一是用模組化RBF神經網路,分別建立飛灰含碳量、排煙溫度與有關執行引數之間的數學模型;
為了降低飛灰含碳量,提高鍋爐執行水平,運用混合智慧技術建立了飛灰含碳量目標值模型。
在工業熱態CFB鍋爐上測試了過量空氣係數和二次風率變化對鍋爐飛灰含碳量的影響。
本文簡要概述了當前國內外飛灰含碳量線上測量技術。
為此,本文采用了人工神經網路作為工具建立鍋爐執行中飛灰含碳量和煤的元素分析的預測模型。
通過總結前人對煤粉燃燒的研究,建立了一個將爐內燃燒和傳熱相耦合的飛灰含碳量一維預測模型。
降低飛灰含碳量對火力發電廠提高鍋爐燃燒經濟*具有重要意義,而飛灰含碳量難以線上測量。
飛灰含碳量的升高從本質上來講是煤粉在爐膛中燃盡*的下降。