电力科学与工程
電力科學與工程
전력과학여공정
INFORMATION ON ELECTRIC POWER
2013年
8期
50-56
,共7页
循环流化床%Ca/S摩尔比%一/二次风%密相区床温%BP神经网络
循環流化床%Ca/S摩爾比%一/二次風%密相區床溫%BP神經網絡
순배류화상%Ca/S마이비%일/이차풍%밀상구상온%BP신경망락
在一台300 MW以洗中煤和煤矸石按6∶4比例混合后制得的混矸煤为燃料的工业CFB锅炉上,研究了床温、Ca/S摩尔比、一/二次风配比主要因素对脱硫效率的影响.试验结果表明:脱硫效率随着Ca/S摩尔比增大而提高,并且提高的幅度越来越小,最后趋于平稳;脱硫效率随着床温的升高而逐渐降低,并且减小幅度越来越小;脱硫效率随二次风率的增加先缓慢增大,后迅速下降,存在一个最佳的二次风率.以试验数据为基础,建立了3种算法的BP神经网络模型对脱硫效率进行预测,通过对比分析发现:基于附加动量法的BP神经网络预测脱硫效率时,在单隐含层神经元数为15时,其平均偏离度为3.76％,最大相对误差为8.97％,这能够较好地预测CFB锅炉的脱硫效率.
在一檯300 MW以洗中煤和煤矸石按6∶4比例混閤後製得的混矸煤為燃料的工業CFB鍋爐上,研究瞭床溫、Ca/S摩爾比、一/二次風配比主要因素對脫硫效率的影響.試驗結果錶明:脫硫效率隨著Ca/S摩爾比增大而提高,併且提高的幅度越來越小,最後趨于平穩;脫硫效率隨著床溫的升高而逐漸降低,併且減小幅度越來越小;脫硫效率隨二次風率的增加先緩慢增大,後迅速下降,存在一箇最佳的二次風率.以試驗數據為基礎,建立瞭3種算法的BP神經網絡模型對脫硫效率進行預測,通過對比分析髮現:基于附加動量法的BP神經網絡預測脫硫效率時,在單隱含層神經元數為15時,其平均偏離度為3.76％,最大相對誤差為8.97％,這能夠較好地預測CFB鍋爐的脫硫效率.
재일태300 MW이세중매화매안석안6∶4비례혼합후제득적혼안매위연료적공업CFB과로상,연구료상온、Ca/S마이비、일/이차풍배비주요인소대탈류효솔적영향.시험결과표명:탈류효솔수착Ca/S마이비증대이제고,병차제고적폭도월래월소,최후추우평은;탈류효솔수착상온적승고이축점강저,병차감소폭도월래월소;탈류효솔수이차풍솔적증가선완만증대,후신속하강,존재일개최가적이차풍솔.이시험수거위기출,건립료3충산법적BP신경망락모형대탈류효솔진행예측,통과대비분석발현:기우부가동량법적BP신경망락예측탈류효솔시,재단은함층신경원수위15시,기평균편리도위3.76％,최대상대오차위8.97％,저능구교호지예측CFB과로적탈류효솔.
