一、氧化镐氧量计在优化锅炉燃烧过程中的应用（论文文献综述）
张宇珩[1]（2021）在《燃煤电厂氧量传感器测量可靠性评估和故障诊断研究》文中指出中国的能源结构不断地在变化,近些年来,火电机组深度调峰和超低排放的要求不断提高也催生了“智能电厂”的发展。而“智能电厂”所依赖的先进的测试技术、大数据分析和智能化技术都需要能准确反映机组参数的测量数据,因此有必要对用于测量的传感器进行可靠性评估和故障诊断。烟气含氧量是锅炉燃烧调整和运行需要控制的一个重要参数,是确保锅炉安全性、经济性运行的重要指标。目前燃煤电厂对于烟气含氧量的测量普遍采用氧化锆传感器进行直接测量,但是传统的传感器测量不免会发生传感器老化或故障的问题,影响氧量测量的准确性和可靠性,因此对氧量传感器进行测量可靠性评估和故障诊断既有利于锅炉的控制运行,也对“智能电厂”的发展有着重要意义。本文利用BP神经网络和机组运行的历史数据,以锅炉燃烧原理为基础,结合相关性和灰色关联度分析,建立了烟气含氧量的软测量模型,通过软测量模型预测值和传感器实际测量值的相关性分析和拟合分析,再利用直接冗余法建立了传感器间的信任度矩阵,对各个氧量传感器进行了测量可靠性的分析。根据所建立的模型,对预测值和传感器测量值进行了残差分析,分析了各个氧量传感器的运行状况和可靠性。针对氧量传感器的特点,将常见的传感器故障进行分类和数学描述,对氧量传感器易出现的故障,如偏置故障、卡死故障和漂移故障,进行了仿真分析。采用主元分析法,利用Hotelling T2统计量和SPE统计量,对故障进行了诊断,结果表明:该方法可以有效诊断出偏置故障、卡死故障和漂移故障,具有一定的应用前景。
任锦[2]（2018）在《基于改进最小二乘支持向量机的锅炉烟气氧含量软测量研究》文中研究说明火力发电是我国的主要发电方式,是国民经济的先行军,因此提高锅炉燃烧效率、降低发电煤耗是电力领域急需解决的问题。过量空气系数是反映锅炉燃烧效率和热利用率的重要参数,但在锅炉运行过程中,过量空气系数不可直接测量,往往通过烟气氧含量来间接得到该数值。因此,烟气氧含量的精确测量对于指导生产运行有着重要的作用。目前火电厂常采用氧化锆氧量传感器测量烟气氧含量,但氧化锆传感器使用一段时间后存在测量误差大且维修复杂等问题。因此,对烟气氧含量软测量技术进行研究具有重要意义。本文以陕西某电厂锅炉燃烧系统为背景,在对锅炉燃烧系统的工艺流程分析的基础上,围绕辅助变量的初选与终选、数据的采集与预处理、软测量模型的建立与在线校正、烟气氧含量软测量系统的实现等方面展开了深入研究,具体研究内容如下:（1）辅助变量的初选与终选在综合分析了锅炉燃烧系统工艺流程和烟气氧含量影响因素的基础上,首先初选锅炉负荷、主蒸汽温度等11个量作为辅助变量,然后以辅助变量携带信息量最大化和与烟气氧含量相关性最大为准则,利用主元分析法和灰色关联度法选择建立软测量模型所需的辅助变量。最终确定总送风量、主蒸汽流量、送风电流、引风电流、总给煤量、锅炉负荷、主蒸汽温度、主蒸汽压力和给水流量9个量作为辅助变量。（2）数据的采集与预处理从火电厂现场DCS系统中采集300组样本,首先对采集到的样本进行最小-最大标准化,然后基于3?原则、五点三次法消除过失误差和随机误差。从经过数据预处理后的275组样本中,选择其中的192组样本作为训练数据,建立软测量模型,剩余的83组样本作为测试数据,验证所建模型的预测精度和泛化性能。（3）烟气氧含量软测量模型的建立与在线校正分别采用LSSVM、PSO-LSSVM和改进的PSO-LSSVM算法建立烟气氧含量软测量模型。通过仿真对比发现,传统的LSSVM模型采用试凑法确定正则化参数和核参数,存在盲目性和偶然性,且模型预测精度不高。PSO-LSSVM软测量模型,利用PSO算法优化LSSVM的超参数,模型预测精度明显提高,但标准PSO算法易陷入局部最优值。改进的PSO-LSSVM算法,使用带有随机惯性权重的CPSO算法优化LSSVM的超参数,改进的PSO-LSSVM算法拥有很好的预测精度和可靠性,更适用于现场烟气氧含量的检测。最后建立滑动窗口实现模型的在线校正。（4）烟气氧含量软测量系统的实现为了不影响现有锅炉燃烧DCS系统的正常运行,从现有锅炉燃烧DCS系统的上位机中直接读取辅助变量的实测值,利用OPC技术实现MATLAB与上位机WinCC系统的数据通讯,实现在线检测烟气氧含量。本文采用改进的PSO算法优化LSSVM的正则化参数和核参数的方法,提高了烟气氧含量模型的预测精度、泛化性能和可靠性。借助OPC技术和工业以太网通讯,给出了锅炉燃烧系统烟气氧含量软测量的具体工程实现方案,实现烟气氧含量的实时高精度检测。
闫超[3]（2016）在《600MW超临界前后墙对冲锅炉水冷壁高温腐蚀机理分析及其治理》文中研究表明近十年以来,作为燃煤电厂三大主机之一的锅炉向大容量高参数不断发展,锅炉的炉膛温度、水冷壁壁温不断升高,随着国家新环保法规的发布,环保要求的日益提高,NOx排放指标要求更加严格,随着低氮燃烧器大规模应用,部分已投运的燃煤机组锅炉上,存在并相继发生了比较突出的水冷壁高温腐蚀问题,同时随着锅炉低负荷运行时间的增加及高硫分、高灰分煤的使用,高温腐蚀加剧,造成锅炉水冷壁管严重减薄,甚至爆管,导致机组非计划停运,对锅炉长期安全稳定运行的可靠性性和经济性产生很大影响,主要体现在:（1）水冷壁管壁不断减薄,甚至低于最小计算壁厚,存在严重隐患,增加了电厂的大小修工作量。（2）水冷壁失去应有强度突发性爆管,造成紧急停炉抢修,直接影响企业效益,同时造成了很大的社会影响。为解决高温腐蚀对锅炉安全性及经济性带来的危害,电厂采取了腐蚀换管、燃烧设备专项调整以及防腐金属喷涂等措施,但效果有限并不理想,水冷壁管腐蚀依然严重。本文拟以某600MW机组锅炉为样板进行研究,分析煤粉锅炉高温腐蚀生成机理,经过诊断分析确定影响腐蚀的因素,寻找高温腐蚀的根本原因,提出改造建议,进行相应的技术改造,采取了增设贴壁风装置、燃烧器局部优化等改造措施,有效的改善了壁面还原性氛围,抑制了水冷壁管的腐蚀。通过燃烧调整试验达到预期效果,最终彻底解决高温腐蚀问题,提高机组运行的安全性及经济性。
