[发明专利]火力发电燃煤热损失预测、装置、设备及存储介质

权利要求书

1.一种火力发电燃煤热损失预测方法，其特征在于，包括：

采集燃煤燃烧的燃尽影响因素，其中，所述燃尽影响因素包括燃煤特性参数、燃烧方式参数、炉膛结构参数和燃炉运行情况参数；

基于预先创建的神经网络模型和所述燃尽影响因素，确定所述燃煤燃烧产物的特征量；其中，所述特征量包括炉渣参数、烟灰参数、漏煤参数、飞灰参数；

根据热损失关系式和所述特征量，确定所述燃煤燃烧的热损失，其中，所述热损失关系式为燃煤的热损失和特征量之间的关系式；

根据热损失关系式和所述特征量，确定所述燃煤燃烧的热损失包括：

根据所述特征量和所述热损失关系式确定所述热损失q；其中，α_fh＝1-(α_lz+α_lm+α_yh)，所述特征量包括炉渣淋水后的含水量W_lz、湿炉渣质量炉渣质量G_lz、漏煤质量G_lm、烟道灰质量G_yh、炉渣可燃物含量C_lz、漏煤可燃物含量C_lm、烟灰道可燃物含量C_yh、飞灰可燃物含量C_fh、炉渣中含灰量占燃煤总灰量份额α_lz、漏煤中含灰量占燃煤总灰量份额α_lm、烟灰道中含灰量占燃煤总灰量份额α_yh、飞灰中含灰量占燃煤总灰量份额α_fh；且x₁、x₂、x₃、x₄分别为预先确定的第一项修正系数、第二项修正系数、第三项修正系数以及第四项修正系数。

2.如权利要求1所述的火力发电燃煤热损失预测方法，其特征在于，预先确定所述第一项修正系数、所述第二项修正系数、所述第三项修正系数以及所述第四项修正系数的过程包括：

根据燃煤样本燃烧后产物采集特征量样本和热损失样本；

创建神经网络模型，并以所述特征量样本和所述热损失样本为输入，进行神经网络训练，获得特征量和热损失之间关联关系的关联关系神经网络模型；

根据所述关联关系神经网络模型和所述热损失关系式，确定所述第一项修正系数、所述第二项修正系数、所述第三项修正系数以及所述第四项修正系数。

3.如权利要求1所述的火力发电燃煤热损失预测方法，其特征在于，预先确定所述神经网络模型的过程包括：

按照预先设定的燃尽影响因素样本对燃煤样本进行燃烧，并对燃烧后产物进行化学分析和工业分析获得特征量样本；

创建神经网络模型，以所述燃尽影响因素样本和所述特征量样本为输入量，进行神经网络训练，获得所述神经网络模型；

其中，所述燃尽影响因素样本包括炉内CO含量样本、燃煤化学元素分析参数样本、燃煤工业元素分析参数样本、炉膛一次风温样本、炉膛二次风温样本、炉膛一次风量样本以及炉膛二次风量样本；

所述特征量样本包括炉渣淋水后的含水量样本、湿炉渣质量样本、炉渣质量样本、漏煤质量样本、烟道灰质量样本、炉渣可燃物含量样本、漏煤可燃物含量样本、烟灰道可燃物含量样本、飞灰可燃物含量样本、炉渣中含灰量占燃煤总灰量份额样本、漏煤中含灰量占燃煤总灰量份额样本、烟灰道中含灰量占燃煤总灰量份额样本、飞灰中含灰量占燃煤总灰量份额样本。