火力发电厂锅炉煤粉细度的软测量技术研究
电站锅炉经济煤粉细度的选择与优化分析
电站锅炉经济煤粉细度的选择与优化分析摘要：火电厂在满足大众电力需求的同时，也在大量的消耗着煤炭资源，因此提高电厂锅炉燃烧效率、降低资源浪费及污染物排放，对燃烧技术进行优化则成为了热能工程的主要研究方向。
实际上，在电厂燃烧优化过程中，煤粉细度的合理选择和优化能够在一定程度上通过降低飞灰可燃物含量的方式有效的提高锅炉效率，从而避免能源浪费现象的产生，实现节能与环保的目标。
因此，本文通过分析煤粉细度对锅炉运行的影响，就电站锅炉经济煤粉细度的选择与优化方式进行探索分析，旨在提高锅炉运行效率，减少污染物排放。
关键词：燃烧技术；煤粉细度；选择；优化从目前来看，传统的火力发电仍占据重要地位。
电厂运行过程中因能源消耗严重，不仅会产生能源浪费问题，其所产生的污染物还会对环境造成一定的影响和危害。
提高电厂锅炉效率能够有效的解决能源浪费严重、污染物排放对环境产生危害等问题，而降低飞灰可燃物含量是提高电厂锅炉效率的重要路径之一。
近些年，不少学者和电厂锅炉工作者就燃烧技术优化进行了探索和研究，实践证明，合理的燃用煤粉细度能够有效的降低飞灰可燃物含量，进而提高锅炉效率，实现节能环保目标。
因此，本文将从煤粉细度对锅炉运行的影响着手，探究分析电站锅炉经济煤粉细度的选择与优化策略。
一、煤粉细度对电站锅炉运行的影响锅炉燃烧优化能够在一定程度上保证锅炉运行稳定，通过一系列优化措施使锅炉适应外界变化而实现稳定的电力输出。
从整体来看，锅炉燃烧优化的目的主要有以下两点：其一，通过降低不完全燃烧所造成的损失来提高锅炉效率，从而达到经济性目的；其二，通过燃烧优化避免锅炉结渣，确保各级受热面不超温，保证锅炉正常稳定运行，在完全燃烧的基础上降低二氧化氮的生成，从而达到安全性目的。
（一）煤粉细度对电站锅炉经济性的影响从煤粉细度角度来看，其作为电厂经常测量的指标之一，是确保电厂锅炉运行经济性的重要内容。
若煤粉细度越细，其所发生不完全燃烧所造成的损失也就越小，能够有效的减少烟气量，从而有效的提高锅炉效率。
火电厂锅炉控制系统软测量技术研究
火电厂锅炉控制系统软测量技术研究火电厂作为能源发电的主要产业之一，其锅炉控制系统的精准度和稳定性对于电网稳定运行和能源供应至关重要。
随着现代科技的发展，锅炉控制系统软测量技术的出现，为提高锅炉控制精度和稳定性提供了新途径。
本文将重点探讨火电厂锅炉控制系统软测量技术的研究。
一、软测量技术概述软测量技术是指根据已知过程变量建立数学模型，然后根据数学模型对未知变量进行测量的一种方法。
利用软测量技术，我们可以更为直观地了解元件的电气、机械、物理等性能特征，从而对整个元件进行综合分析、优化设计。
在火电厂锅炉控制系统中，我们可以运用软测量技术来监测压力、温度、流量、水位等各项指标，从而更好地控制系统的运行。
二、火电厂锅炉控制系统软测量技术的研究现状目前，国内外学者对于锅炉控制系统软测量技术的研究已经到了比较成熟的阶段。
按照测量方法的不同，软测量技术主要分为基于模型的软测量技术和基于统计的软测量技术两种类型。
其中基于模型的软测量技术需要事先建立一个精准的物理模型，从而实现对锅炉控制系统各项指标的精准控制。
而基于统计的软测量技术则可以利用统计学的方法来对数据变化趋势进行分析、预测，从而实现对火电厂锅炉控制系统的有效控制。
据了解，目前国内锅炉控制系统软测量技术的研究分为两类：传统的模型建立式软测量技术和基于神经网络的软测量技术。
传统的模型建立式软测量技术是指利用传统的数学建模方法建立锅炉控制系统各项指标与输入信号之间的数学模型，从而实现对系统的实时监控和控制。
而基于神经网络的软测量技术则是通过神经网络层层分析和学习火电厂锅炉控制系统的特征，从而实现对多元指标的综合测量和控制。
三、锅炉控制系统软测量技术在火电厂的应用实践在火电厂实际应用中，锅炉控制系统的稳定运行直接影响到电网的稳定运行和能源供应。
因此，如何利用软测量技术提高锅炉控制系统的稳定性和精准控制成为了当前研究的重要方向之一。
首先，我们可以利用软测量技术对火电厂锅炉控制系统各项指标进行实时监控和控制。