张丹丹[4]（2016）在《氧量计测量在电厂节能与环保中的应用探讨》文中指出燃煤锅炉燃烧质量的好坏与电厂的燃料消耗率有着一定的关系的,锅炉烟气中氧量的自动分析就是为了更好的监督燃烧质量,从而更好的控制燃料和控制的比例,使锅炉中的燃料可以完全燃烧。本文对氧量计测量在电厂节能与环保中的应用进行了简单的分析。
谢一飞[5]（2016）在《基于神经网络和支持向量机的蔗渣锅炉烟气氧含量软测量模型》文中研究说明烟气氧含量是确保蔗渣锅炉燃烧优化控制的重要因素之一。通过烟气氧含量的监测可以对锅炉燃烧系统过程中的风燃比值进行及时有效的调节,降低热损失,提高效率,从而使锅炉燃烧得到优化。目前,蔗渣锅炉系统主要利用热磁式氧量传感器和氧化锆氧量传感器进行烟气氧含量的测量。但这些氧量分析仪精度差、价格昂贵、使用寿命短,并且测量时滞后较大,不利于锅炉燃烧过程中的在线实时监视。针对这些问题,本论文基于蔗渣锅炉烟气氧含量的特点、各影响因素之间的关系、常见软测量模型、数据处理等基础知识,决定采用神经网络和支持向量机的方法对蔗渣锅炉氧含量进行软测量建模。本文首先对采集的数据进行分析和预处理,再用BP神经网络来进行软测量建模。由于预测数据误差较大,泛化能力差,故对其方法进行改进,采用了改进型Elman神经网络方法。该方法可有效地提高预测精度,更易于收敛。然而由于神经网络具有的不稳定性和局部极小点的问题,本文决定改用回归支持向量机（SVR）方法进行建模。该方法采用训练误差的平方来代替松弛变量,但是计算量过大,训练时间较长。为了避免求解二次规划问题,提高训练的速度,采用最小二乘支持向量机（LS-SVR）。可是LS-SVR由于惩罚因子C及高斯核函数参数σ的参数选择,丢失了SVR的鲁棒性和松弛性,从而对模型产生了一定的影响,使预测精度有所下降。故考虑采用粒子群算法（PSO）来对LS-SVR中惩罚因子C及高斯核函数参数σ参数进行优化,得到PSO-LS-SVR的软测量模型。最后,运用SMPT-1000平台和某糖厂实际现场数据来进行预测数据误差比较。实验结果表明得到的PSO-LS-SVR软测量模型能达到良好的预测效果,符合工业要求。
刘千[6]（2016）在《电站锅炉燃烧优化控制与状态诊断的研究》文中研究表明燃煤发电在未来相当长的一段时间内仍然是我国最重要的发电方式,资源、环境和气候的变化给燃煤发电的可持续发展带来了严峻的挑战。在燃煤火电机组单机容量不断提高、参数不断增多、系统越来越复杂的情况下,基于炉膛参数测量对电站锅炉燃烧优化控制和状态诊断问题进行研究,将为燃煤火电机组实现高效率、低污染排放、安全稳定运行提供有效解决方案。本文基于电站锅炉炉膛参数的测量,围绕大型电站锅炉燃烧优化控制与状态诊断展开,做了以下工作:（1）对影响电站锅炉燃烧的锅炉炉膛参数进行研究。分析了锅炉炉膛参数对锅炉效率、污染物排放、锅炉寿命的影响,以及这些参数与锅炉燃烧优化运行间的相互制约关系。从测量原理和系统构成方面描述了基于激光吸收光谱的炉膛参数检测新技术。以某燃煤机组为例,进行了基于激光吸收光谱的炉膛参数测量和场重建实验研究。（2）对四角切圆燃煤锅炉的炉膛温度场平衡控制方法进行研究。讨论了炉膛温度场分布不均导致的问题以及炉膛温度场对锅炉氮氧化物生成的影响,提出一种基于模糊自整定PID控制器参数的炉膛温度场平衡控制策略。利用炉膛参数激光测量系统获取的炉膛温度场二维图像,计算炉膛温度场中心坐标,依托分散控制系统,根据PID控制器计算出锅炉四角的辅助风控制修正量,进而通过调整锅炉四角的辅助风风量大小来完成对炉膛温度场中心的调节,实现炉膛温度场的平衡控制。在温度场平衡控制过程中,通过采用模糊自整定方法来完成对PID控制器参数的寻优。（3）对基于数据驱动案例匹配的电站锅炉燃烧优化进行研究。根据电站锅炉运行参数的特点,将影响锅炉效率和氮氧化物排放的热工参数按照需求分为支撑热工参数和优化调整热工参数,在考虑提高锅炉效率和降低锅炉污染物排放的双重要求下,提出一种基于数据驱动案例匹配的电站锅炉燃烧优化方法。首先在离线状态下,根据支撑热工参数对历史数据库中的历史运行工况进行稳态判断、挖掘,建立燃烧优化系统的案例库,在线实施优化时,基于机组实时运行数据进行当前工况计算,基于案例库进行案例工况匹配,从而获得当前运行工况的最优参数设定值,完成电站锅炉的燃烧优化,通过与其它燃烧优化方法对比分析,所提出的方法具有明显优势和工程实际应用价值。（4）对电站锅炉燃烧稳定性和经济性状态评判进行研究。分析炉膛参数对锅炉燃烧稳定性和经济性的影响,基于电站锅炉炉膛参数激光测量系统获取的数据,提出一种电站锅炉燃烧状态模糊综合评判方法,通过构建二级模糊综合评判模型,从炉膛温度、炉内02浓度和炉内CO浓度三个方面综合评判锅炉燃烧稳定性和经济性状态。在获取评判结果的基础上,为了更迅速地完成对锅炉燃烧状态的评判,构建电站锅炉燃烧稳定性和经济性状态评判支持向量机模型,实验结果表明,支持向量机评判模型能够对不同工况下的锅炉燃烧状态进行客观有效地评判,计算速度快,可为在线优化调整锅炉燃烧提供指导。
童晓[7]（2015）在《基于LSSVM和改进PSO算法的燃煤锅炉燃烧优化研究》文中研究指明随着节能、降耗、减排等要求的日益提高,锅炉行业因为锅炉燃烧系统存在的缺陷或不足往往达不到高效低排放污染的要求,而燃煤锅炉是其中最大的源点。本文针对燃煤锅炉燃烧优化调整开展研究,具有一定的现实意义。首先,建立锅炉燃烧特性模型并实现参数优化。本文针对锅炉的燃烧过程存在多变量、强耦合、多干扰和大滞后等复杂的特性,将一种最小二乘支持向量机（Least Squares Support Vector Machine,LSSVM）理论引入到了燃煤锅炉燃烧优化的建模中。为了优化LSSVM模型内部结构以提高预测精度,依据LSSVM预测原理及其内部参数选择的不确定性,采用一种改进的粒子群优化（Particle Swarm Optimization,PSO）算法对模型的内部参数进行寻优,即对PSO算法中的惯性权重及学习因子进行设定使得优化性能提高。