检索结果-南通市图书馆

工矿自动化 2022年第7期48卷 130-134页

作者：赵先枝陈军林内蒙古煤炭地质勘查(集团)一五三有限公司内蒙古呼和浩特010010 中国地质大学(北京)地球科学与资源学院北京100083

目前应用较多的煤炭发热量预测模型以传统的线性回归模型为主,但存在难以表达较复杂的自变量和因变量关系、需要数据服从特定的分布假设、对异常值敏感等问题。针对上述问题,提出了基于分位数回归的煤炭发热量预测方法。选取全水分、灰... 详细信息

目前应用较多的煤炭发热量预测模型以传统的线性回归模型为主,但存在难以表达较复杂的自变量和因变量关系、需要数据服从特定的分布假设、对异常值敏感等问题。针对上述问题,提出了基于分位数回归的煤炭发热量预测方法。选取全水分、灰分、挥发分等容易测量的煤炭工业分析指标,分别应用线性分位数回归和分位数回归森林2种分位数回归方法对煤炭发热量进行预测,并与传统的线性回归方法进行对比。结果表明:线性回归给出的煤炭发热量预测值仅是1个条件均值,而通过分位数回归能够给出煤炭发热量预测值的范围;分位数回归森林的预测效果优于线性回归和线性分位数回归方法;全水分对于煤炭发热量预测的重要程度远大于灰分和挥发分;全水分对低发热量煤炭的发热量预测影响大,对高发热量煤炭的发热量预测影响小;挥发分和灰分对低发热量煤炭的发热量预测影响小,对高发热量煤炭的发热量预测影响大。

关键词：煤炭发热量发热量预测线性分位数回归分位数回归森林线性回归

来源：

维普期刊数据库博看期刊

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

结合参数优化机器学习算法的煤矸石发热量预测

引用

现代电子技术 2023年第14期46卷 168-174页

作者：高湘彬贾博李根马小晶新疆新能集团有限责任公司乌鲁木齐电力建设调试所新疆乌鲁木齐830000 国网新疆电力有限公司电力科学研究院新疆乌鲁木齐830000 华南理工大学电力学院广东广州510641 新疆大学电气工程学院新疆乌鲁木齐830017

为更快捷、方便地获取煤矸石和煤炭等燃料的发热量,文中提出一种将机器学习技术与参数优化算法相结合的煤矸石发热量预测模型。首先,对新疆主要矿区煤矸石开展工业分析和发热量的实验测量,构建新疆煤矸石工业分析指标和发热量数据库;然... 详细信息

为更快捷、方便地获取煤矸石和煤炭等燃料的发热量,文中提出一种将机器学习技术与参数优化算法相结合的煤矸石发热量预测模型。首先,对新疆主要矿区煤矸石开展工业分析和发热量的实验测量,构建新疆煤矸石工业分析指标和发热量数据库;然后,建立以煤矸石工业分析指标为输入,基于支持向量回归(SVR)、随机森林(RF)和多层感知(MLP)神经网络的煤矸石发热量非线性预测模型;同时,为提高模型预测精度,引入麻雀搜索算法(SSA)和黏菌算法(SMA)对模型关键参数进行优化;最后,对所构建的几种煤矸石发热量预测模型进行对比分析。结果表明:与SSA相比,采用SMA优化参数能够更好地提高三种预测模型的精度;SVR和MLP模型的预测性能优于RF模型,其中SMA-SVR模型的收敛速度最快且预测精度较高,适用于煤矸石等燃料发热量的预测研究。

