一、电站锅炉受热面积灰、结渣在线监测及智能吹灰的研究（论文文献综述）
张泽慧[1]（2021）在《基于加速退化模型的燃煤锅炉非完美吹灰优化策略研究》文中指出燃煤电站锅炉由于煤粉燃烧,相对应的就会导致受热面产生积灰现象,运用吹灰器吹扫能够有效的处理这个问题。目前,大多数燃煤电站都是依据人为经验采取定时定量的方式进行吹灰工作,人为进行吹灰具有很大的随机性,对清洁面积灰程度容易误判,造成了吹灰过于频繁或者吹灰不足从而导致资源浪费,所以需要对锅炉的吹灰方式进行优化,制定合理的吹灰优化策略,使燃煤电站获得较好的经济效益。因此,本文针对这一课题,以省煤器受热面为研究对象对锅炉吹灰优化问题进行了深入研究。主要研究内容如下:（1）本文以清洁因子作为受热面积灰状态的特征参数,直接反映受热面灰污积累的程度,并建立了灰污监测模型结合相关热力学公式,得到清洁因子的计算公式。同时使用小波去噪对DCS系统采集到的热工数据存在的问题进行数据预处理,使用处理后的清洁因子数据作为本文实例计算的数据来源,为后续章节提供了理论指导。（2）基于受热面清洁因子的实时在线获取,本文在锅炉机组安全运行的前提下,从吹灰净收益角度出发,提出了基于DELM预测的锅炉吹灰优化方法,利用DELM预测算法对清洁因子数据进行实时更新预测,预测出清洁因子未来的变化趋势,分别用傅里叶和二阶指数拟合积灰段和吹灰段的曲线函数,以单位时间内某受热面吹灰的净收益最大为目标函数,建立以求解目标函数的最大值为原则的吹灰优化模型,为吹灰器合理动作提供理论指导。（3）每次吹灰动作后受热面的积灰现象呈加速状态,针对此问题,本文提出了一种以吹灰最小费用率为目标的动态吹灰优化研究方法,并建立了基于Gamma退化过程的受热面加速积灰模型,根据每次吹灰后的不同状态以及积灰速度变化决定使用不同的吹灰方式,以此来优化吹灰操作,使用PSO优化算法求取到最佳的吹灰时长和清洁因子吹灰阈值,使吹灰费用率最小,为燃煤锅炉电站的经济性运行提供了一定的借鉴。
郝爽洁[2]（2021）在《燃煤电站锅炉受热面灰污预测与吹灰优化研究》文中研究指明实现燃煤电站锅炉的安全、清洁、高效生产,一直是我国节能减排的重要课题。而燃煤电站锅炉受热面的灰污沉积,严重影响其传热效率,导致整个机组运行效率降低。吹灰操作是锅炉受热面灰污沉积问题的有效解决办法,而目前固定吹灰方式依赖人工经验,存在诸多不合理的情况。为解决燃煤电站锅炉受热面吹灰效率低的问题,本文对多区域受热面积灰状况实时监测和预测,结合吹灰净收益最大化准则,提出吹灰优化策略,以提升锅炉的运行效率。本文具体的研究内容如下:首先,对燃煤电站锅炉运行过程中关键参数的在线获取问题进行研究。针对锅炉内部传感器采集到的热工数据波动大的问题,采用小波滤波对数据进行预处理。针对电站现场测点不能全面覆盖,以及部分测点需要定时维护无法提供实时数据的问题,采用基于能量平衡的软测量方法,获取所需的关键参数。针对建模所需的关键热力学参数难以在线获取的问题,建立工质侧和烟气侧热力学物性数据库,满足实时调用的需求。实验结果表明,所提的小波滤波、基于能量平衡的软测量和建立物性数据库的方法,实现了锅炉内部关键参数的在线获取与去噪处理,为后续受热面灰污建模和吹灰优化研究提供基础。其次,针对目前锅炉受热面灰污监测滞后的问题,本文选取热有效系数作为辐射受热面的灰污表征参量,采用逆推热量平衡法在线监测灰污趋势;选取积灰特征参数作为对流受热面的灰污表征参量,采用混合灰狼算法优化支持向量机模型预测受热面清洁吸热量,结合实际吸热量实现对流受热面的灰污监测。实验结果表明,所选取的表征参量合理,监测延迟低于60秒,满足在线监测需求。然后,在锅炉受热面灰污监测的基础上,对积灰在线预测的方法进行研究。针对以灰污监测数据为指导的吹灰操作,存在延时长的问题,采用长短时记忆网络对受热面积灰状况进行短时预测,根据监测和预测数据指导吹灰操作,以提升吹灰效率。经实验验证,预测模型的误差低于5%,预测时间在30秒以内,满足在线预测需求。最后,为提高锅炉吹灰过程的经济效益,建立吹灰损失模型和收益模型,结合受热面灰污监测、预测数据以及锅炉工况,以吹灰基本原则为基础,制定基于吹灰净收益最大化的吹灰优化策略,给出最佳的吹灰周期和吹灰时长,方便现场工作人员观测到各个受热面的积灰状态和吹灰建议,及时实施吹灰操作。将优化策略与传统策略进行对比,得出优化后的吹灰策略能有效的提升锅炉运行效率,减少污染排放。
郭培虎[3]（2021）在《计及安全经济性的全工况烟温能耗特性与吹灰优化》文中研究指明近年来,国家大力推行“节能优先”的战略目标,火电机组作为耗能大户之一,必须担负节能减排的重任。锅炉的排烟热损失作为锅炉最大的能耗损失项,受锅炉排烟温度和排烟流量影响。为了降低排烟热损失,必须在保证安全性的基础上尽可能地降低排烟温度,提高锅炉热效率,进而降低机组发电煤耗率。锅炉排烟温度高于设计值的运行可控因素为锅炉受热面积灰,本文利用清洁因子模型对积灰程度进行监测并用于智能吹灰,从而达到降低排烟温度的目的。本文在考虑安全性和经济性的条件下,对不同工况下的排烟温度进行寻优并进行能耗特性分析,从智能吹灰优化的角度解决电厂排烟温度高于设计值的现象并进行吹灰经济性分析,对火力发电厂锅炉节能降耗具有重要意义。基于七种酸露点计算方法计算酸露点,使排烟温度寻优范围高于酸露点确保空预器不会发生低温腐蚀。基于锅炉效率反平衡法计算锅炉效率及对排烟温度进行能耗特性分析,基于逐步回归算法进行特征变量的选择,基于BP神经网络建立特征变量与锅炉效率的模型,基于灰狼算法优化BP神经网络模型对不同工况下排烟温度寻优使锅炉效率最大确保经济性。从安全性和经济性两个角度对排烟温度进行深入优化,结合排烟温度实际值与优化值,对排烟温度做能耗特性分析,对指导运行人员调节参数和电厂进行运行班组考核具有重要意义。对于排烟温度高于基准值的机组,从运行的角度应进行实时智能吹灰,提高受热面换热系数,降低排烟温度。为保证锅炉受热面管道安全性的前提下提高锅炉热经济性,本文选取安装了对管道吹损小的声波吹灰系统的宁夏某燃煤电站锅炉为研究对象,建立了清洁因子模型,基于灰狼算法优化支持向量机模型进行受热面清洁程度在线监测,为锅炉实时吹灰提供理论依据,并从吹灰对锅炉和汽轮机效率影响两个方面考虑,进行了吹灰经济性分析。以本文算法与计算程序为基础,参与完成了某集团电厂耗差分析系统以及某电厂智能吹灰优化软件的数据挖掘部分,两款软件的落地为我国建设智慧电厂提供了切入点。
