简介:燃煤锅炉是复杂的多变量系统,其飞灰的含碳量形成机理复杂,不能用简单的数学公式估算。现场实炉测试这些数据具有工作量大,测试工况有限等缺点;燃煤锅炉运行参数及燃料特性等因素影响着飞灰的含碳量,其相互耦合,导致分析数据过程困难。神经网络建模将燃煤锅炉视为黑箱,应用该方法可以良好的描述其输入输出之间的黑箱特性,因此,人工神经网络应用广泛。利用燃煤锅炉试验数据,采用3层BP(backpropagation)神经网络构建了锅炉飞灰的含碳量排放特性模型。通过锅炉的实测数据验证,该BP神经网络对飞灰含碳量相对预测误差在0.19%~0.50%,预测效果良好。测试结果表明,建立的神经网络预测模型可以准确逼近验证样本数据,也能够较好的逼近非验证样本数据,具有良好的泛化能力。
简介:通过井筒向某地质结构内注入冷介质时,由于地温与冷介质之间存在温差,冷介质将通过井筒结构与土壤进行热量交换,最终导致冷介质冷量损失进而温度升高而达不到所需温度要求。因此,在施工前,需要对井筒进行冷量损失和沿井筒的温度分布的预测,为保冷结构设计以及井筒结构材料选型提供数据支持。由于注入冷介质的过程中,热量交换过程是一个非稳态传热过程,通常只能采用数值模拟来进行预测。为了简化数值模拟复杂的计算过程,采用准稳态的传热方法来构建单相冷介质通过井筒注入时的流动换热的物理数学模型,并开发了一个数值仿真软件。将仿真结果同商业软件FLUENT模拟结果进行了比较,表明温度分布和冷量损失基本一致,由此验证了所提模型的正确性和可靠性,为非工程热物理专业的工程技术人员提供能够预测低温工质在井筒流动与换热过程的仿真软件。