通过与另两种参数优化算法比较,可得:LSSVM是一种有效的建模方法,拟合度高;上述两者结合可改善模型的预测精度和泛化能力,在NOX排放浓度预测方面明显优于其他两种方法。其次,实现锅炉的燃烧多目标优化。针对PSO算法在粒子搜索后期由于开发能力减弱导致多样性下降及出现过早收敛于局部值的问题,对其进行修正。优化结果表明,PSO算法与LSSVM结合可有效地实现多目标寻优,在保证锅炉效率的同时降低NOX排放,找到最佳的送风调节系统的设定值,给出一种可行的各风门开度等操作量的优化调整方案,从而实现燃煤锅炉燃烧优化的运行。最后,设计了锅炉远程监测系统及优化平台。设计了一个基于GSM/GPRS通信网络的监测系统,接着在锅炉远程监测以及燃烧优化内容的基础上,开发设计了一个web平台,实现对锅炉的运行工况进行监测,并通过在线优化获取可调参数,供给锅炉运行人员参考并执行,提高了工作效率。
夏均霞[8]（2014）在《工业用煤粉锅炉燃烧优化控制算法研究》文中进行了进一步梳理随着我国国民经济的飞速发展,对电力资源的需求也迅速增大。在我国,火力发电在电力生产中仍占据着主导地位,为满足生产及生活对电力的需求,每年需要消耗大量的煤炭资源,而且排放大量NOx及其他污染物。工业用煤粉锅炉的燃烧过程工况非常复杂,涉及燃烧、传热、及流动多方面过程,锅炉热效率及污染物排放量受到风量、风速、炉膛过量空气系数、煤粉种类、机组负荷等因素影响。而且,这些影响因素通常又是相互影响,相互交错,更增加了燃烧过程的复杂性,因此燃烧过程是一个非线性、多变量的复杂系统。我们目前需要解决的问题就是优化该复杂系统的热效率并降低工业废气的排放,我们必须在工业过程中使用先进控制与工程优化技术,把提高热效率和降低污染物排放作为双重目标来研究锅炉燃烧系统。在热工过程中,经常会有这样的过程,其调整时间很长,而工况却是经常变化的,尤其是投用自动发电控制（AGC Automatic Generation Control）的机组,它们的负荷根据电网的需求时刻都会变化。当工况变化后,一些最优的工作点就会发生漂移,这就需要在较短的时间内得到最优工作点。然而现有的在线优化算法基本上都是基于静态模型的,必须等待过程稳定才能获取一个有效的数据,我们可以通过把过程的动态特性考虑进去来解决这种矛盾。本文通过分析锅炉效率与电站负荷及烟气含氧量的函数关系,并考虑NO排放量,将其惩罚金额折算成消耗的煤炭量对锅炉燃烧效率进行校正,将该校正后的锅炉效率确立为优化过程的目标函数。针对过程的非线性动态模型特点,为了把过程的动态特性考虑在内,在每个周期内对优化目标函数模型进行辨识,并根据辨识结果确定目标函数的稳态模型进行稳态优化,使得系统能够快速跟随工况的变化而重新确定最优工作点。在本文中,我们选用Hammerstein模型作为锅炉修正效率的模型结构,采取HOEAMLS算法进行在线参数辨识,并在每个周期内考虑其稳态模型采用BFGS拟牛顿算法进行优化,在不同电站负荷下,确定最佳氧量设定值,使得锅炉校正效率最高。本文主要研究内容及工作如下：1.对于优化算法,针对文章电站锅炉预测控制与燃烧优化研究对于优化算法的研究,对自适应算法进行简化和改进。首先,对于模型的在线辨识,用HOEAMLS方法代替渐消记忆的广义最小二乘算法,增强了系统对实时数据的处理能力；2.对于多变量优化算法,采用BFGS拟牛顿算法,保证搜索方向是目标函数在迭代点的下降方向。拟牛顿法可以克服当Hess矩阵奇异时算法无法进行的缺陷,避免了对于大规模问题Hess矩阵计算量庞大等问题,并且在一定的条件下,这类算法仍具有超线性收敛速度。3.深入研究影响锅炉效率的几种因素,分析各因素的影响程度。并通过分析氧量设定值对CO、NO各项热损失的影响,把CO、NO各项热损失对锅炉热效率的影响转化为氧量设定值对效率的影响关系,确立模型结构并通过仿真实验验证该结构的实用性及通用性。4.将监控层在线燃烧优化与过程控制层氧量控制结合起来,完成煤粉锅炉在线燃烧优化控制算法的实现并仿真验证。
李钧[9]（2010）在《基于预数值计算的煤粉锅炉燃烧监测与优化》文中研究说明煤粉锅炉燃烧监测和优化,是在确保锅炉安全性的前提下,通过燃烧调整,达到提高燃烧效率和降低污染物排放的目标。本文以某电站300MW四角切圆燃烧煤粉锅炉为具体研究对象,深入分析了控制氮氧化物排放与降低飞灰可燃物含量之间的矛盾,采用预数值计算方法,研究煤粉锅炉燃烧监测和优化。探讨了把计算结果精确但耗时较长的数值计算方法,应用于锅炉燃烧监测和优化。为四角切圆燃烧煤粉锅炉燃烧监测和优化提供了一种有效的途径。具体研究内容及主要研究成果如下:（1）应用预数值计算方法,对煤粉锅炉的燃烧特性进行研究。利用四角切圆燃烧煤粉锅炉专用数值计算软件COALFIRE,对锅炉28个运行工况进行了精确预数值计算,得到了锅炉燃用煤质、煤粉细度、锅炉负荷和二次风配风方式等参数变化对炉内温度、氧浓度、一氧化碳浓度、辐射受热面热负荷,特别是飞灰可燃物含量、氮氧化物释放的影响规律。计算结果与实际运行数据吻合良好,为实现锅炉燃烧监测和优化提供了比较精确的数据支持。（2）以预数值计算结果作为训练样本,建立了基于支持向量机的锅炉燃烧工况预测模型。支持向量机算法的特点是能根据有限的样本信息,在模型的复杂性和学习能力之间寻求折衷,获得较好推广能力。利用该算法解决锅炉燃烧工况影响因素复杂,获得的工况样本数量有限的问题,实现锅炉燃烧工况的监测,并与实际运行数据对比,对模型进行了验证。结果表明所建模型对燃烧工况的变化响应灵敏,结果准确,能够满足燃烧监测的要求。（3）采用因子分析法,对锅炉燃烧工况的评价指标进行降维,定义评价燃烧工况优劣的安全性、经济性和环保性因子,推导了各因子的计算式。在提取燃烧工况的公共因子后,通过计算燃烧工况的综合评价得分,进而建立燃烧工况评判模型,并结合具体工况进行验证,结果表明,基于因子分析法的燃烧工况评价模型,评价结果合理,可用于指导锅炉燃烧调整与优化。（4）采用Visual Basic语言开发了基于预数值计算的四角切圆煤粉锅炉燃烧监测与优化系统,并进行了离线运行与测试。结果表明通过该系统能够实现对燃烧工况的监测和优化,为煤粉锅炉达到高效燃烧和低污染物排放的优化运行,提供了新的途径。