张翔[4]（2020）在《锅炉受热面积灰监测及吹灰模糊控制研究》文中研究表明随着互联网和大数据技术的快速发展,锅炉的智能运行优化已成为智慧电厂中的热门研究方向,其中锅炉受热面积灰结渣研究是保证机组安全经济运行的重要基础。受热面积灰结渣会使锅炉运行效率降低,排烟温度升高,严重的情况下甚至腐蚀管壁,引发爆管事故。本文基于国内合作电厂运行过程中的积灰结渣实际问题,针对人工固定吹灰周期模式存在的蒸汽浪费严重、管壁磨损等缺点,首先对炉膛燃烧积灰结渣开展仿真研究,详细分析煤粉粒径对炉膛受热面积灰结渣的影响规律,然后建立了基于热平衡的低温过热器灰污热阻监测机理模型,并在此基础上提出基于小波分析和SVR的灰污热阻在线预测代理模型,最后利用模糊控制系统制定了吹灰策略。仿真测试结果表明:锅炉受热面积灰监测和吹灰模糊控制都取得了良好的效果。本文具体研究内容如下:（1）基于CFD-DPM方法构建了超超临界锅炉炉膛积灰结渣仿真模型,量化不同煤粉粒径下各个受热面积灰结渣的规律特性,研究不同粒径煤粉在炉内的颗粒运动轨迹、各个受热面沉积颗粒数、炉膛出口烟气温度和最高燃烧温度等,寻找出该1000MW超超临界锅炉的最佳煤粉燃烧粒径范围在50um附近。（2）依据烟气侧和蒸汽侧热平衡原理和多层圆管壁传热模型,建立以灰污热阻为清洁指标的对流受热面积灰监测机理模型,并通过电厂运行数据对积灰监测机理模型进行了有效验证,分析了固定吹灰周期模式存在的弊端。（3）结合小波阈值去噪算法和支持向量回归各自的优势,提出一种基于小波分析和SVR的受热面灰污热阻在线预测代理模型,实现对低温过热器积灰状况的预测;通过Visu Shrink软阈值去噪方法对受热面灰污热阻数据进行去噪处理,结果显示4层小波分解的去噪效果最优,其对应的SNR和RMSE分别为31.8和0.000865;同时使用SVR模型建立了20个输入特征参数和去噪后的受热面灰污热阻之间的映射关系,仿真结果表明,SVR模型预测精确度在98%以上。（4）综合考虑灰污热阻、主蒸汽流量和排烟温度三种影响因素,建立基于Mamdani型模糊控制规则的吹灰控制模型,利用MATLAB/Simulink对模糊控制仿真模型的吹灰方案进行验证,测试结果表明其能够准确的给出吹灰操作建议。
罗婧茹[5]（2020）在《电站锅炉受热面灰污处理技术研究》文中研究指明电站锅炉机组在运行中受热面会产生积灰和结渣,甚至还会产生结焦,对积灰进行定期吹扫能有效减少灰污的积累,降低结渣和结焦的概率,进而提高锅炉运行效益。但是吹灰处理与锅炉机组的实际运行状况密切相关,故搭建炉膛内受热面的灰沉积趋势监测模型,并根据监测情况实现对受热面的灰污处理显得格外重要。在详述本研究的背景、意义及国内外对灰沉积研究状况的基础上,首先基于660MW的电站锅炉机组这一研究对象,分析了传统意义热力学建模的特点;其次,研究了电站锅炉整体建模的技术思想,将其所有受热面作为一个整体,建立锅炉整体热力学模型,通过不断迭代校核,获得精确客观的运行数据;第三,为了有效分析锅炉受热面灰污沉积趋势及吹灰特点,根据各受热面的信号特征,设计了以Fourier变换为研究基础的滤波器和小波分析滤波器,通过对比试验分析,证实小波分析滤波器滤波结果的可靠性、准确性,其在时间、频率两域都有表征信号局部特征的优越性,同时研究了运用小波包分析来反映信号中的高频细节的技术。最后,在得出降噪处理后信号的基础上,搭建炉内受热面的灰污沉积趋势模型,并在此基础上运用等效焓降理论来对吹灰模式经调整后引起的经济性收益变化进行分析。本研究通过开展吹灰试验以及模型验证试验初步证实了锅炉整体建模的合理性和可靠性,并通过对监测信号的滤波降噪,分析证实了电站锅炉受热面灰污处理技术的可行性,即按需吹灰。最后,运用了等效焓降法计算分析单个受热面因此产生的经济性收益量。
刘鑫雅[6]（2020）在《电站锅炉对流及半辐射受热面积灰监测及吹灰优化系统研究》文中研究指明燃煤锅炉受热面积灰结渣不可避免,不仅影响受热面的传热能力,导致排烟温度升高,锅炉效率下降,影响机组运行的经济性,更是机组安全运行的重要隐患。目前电厂常采用吹灰器对受热面进行吹扫实现积灰清除,但由于缺乏受热面实时积灰信息以及吹灰优化方案,大多按照班组定时定量执行吹灰操作,难以保证机组运行的经济性及安全性。因此,本文以锅炉对流及半辐射受热面为研究对象,研究积灰监测模型实现受热面的积灰监测,进而建立吹灰优化模型以及制定吹灰策略,最终搭建受热面积灰监测及吹灰优化软件系统,为电厂运行人员提供参考与运行指导。本文以污染率为受热面积灰监测指标间接反映受热面的积灰程度,基于受热面传热平衡原理搭建受热面积灰监测模型,引入集总参数动态补偿修正模型对稳定负荷下建立的积灰监测模型进行改进,从而实现全负荷工况下对流及半辐射受热面的积灰监测。以某台650MW超临界锅炉机组作为实施对象,采集相关热工参数进行预处理后基于建立的积灰监测模型进行计算,结果表明:稳定负荷下,基于积灰监测模型计算得到的受热面污染率可以较为准确的反映受热面的实际积灰情况;变负荷下,考虑蓄热量改进后的受热面积灰监测动态模型对负荷变化的自适应能力更强,在一定程度上可以修正负荷变化对污染率的影响,说明本文建立的积灰监测模型可实现全负荷工况下受热面的积灰监测。