境保护标准要求减少电站锅炉的燃烧污染排放，而优化锅炉炉内燃烧工况不仅是控制燃烧污染排放的有效途径，而且能减少燃料量和避免炉内爆管事故，从而能提高电站锅炉燃烧的安全性和经济性。作为燃烧优化措施，近年来，我国在燃烧器改造、冷态空气动力场数值模拟等方面做了大量工作，对电站锅炉燃烧状况的改善起到了重要作用。然而叁大主机中，相对于汽机和发电机组来说，用于判断燃烧状况的炉内燃烧监测技术的研究却是一个相对薄弱的环节。因此我们今后的主要研究目的就是建立一套基于图像处理和人工智能技术的燃烧监控系统，来实现火焰可视化和燃烧智能诊断，从而为电站运行人员提供有效的运行指导信息。 本文的主要工作就是基于先进的计算机图像处理技术，探求能定量判断燃烧火焰稳定性的方法。 首先在实验台和电站锅炉上分别进行了实验研究，取得了稳定燃烧和爆燃熄火过程的火焰图像。紧接着对燃烧火焰图像进行了较为系统的特征提取。所提取的包括图像的灰度、火焰面积、高温面积率、质心坐标和圆形度等反映燃烧状态的火焰图像特征，具有较广的通用性，不受火焰着火点漂移的影响，大大简化了计算难度，能够实时在线提取特征。 其后基于图像处理技术和主元分析技术，提出一种对燃烧火焰的稳定性进行了监视和诊断的方法，采用Hotelling T~2和SPE两个统计量对每一时刻的图像数据向量进行监测，检验是否超过各自的控制限，只要这两个统计量之一越限，则可判定燃烧出现异常。实验结果表明：该种方法能够在线实时地、有效地识别、判断燃烧火焰的燃烧状态，并且将结果以SPE图、Hotelling T~2图和主元图的形式直观地表示出来，为在线燃烧监视和进一步的分析诊断奠定了基础。 此外由于PCA方法具有不能识别非线性过程等缺点，提出一种非线性PCA方法的改进，它是一基于输入型训练和BP神经网络的非线性主元PCA燃烧诊断方法。通过实验很好得定量判断了油火焰和煤粉火焰的燃烧状态。 最后为了能进一步完善整个系统，在图像处理技术方面和识别模型这两个主要研究方面都进行了进一步研究。在图像处理技术中新颖的引入了分形理论，更好的提取了火焰图像的特征区域同时寻找到了一种新的反映火焰燃烧状态的特征参量分形维数。在模式识别方面，运用EM一PCA算法处理具有缺失数据的数据空间使得结合图像信息和电厂运行参量的主元分析燃烧诊断系统成为可能。
郝祖龙[2]2010年在《电站锅炉燃烧状态识别与诊断研究》文中指出燃烧优化是目前火电厂实现节能减排的有效途径之一,及时、准确地掌握锅炉燃烧状态是实现燃烧优化控制的重要前提。现有的炉膛火焰检测装置主要用于判断火焰的有或无,无法对燃烧状态作出有效评判。本文根据燃烧状态与某些测量信号的相关性,从大量数据中筛选出燃烧状态相关信号；通过分析典型工况下这些信号的统计规律,从中提取出能反映燃烧状态变化的特征量；在此基础上分别采用模式分类、信息融合等方法对燃烧状态进行识别与诊断。论文利用厂级监控信息系统(SIS)中保存的丰富数据,围绕燃烧状态相关信号的选取、燃烧状态特征提取、燃烧状态识别以及燃烧稳定性诊断这四个方面,展开了以下研究：1、研究了燃烧状态相关信号的选取问题。提出了一种基于滑动窗方差的信号相关性分析方法,可以有效分析热工信号在燃烧特征频段上的波动相似性。在此基础上,利用小波变换提出一种热工信号多尺度相关性分析方法,能够从不同频率尺度分析信号的相关性,并将该方法用于燃烧状态相关信号的选取。通过对现场众多测点进行筛选,将火检信号、炉膛压力、主汽压力、汽包水位以及空预前氧量信号作为燃烧状态相关信号。2、研究了锅炉燃烧状态特征提取问题。