奥里油锅炉高温腐蚀的混沌预测

奥里油中含钒量较多,是锅炉预防高温腐蚀设计中的大难题.文中针对奥里油钒高温下的腐蚀机理,运用混沌理论,建立基于最大Lyapunov指数的腐蚀预测模型,并以电阻探针测得某输油管道内的高温腐蚀深度数据,对所提出的腐蚀预测模型进行校验.预测与评估结果显示:腐蚀深度误差均小于6%.平均误差为3.58%,预测精度较高,表明所提出的预测模型可以有效预测金属的高温腐蚀状况,为奥里油钒的高温腐蚀预测提供理论依据.     

奥里油锅炉配套电除尘器设计

奥里油是产于奥里诺科地带的油品,由70%天然沥青油、30%乳化液和少量表面活化剂组成。与重油相比,含硫、水、钒和灰分更多,在我国的燃用及其环保问题的研究还处于起步阶段。本文对燃用奥里油锅炉电除尘器进行了设计,为电厂燃用重油和奥里油提供参考。     

桥梁缆索高强钢丝均匀腐蚀及点蚀的规律

为了研究桥梁缆索高强钢丝均匀腐蚀及点蚀的规律,采用酸性盐雾试验制作了6种共30根不同腐蚀程度的钢丝试件,通过质量分析、三维扫描等手段,研究了腐蚀高强钢丝均匀腐蚀深度、点蚀深度的演变规律.试验结果表明:均匀腐蚀深度随腐蚀时长的变化遵循幂函数规律,均匀腐蚀深度的变异系数随腐蚀时长减小;钢丝的点蚀深度服从正态分布,最大点蚀深度服从极值I型分布.最后,建立了均匀腐蚀深度与最大点蚀深度的预测模型,并运用于具体实桥分析预测中.     

基于“数列灰预测”的输气管道腐蚀预测

输气管道腐独涉及因素较多,关系错综复杂,且随着条件的不同而变化较大,对于这些因素的确定也存在不确定性和模栩性。利用“数列灰预测”建立了管道腐性预测的新模型,介绍了三种常用的数据处理方式。将预测模型应用于四川气田某输气管道的腐蚀速度和腐蚀深度的预测结果表明:所建模型预测的误差小,可以用于现场实际工作中,为管道的腐蚀预测提供了一种新的方法。     

考虑腐蚀储罐底圈壁板的时变可靠度分析

准确掌握在役储罐的健康状况可以为储罐维修维护提供决策支持。通过分析储罐底圈壁板强度失效的影响因素,建立底圈罐壁结构抗力的衰减模型;根据灰色理论建立非等间距GM(1,1)的底圈罐壁腐蚀速率预测模型,采用储罐历年的检测数据对底圈壁板的腐蚀速率进行预测,并对预测的精度进行检验;通过对实测数据的统计分析得到底圈壁板腐蚀深度及罐内液体载荷的分布特征,根据可靠性理论建立底圈壁板的时变可靠性模型,并利用广义随机空间内改进的一次二阶矩法求解可靠性指标。结果表明:底圈壁板的腐蚀深度和罐内油、水的高度符合正态分布;预测模型的拟合精度较高;储罐在服役22 a后其失效概率超过10-3,应对底圈罐壁进行适当的维修与维护。     

威力特:奥里油能量的释放者——记陈永元研制机械压力式燃烧机

随着世界经济的飞速发展,能源紧缺及环境污染等问题已成为全球性问题。因此,合理利用新型能源已势在必行。1996年11月,国务院总理李鹏在访问委内瑞拉期间,我国政府与委内瑞拉政府签署了4个合作协议,其中一项是从委内瑞拉引进有"经济型黄金燃料"美称的奥里油。短短3年,奥里油及由无锡市威力特燃烧设备厂自行研制的燃烧奥里油设备已在风光旖旎的江南名城——江苏省无锡市落地生根。奥里油产于委内瑞拉奥里诺科地带,该油即以此地名命名,已探明储量为420亿吨。奥里油为黑色、粘稠的具有石油气味的液体。奥里油的特点是可融于水,易于燃烧,燃烧效果好,且无污染,符合国家     