童文洪[10]（2009）在《基于数据融合技术的氧量软测量研究及其应用》文中研究说明尾部烟气含氧量的准确测量对提高锅炉燃烧的经济性有重要意义。本文把软测量技术和数据融合技术应用于尾部烟气氧含量的测量。主要通过机理分析建立了氧量软测量模型,并根据所建模型在福建可门电厂的600MW超临界机组上进行计算并组态实施,以验证模型的实际效果。根据现场调试和比对实验,表明建立的氧量软测量模型能够较好的反映实际氧量的变化。此外,本文基于工艺机理的氧量软测量模型完全利用锅炉已有信号,相对于传统氧量计,具有可靠性高、计算精度高、使用维护方便等优势。而且在其他方面例如控制、设备故障诊断等方面具有良好的应用前景,因此本文的软测量方法具有较大的推广应用价值。
二、氧化镐氧量计在优化锅炉燃烧过程中的应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、氧化镐氧量计在优化锅炉燃烧过程中的应用（论文提纲范文）
（1）燃煤电厂氧量传感器测量可靠性评估和故障诊断研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 引言 |
| 1.2 课题背景与国内外研究现状 |
| 1.3 本文的研究方法介绍 |
| 1.4 本文的研究内容 |
| 1.5 本章小结 |
| 2 辅助变量的选择和处理 |
| 2.1 辅助变量的选取 |
| 2.1.1 相关性分析 |
| 2.1.2 灰色关联度分析 |
| 2.2 风量测量的处理 |
| 2.3 给煤量测量的处理 |
| 2.4 本章小结 |
| 3 烟气含氧量软测量建模 |
| 3.1 数据预处理 |
| 3.2 神经网络的建立和模型适用条件 |
| 3.3 软测量建模结果分析 |
| 3.3.1 A侧氧量计软测量建模结果分析 |
| 3.3.2 B侧氧量计软测量建模结果分析 |
| 3.4 模型改进 |
| 3.5 本章小结 |
| 4 传感器故障分析 |
| 4.1 冗余法 |
| 4.2 基于神经网络的残差分析法 |
| 4.2.1 偏置故障仿真 |
| 4.2.2 卡死故障 |
| 4.2.3 漂移故障 |
| 4.3 氧量传感器的故障诊断 |
| 4.3.1 A侧氧量传感器的故障诊断 |
| 4.3.2 B侧氧量传感器的故障诊断 |
| 4.4 本章小结 |
| 5 总结与展望 |
| 5.1 全文总结 |
| 5.2 不足与展望 |
| 参考文献 |
| 作者简介 |
（2）基于改进最小二乘支持向量机的锅炉烟气氧含量软测量研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 选题背景与意义 |
| 1.2 电厂烟气氧含量检测国内外研究现状 |
| 1.2.1 氧量传感器检测现状 |
| 1.2.2 软测量技术发展现状 |
| 1.3 论文主要研究内容及章节安排 |
| 1.3.1 主要研究内容 |
| 1.3.2 章节安排 |
| 2 辅助变量的选择与数据预处理 |
| 2.1 现场数据的采集与预处理 |
| 2.1.1 火电厂锅炉燃烧工艺 |
| 2.1.2 烟气氧含量影响因素分析 |
| 2.1.3 辅助变量的初选 |
| 2.2 基于主成分分析法的辅助变量助选 |
| 2.2.1 主成分分析简介 |
| 2.2.2 主成分的提取 |
| 2.2.3 基于主成分分析法的辅助变量选择 |
| 2.3 基于灰色关联度法的辅助变量助选 |
| 2.3.1 灰色关联度简介 |
| 2.3.2 灰色关联度的计算 |
| 2.3.3 基于灰色关联度法的辅助变量助选 |
| 2.4 本章小结 |
| 3 基于LSSVM的软测量和粒子群算法的改进研究 |
| 3.1 基于LSSVM的烟气氧含量软测量研究 |
| 3.1.1 基于LSSVM的软测量 |
| 3.1.2 最小二乘支持向量机工具箱函数介绍 |
| 3.1.3 核函数和正则化参数对模型性能的影响 |
| 3.2 改进的粒子群算法仿真研究 |
| 3.2.1 粒子群算法的基本原理 |
| 3.2.2 带有随机惯性权重的PSO |
| 3.2.3 带有随机惯性权重的CPSO |
| 3.3 仿真研究 |
| 3.3.1 测试函数简介 |
| 3.3.2 仿真结果 |
| 3.4 本章小结 |
| 4 基于改进LSSVM的烟气氧含量软测量研究 |
| 4.1 粒子群算法在LSSVM建模中的应用 |
| 4.2 PSO算法优化LSSVM |
| 4.2.1 PSO算法参数寻优过程 |
| 4.2.2 PSO-LSSVM模型测试及仿真结果分析 |
| 4.3 带有随机惯性权重的CPSO算法优化LSSVM |
| 4.3.1 带有随机惯性权重的CPSO算法参数寻优过程 |
| 4.3.2 CPSO-LSSVM模型测试及仿真结果 |
| 4.4 三种模型结果比较分析 |
| 4.5 在线校正 |
| 4.6 本章小结 |
| 5 烟气氧含量软测量技术在锅炉燃烧控制系统中的应用 |
| 5.1 锅炉燃烧过程DCS系统介绍 |
| 5.2 辅助变量的检测 |
| 5.3 基于OPC技术的Matlab与WinCC的数据交换 |
| 5.3.1 OPC通讯技术简介 |
| 5.3.2 基于OPC技术的Matlab与WinCC数据通信的设计 |
| 5.3.3 烟气氧含量在线软测量的实现 |
| 5.3.4 运行结果 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 全文工作总结 |
| 6.2 未来工作展望 |
| 致谢 |
| 参考文献 |
| 附录A：烟气氧含量软测量模型样本数据 |
| 攻读学位期间发表的学术论文 |