分八种典型工况比较了不同燃烧状态下燃烧状态相关信号的时域特性,并运用时域分析和复杂性测度提取这些信号的特征,通过对多组样本的统计分析,最终将均值、标准差、峰峰值以及复杂度作为燃烧状态相关信号的特征量。3、利用所提取的燃烧特征量,研究了燃烧状态识别问题。通过构建自组织神经网络对不同工况下提取的燃烧特征进行聚类,可以定性分析燃烧特征量与燃烧状态之间的非线性映射关系。进而利用支持向量机建立了典型工况下燃烧状态的识别模型。采用网格搜索与交叉验证相结合的方法选取模型参数,通过实际数据计算,比较了叁种类型支持向量机的分类性能,并验证了该方法的有效性。4、利用信息融合思想,将证据理论应用于燃烧稳定性诊断。针对基本可信度分配不易获取的问题,提出一种基于自组织神经网络的基本可信度分配构造方法。在此基础上,应用证据理论对燃烧状态相关信号进行融合,并根据融合后的信息对燃烧状态进行诊断。通过现场数据分析,表明该方法具有较好的诊断效果,并在准确性和可靠性方面优于火检或炉膛负压等单一信号的诊断结果。
王燕晋, 刘禾[3]2006年在《基于炉内火焰图像的燃烧诊断方法研究》文中提出针对现今电厂采用的锅炉燃烧监控系统所采集的火焰动态图像,提出了一种利于辅助分析的炉内火焰燃烧诊断方法。该方法分析了火焰图像的特点,提出了分析火焰稳定性判别的叁个特征量,根据现场图像信号作出数据提取,并对提取结果进行了数据分析。提出一种燃烧稳定性判别方法,该方法利用以上叁个特征量作为BP神经网络输入参数,得到输出确定为火焰稳定性系数,然后用模糊判别给出准确的燃烧稳定性综合评估。此方法利用了动态图像的差分特性,动态地分析燃烧过程中火焰锋面变化的状况,为现场锅炉监控人员提供了一种燃烧状态监测方法,方便了现场运行人员及时快捷地对现场状况做出准确迅速的判断和操作。通过对现场图像的人工分析和此方法判别结果比对,证明此方法具有很强的辅助分析功能。
马吴永[4]2016年在《基于粗糙集和图像信号的燃煤锅炉稳定性判定方法研究》文中进行了进一步梳理保证煤炭稳定燃烧是燃煤电站安全运营最根本的要求,炉膛火焰是表征燃烧状态是否稳定的最直接反映。为实现燃烧稳定性状态诊断,本文运用图像处理技术从火焰燃烧的图像中提取燃烧状态的特征参数;针对火焰燃烧时呈现出来的不精确、不一致、不完整等特征,采用粗糙集理论进行分析、处理和诊断,实现燃烧稳定性的判定。煤炭燃烧时,火焰图像受到各种噪声源的影响,火焰具有很强的脉动性,提取的燃烧参数也随之波动。本文将多帧燃烧特征参数用区间数表述,采用区间-多属性决策算法对燃烧图像样本数据进行稳定性判断,生成燃烧诊断决策库。由于火焰燃烧存在无规律性的特点,仅使用区间数来描述燃烧的特征参数还无法消除燃烧图像数据的高冗余性、多属性间的复杂性和区间参数的连续不确定性,本文进一步采用离散化方法解决上述问题区间。这种离散化方法依据粗糙集理论上、下近似集的思想,对燃烧图像数据进行扩展,将燃烧属性区间属性对象之间的距离表示成上、下近似关系,定义相似度阈值确定燃烧参数的相似关系。为了得到最优的相似度阈值,引入粗糙熵的概念,通过搜索上、下粗糙熵变化关系得到最优的相似度阈值,实现用最少的离散划分区间得到较好的离散结果,降低了燃烧数据的冗余性和复杂性,提高了燃烧数据的置信度,并给出了一种粗糙区间-多属性决策燃烧稳定性判定方法。属性简约和属性值简约是粗糙集理论的核心内容。由于粗糙集数据处理对燃烧噪声比较敏感,当不同决策属性下的燃烧条件属性重要度不相同时,采用粗糙集属性简约的方法获取决策规则,会出现不相容现象,进而导致信息决策变异。由此,本文给出了一种启发式的属性简约方法。这种简约方法通过属性的信息熵作为属性重要度的衡量标准,得到属性的重要度;以属性重要度作为最大分布简约的启发信息,实现燃烧决策属性简约。最后,建立燃烧决策粗糙分类模型,实现燃烧稳定性的诊断。通过仿真验证,基于粗糙集属性值和属性简约具有较好的泛化和映射能力,能实现燃烧非线性系统稳定性判定。