生物质油/柴油乳化燃料的研究进展

生物油作为一种可再生的液体燃料,由于它本身具有酸性大,稳定性差以及粘度大等缺点,从而限制了它的直接应用。生物油已经用于改进了的汽轮机、锅炉等,通过将生物油和柴油的乳化还可以将其用于稍加改进的柴油机上。本文介绍了乳化的基本知识以及生物油/柴油乳化燃料的国内外研究进展及其制备的工艺流程。     

基于固体钙含量的CO2腐蚀水泥石规律预测

CO₂会腐蚀油井水泥环，导致其强度衰退，使其失去保护套管和封隔油、气、水层的作用，从而缩短油气井寿命，造成巨大经济损失。如果能够预测CO₂在井下的腐蚀深度和腐蚀规律，那么就可以预测油井寿命，进而对水泥环耐腐蚀性能进行改进。然而，目前的CO₂腐蚀深度模型，大多是基于实验数据拟合建立的半经验模型，不具普遍适用性。针对这一问题，根据质量守恒定律结合扩散对流方程及钙离子沉淀速度，建立了CO₂腐蚀深度预测模型。该模型考虑了CO₂的扩散作用以及钙离子的沉淀，具有较强的适用性。通过CO₂腐蚀实验验证了该模型的可靠性，并利用该模型分析了水泥石基质被腐蚀后的变化规律，结果表明，随着腐蚀时间增加，水泥环孔隙度、渗透率增加，孔道迂曲度减小从而导致物质对流扩散加快、腐蚀速率加快；距离腐蚀端面越近孔隙度、渗透率越大，孔道迂曲度越小。     

灰色动态模型在预测输气管道腐蚀中的应用

在输气管道中,引起腐蚀的因素很多,并且复杂。腐蚀速度和腐蚀深度是随时间而变化的灰色量。为了对输气管道的腐蚀状况进行预测,掌握输气管道腐蚀的基本规律,应用灰色系统理论中的模型对输气管道的腐蚀速度和腐蚀深度等指标的实际统计数据进行了灰色动态拟合,建立了相应的灰色微分方程和灰色时间响应函数;并在此基础上对四川输气管道的腐蚀速度和腐蚀深度进行了预测,为输气管道的防腐提供了切实可靠的依据。     

中东电站燃油添加剂的应用

中东地区目前基础电力设施较为落后,由于中东地区的原油含量比较丰富,因此燃油锅炉将是该地区的电站发展的主要方向。中东HFO 380原油中含钒量大概在200ppm和含硫在4%左右,原油中的钒和硫经过锅炉燃烧后,会产生部分腐蚀产物。因此设计使用重油为燃料的机组会面临锅炉腐蚀问题,腐蚀会在锅炉高温区和烟道低温区产生,会严重影响机组的安全稳定运行。该文介绍了中东电站燃油锅炉的腐蚀的种类,阐述了燃油锅炉高、低温腐蚀的机理,以及使用燃油添加剂来保护锅炉的燃烧系统及辅助设备的方法,防止了设备的腐蚀和提高了电除尘的性能、改善了烟气的排放水平。     

基于混沌神经网络的交通流预测算法

为提高 RBF 神经网络的交通流预测精度,提出基于混沌-RBF（Chaos-RBF,C-RBF）神经网络的交通流预测算法,该算法首先计算混沌相空间的嵌入维数和嵌入延迟,构造得到的相空间向量作为 RBF 神经网络的输入,其相空间次邻向量作为期望输出值,滚动训练得到神经网络的权值,然后以实际交通流作为输入,经由网络计算得到预测值。仿真结果表明该算法相比于 RBF 神经网络,预测精度提高 96%,证明了该算法的有效性。     

钢铁企业高炉煤气供需预测模型及应用

以钢铁企业高炉煤气系统为研究对象,采用灰色关联度分析了高炉煤气产生量、消耗量的影响因素与煤气量的关系.基于人工神经网络预测方法,建立了高炉煤气BP神经网络预测模型,对钢铁企业各生产工序中高炉煤气的产生与消耗量进行预测,探讨了企业在正常生产、事故检修等工况下各工序的煤气产生量和消耗量预测的合理性.研究表明:所建立的预测模型精度高、误差小,能有效解决实际生产中高炉煤气的供需预测问题,从而减少高炉煤气放散,为企业制定合理煤气使用计划提供了理论依据.     

