赵凯
- 作品数：6 被引量：54H指数：5
- 供职机构：华北电力大学能源动力与机械工程学院更多>>
- 发文基金：中央高校基本科研业务费专项资金更多>>
- 相关领域：自动化与计算机技术动力工程及工程热物理更多>>
- 基于数据分析的燃煤机组制粉系统与配风方式优化被引量：6
- 2017年
- 针对某600MW燃煤机组制粉系统及配风方式优化,在其历史运行数据库的基础上,采用改进关联规则挖掘算法对磨煤机一次风量、给煤机速率、磨煤机出口风压及二次风门开度等参数进行挖掘,得到了优化后全工况下各运行参数的最优参考值.结果表明:在中低负荷段,保证煤量要求的前提下,减少磨煤机台数能够降低制粉系统运行能耗;在相同磨煤机组合方式下,优化后工况的净单位发电量明显提升,有效降低了制粉系统运行能耗;优化后的二次风配风方式呈束腰型分布,在保证稳燃的同时提高了锅炉效率,降低了NO_x的生成量.
- 李建强陈星旭赵凯汪安明
- 关键词：制粉系统配风方式关联规则
- 600MW燃煤机组最优氧量与配风方式的联合优化被引量：13
- 2017年
- 氧量和配风方式是影响燃煤机组锅炉效率及NO_x排放的重要因素,针对某600MW机组燃烧优化调整,建立了基于聚类分区的关联规则挖掘模型,并引用密度参数,选择大密度区域内的点作为初始聚类中心,提高了聚类的稳定性;同时建立了基于交叉验证法(cross validation,CV)的支持向量机(support vector machine,SVM)氧量软测量模型,减小了氧量测量不准对数据挖掘结果的影响。对历史运行数据进行挖掘,得到了不同工况下兼顾锅炉效率和NO_x排放质量浓度的最优运行氧量值与二次风门配风方式,结果表明:寻优后的烟气含氧量低于实际运行值,周界风门和辅助风门呈束腰型分布,主要负荷段的选择性催化还原脱销装置(selective catalytic reduction,SCR)进口NO_x质量浓度由220~420mg/m^3降为220~320mg/m^3,且保证锅炉效率不低于92.7%。
- 李建强赵凯陈星旭张莹莹
- 关键词：燃煤锅炉关联规则支持向量机配风方式
- 电站历史数据缺失值填补策略研究被引量：8
- 2017年
- 针对电站数据库存在数据缺失的问题,提出了改进的模糊聚类缺失值填补算法,即支持向量回归与遗传算法优化的模糊聚类填补算法(SVR-OCSFCM)。对某600MW燃煤机组运行数据用支持向量机回归算法(SVR)、模糊聚类优化补全策略(OCS-FCM)与SVR-OCSFCM三种方法分别进行单属性和多属性缺失值填补实验,实验表明:同属性缺失时,算法性能随缺失率增加而降低,相同缺失率时填补性能随缺失属性的增加而降低;SVR-OCSFCM由支持向量回归和模糊聚类算法共同约束估计值,具有较好的准确性和有效性,缺失值填补性能优于SVR和OCS-FCM算法,且对多属性缺失数据填补具有较好的填补效果。
- 李建强赵凯潘文凯陈星旭李世博
- 关键词：缺失值电站模糊聚类
- 燃煤电站锅炉低NO_x燃烧运行参数优化被引量：15
- 2016年
- 针对某电厂300 MW机组低NO_x燃烧优化调整,结合NO_x生成规律与数据分析方法,筛选原始运行数据库,建立二次风软测量模型与氧量聚类挖掘模型,从而减少原始运行参数数量,并利用粒子群优化Apriori算法,挖掘精简后的数据库中符合机组NO_x减排要求的各个参数的最优参考工况.结果表明:寻优后的烟气含氧量、磨煤机组合方式、二次风门开度和分离燃尽风(SOFA)门开度等参数均符合燃烧调整试验结论,寻优结果在保证锅炉效率的前提下,有效地降低了SCR装置进口NO_x质量浓度.
- 李建强汪安明潘文凯陈星旭赵凯
- 关键词：燃烧优化数据挖掘关联规则
- 基于PSO-SVR模型的凝汽器真空目标值预测被引量：10
- 2017年
- 针对凝汽器真空目标值确定问题的研究现状和存在的不足,应用粒子群与支持向量机相结合的算法建立了凝汽器真空目标值预测模型,在历史运行数据库的基础上,利用关联规则算法对循环水系统优化参数进行挖掘,为真空预测模型提供训练样本,引入粒子群算法的寻优功能对支持向量机模型的参数进行优化,使模型具有一定的有效性和泛化性,并以某600 MW机组凝汽器运行数据为例,对不同负荷下凝汽器真空目标值进行了预测并通过凝汽器真空实测值与模型预测目标值对比,实现对凝汽器真空运行状态的评估,为凝汽器运行优化及故障诊断提供了参考依据。
- 李建强陈星旭赵凯
- 关键词：支持向量机回归粒子群关联规则软测量
- 基于GA-SVM的电站锅炉烟气含氧量软测量模型被引量：5
- 2017年
- 针对电厂烟气含氧量测量存在的投资大、精度低等问题,在烟气含氧量理论研究的基础上,选择合理的二次变量,引入支持向量机(SVM)建立二次变量与烟气含氧量的软测量模型。利用遗传算法(GA)对模型中的惩罚系数和核函数参数进行寻优,进而利用最优值构建了GA-SVM烟气含氧量软测量模型,并对比利用粒子群算法及网格搜索法对参数的寻优结果,对模型的准确性、泛化性进行测试。仿真结果表明:遗传算法比粒子群算法和网格搜索法更易找到全局最优解;GA-SVM软测量模型误差在±0.2%以内,相对误差在±4%以内,能满足不同负荷、不同时间段锅炉烟气含氧量的预测要求,其对烟气含氧量的测量更准确。
- 李建强赵凯牛成林尹喜超陈星旭邢飞
- 关键词：烟气含氧量粒子群算法软测量