关键词：煤矸石发热量预测支持向量回归随机森林多层感知神经网络麻雀搜索算法黏菌算法

来源：

维普期刊数据库博看期刊

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

粒子群优化算法在煤炭发热量预测中的应用

引用

工矿自动化 2012年第5期38卷 50-53页

作者：王建军王世营雷萌大屯煤电(集团)有限责任公司江苏徐州221611 中国矿业大学信电学院江苏徐州221008

根据已测定的煤中收到基全水、收到基灰分、干燥基灰分和收到基挥发分的含量,建立了基于BP神经网络的煤炭发热量预测模型,并采用粒子群优化算法优化BP神经网络的权值和阈值,实现了对煤炭发热量的快速预测。仿真及实验结果表明,经粒子群... 详细信息

根据已测定的煤中收到基全水、收到基灰分、干燥基灰分和收到基挥发分的含量,建立了基于BP神经网络的煤炭发热量预测模型,并采用粒子群优化算法优化BP神经网络的权值和阈值,实现了对煤炭发热量的快速预测。仿真及实验结果表明,经粒子群优化算法优化后的预测模型可用于煤质分析,且学习精度高,稳定性和鲁棒性好。

关键词：煤质分析发热量预测粒子群优化算法 BP神经网络

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

动力配煤发热量预测与LIBS检测优化试验研究

动力配煤发热量预测与LIBS检测优化试验研究

引用

作者：韩帅中国矿业大学

学位级别：硕士

在我国,随着炼焦、钢铁和电力等行业的不断发展,现代化建设对每个行业都提出了更高的要求。对于煤炭行业,“绿色能源”的提出和推行,对煤炭质量和煤炭资源的优化利用提出更高的要求。随着人工智能技术的发展,实现煤质指标稳定、精确的... 详细信息

在我国,随着炼焦、钢铁和电力等行业的不断发展,现代化建设对每个行业都提出了更高的要求。对于煤炭行业,“绿色能源”的提出和推行,对煤炭质量和煤炭资源的优化利用提出更高的要求。随着人工智能技术的发展,实现煤质指标稳定、精确的在线检测对煤炭行业有很重大的意义。针对传统实验室化验耗时长的问题,市面上出现一些基于微波技术、中子活化技术、X射线荧光光谱法等原理研发的煤质分析仪,但是由于各自存在的不足和使用条件苛刻等问题不能大规模推广应用。本文研究了激光诱导击穿光谱技术(简称LIBS)在煤质检测方面的应用效果,通过优化煤样粒度、制样压力、采样点数目等LIBS试验条件后,对配煤产品的灰分和发热量进行检测分析,结果显示:动力煤灰分检测结果相对误差为0.61%、发热量相对误差为4.12%,验证该技术在煤质检测具有较高的准确性。本文结合生产现场实际情况,通过煤质分析,确定了配煤优化方案,对选煤厂煤样进行了配煤分析试验。通过配煤数据,分析单种煤和配煤产品的煤质指标关系,通过Pearson相关性分析,得出灰分、硫分和发热量具有较好的线性可加关系,内水没有显著的线性关系。并由煤质指标间的联系,建立质量预测模型,用于动力煤配煤数据分析应用。根据传统化验流程,发热量指标需要由弹筒发热量经公式换算获得,但其化验过程繁琐耗时费力,于是本文尝试对检测流程进行优化。通过全水、内水、灰分、硫分作为输入参数建立发热量预测模型,应用遗传算法改进的BP神经网络算法和LS-SVM支持向量机算法,通过建立不同的模型预测发热量,比较发热量预测结果误差。结果显示:采用LS-SVM支持向量机算法建立的发热量预测模型,预测结果的最大绝对误差176.51 J/g,相关系数R值为0.98,运算速度快,预测结果符合要求。

关键词：动力配煤煤炭指标分析 LIBS检测发热量预测

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

燃煤发电企业入厂煤发热量预测及损耗分析

引用

石油石化物资采购 2023年第24期 201-203页

作者：郭龙郭文文浙江浙能富兴燃料有限公司浙江科技学院机械与能源工程学院

燃煤发电企业的入厂煤发热量管理有着重要意义。煤炭是一种固体燃料,其发热量检验过程难免会产生系统性偏差和随机误差。通过采用机器学习算法,对入厂煤工业分析和发热量检验数据集进行训练,建立入厂煤发热量预测模型,可以在一定煤阶范... 详细信息