董务明[5]2008年在《炉膛安全监控系统功能的改进与完善研究》文中进行了进一步梳理锅炉炉膛爆炸是一种较常发生的锅炉恶性事故。为此,大容量锅炉均应配备锅炉炉膛安全监控系统(Furnace Safeguard Supervisory System,简称FSSS)。FSSS,目前已成为大型火电机组锅炉安全运行必须具备的一种监控系统,运行于锅炉启停、运行的整个过程,连续密切地监视燃烧系统的大量参数与状态信息,不断地进行逻辑判断和运算,对油、煤燃烧器进行程控和保护等管理,实时地指令相应的联锁装置按照既定的合理程序完成必要的操作,保护锅炉炉膛安全,避免发生爆炸等事故。本文以目前国内运营的火力发电厂FSSS为研究对象,有针对性地概要阐述了FSSS各组成部分的基本原理和功能及在现场的整体运行情况。在准确掌握FSSS的防爆理论和炉膛燃烧管理理论的基础上,从现场热机运行的角度来认识和理解FSSS在锅炉运行中需要改进的问题。指出其难辨信号真伪、保护动作过于机械等大大增加了MFT(Mater Fuel Trip)动作的次数,造成了巨大的损失。通过对FSSS存在的突出问题的分析,提出了改进和完善措施。扩展FSSS的功能,使其在目前功能的基础上,还具备叁大功能:MFT预警功能,燃烧异常识别及自动处理功能,热工保护信号保真功能。可根据不同的机组情况配置所需的部分,从而极大地完善了FSSS在现场的功能,其中部分改进功能已在生产现场得到了很好的应用,取得了良好的效果,为现代大型火力发电厂的安全经济运行提供更加有力的保证。
白卫东[6]2004年在《电站锅炉煤粉火焰安全监测及燃烧诊断方法研究》文中进行了进一步梳理电站锅炉燃烧的稳定性直接关系到电站的安全和经济运行。因此，电站锅炉必须配备功能齐全、性能可靠的炉膛安全监视系统(FSSS)。 目前电站锅炉上所使用的火焰检测装置主要采用红外、紫外和可见光探头，根据所检测到的火焰辐射强度和闪烁频率来判断火焰的“有”或“无”。由于煤粉燃烧的动态特性非常复杂、煤质多变、燃烧器摆动等原因，使得这两种火焰检测器整定困难，运行中常常出现误判断，影响了锅炉机组的正常运行。 图像式火焰检测器具有直观、信息量大、符合人类的视觉习惯等优点，可以有效避免上述事故的发生。 本文的主要工作就是应用先进的计算机图像处理技术，根据火焰图像的光度信息、色度信息和辐射传递方程反演计算炉膛内的温度分布；探求定量判断燃烧火焰稳定性的方法；研究NO_x、SO_2的生成机理和排放规律，研究氧气分压、煤粉粒径、加热速率和气氛对煤粉燃烧速度的影响规律；对影响飞灰可燃物含量的各种因素及其影响规律进行了总结；最后使用上述的研究成果，结合电站锅炉运行参数和煤质数据对污染物排放和飞灰可燃物含量进行诊断研究。 首先，在实验台和电站锅炉上分别进行了实验研究，取得了稳定燃烧和爆燃熄火过程的火焰图像。通过对火焰状态的理解、分析，从火焰图像中提取出能够有效反映燃烧状态的七个通用特征量：火焰有效区域面积，高温区域面积、火焰有效区域亮度、火焰高温区域亮度、火焰高温面积率、火焰质心偏移距离和火焰的圆度。由此七个特征量构建一个特征矩阵，然后基于主元分析技术，提出一种对燃烧火焰的稳定性进行了监视和诊断的方法，采用T~2和SPE两个统计量对每一时刻的图像数据向量进行监测，检验是否超过各自的控制限，只要这两个统计量之一越限，则可判定燃烧出现异常。