混煤煤灰軟化溫度的實(shí)驗研究與預測

第21卷第2期熱能動(dòng)力工程Vol.21 ,No.22006年3月JOURNAL OF ENGINEERING FOR THERMAL ENERGY AND POWERMar. ,2006文章編號:1001 - 2060( 2006 )2 - 0179 -04混煤煤灰軟化溫度的實(shí)驗研究與預測伍昌鴻，馬曉茜(華南理工大學(xué)電力學(xué)院廣東廣州510640)摘要:從某電廠(chǎng)700MW機組鍋爐取混煤灰樣,在智能灰測定,以探究混煤軟化溫度與摻混比之間的關(guān)系進(jìn)熔點(diǎn)測定儀上采用角錐法對其進(jìn)行軟化溫度測定。實(shí)驗結而從已知實(shí)驗數據尋找一般規律,利用徑向基神經(jīng)果表明混煤煤灰軟化溫度與摻混比呈非線(xiàn)性規律。采用徑網(wǎng)絡(luò )建立混煤煤灰軟化溫度的預測模型。向基神經(jīng)網(wǎng)絡(luò )(RBFNN)在MATLAB環(huán)境下建立了混煤軟化溫度的智能預測模型。為檢驗模型的預測效果,以實(shí)驗的82混煤煤灰軟化溫度測定實(shí)驗個(gè)混煤煤灰作為受驗樣本應用該網(wǎng)絡(luò )模型對其軟化溫度進(jìn)行預測。預測表明:RBFNN模型的預測結果與實(shí)驗結果吻2.1實(shí)驗 裝置合良好二者的最大相對誤差為3.79% ,平 均相對誤差為.主要實(shí)驗裝置包括:灰化爐(馬弗爐) ;灰錐模與1.56%預測效果遠遠優(yōu)于線(xiàn)性預測模型?；义F拖板;烘箱;ZRC2000 智能灰熔點(diǎn)測定儀(河南關(guān).鍵詞:混煤軟化溫度預測徑向基神經(jīng)網(wǎng)絡(luò )非線(xiàn)性省鶴壁市智勝科技有限公司生產(chǎn))。中圖分類(lèi)號:TQ534.3文獻標識碼:A表1煤灰化學(xué)成份(% )1引言灰樣SiO2 Al2O3 Fe2O3 CaO MgO TiO2 K20+ Na2OA 35.43 11.72 9.59 28.93 2.14 0.571.93由于燃煤供應緊張,電廠(chǎng)很難保證只燃用設計B 55.38 26.68 9.6 1.56 1.28 0.95 1 .83 .煤種,也很難保證只燃用單一煤種通常需燃用2種44.5216.25 19.48 8.96 1.36 1 .030.97或2種以上組成的混煤或進(jìn)行多煤種摻燒?；烀弘m然具有摻混單煤的某些特征,但其綜合性能已改變2.2實(shí)驗方法實(shí)際上是人為加工而成的一個(gè)新的煤種"。因此,試樣為8種混煤煤灰,取自某電廠(chǎng)700 MW機對混煤煤質(zhì)特性進(jìn)行研究很有必要。組鍋爐。此8種混煤煤灰是該電廠(chǎng)采用神華煤、貴煤灰軟化溫度是衡量動(dòng)力用煤的一個(gè)重要煤質(zhì)州原煤和天津港煤按不同摻混比配制成的8種混煤特性指標對鍋爐結渣特性有直接影響。對煤灰軟燃燒得到的煤灰(標記為1號~8號)。神華煤、貴化溫度已有較多的研究,但目前多以單一煤種為研州原煤和天津港煤3種單-煤種的煤灰(標記為A.究對象。譬如,文獻[1~2]探討了煤灰成份和煤灰B、C)的化學(xué)成份如表1所示,由廠(chǎng)家直接提供。軟化溫度的關(guān)系;文獻[3~4 ]提出了一些提高煤灰按GB/T219-1996中規定的角錐法將混煤煤灰軟化溫度的方法。對混煤煤灰軟化溫度的研究也有制成灰樣進(jìn)行軟化溫度測定。