燃煤发电企业的入厂煤发热量管理有着重要意义。煤炭是一种固体燃料,其发热量检验过程难免会产生系统性偏差和随机误差。通过采用机器学习算法,对入厂煤工业分析和发热量检验数据集进行训练,建立入厂煤发热量预测模型,可以在一定煤阶范围内较好地预测煤炭发热量。结合大数据技术,对入厂煤、入炉煤炭进行质量实时动态损耗管理,能有效提高燃煤发电企业的煤场发热量控制水平,维护发电企业的经济利益。

关键词：发热量预测机器学习算法电厂发热量损耗分析

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

煤/生物质混合富氧燃烧及污染物释放特性研究

煤/生物质混合富氧燃烧及污染物释放特性研究

引用

作者：刘骁纬三峡大学

学位级别：硕士

煤/生物质混合富氧燃烧不仅能促进可再生能源利用,还可以降低CO及污染物的排放,已成为低碳能源领域的研究热点之一。由于燃烧中的协同效应和富氧气氛的影响,使得其燃烧特性与常规燃烧相比存在较大的差异。现有研究对煤/生物质富氧混合... 详细信息

煤/生物质混合富氧燃烧不仅能促进可再生能源利用,还可以降低CO及污染物的排放,已成为低碳能源领域的研究热点之一。由于燃烧中的协同效应和富氧气氛的影响,使得其燃烧特性与常规燃烧相比存在较大的差异。现有研究对煤/生物质富氧混合燃烧的污染物释放特性尚没有普遍结论。所以阐明燃烧热反应过程和污染物释放机理对该技术的发展和应用具有重要意义。因此,本文对于煤/生物质富氧混合燃烧进行了如下研究:首先,本文对华能华亭煤和稻壳两种样品进行了工业分析和元素分析,理论分析了煤与稻壳混合燃烧的互补性。通过现有公式对煤的发热量进行了预测;利用稻壳工业分析数据和HHV建立了针对稻壳单一物质的发热量预测公式,对其进行分析验证后与现有公式比较发现,本文提出的预测公式误差最小。其次,对稻壳/煤进行混合富氧燃烧热重实验。结果表明,随着稻壳掺混比增加至70%,燃尽温度从730℃降低至650℃,燃尽程度增大,综合燃烧指数由2.153×10增加到1.183×10;随着升温速率增加,样品的燃尽温度和综合燃烧指数均会增大;随着空气变为富氧气氛,样品的点火温度和燃尽温度下降,综合燃烧指数增加;随着氧气浓度增加到100%,燃尽温度由530℃降低到442℃,综合燃烧指数由1.9×10增加到2.52×10;混合燃烧时组分间会发生协同作用,随着掺混比的增加,协同效应参数逐渐增大,而氧气浓度的增加对协同效应的影响愈加显著;分析样品活化能后发现,燃烧过程中活化能随着稻壳掺混比的增加呈现出先增大后减小的趋势,随着空气变为富氧气氛并增加氧气浓度,混合燃料的活化能平均值也呈下降趋势。最后,对煤/稻壳混合富氧燃烧的污染物释放特性进行实验。结果表明,随着掺混比增加,混合燃料烟气中的SO释放量呈降低趋势,NO的释放量曲线由单峰变为双峰趋势,释放量峰值由316mg/m下降至149.8 mg/m;富氧燃烧时,富氧气氛下的SO、NO释放量峰值和总释放量均低于空气气氛;随着氧气浓度增加,SO释放量峰值和总释放量依次下降,而NO释放量峰值和总释放量增大;随着燃烧温度的增加,SO释放量先减小后增大,NO总释放量由842.7 mg/m增加至2690 mg/m。因此,在富氧燃烧时要选择合适的氧气浓度和燃烧温度提高燃料的燃烧特性并且以此来降低污染物的释放量。

