循环流化床整体物料平衡通用动态数学模型

建立了考虑排渣、飞灰、排循环灰以及物料磨耗等一般情形的循环流化床宽筛分物料平衡动态数学模型，模型通用性强而且符合实际运行情况。通过对改变料位设定值以及突然排放循环灰两种动态过程的仿真，揭示了排渣量，排循环灰量等操作参数与流化床主要运行参数间的作用关系，证明所建模型能够反映流化床内部的复杂作用关系。它为建立循环流化床整体动态数学模型，研究流化床控制策略，乃至仿真培训器的开发打下了基础。     

循环流化床锅炉床温动态建模与仿真

在分析了循环流化床锅炉床内温度动态特性的基础上，通过对循环流化床锅炉动态特性的主导过程-动态物料平衡．动态残碳量平衡以及动态能量平衡以及辅助过程-氧气浓度平衡，焦炭颗粒能量平衡的描述，建立了以给煤、一次风、二次风和排渣为输入变量的动态模型．结合某220t／h循环流化床锅炉的现场数据．采用MATLAB6．5软件对所建模型进行了连续脉冲动态仿真和实时仿真，连续脉冲动态仿真结果可以很好地反映输入脉冲变量发生变化时床温的动态响应情况．实时仿真结果与现场采集到的数据能够很好吻合．     

440 t/h循环流化床锅炉整体动态模型及仿真

建立循环流化床锅炉的整体动态模型对循环流化床锅炉设计、生产优化、自动控制系统的开发研究等有至关重要的影响.本文在综合分析循环流化床锅炉床温和汽包压力的动态特性的基础上,采用集中参数化的方法,分别建立了燃烧系统模型和汽水系统模型;并通过炉膛传热量,将燃烧系统模型和汽水系统模型结合起来,从而建立了以给煤、一、二给风为输入变量的循环流化床锅炉的整体动态模型.并对所建立的模型方程进行仿真,结果分析证实了该模型的正确性.     

基于Aspen平台的Oxy-CFB燃烧侧动态特性模拟

以某循环流化床富氧燃烧中试系统为模拟对象,借助Aspen Plus流程模拟软件搭建了Oxy-CFB燃烧系统的稳态模型.在此基础上针对动态过程模拟进行改进,并利用Aspen Dynamics平台建立了该燃烧系统的动态模型,利用试验数据对模拟结果进行了验证.基于动态模型对Oxy-CFB床温以及燃烧排放产物中二氧化碳、氧气、一氧化碳、一氧化氮等进行了仿真研究.研究表明,基于Aspen平台的动态过程模拟为Oxy-CFB锅炉燃烧系统的动态特性分析提供了新的研究手段,模拟所得的床温及烟气各组分随给煤量、一次风量阶跃变化的动态响应规律可为今后Oxy-CFB燃烧系统的控制设计提供重要依据.     

循环流化床锅炉动态模型与仿真

循环流化床 ( CFB)燃烧是一项高效、低污染的技术。建立了 CFB锅炉的动态数学模型。模型沿气体和固体的主要流动方向将流化床系统划分成连续的一系列小室 ,在每一小室内对各物质建立质量和能量的非稳态方程。同时 ,模型考虑了气固两相流动、煤颗粒燃烧、SOx、NOx 的生成与还原反应及受热面上的热传递。对一台 3 5 t/h CFB锅炉进行了动态仿真计算。计算结果表明 :该模型可以准确反映所仿真锅炉的动态特性。该模型可以预测锅炉特性 ,为设计和运行提供指导 ;可用于开发模拟培训仿真器 ;还可以为控制策略的选择和控制系统的设计提供指导     

410t／h Pyroflow循环流化床锅炉流动过程数学模型

采用小室模型建立了引进４１０ｔ／ｈ Ｐｙｒｏｆｌｏｗ循环流化床锅炉燃烧系统的流动过程数学模型。模型模拟了循环流体床内的“核心－环”流动结构,考虑了给料爆裂,固体颗粒摩损以及床料的宽筛分特性。数值仿真结果表明该循环流化床锅炉具有流动性能,高温旋风分离器分离效率高的特点。     

JSSC系统下440t/h循环流化床锅炉建模与仿真

以某发电厂440 t／h循环流化床锅炉为仿真对象,基于JSSC仿真支撑系统,建立了CFB锅炉燃烧系统的仿真模型,包括流动模型、燃烧模型、传热模型等．模型的仿真结果能正确反映循环流化床锅炉的实际运行及控制情况,同时也证明JSSC仿真支撑系统建模的可靠性．     

440t／h循环流化床锅炉汽冷式旋风分离器动态仿真

以440t／h循环流化床锅炉汽冷式旋风分离器为研究对象，建立了对象的动态数学模型．在数学模型的基础上，采用高级连续系统仿真语言（ACSL）建立了对象的仿真模型．通过仿真试验及分析，证明了模型的正确性，该模型能为旋风分离器的运行及优化设计提供一定的理论指导．     

在煤矿循环流化床锅炉仿真中RBF神经网络的应用

为了解决煤矿循环流化床锅炉燃烧实时动态数学模型的高阶、多变量微分方程不易求解等问题,提出利用RBF神经网络实现该模型的参数辨识,并提出利用小生境克隆选择算法提高RBF网络学习算法的收敛性。通过SNCC循环流化床仿真系统的数字仿真验证,算法具有良好的收敛性和逼近效果,并避免了传统模型的复杂微分方程求解过程。     

基于改进的BP网络的循环流化床锅炉建模

由于循环流化床锅炉燃烧系统具有多变量耦合、大滞后和非线性等特点,对此建立精确的数学模型相当困难。因此提出基于改进的BP神经网络的方法对燃烧系统进行建模,并对网络进行了改进,引入附加动量项和自适应学习率。根据所提的建模方法进行实际建模。计算结果表明,该模型能够较好的对床温进行预测,可以反映主要参数变化时循环流化床锅炉床温的动态特性,说明了该建模方法的可行性,具有一定的实际应用价值。