其方法要點(diǎn)是:將煤一些報道研究的關(guān)鍵問(wèn)題是混煤煤灰軟化溫度與灰制成一定尺寸的錐體試樣在弱還原性氣氛下，以單煤煤灰軟化溫度及摻混比之間的關(guān)系,但目前研-定升溫速度加熱并觀(guān)察試樣在受熱過(guò)程中的形究得到的結論有所不同。譬如,文獻5通過(guò)實(shí)驗方態(tài)變化,當錐頂彎至錐底或萎縮成球形時(shí)，認為此時(shí)法發(fā)現混煤軟化溫度與摻混單煤的軟化溫度及摻對應中國煤化工復。圖1為實(shí)驗過(guò)程中混比不呈線(xiàn)性關(guān)系而文獻6則認為可視為線(xiàn)性關(guān)ZRCMHCNMHG的CCD攝像頭所拍攝系并通過(guò)數學(xué)方法推倒出了一個(gè)線(xiàn)性結構關(guān)系式。的相片,此時(shí)對應的溫度可認為是最左邊煤灰灰樣因此采用以下實(shí)驗方法，對混煤煤灰進(jìn)行軟化溫度的軟化溫度(圖中共4個(gè)灰樣)。收稿日期2005-06-01;修訂日期2005-11-22作者簡(jiǎn)介伍魯想插_ )男湖南邵陽(yáng)人華南理工大學(xué)碩士研究生.180●熱能動(dòng)力工程2006年測模型。目前對煤灰軟化溫度的非線(xiàn)性預測模型通常是利用人工神經(jīng)網(wǎng)絡(luò )映射出煤灰成份與軟化溫度之間的關(guān)系,從而建立煤灰軟化溫度的預測模型。譬如文獻7~8份別采用BP神經(jīng)網(wǎng)絡(luò )和廣義回歸神經(jīng)網(wǎng)絡(luò )建立了煤灰軟化溫度預測模型,取得了較好的預測效果。而本文采用徑向基神經(jīng)網(wǎng)絡(luò )(RBFNN)建立混煤煤灰軟化溫度的預測模型。3.1 RBFNN&9]R;(x)圖1CCD攝像頭拍攝的灰樣相片輸入Wik輸出x12.3實(shí)驗結果及分析單煤灰樣及8個(gè)混煤灰樣軟化溫度的實(shí)驗結果見(jiàn)表2?？煽闯?在軟化溫度低的灰樣中摻入軟化x2溫度高的灰樣,可使混合灰樣的軟化溫度升高并隨摻混比的變化而變化,但軟化溫度與摻混比呈非線(xiàn)'n性規律。表2灰樣軟化溫度的實(shí)驗結果(C)圖2徑向基神經(jīng)網(wǎng)絡(luò )(RBFNN)灰樣軟化溫度摻混比.A1 16(-BP網(wǎng)絡(luò )用于函數逼近時(shí)權值調節采用負梯度B1 460下降法，這種調節權值的方法存在收斂慢和局部極220小等缺點(diǎn)。而RBFNN是-種在逼近能力、分類(lèi)能力1號1 26030%A- 70% B和學(xué)習速度方面均優(yōu)于BP網(wǎng)絡(luò )的神經(jīng)網(wǎng)絡(luò )。本文2號1 22040%A~ 60% B選用其建立混煤煤灰軟化溫度的預測模型。3號1400.30%C~ 70% B .RBFINN由3層組成其結構如圖2所示。輸入4號1 38040%C ~ 60%B層節點(diǎn)只傳遞輸入信號到隱層,隱層節點(diǎn)由像高斯5號1 32520%A~ 20%C~ 60%B核那樣的輻射狀作用函數構成通常采用高斯函數:6號1 36510%A~ 30%C~ 60% BR(x)=exp(-11x- c;112一)i=123...m7號1 25(30%A~ 20%C~ 50% B2σ?.8號127020%A~ 30%C ~ 50% B(1 )其中:x-n維輸入量;一第i個(gè)基函數的中心;1...1- -歐氏范數σ;-第i個(gè)隱層節點(diǎn)的變量,它決3混煤煤灰軟化溫度的智能預測定了基函數圍繞中心點(diǎn)的寬度,為可自由選擇參數;m- -隱節點(diǎn)個(gè)數。電廠(chǎng)燃用混煤越來(lái)越多,而對所有混煤煤灰軟輸入層實(shí)現從x+R(x)的非線(xiàn)性映射而輸出化溫度進(jìn)行實(shí)驗測定顯然不可能。