（3）600MW超临界前后墙对冲锅炉水冷壁高温腐蚀机理分析及其治理（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 煤粉锅炉水冷壁高温腐蚀机理研究现状 |
| 1.2.1 煤粉锅炉高温腐蚀生成机理 |
| 1.2.2 硫酸盐型高温腐蚀 |
| 1.2.3 硫化物型高温腐蚀 |
| 1.2.4 氯化物型高温腐蚀 |
| 1.2.5 还原性气体引起的高温腐蚀 |
| 1.2.6 煤粉锅炉高温腐蚀影响因素 |
| 1.3 煤粉锅炉水冷壁高温腐蚀治理技术研究现状 |
| 1.3.1 控制煤粉细度、保证各燃烧器煤粉均匀分布 |
| 1.3.2 对运行工况采取措施 |
| 1.3.3 在锅炉的设计中合理安排 |
| 1.3.4 对水冷壁管进行处理 |
| 1.3.5 加添加剂防止高温腐蚀 |
| 1.4 主要研究内容 |
| 1.5 本章小结 |
| 第二章 锅炉设备和水冷壁腐蚀状况 |
| 2.1 锅炉基本情况介绍 |
| 2.1.1 烟风流程 |
| 2.1.2 汽水流程 |
| 2.1.3 煤质分析 |
| 2.2 燃烧设备情况介绍 |
| 2.3 锅炉水冷壁高温腐蚀情况和原因分析 |
| 2.3.1 锅炉水冷壁高温腐蚀情况 |
| 2.3.2 锅炉高温腐蚀分析研究 |
| 2.3.3 缓解水冷壁管高温腐蚀初步建议 |
| 2.4 本章小结 |
| 第三章 锅炉水冷壁高温腐蚀的治理——贴壁风改造 |
| 3.1 治理目标 |
| 3.2 治理设计性能要求 |
| 3.3 增加贴壁风治理方案 |
| 3.3.1 主燃烧器局部优化 |
| 3.3.2 增加贴壁风 |
| 3.3.3 贴壁风风道 |
| 3.3.4 燃烧设备的新布置 |
| 3.3.5 水冷壁改造 |
| 3.4 增设贴壁风系统炉膛数值模拟 |
| 3.4.1 建模理论 |
| 3.4.2 计算模型 |
| 3.4.3 计算结果 |
| 3.5 本章小结 |
| 第四章 治理后调整试验及效果评价 |
| 4.1 冷态实验 |
| 4.1.1 冷态试验目的及意义 |
| 4.1.2 冷态试验方法 |
| 4.1.3 试验验收标准 |
| 4.1.4 冷态试验依据 |
| 4.1.5 试验内容 |
| 4.2 热态试验 |
| 4.2.1 试验目的 |
| 4.2.2 试验条件 |
| 4.2.3 试验内容 |
| 4.2.4 试验方法 |
| 4.2.5 测量项目、方法及仪器仪表 |
| 4.2.6 试验器材及仪器仪表 |
| 4.2.7 数据处理 |
| 4.2.8 试验要求 |
| 4.3 进一步的燃烧优化试验 |
| 4.3.1 现场试验情况 |
| 4.3.2 试验方法 |
| 4.3.3 测试项目 |
| 4.3.4 试验工况 |
| 4.3.5 试验期间煤质数据 |
| 4.3.6 试验结果及分析 |
| 4.3.7 侧墙水冷壁烟气氛围测试结果 |
| 4.3.8 一次风调平对燃烧的影响 |
| 4.4 治理后的效果 |
| 4.5 本章小结 |
| 第五章 结论与展望 |
| 5.1 结论 |
| 5.2 进一步工作展望 |
| 参考文献 |
| 致谢 |
| 附件 |
（4）氧量计测量在电厂节能与环保中的应用探讨（论文提纲范文）
| 1 氧量测量的理论基础 |
| 1.1 基本原理 |
| 1.2 测量探头 |
| 2 氧量计测量仪的应用 |
| 3 氧化锆分析仪监控整个燃烧过程 |
| 4 总结 |
（5）基于神经网络和支持向量机的蔗渣锅炉烟气氧含量软测量模型（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题的研究背景 |
| 1.2 软测量技术的国内外研究现状 |
| 1.3 锅炉烟气氧含量检测意义及方法 |
| 1.3.1 监测锅炉烟气氧含量的意义 |
| 1.3.2 锅炉烟气氧含量检测方法 |
| 1.4 本文主要研究的内容 |
| 第二章 锅炉燃烧控制系统的搭建 |
| 2.1 控制系统搭建的目的 |
| 2.2 仿真实验平台硬件与软件 |
| 2.2.1 西门子SIMATIC PCS7简介 |
| 2.2.2 PCS7功能及特点 |
| 2.3 仿真平台的组态与通信 |
| 2.4 锅炉燃烧系统控制方案设计及控制效果 |
| 2.4.1 锅炉燃烧系统工艺流程分析 |
| 2.4.2 控制方案设计原则 |
| 2.4.3 烟气氧含量-过热蒸汽出口压力控制系统 |
| 2.4.4 汽包液位控制系统 |
| 2.4.5 炉膛负压控制系统 |
| 2.4.6 过热蒸汽出口温度控制系统 |
| 2.4.7 锅炉燃烧控制系统搭建及控制效果 |
| 2.5 本章小结 |
| 第三章 软测量技术 |
| 3.1 软测量技术概述 |
| 3.1.1 软测量原理 |
| 3.1.2 软测量建模方法 |
| 3.1.3 软测量技术的意义 |
| 3.2 烟气氧含量软测量数据的选择与处理 |
| 3.2.1 辅助变量的选择 |
| 3.2.2 数据的采集 |
| 3.2.3 采集数据的误差处理 |
| 3.2.4 氧含量软测量模型使用数据及处理 |
| 3.2.5 数据标准化 |
| 3.3 软测量模型的在线校正 |
| 3.4 本章小结 |
| 第四章 基于神经网络的蔗渣锅炉烟气氧含量软测量模型 |
| 4.1 人工神经网络模型及特点 |
| 4.1.1 人工神经网络模型 |
| 4.1.2 人工神经网络特点 |
| 4.2 BP神经网络 |
| 4.2.1 BP神经网络结构 |
| 4.2.2 BP神经网络算法 |
| 4.2.3 BP算法实现流程图 |
| 4.2.4 基于BP神经网络氧含量软测量模型的建立及结果分析 |
| 4.3 Elman神经网络 |
| 4.3.1 Elman神经网络简述 |
| 4.3.2 Elman神经网络基本结构及改进 |
| 4.3.3 改进型Elman神经网络学习算法 |
| 4.3.4 基于改进型Elman神经网络氧含量软测量模型的建立及结果分析 |
| 4.4 本章小结 |
