燃煤锅炉屏式过热器超温预测的数据驱动建模

樊昱晨; 周永清; 韦昌; 刘欣; 王赫阳

doi:10.13334/j.0258-8013.pcsee.241152

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

燃煤锅炉屏式过热器超温预测的数据驱动建模

发电 | 更新时间：2026-01-23

- 燃煤锅炉屏式过热器超温预测的数据驱动建模
- Data-driven Modeling for Over-temperature Prediction of Platen Superheater in Coal-fired Boiler
- 中国电机工程学报 2025年45卷第19期页码：7634-7643
- 作者机构：
  
  1. 天津大学机械工程学院, 天津市津南区,300354
  2. 烟台龙源电力技术股份有限公司,山东省,烟台市,264006
- 作者简介：
- 基金信息：
- DOI：10.13334/j.0258-8013.pcsee.241152
  中图分类号：
- 纸质出版：2025
- 稿件说明：
移动端阅览
樊昱晨, 周永清, 韦昌, 等. 燃煤锅炉屏式过热器超温预测的数据驱动建模[J]. 中国电机工程学报, 2025,45(19):7634-7643.

FAN Yuchen, ZHOU Yongqing, WEI Chang, et al. Data-driven Modeling for Over-temperature Prediction of Platen Superheater in Coal-fired Boiler[J]. 2025, 45(19): 7634-7643.
樊昱晨, 周永清, 韦昌, 等. 燃煤锅炉屏式过热器超温预测的数据驱动建模[J]. 中国电机工程学报, 2025,45(19):7634-7643. DOI： 10.13334/j.0258-8013.pcsee.241152.

FAN Yuchen, ZHOU Yongqing, WEI Chang, et al. Data-driven Modeling for Over-temperature Prediction of Platen Superheater in Coal-fired Boiler[J]. 2025, 45(19): 7634-7643. DOI： 10.13334/j.0258-8013.pcsee.241152.

摘要

燃煤锅炉普遍采用空气分级燃烧技术，此举虽可大幅降低NOx生成，但造成炉内火焰中心上移，导致屏式过热器(屏过)管壁超温严重。此外，调峰运行使锅炉负荷经常性不规则变化，进一步恶化了屏过传热，使爆管泄漏事故频发。为指导锅炉安全可靠运行，提出一种基于遗传算法优化超参数的深度神经网络模型(deep neural network model with its hyperparameters optimized by genetic algorithm，GA-DNN)，通过构建炉内风煤侧及汽水侧运行参数与屏过30片管屏出口温度之间的映射关联，对屏过超温进行分析和预测。该模型可实现对不同负荷工况下屏过温度分布的准确预测，在此基础上能够以97.5%以上的准确率识别出当前及未来5 min屏过超温(> 550℃)的运行工况，同时可在89.2%的准确率下预测出未来5 min屏过超温最严重的管屏所在区域。

Abstract

Air-staging combustion technology is widely used in coal-fired boilers to reduce NOx emissions. However

it causes high-temperature flame to move upwards in the furnace and aggravates the tube over-temperature of the platen superheater (PLSH) located in the upper furnace. Moreover

the rapid changes of unit load under load-cycling mode further aggravate the tube over-temperature of boiler PLSH. In order to guide the safe and reliable operation of boilers

a deep neural network model with hyperparameters optimized by genetic algorithm (GA-DNN) is proposed to predict the over-temperature of boiler PLSH. By establishing the mapping correlation between the air

coal

and steam parameters and 30 tube panel temperatures at PLSH-outlet

the model can accurately predict the temperature distribution of the PLSH under different load conditions. On this basis

it can identify the over-temperature operational conditions (> 550℃) of PLSH for the present and for the next 5 min with over 97.5% precision. Additionally

it can predict the region with the worst PLSH in the next 5 min

with an accuracy rate of 89.2%.

关键词

Keywords

references

浏览量

170

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于树状结构Parzen估计器优化长短期记忆神经网络的燃煤机组NO_x生成浓度预测

多股流紧凑式换热器优化设计方法：高温电解制甲烷系统案例分析

考虑动态调节特性的光伏直接耦合制氢系统容量优化配置

基于深度神经网络模型的无铁心永磁同步直线电机结构优化研究

基于改进连续隐马尔可夫模型的六极径向主动磁轴承转子位移软测量