基于数据驱动的气化炉出口温度在线测量

TQ545; 为实时监控气流床气化炉的气化温度和运行状态,收集气化炉激冷系统和反应系统等系统的可测量数据,采用理论计算模型和遗传算法改进的BP(GABP)神经网络模型对气化炉出口温度进行预测,并与工业测量数据进行对比分析.结果表明,由激冷系统理论计算模型可以得到气化炉出口温度,但因测量参数敏感度低,导致温度预测精度和稳定性较差.采用GABP神经网络模型总体上可以提高预测温度的精度和稳定性,但反应系统中由于煤量波动和煤质数据缺乏等原因,导致部分区间预测误差较大;采用激冷系统参数可大幅提高绝大部分区间内温度的预测精度,预测误差保持在15 K以下,可满足不同工况下的气化炉温度实时在线监测需要....

Full description

Saved in:
Bibliographic Details
Published in华东理工大学学报（自然科学版） Vol. 49; no. 2; pp. 168 - 175
Main Authors 杜旭鹏, 王钰琪, 许建良, 于广锁, 刘海峰
Format Journal Article
LanguageChinese
Published 华东理工大学国家能源煤气化技术研发中心, 上海煤气化工程技术研究中心, 上海 200237 01.04.2023
Subjects
遗传算法
神经网络
激冷系统
预测
气化
Online AccessGet full text

Cover

More Information
Summary:TQ545; 为实时监控气流床气化炉的气化温度和运行状态,收集气化炉激冷系统和反应系统等系统的可测量数据,采用理论计算模型和遗传算法改进的BP(GABP)神经网络模型对气化炉出口温度进行预测,并与工业测量数据进行对比分析.结果表明,由激冷系统理论计算模型可以得到气化炉出口温度,但因测量参数敏感度低,导致温度预测精度和稳定性较差.采用GABP神经网络模型总体上可以提高预测温度的精度和稳定性,但反应系统中由于煤量波动和煤质数据缺乏等原因,导致部分区间预测误差较大;采用激冷系统参数可大幅提高绝大部分区间内温度的预测精度,预测误差保持在15 K以下,可满足不同工况下的气化炉温度实时在线监测需要.
ISSN:1006-3080
DOI:10.14135/j.cnki.1006-3080.20211116001