声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-2190/TD
国际刊号：0253-9993
发布日期:
作者：闫靖文, 刘欣, 王光礼, 张文振, 李明, 金东昊, 李驰, 李新颖, 王赫阳,
关键词：水冷壁, 管壁温度, 耦合传热模型, 超临界锅炉, 人工神经网络,
水冷壁等高温受热面超温及由此导致的爆管事故是影响燃煤发电机组安全运行的痛点问题之一。管壁超温一般发生在锅炉受热面局部区域，为预测并缓解超温问题，就必须实时监测受热面壁温的详细分布，并做出针对性调整。由于测量手段受限且CFD数值模拟方法耗时较长，目前仍缺少一种能实时、准确地反映锅炉运行过程中壁温详细分布的技术手段。为此采用将耦合传热模型与人工神经网络相结合的方法。以某350 MW超临界对冲燃烧锅炉为研究对象，首先以壁温耦合传热预测模型为基础，通过改变耦合模型的46个锅炉关键运行参数，生成220个典型工况，并通过快速扩充方法以极低时间成本衍生出4 400个扩充工况。然后，基于典型工况与扩充工况组成的综合数据库，以锅炉的46项运行参数及壁面坐标为输入，以对应位置的壁温为输出，构建深度学习模型。模型MSE误差仅为0.005 3，准确率AUC5为0.988，且计算时长在0.1 s以内。结果表明，提出的基于数据驱动的水冷壁壁温分布预测模型通过泛化有限工况的数值模拟结果，实现了锅炉全工况下水冷壁管壁温度详细分布的实时预测，且针对模型在低负荷工况时难以准确预测传热恶化的问题，提出快速扩充数据库的方法，以极低时间成本明显提高模型对传热恶化问题的预测准确率。
来源：2024年第10期
《煤炭学报》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。