因此,通過(guò)對一層節點(diǎn)通常是簡(jiǎn)單的線(xiàn)性函數,輸出層實(shí)現從R;些混煤煤灰軟化溫度進(jìn)行實(shí)驗測定找出-般規律( x)→yh的線(xiàn)性映射,即:建立混煤煤灰軟化溫度的計算或預測模型將具有重中國煤化工(2)要的工程實(shí)用價(jià)值。其中JMYHCNMHG.1-刪山公1爪雙?；烀好夯臆浕瘻囟扰c摻混比的非線(xiàn)性關(guān)系決定網(wǎng)絡(luò )的隱節點(diǎn)數、基函數中心及輸出層權值需，了目前采用的取單煤煤灰軟化溫度的加權平均值或通過(guò)對樣本的學(xué)習來(lái)確定。目前，設計RBF網(wǎng)絡(luò )最采用線(xiàn)性回歸公式計算混煤煤灰軟化溫度精度不常用的算法是正交最小二乘法( OLS) ,其詳細數學(xué)高。因此兩混煤軟化溫度的預測需要建立新的預第2期伍昌鴻等:混煤煤灰軟化溫度的實(shí)驗研究與預測.181.描述可參考文獻[ 10]本文即采用OLS算法來(lái)設計y=0.719axl + 1.056a2x2 + 0.848azx3(5)和訓練網(wǎng)絡(luò )模型。y =0.582aμx1 + 1.11a2x2+ 0.881 a3x3(6)y=0.685a1x1 + 1.088a2x2 + 0.980a3x3(7 )3.2混煤煤灰軟化溫度的RBF網(wǎng)絡(luò )預測模型本模型中,網(wǎng)絡(luò )的輸入層為混煤煤灰成份,即混式4)由灰樣6號、7號、8號的實(shí)驗數據推導煤煤灰中的各氧化物含量。因此輸入層有7個(gè)神經(jīng)出,可用來(lái)預測灰樣5號的軟化溫度;式(5)~式7)元節點(diǎn),分別表示混煤煤灰中SiO2、 Al2O3、Fe2O3、按同樣的方法由3組灰樣的實(shí)驗數據推導出,分別CaO、MgO、TiO2和K20+Na2O的含量。這些氧化物用來(lái)預測灰樣6號、7號和8號的軟化溫度。的含量可通過(guò)實(shí)驗測定,但考慮到模型以后的推廣1550和實(shí)際工程應用,建模中直接取為相應單煤及摻混815001450比的加權平均值。網(wǎng)絡(luò )的輸出層為混煤煤灰軟化溫警1400度。模型選用52個(gè)已知實(shí)驗數據作為網(wǎng)絡(luò )的訓練席13501300樣本,訓練樣本數據取自文獻[11],作為網(wǎng)絡(luò )的輸入1250訓練樣本時(shí)數據采用一步歸一化方法進(jìn)行預處理。1200受驗樣本1150450直線(xiàn)3.3模型驗證105011001 150 12001250 1300 13501400 14501500 15503.3.1模型預測效果驗證軟化溫度實(shí)驗測定值1心為檢驗模型的預測效果,以本文實(shí)驗的8個(gè)混煤灰樣作為網(wǎng)絡(luò )的受驗樣本應用該網(wǎng)絡(luò )模型對其圖3RBFNN模型的預測效果軟化溫度進(jìn)行預測預測結果見(jiàn)表3預測結果與實(shí)驗結果相比較的預測效果見(jiàn)圖3。通過(guò)誤差統計分對RBFNN預測模型、線(xiàn)性回歸公式預測模型以析8個(gè)受驗樣本的軟化溫度預測值和實(shí)測值的最及加權平均預測模型進(jìn)行比較,3種模型的預測結.大相對誤差為3.79%平均相對誤差為1.56%?？晒容^見(jiàn)表4。對8個(gè)灰樣軟化溫度進(jìn)行預測見(jiàn)模型具有很好的準確性和較高的精度。