根据搭建的受热面积灰监测模型的计算结果,考虑吹灰带来的换热量收益与吹灰蒸汽消耗,建立了一种单位时间内吹灰净收益最大的吹灰优化模型,通过求解目标函数,计算得到积灰时长和吹灰时长,从而解决吹灰策略中“何时吹”、“吹多久”的关键问题。以650MW超临界锅炉机组的屏式过热器为示范受热面基于吹灰优化模型进行计算,获得了最佳的积灰时长与吹灰时长,并与原吹灰方式以及另一种基于单位时间内传热量最大的吹灰优化模型进行比较,验证了本文吹灰优化模型的优化效果。同时,在现场进行了吹灰器效果试验以及危险壁温监控试验,通过总结试验结论与现场实际运行经验,分析讨论了吹灰器的选择性投入、过热器再热器危险点壁温控制、排烟温度控制、主汽温度控制、再热蒸汽温度控制以及非正常运行工况等多个角度,进而制定了考虑经济边界与安全边界、对工程实际更具参考意义的吹灰策略。在实现了受热面的积灰监测以及吹灰优化的基础上,在Microsoft Visual Studio 2015开发环境中,基于B/S架构设计并搭建了Windows应用程序及Web应用程序,并采用My SQL数据库管理系统整合有效数据,搭建了锅炉对流及半辐射受热面积灰在线监测及吹灰优化系统平台,并于某两台650MW超临界锅炉机组成功运行应用,验证了系统平台的可行性与可靠性。
王艳婷[7]（2020）在《燃煤电站锅炉受热面吹灰优化问题的研究》文中进行了进一步梳理由于我国经济的持续发展和节能理念的不断深入,我国对于能源的利用率和污染物的排放控制提出了更高的要求。燃煤火力发电作为我国最主要的电力供应来源,在燃煤电站锅炉燃烧的过程中,必然会在各个受热面表面造成灰污沉积。对受热面表面的灰污及时进行吹扫可以有效解决这一问题。目前,国内大部分火电厂采用的吹灰方式一般都是根据人工经验设置固定时间固定时长的吹灰,这种吹灰操作存在一定的弊端。为此,本文重点研究了燃煤电站锅炉受热面的吹灰优化问题,通过制定合理可行的吹灰方式以实现“按需吹灰”,从而提高电厂的能源利用率,满足节能减排的迫切需求。本文研究工作主要包括以下几个方面:（1）本文采用清洁因子作为表征锅炉受热面积灰状态的特征因子,根据锅炉DCS实时采集得到的清洁因子数据来判断锅炉受热面的实时积灰状态,并提出利用清洁因子下限指导吹灰,为后续的吹灰优化工作奠定基础。（2）本文首先建立基于最小成本原理的单位时间内热损失最小的吹灰优化模型,并利用清洁因子离线数据进行分析拟合得到可以反映受热面积灰特性的函数模型,然后通过优化获得最佳吹灰时机和对应的吹灰阈值以指导吹灰操作。（3）此外,本文还提出一种基于无迹卡尔曼滤波算法的在线实时吹灰优化方法,采用双指数函数拟合分析清洁因子退化数据,利用无迹卡尔曼滤波算法对模型参数进行更新,预测该周期内清洁因子未来的曲线函数,并结合单位时间内传热量最大的吹灰优化模型获得最佳的吹灰时机,以实现在线实时吹灰指导。
贾志琴[8]（2020）在《基于时序神经网络受热面积灰预测的研究》文中研究说明受热面积灰的预测作为燃煤电站实现智能化的重要基石,可以为燃煤电站的吹灰优化系统提供未来的准确积灰数据,对于能源工业、燃煤系统的经济性、安全性以及智能化自动控制的研究有着重大的意义。然而,在火电厂燃煤锅炉运行过程中,由于受热面的积灰是降低锅炉运行效率和安全性的一个重要原因,因此,国内外的许多研究者们是根据建立固定的预测模型而制定吹灰策略,但是在制定吹灰策略的整个过程中不仅认为灰污沉积过程是固定不变的,而且认为是吹灰是一个及时吹灰操作的工作,而忽略了吹灰需要一定的准备时间。针对上述问题,本文的主要研究工作包括以下几个内容:（1）由于影响受热面积灰的因素有很多,所以对受热面积灰的研究要求较高。本文以某燃煤电站的燃煤锅炉作为研究对象,通过分析受热面积灰原理,选择清洁因子用来表征受热面的健康状态。同时针对采集到的原始数据所存在的各种问题进行相关处理,为后续的积灰预测模型的建立了坚实的基础。（2）通过分析DCS系统采集数据的时间序列特性,选择具有时间序列特征的神经网络进行相应的预测研究,并将建立的预测模型应用于受热面积灰预测的实例仿真。本文分别利用了神经元反馈的ELMAN神经网络和NAR非线性自回归神经网络建立预测模型。在建立模型之前,为了构造合理的网络模型,采用了具有自回归模型（AR）算法原理,并且利用最小信息准则（AIC）和试凑法确定输入个数和隐含层节点,从而实现完整的网络结构。（3）为了更加有效的对比网络预测模型,本文对所选的ELMAN神经网络的结构进行了相应改进,使其具有输出反馈的特点。通过建立上述三种基于清洁因子的神经网络预测模型,并且在建模之后,为了证明预测起始点对预测结果的影响,分别采用了1T=250,2T=300,3T=350三个数据点进行预测结果的仿真与比较。最终,选择3T数据点所对应时刻作为合适的预测起始点。（4）网络的权重和阈值是在网络运行中随机产生,所以预测结果也会具有一定的差异性。针对该问题,本文分别通过正态概率密度曲线（PDF）验证了预测模型在3T数据点开始预测的精准性,并通过各种误差指标对预测结果进行评价。结果显示NAR网络模型的预测结果与实际监测数据的吻合度较高,说明了该网络模型对受热面积灰预测的有效性。