实验结果表明：该种方法能够在线实时地、有效地识别、判断燃油和燃煤火焰的燃烧状态，并且将结果以SPE图、T~2图和主元图的形式直观地表示出来。并且采用支持向量机方法进行了比较。浙江大学博士学位论文摘要 其次，在热天平和煤粉试验台上进行的煤粉燃烧实验和对万口工、S口:生成机理的研究结果表明: .随着煤粉粒度的减小、氧气分压的增大、加热速率的提高，煤粉燃 烧速度加快; .煤粉在氧气、二氧化碳和氮气的混合气氛中的燃烧速度也随着氧气 的分压降低而降低，但燃烧速度的绝对值远低于空气、纯氧中的燃 烧速度; .在通常的运行范围内，万久和502在一定程度上随炉膛温度、过量 空气系数、二次风温、一二次风比率的增大而增大; .在通常的运行范围内，飞灰可燃物含量与过量空气系数成反比，与 燃烬风率、烟气再循环率、燃料比、煤粉粒径成正比(过量空气系 数一定)，随容积热负荷的变化而有一个最佳值。 此外，在工业现场进行了多次关于飞灰可燃物含量、刃久排放量、S口2排放量与锅炉运行参数和煤质成分的相关试验。综合试验和理论分析结果，确定出对Nox、502生成和飞灰可燃物含量有重要影响的电站锅炉运行参数，结合反演出的温度场分布和煤质数据构造自变量矩阵;由飞灰可燃物含量、万认排放量、50:排放量构造因变量矩阵。由于在生产实际中无法时时获取煤质数据，因此本文分别对考虑煤质数据和忽略煤质数据两种情况，应用PLS和神经网络方法对飞灰可燃物含量、万久排放量、502排放量进行了对比计算。 最后，详细介绍了为300MW火电机组开发的火焰监测和燃烧诊断系统的硬件构成，软件界面和主要功能。以期指导电站锅炉的安全、经济运行。关键词:安全管理工程，环境工程学，工程热物理，主元分析，偏最小二乘，监测火焰图像，温度场测量，燃烧诊断，模式识别
黄本元, 罗自学, 周怀春[7]2007年在《炉膛燃烧稳定性的火焰图像诊断方法》文中认为通过对燃煤锅炉炉膛火焰图像辐射能信号的分析,从多幅火焰图像中综合得出反映全炉膛图像的特征量,据此可以准确地给出炉膛燃烧调整的程度,从而使燃烧便于监测与控制。图像诊断分析对锅炉燃烧状况、灭火预警,以及炉膛安全监控系统(FSSS)的分析等有显着的效果。
黄耀松[8]2013年在《基于辐射光谱法的火焰燃烧稳定性检测研究》文中研究指明火焰燃烧是一个复杂的物理化学过程,很难对其燃烧稳定性进行准确评判。本文通过对燃烧火焰特性的分析,从光谱辐射信号处理的角度研究燃烧火焰稳定性问题。采用成本较低的火焰检测装置,设计了一套火焰燃烧在线监测系统,系统具有在线采集、显示以及稳定性分析等功能。通过多工况的监测获得训练所需的数据,在小波分析对数据进行前期降噪处理基础上,采用快速傅里叶变换和高阶统计量的方法将时域信号转变到频域及相位域信号,然后分别从时域、频域以及相位域分析火焰辐射特征信息,并定性给出反映其燃烧稳定性的特征参数的数学表达式。在火焰辐射信号特征参数提取的基础上,研究了马氏距离识别、BP神经网络以及最小二乘支持向量机叁种模式识别的方法在火焰燃烧稳定性检测上的应用,并分析、比较其稳定性识别结果以及讨论了叁种算法的性能特点。通过对各种实验工况的实例分析,获得的结果表明,叁种方法都能有效识别燃烧火焰稳定性,识别率都达到90%以上。但是对于非线性、小样本下的火焰燃烧辐射信号,最小二乘支持向量机具有更加明显的优势,其采用核函数将非线性分类问题转化为高维下的线性分类问题,泛化能力以及算法性能比BP神经网络要好,而马氏距离作为聚类分析的一种,属于线性分析方法,对于非线性的火焰辐射信号分类效果没有BP神经网络和最小二乘支持向量机理想。因此对于火焰辐射信号,采用最小二乘支持向量机获得的燃烧火焰稳定性识别结果最好,其可以被有效地用于揭示火焰燃烧稳定状况,为电站运行人员评判火焰燃烧稳定性能提供可靠的参考信息。
