火电厂水力输灰系统结垢预测研究

摘要

本文采用BP人工神经网络技术，建立火电厂水力输灰系统(输灰管道和回水管道)结垢预测模型，旨在实现对水力输灰系统结垢预测的研究。研究了水力输灰系统结垢的动力学机理，从本质上分析了结垢的原因。通过现场调研和查阅资料，分析总结了水力输灰系统结垢速率的影响因素。进行了正交实验和单因素实验，确定了影响输灰管道结垢速率的主要因素及其影响规律。水力输灰系统结垢趋势和结垢程度是众多因素综合作用的结果，各种因素要综合考虑。因此，本文利用BP人工神经网络在MATLAB 6.5上的实现，分别建立了满足误差要求的输灰管道和回水管道结垢预测模型，实现了对水力输灰系统结垢的预测。

目录

文摘

英文文摘

声明

第一章引言

1.1研究背景及意义

1.2燃煤电厂水力输灰管道结垢研究现状

1.3本论文研究的主要内容

第二章水力输灰系统结垢动力学机理

2.1灰水运动状态

2.2动静态CaCO3结晶规律的理论分析

2.2.1静态下CaCO3的结晶特征

2.2.2动态下CaCO3的结晶规律

2.3管壁上CaCO3结晶

第三章水力输灰系统结垢速率影响因素分析及结垢情况

3.1因素分析

3.1.1冲灰原水PH值的影响

3.1.2冲灰水[Ca2+]对冲灰管结垢速率的影响

3.1.3冲灰水TCO32-对冲灰管结垢速率的影响

3.1.4水灰比的影响

3.1.5流速的影响

3.1.6粒径的影响

3.1.7管道材质对结垢速率的影响

3.1.8灰中fCaO的含量的影响

3.1.9浓缩池沉降时间对结垢速率的影响

3.1.10输送管道长度对结垢速率的影响

3.1.11冲灰水回收率对管道结垢的影响

3.2电厂结垢情况

第四章水力输灰管道结垢速率主要影响因素的确定及影响规律

4.1正交实验

4.1.1实验设计

4.1.2实验方法与仪器

4.1.3测定项目和计算公式

4.2结果与分析

4.2.1正交实验结果

4.2.2正交实验结果分析

4.3单因素实验

4.3.1灰浆浓度的影响

4.3.2[Ca2+]浓度的影响

4.3.3 FA中fCaO含量(f1)的影响

4.3.4时间的影响

4.3.5小结

第五章水力输灰系统结垢的预测—BP人工神经网络在MATLAB上的实现

5.1人工神经网络的概述

5.1.1人工神经网络的定义和特点

5.1.2人工神经网络原理、模型以及其算法

5.1.3人工神经网络连接的几种基本形式

5.1.4人工神经网络的主要学习算法

5.1.5几种常见的人工神经网络模型

5.2BP人工神经网络

5.2.1BP网络的神经元模型

5.2.2BP网络的结构

5.2.3BP网络的学习规则

5.3输灰管道结垢预测模型的建立

5.3.1概述

5.3.2数据的预处理

5.3.3BP网络的设计

5.3.4BP网络训练与测试

5.3.5网络的仿真

5.3.6结果比较

5.3.7误差讨论

5.4回水管道结垢预测模型的建立

5.4.1样本的建立

5.4.2数据的预处理

5.4.3BP网络的设计

5.4.4BP网络训练与测试

5.4.5网络的仿真

5.4.6结果比较

5.4.7误差讨论

第六章结论与展望

6.1结论

6.2展望

参考文献

致 谢

在学期间发表的学术论文和参加科研情况