左鹏[9]（2019）在《燃煤电站关键状态在线监测与吹灰优化研究》文中提出目前我国电能供给的约三分之二依赖火力发电。燃煤机组在线监测、运行优化还有很多难题需要攻克。工艺进步、发展高参数燃煤机组是提高火电机组能效的首要途径。但不论机组类型如何,先进的运行优化方案以及控制技术都能进一步提高燃煤电站能效、降低机组煤耗水平。本文以燃煤机组的节能降耗为目标,开展对燃煤机组锅炉侧的机理建模、炉膛出口烟温实时估计和吹灰优化方法研究。（1）基于锅炉侧子系统的传热和运行机理建立了燃煤机组锅炉侧主要受热面的机理模型、金属壁能量补偿模型。总结了各项热损失的计算方法。（2）在锅炉侧各受热面的机理模型基础上,提出了一种基于汽水侧工质质量和能量动态衡算的炉膛出口烟气平均温度实时估计方法。并利用实际机组的历史运行数据进行拟在线仿真验证。（3）将锅炉侧受热面分为三类,对三类受热面分别建立了灰污状况软测量模型。在此基础上以吹灰收益最大化的为目标对吹灰时长和吹灰频率进行寻优,并综合安全性考虑,给出了吹灰策略,为运行人员进行优化吹灰,提高机组运行效率提供参考。（4）采用主流的软件开发技术,开发了燃煤电站实时监测和吹灰优化系统平台,该系统可以实现与DCS系统实时交互、锅炉侧关键变量的在线监测、基于B/S模式的人机交互、吹灰监测及优化等功能。
井凯[10]（2018）在《高碱煤660MW超超临界机组受热面结渣积灰清除方法研究》文中认为随着环保要求的不断提高,国内燃煤电站锅炉的参数和容量不断提高,进一步加剧了炉膛内部的积灰结渣,而由于能源的紧缺许多电站开始燃用低挥发份以及低灰熔点煤,新疆地区的许多电站因地制宜,为了降低燃料运输成本燃用当地的高碱煤,锅炉的炉膛和受热面部位会发生不同程度的积灰结渣问题。燃煤电站的积灰结渣问题不仅降低受热面的换热效率,同时给锅炉的运行带来了安全隐患,受到了电厂的广泛关注。在锅炉的特定部位布置数量不一的吹灰器能有效的解决积灰结渣问题,因此许多电站都选择在锅炉上安装大量的吹灰器保障锅炉的正常运行。通过安装吹灰器后,锅炉的积灰结渣问题得到了显着的缓解,但是同时也导致了锅炉的水冷壁和受热面出现爆管事故,因此有必要改变吹灰器的运行方式。目前电厂普遍采用定时定量吹灰,在特定时间段内对所有的吹灰器执行一遍吹灰动作,容易导致吹灰不足和过度等吹灰不合理的问题,此时吹灰器的按需按点动作就显得十分重要。本文根据机组参数建立了相应的模型,结合电厂长期的运行数据,对锅炉炉膛及受热面的积灰结渣状态进行了大量深入的分析,同时对安装在炉膛内部的测点进行了充分的利用,建立了炉膛和各受热面的积灰结渣监测模型。同时根据电厂的运行情况,制定了吹灰优化方案,改变了原有的定时全程吹灰方式,对电厂的安全高效运行具有一定的指导意义。
二、电站锅炉受热面积灰、结渣在线监测及智能吹灰的研究（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、电站锅炉受热面积灰、结渣在线监测及智能吹灰的研究（论文提纲范文）
（1）基于加速退化模型的燃煤锅炉非完美吹灰优化策略研究（论文提纲范文）
| 摘要 |
| abstract |
| 1.绪论 |
| 1.1 课题研究意义及背景 |
| 1.2 燃煤电站锅炉受热面污染监测及吹灰优化研究现状 |
| 1.2.1 燃煤电站锅炉受热面灰污形成原理 |
| 1.2.2 锅炉受热面灰污监测研究现状 |
| 1.2.3 吹灰优化策略的发展 |
| 1.3 论文的主要研究内容 |
| 2.燃煤锅炉受热面灰污监测及吹灰优化研究 |
| 2.1 研究对象简介 |
| 2.2 锅炉受热面积灰监测过程 |
| 2.2.1 受热面积灰特征参数 |
| 2.2.2 受热面传热系数计算 |
| 2.3 锅炉受热面吹灰优化分析 |
| 2.3.1 锅炉受热面吹灰优化相关问题 |
| 2.3.2 吹灰优化方案 |
| 2.4 燃煤锅炉受热面清洁因子数据预处理 |
| 2.4.1 数据存在的问题 |
| 2.4.2 数据处理方式 |
| 2.5 本章小结 |
| 3.基于DELM预测的锅炉受热面吹灰优化 |
| 3.1 问题描述 |
| 3.2 燃煤锅炉受热面吹灰优化方案 |
| 3.2.1 吹灰优化模型的制定 |
| 3.2.2 吹灰优化方案的步骤及流程 |
| 3.3 清洁因子预测方法 |
| 3.3.1 极限学习机ELM |
| 3.3.2 深度极限学习机DELM |
| 3.4 实例计算与相关分析 |
| 3.5 本章小结 |
| 4.基于Gamma加速积灰模型的锅炉吹灰优化 |
| 4.1 问题描述 |
| 4.2 受热面加速积灰建模 |
| 4.2.1 受热面加速积灰描述 |
| 4.2.2 Gamma过程在退化系统中的应用 |
| 4.2.3 基于Gamma过程的受热面加速积灰模型 |
| 4.3 吹灰优化策略 |
| 4.3.1 基本假设 |
| 4.3.2 吹灰优化模型 |
| 4.4 实例计算与相关分析 |
| 4.4.1 受热面积灰状态分析 |
| 4.4.2 粒子群优化算法 |
| 4.4.3 实例计算 |
| 4.5 本章小结 |
| 5.总结与展望 |
| 5.1 本文的研究内容总结 |
| 5.2 未来的研究工作展望 |
| 参考文献 |
| 攻读硕士期间发表的论文及所取得的研究成果 |
| 致谢 |
（2）燃煤电站锅炉受热面灰污预测与吹灰优化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 智能吹灰技术发展概述 |
| 1.3 国内外研究现状 |
| 1.3.1 机理分析法吹灰优化技术研究现状 |
| 1.3.2 智能算法吹灰优化技术研究现状 |
| 1.4 研究对象简介 |
| 1.5 论文的研究内容与章节安排 |
| 1.5.1 研究内容 |
| 1.5.2 章节安排 |
| 2 锅炉受热面关键参数获取 |
| 2.1 问题描述 |
| 2.2 热工数据预处理 |
| 2.2.1 滑动平均滤波降噪 |
| 2.2.2 小波滤波降噪 |
| 2.3 炉膛出口烟温软测量 |
| 2.4 物性数据库搭建 |
| 2.4.1 工质物性数据库搭建 |
| 2.4.2 烟气物性数据库建立 |
| 2.5 本章小结 |
| 3 锅炉受热面灰污在线监测模型搭建 |
| 3.1 问题描述 |