| 第五章 基于支持向量机的蔗渣锅炉烟气氧含量软测量模型 |
| 5.1 支持向量机理论基础 |
| 5.1.1 机器学习问题 |
| 5.1.2 统计学习理论 |
| 5.1.3 支持向量机结构及使用原因 |
| 5.2 回归支持向量机 |
| 5.2.1 回归支持向量机算法 |
| 5.2.2 基于SVR氧含量软测量模型的建立及结果分析 |
| 5.3 最小二乘支持向量机 |
| 5.3.1 最小二乘支持向量机算法 |
| 5.3.2 基于LS-SVM氧含量软测量模型的建立及结果分析 |
| 5.4 粒子群算法优化最小二乘支持向量机 |
| 5.4.1 基本粒子群算法 |
| 5.4.2 PSO算法参数优化过程 |
| 5.4.3 基于PSO-LSSVM氧含量软测量模型的建立及结果分析 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 参考文献 |
| 附录 |
| 致谢 |
（6）电站锅炉燃烧优化控制与状态诊断的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景 |
| 1.1.1 电站锅炉燃烧优化的必要性 |
| 1.1.2 电站锅炉燃烧优化的可行性 |
| 1.2 电站锅炉燃烧优化研究内容 |
| 1.3 电站锅炉燃烧优化研究现状 |
| 1.3.1 基于燃烧调整试验的锅炉燃烧优化 |
| 1.3.2 基于数值模拟的锅炉燃烧优化 |
| 1.3.3 基于数据挖掘的锅炉燃烧优化 |
| 1.3.4 基于计算智能的锅炉燃烧优化 |
| 1.3.5 基于闭环反馈控制的锅炉燃烧优化 |
| 1.4 电站锅炉燃烧状态诊断研究现状 |
| 1.5 本文主要内容与结构安排 |
| 第2章 电站锅炉炉膛参数测量方法 |
| 2.1 引言 |
| 2.2 锅炉炉膛参数对炉膛燃烧的影响 |
| 2.2.1 锅炉炉膛参数对锅炉效率的影响 |
| 2.2.2 锅炉炉膛参数对锅炉燃烧污染物排放的影响 |
| 2.2.3 锅炉炉膛参数对锅炉运行寿命的影响 |
| 2.2.4 锅炉炉膛参数相互间的制约关系 |
| 2.3 电站锅炉炉膛参数测量 |
| 2.3.1 炉膛温度场测量 |
| 2.3.2 炉膛氧量测量 |
| 2.3.3 炉膛CO浓度测量 |
| 2.4 基于激光光谱的炉膛参数测量方法 |
| 2.4.1 TDLAS测量原理 |
| 2.4.2 基于TDLAS的炉膛参数测量系统 |
| 2.5 本章小结 |
| 第3章 四角切圆燃煤锅炉炉膛温度场平衡控制 |
| 3.1 引言 |
| 3.2 炉膛温度对锅炉运行的影响 |
| 3.2.1 炉膛温度场分布不均导致的问题 |
| 3.2.2 炉膛温度对氮氧化物生成的影响 |
| 3.3 基于模糊自整定PID的炉膛温度场平衡控制 |
| 3.3.1 四角切圆锅炉炉膛温度场分布不均问题 |
| 3.3.2 四角切圆锅炉炉膛温度场平衡控制系统 |
| 3.3.3 炉膛截面温度场中心的计算 |
| 3.3.4 炉膛温度场平衡控制修正量的计算 |
| 3.3.5 炉膛温度场平衡控制策略试验及仿真 |
| 3.4 本章小结 |
| 第4章 基于数据驱动案例匹配的电站锅炉燃烧优化 |
| 4.1 引言 |
| 4.2 案例推理 |
| 4.3 机组运行稳态工况检测 |
| 4.4 基于数据驱动案例匹配的电站锅炉燃烧优化系统 |
| 4.4.1 系统构成 |
| 4.4.2 案例库的建立 |
| 4.4.3 在线优化与案例库的维护 |
| 4.4.4 电站锅炉燃烧优化实例分析 |
| 4.5 本章小结 |
| 第5章 基于炉膛参数场测量的电站锅炉燃烧稳定性和经济性状态评判 |
| 5.1 引言 |
| 5.2 基于炉膛参数测量的锅炉燃烧状态模糊综合评判 |
| 5.2.1 模糊综合评判模型 |
| 5.2.2 炉膛参数测量图像处理 |
| 5.2.3 应用实例分析 |
| 5.3 基于炉膛参数测量和支持向量机的锅炉燃烧状态评判 |
| 5.3.1 支持向量机回归算法 |
| 5.3.2 基于支持向量机的锅炉燃烧状态评判系统 |
| 5.3.3 实例对比分析 |
| 5.4 本章小结 |
| 第6章 全文总结与展望 |
| 6.1 主要研究内容与结论 |
| 6.2 主要创新点 |
| 6.3 未来研究展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（7）基于LSSVM和改进PSO算法的燃煤锅炉燃烧优化研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 国内外研究现状综述 |
| 1.3 存在的问题与难点 |
| 1.4 本文主要工作及技术路线 |
| 1.4.1 本文主要工作 |
| 1.4.2 论文的技术路线 |
| 2 锅炉燃烧相关算法与智能算法 |
| 2.1 锅炉燃烧调整技术及热效率的计算 |
| 2.1.1 锅炉燃烧调整技术简介 |
| 2.1.2 燃煤锅炉NOX的生成机理 |
| 2.1.3 燃煤锅炉热效率的计算 |
| 2.2 建模预测方法与优化理论 |
| 2.2.1 非线性建模预测方法概述 |
| 2.2.2 智能优化算法的简介 |
| 2.3 LSSVM的预测原理 |
| 2.3.1 支持向量机(SVM)理论 |
| 2.3.2 核函数的选择 |
| 2.3.3 SVM的发展与应用 |
| 2.3.4 LSSVM算法的预测原理及参数优化 |
| 2.4 PSO算法的原理及应用 |
| 2.4.1 PSO算法的原理 |
| 2.4.2 PSO算法参数分析 |
| 2.4.3 PSO的国内外研究现状 |
| 2.5 锅炉建模算法及优化算法分析 |
| 2.6 本章小结 |
| 3 锅炉燃烧特性建模及状态预测 |
| 3.1 锅炉燃烧数据预处理 |
| 3.2 锅炉燃烧特性LSSVM模型的输入输出 |
| 3.3 基于改进PSO算法的参数寻优NOX排放模型验证 |
