摘要
飞灰含碳量是衡量火力发电厂锅炉燃烧经济性的一项重要指标,目前广泛采用微波飞灰测碳仪进行在线监测。但在实际应用中灰种变化对仪器的测量精度有严重影响,该文针对火电厂飞灰含碳量的测量受灰种影响较大这一技术问题,分析了影响微波飞灰含碳量测量精度的因素,采用微波技术、电容技术,结合飞灰比电阻特性构造了多传感器融合的测量系统,利用BP神经网络对多传感器信息进行有效融合。试验结果表明,该方法可以在一定程度上降低灰种变化对飞灰含碳量测量结果的影响,并可提高对同一灰种的测量精度。
Unburned carbon content in fly ash is an important index for the Thermal Power Hant. Microwave online measurement system is widely used nowadays, however, coal type has great influence on its accuracy. Based on analyzing the factors mainly affect the accuracy of the measurement, microwave technique and capacitance technology which combined with the specific resistivity of fly ash is adopted to construct a multi-sensor fusion-based measuring system, and then BP neural network is Utilized to fuse the multi-sensor information effectively. Experiment results have shown that the proposed method can effectively decrease the coal type effect on the unburned carbon measurement, and at the same time the accuracy for the same type of coal is increased.
出处
《中国电机工程学报》
EI
CSCD
北大核心
2006年第7期35-39,共5页
Proceedings of the CSEE
基金
国家自然科学基金项目(60374029)
山西省科技攻关项目(001043)
山西省青年基金项目(20041015)。~~
关键词
热能动力工程
飞灰
未燃尽碳
多传感器融合
BP神经网络
thermal power engineering
fly ash
unburned carbon
multi-sensor fusion
BP neural network
作者简介
阎高伟（1970-）。男，博士研究生，讲师，研究方向为人工智能和智能信息处理。yangaowei@tyut．edu．cn；
谢刚（1972-）。男。博士研究生。副教授，从事人工智能和智能控制的教学研究和应用；
谢克明（1944-），男，教授，博士生导师，从事人工智能和智能控制的教学研究和应用；
王红兵（1967-），男，工程师。从事火电厂燃烧优化、节能降耗等方面的研究与开发工作。