| 3.2 辐射受热面灰污监测模型搭建 |
| 3.2.1 辐射受热面灰污表征参量选取 |
| 3.2.2 辐射受热面监测模型搭建 |
| 3.2.3 辐射受热面监测模型验证 |
| 3.3 对流受热面灰污监测模型搭建 |
| 3.3.1 对流受热面灰污表征参量选取 |
| 3.3.2 受热面吸热量获取 |
| 3.3.3 模型输入选取 |
| 3.3.4 对流受热面清洁吸热量预测模型搭建 |
| 3.3.5 实验验证及分析 |
| 3.4 本章小结 |
| 4 锅炉受热面灰污在线预测模型搭建 |
| 4.1 问题描述 |
| 4.2 受热面灰污预测模型搭建 |
| 4.2.1 LSTM神经网络模型简介 |
| 4.2.2 ARIMA时间序列模型简介 |
| 4.3 受热面积灰预测模型仿真与对比验证 |
| 4.4 本章小结 |
| 5 锅炉受热面吹灰优化策略 |
| 5.1 问题描述 |
| 5.2 锅炉吹灰系统简介 |
| 5.3 锅炉吹灰优化策略研究 |
| 5.3.1 吹灰损失模型搭建 |
| 5.3.2 吹灰收益模型搭建 |
| 5.3.3 受热面灰污沉积数据拟合分析 |
| 5.3.4 吹灰优化策略提出 |
| 5.4 吹灰优化系统GUI界面设计 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及成果 |
| 致谢 |
（3）计及安全经济性的全工况烟温能耗特性与吹灰优化（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 我国电力行业发展现状 |
| 1.1.2 数据挖掘与传统火电行业融合 |
| 1.2 国内外研究现状 |
| 1.2.1 能耗特性国内外研究现状 |
| 1.2.2 吹灰优化国内外研究现状 |
| 1.3 本文主要研究内容 |
| 第2章 计及安全经济性的排烟温度能耗特性模型 |
| 2.1 引言 |
| 2.2 考虑安全性的排烟温度阈值模型 |
| 2.2.1 影响燃煤锅炉烟气酸露点的主要因素 |
| 2.2.2 烟气露点温度的计算 |
| 2.3 考虑经济性的排烟温度最优值 |
| 2.3.1 数据预处理 |
| 2.3.2 逐步回归算法概述 |
| 2.3.3 BP神经网络概述 |
| 2.4 锅炉效率计算方法及排烟温度耗差分析 |
| 2.4.1 锅炉效率计算方法 |
| 2.4.2 排烟温度耗差分析 |
| 2.5 本章小结 |
| 第3章 排烟温度能耗特性与基准值算例 |
| 3.1 引言 |
| 3.2 排烟温度基准值计算 |
| 3.2.1 煤质酸露点计算实例 |
| 3.2.2 数据预处理 |
| 3.2.3 逐步回归算法进行特征变量选择 |
| 3.2.4 BP神经网络对排烟温度建模验证模型准确性 |
| 3.2.5 BP神经网络对锅炉效率建模 |
| 3.2.6 灰狼算法优化排烟温度及进行能耗分析 |
| 3.3 排烟温度优化与能耗特性分析平台软件概述 |
| 3.4 本章小结 |
| 第4章 锅炉吹灰优化与经济性分析 |
| 4.1 引言 |
| 4.2 声波智能吹灰优化算例 |
| 4.2.1 受热面清洁因子模型 |
| 4.2.2 低温再热器清洁因子模型 |
| 4.2.3 省煤器清洁吸热量模型 |
| 4.2.4 低温过热器清洁吸热量模型 |
| 4.2.5 智能吹灰软件概述 |
| 4.3 声波智能吹灰系统与传统吹灰系统经济性对比 |
| 4.3.1 吹灰经济性评价方法 |
| 4.3.2 声波智能吹灰与传统吹灰方式经济性评价实例 |
| 4.4 本章小结 |
| 第5章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
（4）锅炉受热面积灰监测及吹灰模糊控制研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外相关技术研究现状 |
| 1.2.1 炉膛燃烧积灰数值模拟研究现状 |
| 1.2.2 对流受热面污染在线监测研究现状 |
| 1.2.3 智能吹灰控制策略研究现状 |
| 1.3 论文研究目标及内容 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.4 论文框架与章节安排 |
| 2 基于CFD-DPM的炉膛积灰结渣数值模拟 |
| 2.1 引言 |
| 2.2 基本控制方程 |
| 2.2.1 质量守恒方程 |
| 2.2.2 动量守恒方程 |
| 2.2.3 能量守恒 |
| 2.3 流动模型 |
| 2.3.1 气相湍流模型 |
| 2.3.2 离散相模型(Discrete Phase Model,DPM) |
| 2.4 辐射模型 |
| 2.5 燃烧模型 |
| 2.5.1 挥发分气相燃烧模型 |
| 2.5.2 焦炭燃烧动力扩散模型 |
| 2.6 基于CFD-DPM的炉膛流场分析和积灰结渣研究 |
| 2.6.1 锅炉物理模型 |
| 2.6.2 边界参数设定 |
| 2.6.3 速度分布 |
| 2.6.4 组分分布规律 |
| 2.6.5 煤粉颗粒运动轨迹 |
| 2.7 本章小结 |
| 3 对流受热面积灰监测机理模型研究 |
| 3.1 引言 |
| 3.2 锅炉受热面积灰和结渣的形成机理分析 |
| 3.3 基于热平衡的受热面积灰结渣监测模型 |
| 3.3.1 低温对流受热面污染监测模型 |
| 3.3.2 高温对流受热面污染监测模型 |
| 3.4 基于热平衡的低温过热器灰污热阻机理模型 |
| 3.4.1 研究对象数据采集 |
| 3.4.2 灰污热阻监测机理模型的分析与验证 |
| 3.5 本章小结 |
