期刊文献+

锅炉烟气含氧量预测混合模型及应用

在线阅读 下载PDF
导出
摘要 影响锅炉烟气含氧量的因素多而复杂,根据某电站锅炉特点选取煤种参数、煤量、风量、蒸汽流量、排烟温度、燃烧器摆角等15个影响燃烧的参数作为烟气含氧量的预测参数,将偏最小二乘回归与神经网络相耦合,利用偏最小二乘回归对数据提取主成分,建立了烟气含氧量预测混合模型。利用此模型进行了参数影响烟气含氧量的分析,并针对最优的风量、低位发热量这两个参数提出了锅炉运行优化目标值。
出处 《能源与环境》 2008年第2期33-35,39,共4页 Energy and Environment
  • 相关文献

参考文献4

二级参考文献18

  • 1郭显光.如何用SPSS软件进行主成分分析[J].统计与信息论坛,1998,13(2):61-65. 被引量:87
  • 2张明君,皮道映,孙优贤.基于工程应用观点的软仪表开发策略[J].化工自动化及仪表,1996,23(6):34-36. 被引量:13
  • 3刘丁 浅田.神经网络学习的加速算法(日文).日本情报通讯学会春季大会论文集[M].东京:日本电子情报通讯学会,1992(6).157-158.
  • 4王惠文.偏最小二乘回归方法及其应用[M].国防工业出版社,2000..
  • 5XIAO L S, CHEN J F, ZHENG H C, Effect of bluff-body burner and coal particle size on NOx emission and burnout [ J ]. Journal of the Institute of Energy, 1997, 2:112- 119.
  • 6BITTNER J, GASIOROWSKI S, TOUDU E, et al. STI fly ash separation system: operation history at New England Power's Brayton Point Power Plant[A]. 12th International Symposium on Coal Combustion by Production Management and Use[C]. Palo Alto, California: Electric Power Research Institute, 1997. 62 - 65.
  • 7SPEIGHT J G. Chemistry and technology of coal [ M ]. New York:Decker Inc, 1993.
  • 8YIN C, LUO Z, ZHOU J. A neural num-linar programming-based coal blending technology for power plant [J]. Chemical Engineering Research and Design, 2000, 78( 1 ) : 118 - 124.
  • 9REINSCHMIDT K F. Neural Networks: next step for simulation and control [J]. Power Engineering, 1991, 11:41-45.
  • 10KOSKO B. Neural networks and fuzzy system[M]. New Jersey: Prentice-Hall, 1992.

共引文献157

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部