RBFNN預測模型的最大相對誤差為3.79%平均相對誤差為1.56%;加權平均預測模型相應為9.84%表3混煤煤灰軟化溫 度的RBFNN模型預測結果和4.18%。對5號~8號灰樣3種模型的平均相對|灰樣 Si02 A2O3 Fe2O3 Ga0 Mg0 TiO2 K20+ Na20 預測結果誤差分別為0.73%、2.33%和3.22%。顯然,RBFNN1號49.39522.1929.5979.771 1.538 0.8361.861 289.2預測模型的預測效果遠遠優(yōu)于其它2種模型。2號47.4 20.696 9.59612.5081.624 0.7981.871226.6表4混煤煤灰軟化溫度的3種預測模型比較3號52.1223.5512.5643.781.3040.974 1.572 1453.14號51.03622.50813.5524.521.3120.982 1.486 1419.7|灰樣實(shí)驗結果/CST(相對誤差/% )STL 相對誤差/% )ST(相對誤差/% )|5號49.218 21.602 11.574 8.5141.468 0.89 1.6781 317.911 2601 289.<2.32)1 370(8.73)6號50.127 22.055 12.563 6.5171.39 0.936 1.5821 374.72號 1 2201 226.60.54)1 340(9.84)7號47.223 20.106 11.573 11.251 1.554 0.852 1.688 1246.63號 1 400.1 453.1(3.79)1 388( 0.86)8號48.132 20.559 12.5629.2541.4760.898 1.592 1287.8 .4號 1 3801 419.X2.88).1 364(1.16)注氧化物含量為質(zhì)量百分比( % )采用摻混單煤的加權平均值軟化溫度單5號13251 317.90.54)1 352(2.04)1 345(1.51)位為心。6號1 3651 374.X0.71)1 358( 0.51)1 318.72.89)7號 1 2501 246.6(0.27)1 322(5.76)1 230[1.6)3.3.2 模型比較8號1 2701 287.81.40).1 328(4.57)1 311.93.30)文獻6 ]提出線(xiàn)性回歸公式預測模型。以3種單一煤種配制混煤為例文獻[ 6的線(xiàn)性回歸公式可注:STI為混煤煤灰軟化溫度的RBFNN預測模型預測值;ST2為加權平均預測h線(xiàn)性同白公式預測槽刑預測值相對誤差指與實(shí)驗結果比表示為“下述形式:較而中國煤化工y=f(x)=c1a1x1 +C2a2x2 +c3a3X3(3)YHCNMHG其中:y-混煤煤灰軟化溫度;a;一第i種單一煤種的煤灰軟化溫度ix一摻混比;c;一待定常數。( 1)對8個(gè)混煤灰樣的軟化溫度的測定結果表?yè)朔椒?可得出下列回歸公式:y= 05應敞據+ 1. 154a2x2 + 0.766a3x3. (4)明不同軟化溫度的單煤摻混混煤煤灰軟化溫度隨182●熱能動(dòng)力工程2006年.摻混比的變化而變化,但二者之間呈非線(xiàn)性關(guān)系。(2)混煤煤灰軟化溫度與摻混比的非線(xiàn)性關(guān)blended coal aslC J ]. Energy Fuels 2000 ,14(2)316 - 325.系決定了采用單一煤種的軟化溫度及摻混比的線(xiàn)[4] PATTERSON J H ,HURST H J. Ash and slag qualities of australian bi-tuminous coals for use in slagging gasifiers[J]. Fuel ,2000 ,79( 13):性回歸公式對混煤煤灰軟化溫度進(jìn)行預測精度不高。