| 4 基于小波分析和SVR的受热面积灰在线预测研究 |
| 4.1 引言 |
| 4.2 小波阈值去噪方法 |
| 4.2.1 小波分解与重构算法 |
| 4.2.2 小波阈值去噪原理 |
| 4.2.3 去噪效果评价标准 |
| 4.3 支持向量回归算法原理 |
| 4.3.1 支持向量回归机 |
| 4.3.2 核函数 |
| 4.4 基于小波分析和SVR的灰污热阻在线预测代理模型 |
| 4.4.1 基于小波分解的受热面灰污热阻去噪分析 |
| 4.4.2 基于SVR的热受热面灰污热阻在线预测代理模型 |
| 4.5 本章小结 |
| 5 基于模糊系统的吹灰控制模型研究 |
| 5.1 引言 |
| 5.2 模糊逻辑系统原理 |
| 5.2.1 模糊产生器和反模糊化器 |
| 5.2.2 模糊规则库和模糊推理机 |
| 5.2.3 隶属函数 |
| 5.3 基于模糊系统的吹灰控制模型 |
| 5.3.1 吹灰模糊控制模型设计步骤 |
| 5.3.2 吹灰模糊控制模型的结构 |
| 5.3.3 基于Simulink的模糊控制仿真 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 作者简介及在校期间参加的科研工作及成果 |
（5）电站锅炉受热面灰污处理技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究动态 |
| 1.2.1 国外当前研究状况与研究趋势 |
| 1.2.2 国内当前研究状况与研究趋势 |
| 1.2.3 文献综述 |
| 1.3 研究内容及方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.3.3 研究框架 |
| 第2章 不同锅炉灰污测量方法及原理 |
| 2.1 积灰结渣的监测方法 |
| 2.2 测量理论和方法的分析 |
| 2.2.1 基于X射线的灰垢厚度测量方法 |
| 2.2.2 基于声波技术的测温方法 |
| 2.2.3 基于红外技术的传感测温方法 |
| 2.3 基于神经网络的处理理论及方法 |
| 2.3.1 基于热平衡法的在线监测 |
| 2.3.2 人工神经网络(Artificial neural network) |
| 2.4 本章小结 |
| 第3章 锅炉整体模型搭建 |
| 3.1 研究对象的概述 |
| 3.1.1 锅炉结构介绍 |
| 3.1.2 锅炉吹灰器简介 |
| 3.2 受热面模型 |
| 3.2.1 对流受热面 |
| 3.2.2 辐射受热面 |
| 3.2.3 半辐射式屏式受热面 |
| 3.3 热力学建模 |
| 3.3.1 污染因子定义及计算方法 |
| 3.3.2 传统热力学建模 |
| 3.3.3 锅炉整体建模 |
| 3.3.4 搭建锅炉整体模型的优点 |
| 3.4 本章小结 |
| 第4章 傅里叶变换和小波分析的试验性对比 |
| 4.1 基于小波分析的积灰趋势及信号处理 |
| 4.2 监测信号 |
| 4.3 傅里叶变换及数字滤波器设计 |
| 4.3.1 信号傅里叶变换 |
| 4.3.2 数字滤波器设计 |
| 4.4 小波分析及合理化消噪 |
| 4.4.1 小波的多分辨性 |
| 4.4.2 信号小波分解 |
| 4.4.3 信号小波重构 |
| 4.4.4 傅里叶(Fourier)变换与小波分析对比 |
| 4.5 小波包分析 |
| 4.6 本章小结 |
| 第5章 吹灰优化及其产生的收益性分析 |
| 5.1 试验安排及结果分析 |
| 5.1.1 试验安排及结果分析 |
| 5.1.2 敏感性试验结果 |
| 5.1.3 建立信号去噪模型及其验证 |
| 5.2 吹灰优化产生的经济性收益 |
| 5.2.1 吹灰收益模型 |
| 5.2.2 搭建吹灰引起的蒸汽量损耗模型 |
| 5.2.3 模式调整经济性分析 |
| 5.3 本章小结 |
| 第6章 结论与展望 |
| 6.1 研究结论 |
| 6.2 研究不足及展望 |
| 参考文献 |
（6）电站锅炉对流及半辐射受热面积灰监测及吹灰优化系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 主要符号表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 受热面积灰结渣机理 |
| 1.1.2 受热面积灰的危害 |
| 1.1.3 吹灰现状及吹灰优化系统的必要性 |
| 1.2 国内外研究现状 |
| 1.2.1 锅炉受热面积灰监测研究现状 |
| 1.2.2 锅炉受热面吹灰优化研究现状 |
| 1.2.3 锅炉受热面吹灰优化系统应用现状 |
| 1.3 本文主要研究内容及技术路线 |
| 1.4 小结 |
| 第二章 对流及半辐射受热面积灰监测模型研究 |
| 2.1 引言 |
| 2.2 积灰监测指标 |
| 2.3 积灰监测模型 |
| 2.3.1 实际传热系数的计算 |
| 2.3.2 理想传热系数的计算 |
| 2.3.3 污染率的计算流程 |
| 2.3.4 模型验证及结果分析 |
| 2.4 变负荷工况下的积灰监测模型 |
| 2.4.1 变负荷工况对模型的影响分析 |
| 2.4.2 变负荷工况下污染率的计算 |
| 2.4.3 模型验证及结果分析 |
| 2.5 小结 |
| 第三章 对流及半辐射受热面吹灰优化模型研究 |
| 3.1 引言 |
| 3.2 吹灰优化模型的建立 |
| 3.2.1 受热面积灰变化预测模型 |
| 3.2.2 受热面吹灰成本及收益的分析 |
| 3.2.3 单位时间吹灰净收益最大模型 |
| 3.3 实例计算与分析 |