| 3.3.1 PSO优化的设计过程 |
| 3.3.2 粒子群算法的改进 |
| 3.3.3 参数寻优的实现 |
| 3.3.4 寻优结果分析 |
| 3.4 锅炉燃烧特性LSSVM预测模型的验证 |
| 3.5 本章小结 |
| 4 基于PSO算法的锅炉燃烧多目标优化 |
| 4.1 燃烧优化引言 |
| 4.2 多目标下的优化函数设计 |
| 4.3 粒子群算法寻优的实现 |
| 4.4 优化结果分析 |
| 4.5 本章小结 |
| 5 锅炉远程监测系统及优化平台的设计 |
| 5.1 锅炉远程监测系统数据采集 |
| 5.1.1 锅炉远程监测系统与通信技术 |
| 5.1.2 基于GSM/GPRS网络的锅炉远程监测系统的设计 |
| 5.1.3 基于GSM/GPRS网络的锅炉远程监测系统的实现 |
| 5.2 web平台的设计与实现 |
| 5.2.1 平台的总体设计 |
| 5.2.2 页面基本功能设计 |
| 5.2.3 燃烧优化功能设计 |
| 5.2.4 数据库设计与后台搭建 |
| 5.3 本章小结 |
| 6 全文总结与展望 |
| 6.1 总结 |
| 6.2 今后展望 |
| 参考文献 |
| 作者简介 |
（8）工业用煤粉锅炉燃烧优化控制算法研究（论文提纲范文）
| 目录 |
| CONTENT |
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题背景及意义 |
| 1.2 工业用煤粉锅炉燃烧优化控制国内外应用研究现状 |
| 1.2.1 国外燃烧优化技术应用现状 |
| 1.2.2 国内外煤粉锅炉在线优化算法研究现状 |
| 1.3 本文主要工作 |
| 第二章 工业用煤粉锅炉燃烧控制系统概述 |
| 2.1 锅炉机组简介 |
| 2.2 锅炉燃烧工艺过程的简述 |
| 2.3 锅炉燃烧控制系统的作用 |
| 2.4 煤粉锅炉燃烧控制系统的组成及特点 |
| 2.5 小结 |
| 第三章 工业用煤粉锅炉燃烧优化控制方案的设计 |
| 3.1 在线优化控制的总体逻辑 |
| 3.2 系统非线性过程模型 |
| 3.2.1 模型结构 |
| 3.2.2 过程辨识 |
| 3.3 稳态优化 |
| 3.4 方案改进 |
| 3.5 本章小结 |
| 第四章 非线性过程模型在线辨识的改进算法 |
| 4.1 基于Hammerstein模型的系统辨识 |
| 4.2. 基于辅助模型的最小二乘辨识方法 |
| 4.2.1 算法描述 |
| 4.2.2 性能分析 |
| 4.3 基于HOE-AMLS方法的Hammerstein模型辨识仿真验证 |
| 4.4 本章小结 |
| 第五章 稳态优化改进算法的研究 |
| 5.1 线搜索技术 |
| 5.1.1 精确线搜索技术 |
| 5.1.2 非精确线搜索技术 |
| 5.2 稳态优化算法的研究 |
| 5.3 拟牛顿算法推导 |
| 5.4 基于Armijo准则的BFGS算法及其实现 |
| 5.5 Hammerstein模型过程的稳态优化仿真验证及分析 |
| 5.6 本章小结 |
| 第六章 氧量优化设定控制实现锅炉在线燃烧优化控制算法的仿真研究 |
| 6.1 锅炉热效率的计算方法及其分析 |
| 6.1.1 热平衡方程 |
| 6.1.2 输入热量(q_(in)) |
| 6.1.3 输出热量(q_1) |
| 6.1.4 锅炉热损失 |
| 6.1.5 锅炉热效率 |
| 6.2 氧量对锅炉过程的影响分析 |
| 6.2.1 氧量对热损失的影响 |
| 6.2.2 氧量对烟气中一氧化氮含量的影响 |
| 6.3 NO_x修正热效率 |
| 6.3.1 CO的限制 |
| 6.3.2 二次风箱与炉膛差压的限制 |
| 6.3.3 目标函数 |
| 6.4 优化目标函数模型 |
| 6.5 在线燃烧优化控制算法的仿真研究 |
| 6.6 氧量优化设定控制实现锅炉在线燃烧优化控制算法的仿真 |
| 6.6.1 数学模型 |
| 6.6.2 仿真结果 |
| 6.7 本章小结 |
| 第七章 总结与展望 |
| 7.1 本文工作总结 |
| 7.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间发表的论文及参加的科研工作 |
| 学位论文评阅及答辩情况表 |
（9）基于预数值计算的煤粉锅炉燃烧监测与优化（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题背景及其意义 |
| 1.1.1 中国能源结构与发展趋势 |
| 1.1.2 电站锅炉燃烧监测与优化的现状 |
| 1.1.3 选题的意义 |
| 1.2 国内外研究动态 |
| 1.2.1 现有锅炉燃烧监测与优化技术的研究概况 |
| 1.2.2 预数值计算的研究概况 |
| 1.2.3 统计学习理论及支持向量机算法的研究概况 |
| 1.3 本文的主要研究方法和内容 |
| 1.3.1 课题的目的和总体研究思路 |
| 1.3.2 本文的主要研究方法和内容 |
| 第二章 锅炉燃烧工况预数值计算的基础理论 |
| 2.1 煤粉燃烧的三维湍流两相流基本守恒方程组 |
| 2.2 湍流气相流动模型 |
| 2.3 气固两相流模型 |
| 2.4 煤粉燃烧模型 |
| 2.4.1 热解模型 |
| 2.4.2 挥发分气相燃烧模型 |
| 2.4.3 焦炭燃烧模型 |
| 2.5 辐射换热模型 |
| 2.6 氮氧化物生成模型 |
| 2.6.1 热力型NO 生成模型 |
| 2.6.2 快速型NO 生成模型 |
| 2.6.3 燃料型NO 生成模型 |
| 2.7 数值计算方法 |
| 2.7.1 数值计算软件概述 |
| 2.7.2 数值求解方法 |
| 2.8 小结 |
| 第三章 锅炉燃烧工况监测与优化的样本获取及分析 |
| 3.1 锅炉概况 |
| 3.1.1 锅炉主要设计参数 |