白翔[9]2014年在《基于OH-PLIF的预混火焰燃烧稳定性研究》文中指出本文将平面激光诱导荧光技术(PLIF)与火焰辐射光谱法结合,提取了大量反映燃烧特征变化的特征变量,定性地分析了各特征变量对燃烧稳定性的影响,构建了基于实数编码加速遗传算法的投影寻踪分类模型。为了实现多种燃烧诊断方式融合的检测技术,以燃气轮机单筒燃烧室为模拟对象,设计并搭建了燃烧试验台,通过合理简化和改造燃烧室,实现了多种燃烧检测诊断技术的融合。将平面激光诱导荧光技术(PLIF)与火焰辐射光谱法结合,不仅能够从光强和闪烁频率等火焰外在信息进行燃烧诊断,也实现了有效记录火焰瞬态结构,能够定性地分析火焰燃烧中间产物的分布并了解火焰燃烧稳定性的影响组分,从燃烧机理方面探究燃烧稳定性的影响因素。实验重点研究了不同空燃比的甲烷-空气在燃气轮机燃烧室中预混燃烧的火焰稳定性和污染物浓度排放,建立基于实数编码加速遗传算法的投影寻踪分类模型,进行燃烧状态诊断及分类。首先,从时域和频域提取了能够反映火焰稳定性的8个特征量,并采用基于实数编码的加速遗传算法的投影寻踪分类模型(RAGA-PPC)对火焰燃烧稳定性特征量进行分析和讨论,得到能够反映高维数据结构的最佳投影方向,给出了这8个特征量在评价火焰燃烧稳定性时的重要程度,其中强度均值这个特征量对火焰燃烧稳定性的影响贡献最小,火焰闪烁频率对火焰燃烧稳定性影响贡献最大,验证了经典的燃烧理论。其次,根据投影值和样本序号,建立起火焰燃烧稳定性评价模型,给出了评价模型的函数关系式,并分析了模型的误差。最后对测试样本进行了预测,给出预测结果,结果表明评价模型基本能满足火焰燃烧稳定性判别的要求。
王燕晋[10]2005年在《基于炉内火焰图像的燃烧诊断方法研究》文中提出针对现今电厂采用的锅炉燃烧监控系统所采集的火焰动态图像,提出了一种利于辅助分析的炉内火焰燃烧诊断方法。该方法分析了火焰图像的特点,提出了分析火焰稳定性判别的叁个特征量,作为BP神经网络输入参数,得到输出确定为火焰稳定性系数,然后用模糊判别给出准确地燃烧稳定性综合评估。文章介绍了炉膛火焰监控系统的软硬件组成,回顾了计算机视频技术的发展过程。并结合新方法新技术改进了炉膛火焰监控系统软件部分的功能,使其更为有效的应用于现场工作当中。
参考文献：
[1]. 火焰燃烧稳定性诊断方法研究[D]. 张清宇. 浙江大学. 2004
[2]. 电站锅炉燃烧状态识别与诊断研究[D]. 郝祖龙. 华北电力大学（北京）. 2010
[3]. 基于炉内火焰图像的燃烧诊断方法研究[J]. 王燕晋, 刘禾. 现代电力. 2006
[4]. 基于粗糙集和图像信号的燃煤锅炉稳定性判定方法研究[D]. 马吴永. 合肥工业大学. 2016
[5]. 炉膛安全监控系统功能的改进与完善研究[D]. 董务明. 东北电力大学. 2008
[6]. 电站锅炉煤粉火焰安全监测及燃烧诊断方法研究[D]. 白卫东. 浙江大学. 2004
[7]. 炉膛燃烧稳定性的火焰图像诊断方法[J]. 黄本元, 罗自学, 周怀春. 热力发电. 2007
[8]. 基于辐射光谱法的火焰燃烧稳定性检测研究[D]. 黄耀松. 华北电力大学. 2013
[9]. 基于OH-PLIF的预混火焰燃烧稳定性研究[D]. 白翔. 华北电力大学. 2014
[10]. 基于炉内火焰图像的燃烧诊断方法研究[D]. 王燕晋. 华北电力大学（北京）. 2005