| 3.3.1 具体实现流程 |
| 3.3.2 计算结果及分析 |
| 3.3.3 不同吹灰优化模型的对比 |
| 3.4 小结 |
| 第四章 对流及半辐射受热面吹灰策略制定 |
| 4.1 引言 |
| 4.2 电厂吹灰试验 |
| 4.2.1 试验对象概况 |
| 4.2.2 吹灰器效果试验 |
| 4.2.3 危险壁温监控试验 |
| 4.3 吹灰策略的制定 |
| 4.3.1 吹灰器的选择性投入 |
| 4.3.2 过热器、再热器危险点壁温控制 |
| 4.3.3 排烟温度控制 |
| 4.3.4 主汽温度控制 |
| 4.3.5 再热蒸汽温度控制 |
| 4.3.6 非正常运行工况 |
| 4.4 小结 |
| 第五章 积灰监测及吹灰优化系统现场应用 |
| 5.1 引言 |
| 5.2 系统架构设计 |
| 5.2.1 B/S架构 |
| 5.2.2 本系统整体架构 |
| 5.3 系统关键模块 |
| 5.3.1 核心计算程序模块 |
| 5.3.2 数据储存模块 |
| 5.3.3 网页发布模块 |
| 5.4 积灰监测及吹灰优化系统现场应用 |
| 5.4.1 系统平台展示 |
| 5.4.2 系统平台验证 |
| 5.5 小结 |
| 第六章 总结与展望 |
| 6.1 全文工作总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士学位期间研究成果 |
| 致谢 |
（7）燃煤电站锅炉受热面吹灰优化问题的研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 研究目的 |
| 1.3 本文主要研究内容和结构 |
| 第二章 锅炉受热面灰污形成与吹灰优化问题分析 |
| 2.1 燃煤电站锅炉系统简介 |
| 2.2 灰污形成原理及危害 |
| 2.3 积灰特征参数的选取 |
| 2.3.1 清洁因子的定义 |
| 2.3.2 基于清洁因子下限确定吹灰方案 |
| 2.4 燃煤电站锅炉吹灰优化问题 |
| 2.4.1 锅炉吹灰简介 |
| 2.4.2 电站锅炉吹灰优化问题 |
| 2.5 数据预处理 |
| 2.5.1 小波分析 |
| 2.5.2 小波去噪 |
| 2.6 本章小结 |
| 第三章 基于最小成本原理的锅炉受热面吹灰优化 |
| 3.1 问题描述 |
| 3.2 基于最小成本原理的吹灰优化模型 |
| 3.2.1 最小成本原理 |
| 3.2.2 吹灰优化模型的建立 |
| 3.3 吹灰优化方案 |
| 3.4 实例计算与分析 |
| 3.4.1 受热面灰污状况分析 |
| 3.4.2 优化算法的选取 |
| 3.4.3 实例计算 |
| 3.5 本章小结 |
| 第四章 基于无迹卡尔曼滤波预测的在线吹灰优化 |
| 4.1 问题描述 |
| 4.2 吹灰优化模型的建立 |
| 4.3 无迹卡尔曼滤波预测 |
| 4.3.1 无迹卡尔曼滤算法简介 |
| 4.3.2 基于UKF的在线吹灰预测 |
| 4.4 实例计算与分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 本文工作总结 |
| 5.2 未来研究工作展望 |
| 参考文献 |
| 攻读硕士学位期间所取得的研究成果 |
| 致谢 |
（8）基于时序神经网络受热面积灰预测的研究（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 国内外研究现状及存在问题 |
| 1.2.1 国内外研究现状 |
| 1.2.2 存在问题 |
| 1.3 课题研究目的和研究内容 |
| 1.3.1 研究目的 |
| 1.3.2 研究内容 |
| 1.4 整体结构介绍 |
| 第二章 燃煤电站锅炉受热面积灰问题 |
| 2.1 研究对象简介 |
| 2.2 受热面积灰原理 |
| 2.3 清洁因子表征受热面健康状态 |
| 2.4 受热面积灰段预测 |
| 2.5 数据预处理 |
| 2.5.1 数据存在问题 |
| 2.5.2 处理方法 |
| 2.5.3 数据预处理 |
| 2.6 本章小结 |
| 第三章 基于时间序列神经网络的受热面积灰预测 |
| 3.1 时间序列的神经网络 |
| 3.1.1 数据时间序列 |
| 3.1.2 神经网络特点 |
| 3.1.3 神经网络预测 |
| 3.2 神经网络的结构设计 |
| 3.2.1 设计原理 |
| 3.2.2 设计方法 |
| 3.3 ELMAN神经网络 |
| 3.3.1 ELMAN神经网络简介 |
| 3.3.2 ELMAN神经网络模型 |
| 3.4 基于ELMAN网络实例仿真与分析 |
| 3.4.1 ELMAN神经网络结构确定 |
| 3.4.2 实例仿真 |
| 3.4.3 结果分析 |
| 3.5 本章小结 |
| 第四章 基于NAR神经网络的受热面积灰预测 |
| 4.1 NAR神经网络 |
| 4.1.1 NAR神经网络简介 |
| 4.1.2 NAR神经网络预测 |
| 4.2 基于NAR神经网络实例仿真与分析 |
| 4.2.1 NAR网络结构确定 |
| 4.2.2 实例仿真及结果分析 |
| 4.3 ELMAN网络结构改进与实例仿真 |
| 4.3.1 ELMAN神经网络结构改进 |
| 4.3.2 改进ELMAN神经网络实例仿真及分析 |
| 4.4 NAR神经网络预测可行性分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 工作总结 |
| 5.2 研究展望 |
| 参考文献 |
| 攻读硕士学位期间的研究成果 |
| 致谢 |
