简介:燃煤锅炉是复杂的多变量系统,其飞灰的含碳量形成机理复杂,不能用简单的数学公式估算。现场实炉测试这些数据具有工作量大,测试工况有限等缺点;燃煤锅炉运行参数及燃料特性等因素影响着飞灰的含碳量,其相互耦合,导致分析数据过程困难。神经网络建模将燃煤锅炉视为黑箱,应用该方法可以良好的描述其输入输出之间的黑箱特性,因此,人工神经网络应用广泛。利用燃煤锅炉试验数据,采用3层BP(backpropagation)神经网络构建了锅炉飞灰的含碳量排放特性模型。通过锅炉的实测数据验证,该BP神经网络对飞灰含碳量相对预测误差在0.19%~0.50%,预测效果良好。测试结果表明,建立的神经网络预测模型可以准确逼近验证样本数据,也能够较好的逼近非验证样本数据,具有良好的泛化能力。
简介:对稠油集输伴热管道的传热过程进行了分析,建立了伴热管道轴向温度计算物理及数学模型,并进行了数值模拟。给出了伴热效率的定义,分析了相关因素对温度分布及伴热效率的影响,为稠油集输伴热管道设计及运行管理提供了技术支持。实例计算分析结果表明,保温层对伴热效果影响最大,当聚氨酯保温层厚度从10增加到40mm时,油管介质出口温度增加了15.6℃,伴热效率增加了7.2%;其次是伴热热水流量,当热水流量达到油质流量的4.5倍时,油管介质出口温度增加7.6℃,伴热效率增加1.5%,进一步增加流量,影响非常小。不利因素中影响最大的是伴热管道结水垢,随着水垢厚度的增加,油出口温度及伴热效率都降低;其次是油管结蜡,随着油管结蜡厚度的增加,油出口温度有所增加,但伴热效率降低。