采用徑向基人工神經(jīng)網(wǎng)絡(luò ),可建立新的混煤煤[5]李帆,邱建榮鄭楚光.混煤煤灰中礦物行為對煤灰熔融特性灰軟化溫度預測模型,該模型對混煤煤灰軟化的預的影響[ J].華中理工大學(xué)學(xué)報,1997(4)41-43.測有很好的準確性和較高的精度。[6] 劉澤常盧宗華陳懷珍等.動(dòng)力配煤的煤質(zhì)指標與各單煤配比的結構關(guān)系[J]煤炭科學(xué)技術(shù)2004(7)62 - 64.(3)對混煤煤灰軟化溫度預測的3種模型的比[7]殷春根周俊虎駱仲泱等.人工神經(jīng)網(wǎng)絡(luò )在優(yōu)化動(dòng)力配煤中.較表明,RBFNN 預測模型的預測效果遠遠優(yōu)于其它的應用研究[J].煤炭學(xué)報,19974)343 - 348.2種模型從而為混煤煤灰軟化溫度預測提供了新[8]周昊鄭立剛樊建人等.廣義回歸神經(jīng)網(wǎng)絡(luò )在煤灰熔點(diǎn)預測的精度更高的預測模型。中的應用[ J].浙江大學(xué)學(xué)報(工學(xué)版) 2004 11 ):1479 - 1482.[9]聞新,周露,李翔,等.MATLAB神經(jīng)網(wǎng)絡(luò )仿真與應用參考文獻:[M].北京科學(xué)出版社2003.[1]陳文敏姜寧.煤灰成份和煤灰熔融性的關(guān)系[J].潔凈煤技[10] CHEN S ,COWAN C F N ,GRANT P M. Orthogonal least squareslearning algorithms for radial basis function network[ J ]. IEEE Trans術(shù)19962)34- 37.Neutral Networks ,1991 X2) 302 - 309[2]張德祥龍永華高晉升等.煤灰中礦物成份組成與灰熔融性[11] 殷春根.非線(xiàn)性理論在潔凈煤技術(shù)研究中的應用[ D].杭州:的關(guān)系[J].華東理工大學(xué)學(xué)報2003( 6) 590- 594. .浙江大學(xué),1998.[3] BRYANT G W ,BROWNING G J ,EMANUEL H. The fusibility of(丹編輯)中新技術(shù)常和壯興興興興學(xué)新穎的空氣膜減振器據《ASME Journal of Turbomachinery>2005年7月號報道美國GE航空發(fā)動(dòng)機公司、俄亥俄州立大學(xué)燃氣輪機試驗室和俄羅斯GE-ETEC的研究人員正在共同開(kāi)發(fā)新穎的用于燃氣輪機的空氣膜減振器。鑒于它們不受環(huán)境限制能控制振型的效果空氣膜減振系統已在燃氣輪機工業(yè)中吸引了相當大的興趣。盡管它仍然處在早期的開(kāi)發(fā)階段空氣膜減振器有希望用于改進(jìn)燃氣輪機實(shí)心葉片的高周疲勞特性。這-研究使用試驗方法,以便實(shí)心平板的振動(dòng)響應與結合有空氣膜減振器的相同尺寸平板的振動(dòng)響應相比較。也研究了提高壓力對空氣膜減振效果的影響、減振器對各種振型的影響、以及空氣膜蓋板相對于實(shí)心支架的應變值。提供的結果證明,空氣膜減振系統對于控制葉片振動(dòng)的潛力在控制雙類(lèi)型振型方面是十分有效的。減振器可被設計成完全消除某些振型并且可使其它振動(dòng)中的寬帶減少。增加周?chē)諝獾膲毫κ箿p振器更有效并使共振頻率移向更低值。(吉桂明供稿)中國煤化工MYHCNMHG