热能动力工程

作者：李路江

单位：国网河北能源技术服务有限公司,

关键词：燃煤锅炉;辐射能信号;深度学习;多层感知器;预测

为了提升炉内燃烧优化控制技术,炉内燃烧辐射能信号的在线获取是重要的。本文提出一种基于深度学习的炉内燃烧辐射能信号在线预测方法,以用于弥补辐射能信号检测技术在清洁探头期间无法获得炉内辐射能信号的不足。在一台350 MW燃煤锅炉上进行实验研究,利用火焰探测器连续获得辐射能信号,与负荷等运行参数构建数据集。之后,利用训练集建立并训练多层感知器(MLP)神经网络模型。最后,将运行参数输入到预测模型中以输出辐射能,并进行性能评估及误差分析。结果表明,利用运行参数可以准确预测辐射能,并且使用不同运行参数作为输入时建立的模型性能不同,最优模型的预测精度为97.8%。不同时间段下预测辐射能的标准差最小为0.0028,均小于实测辐射能,表明预测辐射能波动更小,确保控制系统的稳定性。

来源：2025年第8期

《热能动力工程》期刊编辑部

查看热能动力工程杂志2025年第8期