基于燃料比最优的高炉喷煤设定值多目标优化

为了降低高炉炼铁的能耗,节约成本,将高炉炼铁过程信息、专家经验与智能模型相结合,提出基于燃料比最优的高炉喷煤设定值多目标优化方案。以燃料比最优为优化目标,炉温预测指标为约束条件,喷煤量为决策变量,采用基于K-均值聚类的径向基神经网络建立多目标优化模型,并通过基于NSGA-Ⅱ算法的多目标优化方法,获取尽可能使多个目标同时达到最优的Pareto最优解。结果表明,该优化方案可以在保证炉温良好的前提下,决策出使燃料比达到最优的喷煤设定值,大大降低能耗,节约成本。不仅为高炉实际生产提供操作指导,也为高炉冶炼的优化运行奠定了基础。     

城市燃气负荷的混沌特性与预测

采用混沌理论分析方法,对燃气负荷时间序列进行了相空间重构,通过计算关联维数和最大李亚普诺夫指数判定燃气负荷具有混沌的性质.在此基础上,分别采用基于混沌理论的加权一阶局域法、最大李亚普诺夫指数法和贝叶斯正则化神经网络模型对城市燃气日负荷进行了预测.实例预测结果表明,混沌时间序列分析方法可应用于燃气负荷预测研究,特别是结合了混沌理论、神经网络与贝叶斯正则化方法各自优点的神经网络模型取得了较好的预测效果.     

基于混沌理论和MEA-BPNN模型的快速路短时交通流预测

为提高短时交通流预测的精度,在分析北京市二环路实测交通流数据时空特性和混沌性的基础上,利用混沌理论方法对交通流量时间序列进行相空间重构,并基于思维进化算法提出一种改进的BP神经网络模型,将重构的时间序列数据作为模型输入进行交通流预测。结果表明,基于该模型的预测结果与基于传统BPNN模型的预测结果相比,均方根误差、平均绝对误差和平均绝对百分误差分别下降31.11%、20.71%和37.28%,证明了模型具有更精确的预测能力。     

瓦斯浓度预测的混沌时序RBF神经网络模型

为对煤矿瓦斯质量浓度进行精确预测,针对瓦斯质量浓度的非线性特点,在验证其时间序列具有混沌特性的基础上,建立了基于混沌理论和径向基神经网络的预测模型。将实测瓦斯质量浓度时间序列进行相空间重构得到训练样本,并利用MATLAB仿真软件进行编程预测分析。结果表明,相对误差为0~3%,均方差为0.005 6,预测效果良好。实例验证该预测模型切实可行。     

径流序列的相空间重构神经网络预测模型

在水文水资源领域中引入混沌理论，将相空间重构理论与神经网络理论相结合，提出了径流时间序列预测模型．通过相空间重构，把一维径流时间序列拓展为多维序列，而多维序列可挖掘更为丰富的信息，有利于神经网络的训练．研究表明，利用神经网络建模可以较好地解决非线性问题，使预测更符合实际．以汉江石泉水库逐月平均入库径流序列为例，建立了径流时间序列相空间重构与神经网络耦合预测模型，计算结果表明，模型有较高的预测精度．     

风电场风速时间序列的复杂动力学特性分析

利用混沌理论对风电场风速数据进行了相空间重构,首先由C-C方法计算出嵌入维数和延迟时间,然后采用G-P算法计算出吸引子关联维数,最后用小数据量改进算法得出风速时间序列的最大Lyapunov指数,由计算结果发现风电场风速时间序列具有混沌特性,为利用混沌预测方法进一步提高风速预测精度提供参考.     

混沌RBF神经网络在电力负荷预测中的应用

混沌和RBF神经网络相结合的方法,可以充分利用混沌的随机性、初值敏感性等特点,也可以充分利用RBF神经网络的大规模并行处理、自组织自适应性等功能,因此,受到了许多研究者的青睐。本文研究了混沌RBF神经网络,利用RBF神经网络的学习、逼近能力,结合混沌时间序列的嵌入维数、时延等参数构造了混沌RBF神经网络,分别对典型混沌序列及混沌RBF神经网络的建模预测进行仿真,并将RBF神经网络应用于油田电力负荷预测中。仿真分析和实用结果表明,混沌RBF神经网络具有预测时间短、预测精度高等优点,具有较高的指导意义和应用价值。