| 3.1.2 燃烧器主要设计参数 |
| 3.1.3 燃烧工况影响因素的确定 |
| 3.1.4 预数值计算工况汇总 |
| 3.2 计算区域及网格划分 |
| 3.3 边界条件的设定 |
| 3.4 预数值计算结果与实测数据的比较 |
| 3.5 预数值计算结果分析 |
| 3.5.1 炉内温度场分布 |
| 3.5.2 氧量分布与一氧化碳组分浓度分布 |
| 3.5.3 辐射受热面热负荷分布 |
| 3.5.4 飞灰可燃物含量 |
| 3.6 锅炉炉内结渣趋势分析 |
| 3.6.1 结渣原因及危害 |
| 3.6.2 结渣趋势判断和分析 |
| 3.7 炉内高温腐蚀问题的分析 |
| 3.7.1 影响高温腐蚀的主要原因 |
| 3.7.2 高温腐蚀的防护措施 |
| 3.8 小结 |
| 第四章 四角切圆燃烧煤粉锅炉氮氧化物释放规律研究 |
| 4.1 氮氧化物生成特性分析工况的选取 |
| 4.2 氮氧化物释放规律的影响因素分析 |
| 4.2.1 煤质变化的影响规律 |
| 4.2.2 煤粉细度的影响规律 |
| 4.2.3 锅炉负荷变化的影响规律 |
| 4.2.4 二次风配风方式的影响规律 |
| 4.2.5 三次风投停对NO 排放的影响规律 |
| 4.3 抑制氮氧化物生成的燃烧指导措施 |
| 4.4 小结 |
| 第五章 锅炉飞灰可燃物含量支持向量机预测模型 |
| 5.1 支持向量机基本原理 |
| 5.1.1 机器学习和统计学习的基本理论 |
| 5.1.2 支持向量机 |
| 5.1.3 核函数 |
| 5.1.4 支持向量机参数选择方法 |
| 5.2 预数值计算工况 |
| 5.3 飞灰可燃物含量支持向量机预测模型 |
| 5.3.1 输入输出参数的选择 |
| 5.3.2 核函数的选取 |
| 5.3.3 飞灰可燃物的支持向量机预测模型 |
| 5.3.4 模型验证及结果分析 |
| 5.4 小结 |
| 第六章 燃烧工况评判和监测与优化系统的开发 |
| 6.1 因子分析法 |
| 6.1.1 因子分析法的数学模型 |
| 6.1.2 因子分析的基本步骤 |
| 6.1.3 因子提取 |
| 6.2 基于因子分析法的四角切圆煤粉锅炉燃烧工况评判 |
| 6.3 四角切圆煤粉锅炉燃烧工况的综合评价 |
| 6.4 燃烧优化系统的开发 |
| 6.4.1 系统简介 |
| 6.4.2 系统主要功能 |
| 6.5 小结 |
| 第七章 结论与展望 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间参加的科研工作及学术论文发表 |
（10）基于数据融合技术的氧量软测量研究及其应用（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 第一章 绪论 |
| 1.1 论文选题的目的和意义 |
| 1.2 本课题在国际上的研究概况 |
| 1.3 本文的主要内容 |
| 第二章 软测量系统原理 |
| 2.1 软测量技术的定义 |
| 2.2 发展软测量技术的意义及应用现状 |
| 2.3 软测量模型建模方法及特点 |
| 2.4 软测量模型的工程实现 |
| 第三章 氧量软测量模型的建立 |
| 3.1 锅炉燃烧基本原理 |
| 3.2 尾部烟气含氧量的影响因素 |
| 3.2.1 燃料对尾烟含氧量的影响 |
| 3.2.2 风量对尾烟含氧量的影响 |
| 3.2.3 未完全燃烧对尾烟含氧量的影响 |
| 3.3 氧量静态软测量模型的整体结构 |
| 3.3.1 煤量计算 |
| 3.3.2 热量计算 |
| 3.3.3 风量计算 |
| 3.3.4 软测量模型的建立 |
| 3.4 尾部烟气含氧量动态模型的建立 |
| 第四章 软测量的现场实施及验证 |
| 4.1 现场设备描述 |
| 4.1.1 主要参数 |
| 4.1.2 燃煤特性 |
| 4.1.3 热平衡 |
| 4.1.4 运行参数控制值 |
| 4.1.5 氧量软测量相关热控设备参数 |
| 4.1.6 蒸汽流量计算 |
| 4.2 实施方案 |
| 4.2.1 信号测点选取 |
| 4.2.2 关键信号的校准 |
| 4.2.3 实际信号的计算及其性能参数分析 |
| 4.2.4 DCS逻辑组态 |
| 4.2.5 调试 |
| 4.2.6 投运效果 |
| 4.3 本方案的优势 |
| 4.4 长期准确可靠措施 |
| 第五章 结论与工作展望 |
| 5.1 论文工作总结 |
| 5.2 工作展望 |
| 参考文献 |
| 致谢 |
| 在学期间发表的学术论文和参加科研情况 |
四、氧化镐氧量计在优化锅炉燃烧过程中的应用（论文参考文献）
- [1]燃煤电厂氧量传感器测量可靠性评估和故障诊断研究[D]. 张宇珩. 浙江大学, 2021(09)
- [2]基于改进最小二乘支持向量机的锅炉烟气氧含量软测量研究[D]. 任锦. 陕西科技大学, 2018(12)
- [3]600MW超临界前后墙对冲锅炉水冷壁高温腐蚀机理分析及其治理[D]. 闫超. 华南理工大学, 2016(05)
- [4]氧量计测量在电厂节能与环保中的应用探讨[J]. 张丹丹. 山东工业技术, 2016(20)
- [5]基于神经网络和支持向量机的蔗渣锅炉烟气氧含量软测量模型[D]. 谢一飞. 广西大学, 2016(02)
- [6]电站锅炉燃烧优化控制与状态诊断的研究[D]. 刘千. 华北电力大学(北京), 2016(01)
- [7]基于LSSVM和改进PSO算法的燃煤锅炉燃烧优化研究[D]. 童晓. 中国计量学院, 2015(06)
- [8]工业用煤粉锅炉燃烧优化控制算法研究[D]. 夏均霞. 山东大学, 2014(10)
- [9]基于预数值计算的煤粉锅炉燃烧监测与优化[D]. 李钧. 华北电力大学（河北）, 2010(01)
- [10]基于数据融合技术的氧量软测量研究及其应用[D]. 童文洪. 华北电力大学（北京）, 2009(10)