关键词：稻壳发热量预测富氧燃烧燃烧特性污染物释放

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于机器学习的混合气源天然气管网气体发热量赋值方法研究

基于机器学习的混合气源天然气管网气体发热量赋值方法研究

引用

作者：周靖中国石油大学(北京)

学位级别：硕士

中国天然气工业的高速发展加快了天然气能量计量体系的建设步伐,精准可靠的天然气发热量分析与赋值技术是管网实施能量计量的重要基础。在多元化的供气格局与复杂的运营环境下,不同气源混输导致了管网间发热量存在波动,现有工艺和传统... 详细信息

中国天然气工业的高速发展加快了天然气能量计量体系的建设步伐,精准可靠的天然气发热量分析与赋值技术是管网实施能量计量的重要基础。在多元化的供气格局与复杂的运营环境下,不同气源混输导致了管网间发热量存在波动,现有工艺和传统分析技术难以满足管网不同界面发热量实时准确赋值的需求。为此,本研究旨在另辟蹊径地研究基于机器学习的天然气管网气体发热量赋值方法,并从管网拓扑结构变化、运行工况改变两个方面,分析并改进基于机器学习的管网发热量赋值方法的迁移能力,为大型多气源天然气管网发热量快速赋值提供新的方法借鉴。首先,针对多气源混合引起的气质变化而导致发热量快速分析难的问题,建立了混合天然气发热量高效预测方法。通过整合气体流动状态、输运特性以及热力学性质,耦合半经验式,建立了混合气体发热量、压缩因子等关键物性参数的计算模型。在此基础上,引入机器学习算法,建立了混合天然气发热量预测模型,挖掘气体混合前后的流动参数与发热量之间的映射模式,并对比了机器学习模型与半经验计算模型的准确性和适应性。算例结果显示,该方法预测准确率可达到99.5%左右,在不同数据量与数据质量的条件下仍能保持一定的鲁棒性。所提方法适用于简单支状管网的混合天然气发热量分析,可为实时气质分析方式提供参考。其次,对于复杂天然气管网内气质波动问题,考虑了管输工艺特征、气源供给量变化以及用户需求波动等因素对混输过程气体状态的影响,结合系统大时滞和非线性的动态特性,建立了一种基于深度学习的天然气管网气体发热量动态预测模型,用于精准高效分析由非稳态过程所引起的管网发热量动态变化问题。数值实验表明,本研究所建立的深度学习模型能够有效提取天然气管网非稳态和大时滞水力特性对气体发热量分布的影响。该方法能够基于压力、流量、气质参数等实时运行数据,快速预测管网内气体发热量的动态变化情况,预测精度在99%以上,计算时间仅为物理仿真模型(基于TGNET商用软件构建与求解)的1%。而且,当数据样本中存在噪声和关键参数缺失时,该方法仍能保持97%以上的准确率,可为复杂天然气管网发热量的动态赋值和现场计量管理提供新的方法借鉴。最后,为了弥补在不同数据应用模式和场景扩展时深度学习模型预测性能下降的缺陷,本研究在结合天然气管网的拓扑结构与系统动态特性的基础上,构建了基于图深度学习理论的天然气管网发热量时空预测模型,准确捕获管网内气质状态的时空演化特征。通过图神经网络的归纳推理机制,提升了该方法对于管网局部拓扑结构改变(如新建支线)、输送介质变化(天然气掺氢)的迁移能力。研究结果表明,该方法在不同预测任务与数据噪声干扰的情况下能够有效提升预测模型的准确率,相较于前述的深度学习模型,预测性能最高可提升约62%。本研究所建立的模型可迁移至管网拓扑结构改变和管网掺氢等新的发热量分析场景,具备一定的扩展性。

关键词：天然气管网能量计量发热量预测机器学习深度学习

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：