（9）燃煤电站关键状态在线监测与吹灰优化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究目的与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 燃煤机组锅炉侧机理模型 |
| 1.2.2 机组炉膛出口烟温实时估计 |
| 1.2.3 锅炉全流程受热面的灰污监测 |
| 1.2.4 吹灰优化 |
| 1.3 论文的主要内容与章节安排 |
| 第二章 燃煤机组锅炉侧机理模型 |
| 2.1 燃煤机组工艺流程概述 |
| 2.2 燃煤机组锅炉侧机理建模 |
| 2.2.1 蒸发系统模型 |
| 2.2.2 换热器系统模型 |
| 2.2.3 金属壁能量补偿模型 |
| 2.2.4 热损失模型 |
| 2.2.5 空预器能量平衡模型 |
| 2.3 本章小结 |
| 第三章 基于全流程机理模型的机组炉膛出口烟温估计方法 |
| 3.1 炉膛出口能量实时估计 |
| 3.2 烟气成份实时估计 |
| 3.3 炉膛出口烟温在线估计方法 |
| 3.4 本章小结 |
| 第四章 燃煤电站锅炉灰污监测及吹灰优化 |
| 4.1 燃煤电站锅炉主要受热面灰污监测方法 |
| 4.1.1 辐射受热面灰污状态监测模型 |
| 4.1.2 对流及半对流半辐射受热面灰污状态监测模型 |
| 4.1.3 回转式空预器灰污状态监测模型 |
| 4.2 燃煤电站锅炉吹灰优化方案 |
| 4.2.1 灰污预测模型 |
| 4.2.2 吹灰收益计算 |
| 4.2.3 吹灰支出的计算 |
| 4.2.4 优化吹灰方案 |
| 4.3 本章小结 |
| 第五章 燃煤电站实时监测及吹灰优化系统平台开发 |
| 5.1 平台架构简介 |
| 5.2 基于Matlab的 OPC数据获取模块开发 |
| 5.3 Web系统开发 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 符号说明 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间已发表或录用的论文 |
（10）高碱煤660MW超超临界机组受热面结渣积灰清除方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 背景和意义 |
| 1.2 积灰结渣的形成机理及危害性 |
| 1.2.1 积灰结渣的形成机理 |
| 1.2.2 积灰结渣的危害性 |
| 1.3 吹灰器应用现状 |
| 1.3.1 吹灰器的种类 |
| 1.3.2 不合理吹灰的危害 |
| 1.4 优化吹灰的概念 |
| 1.5 国内外优化吹灰研究概况 |
| 1.6 本文研究内容 |
| 第二章 积灰结渣监测系统建立的理论基础 |
| 2.1 电厂1#机组简介 |
| 2.2 电厂吹灰系统简介 |
| 2.3 国内外受热面监测模型概述 |
| 2.4 本文受热面监测模型 |
| 2.4.1 带辐射受热面监测模型 |
| 2.4.2 对流受热面监测模型 |
| 2.5 空气预热器监测模型 |
| 2.5.1 差压法 |
| 2.5.2 换热模型 |
| 2.6 计算结果分析 |
| 2.6.1 40%负荷监测结果 |
| 2.6.2 60%负荷监测结果 |
| 2.6.3 80%负荷监测结果 |
| 2.7 小结 |
| 第三章 炉膛结渣监测模型 |
| 3.1 国内外炉膛监测模型概述 |
| 3.2 炉膛监测模型 |
| 3.2.1 炉膛整体监测模型 |
| 3.2.2 炉膛局部监测模型 |
| 3.3 计算结果分析 |
| 3.3.1 整体监测结果 |
| 3.3.2 40%负荷炉膛前墙监测结果 |
| 3.3.3 90%负荷炉膛前墙监测结果 |
| 3.3.4 40%负荷炉膛四面墙的监测效果 |
| 3.3.5 90%负荷炉膛四面墙的监测效果 |
| 3.4 小结 |
| 第四章 电站锅炉吹灰系统的实现 |
| 4.1 吹灰系统软硬件 |
| 4.1.1 硬件系统 |
| 4.1.2 软件系统 |
| 4.1.3 系统数据与DCS接口 |
| 4.2 系统功能结构 |
| 4.3 系统主要界面及功能 |
| 4.4 本章小结 |
| 第五章 全文总结 |
| 5.1 主要工作及创新点 |
| 5.2 后续研究工作 |
| 参考文献 |
| 致谢 |
| 硕士期间发表的论文 |
四、电站锅炉受热面积灰、结渣在线监测及智能吹灰的研究（论文参考文献）
- [1]基于加速退化模型的燃煤锅炉非完美吹灰优化策略研究[D]. 张泽慧. 中北大学, 2021(09)
- [2]燃煤电站锅炉受热面灰污预测与吹灰优化研究[D]. 郝爽洁. 西安工业大学, 2021
- [3]计及安全经济性的全工况烟温能耗特性与吹灰优化[D]. 郭培虎. 华北电力大学(北京), 2021(01)
- [4]锅炉受热面积灰监测及吹灰模糊控制研究[D]. 张翔. 浙江大学, 2020(06)
- [5]电站锅炉受热面灰污处理技术研究[D]. 罗婧茹. 西安理工大学, 2020(01)
- [6]电站锅炉对流及半辐射受热面积灰监测及吹灰优化系统研究[D]. 刘鑫雅. 东南大学, 2020(01)
- [7]燃煤电站锅炉受热面吹灰优化问题的研究[D]. 王艳婷. 中北大学, 2020(09)
- [8]基于时序神经网络受热面积灰预测的研究[D]. 贾志琴. 中北大学, 2020(09)
- [9]燃煤电站关键状态在线监测与吹灰优化研究[D]. 左鹏. 上海交通大学, 2019(06)
- [10]高碱煤660MW超超临界机组受热面结渣积灰清除方法研究[D]. 井凯. 上海交通大学, 2018(01)