软测量技术的新进展及其在火电厂热工过程中应用
%
"
&
支持向量机软测量应用
支持向量 机是 ’()*+, 最初在统计 学习理论的
基础上建立起来的一种非常有力的机器学习方法。 它是最近几年发展起来的一种人工智能技术， 最初 用于模式识别， 目前在信号处理， 函数逼近等领域也 得到了应用。支持向量机较好地解决了小样本、 非 线性、 高维数、 局部极小点等实际问题， 具有很强的 泛化能力。最小二乘支持向量机是标准支持向量机 的一种扩展， 它是支持向量机在二次损失函数下的 一种形式。最小二乘支持向量机只求解线性方程， 其求解速度快， 在函数估计和逼近中得到了广泛应 用。 &- . 基本结构 建立待测变量与其它一些可测或易测的过程变 量之间的关系， 通过对可测变 量的检测、 变换和计
"
引言
随着我国国民经济的快速发展， 我国电源点的
建设正处于前所未有的高速发展时期。以平均每年 新增装机 )"12 左右的速度增长。超临界、 超超临 界机组、 燃煤增压流化床 （ .564） 锅炉联合循 3144、 环等火电方面的新 技术、 新课 题不断涌现， 与此同 时， 对环保及能源效率的关注也越来越高。火电厂 热工对象复杂程度提高， 测点增加， 控制范围扩大， 对控制质量的要求也随之提高。 针对火电厂热工过程中传统测量方法所面临的 问题， 下面我们将探讨和研究目前在火电厂热工过 程中使用软测量技术的最新进展及应用。
［&］ 算， 间接得到待测变量的估计值 。软测量模型的
， …， （&） & # ( 0 ,( ］ ( $ .， &， ’ 求解 的 优 化 问 题 转 化 为 求 解 线 性 方 程： " " 7 . 7 （8） $ " 0. 2 , . $ &! 1 %" % 其中， …， ， …， ， , $ ［ ,. ， , ’］ . $ ［.， .］ # $ % ［ …， #. ， #’ ］，
锅炉煤粉细度
煤粉细度DL/T567.5火电厂燃料试验方法煤粉细度的测定煤粉细度是指把一定量的煤粉放在筛孔尺寸为x 的标准筛上进行筛分，然后称重，煤粉在筛子上剩余质量占总煤粉量的质量百分比，即 Rx = a/（ a + b）×100% ，式中：a指筛分时筛上煤粉质量,g，b 指筛下煤粉质量,g。
煤粉细度是煤粉重要的特性参数，它直接影响到锅炉的经济运行和安全性,甚至环保性。
我国电站锅炉通常用筛孔尺寸为 200μm 和 90μm 的两种规格的筛子对煤粉细度进行评测，即 R200和 R90。
机组在设计和运行中，需要根据煤种特性和运行经验严格控制最佳的煤粉细度值，达到保证机组安全、经济、环保运行的目的。
煤粉细度是煤粉最重要的特性之一，它是煤粉颗粒群粗细程度的反映。
煤粉细度是指把一定量的煤粉在筛孔尺寸为x微米的标准筛上进行筛分、称重，煤粉在筛子上的剩余量占总量的质量百分数定义为煤粉细度R x。
我国电厂锅炉煤粉细度常用筛孔尺寸为90μm和200μm两种筛子来表示，即R90和R200，是电厂锅炉运行最常用的控制指标。
煤粉细度就是煤粉的研磨程度。
即粉体中不同直径的颗粒所占的质量百分率。
它常用不同孔径筛网上的剩余量百分率表示。
经过磨煤机研磨和分离器气力分选的煤粉属于宽筛分粉体，它们的粒度分布特性一般基本符合Rosin-Rarnmier 表达式:R x =100exp(-bx n )式中：R x ——筛网上的剩余量百分率（粒径＞x 的粉体质量百分率），%；x —— 筛网孔径（煤粉粒径），mm ；b ——表征煤粉总体研磨程度的系数；n ——表征煤粉粒度总体均匀程度的系数。
系数n 取决于粗粉分离器型式，最广泛使用的离心式分离器约为1.1；旋转离心式分离器约为1.2。
n 愈大，煤粉粒度分布愈趋均匀，燃烧效果愈好。
实际煤粉样品的n 值应使用不同孔径的3-4个筛子进行筛分，按式上式回归计算求得。
根据上述粒度分布特性，在已知n 值的条件下，一般只给出用一种筛网的测量值即可。
燃料电厂煤粉细度的测量方法
离线
① 筛分法 ② 沉降法
测量方法
在线
软测量
D-S(Dempster-
① 超信声度波函法数允许s我h们af基er于)理论 ② 电信容度法使用一个即问：题信的度概函数理 ③ 图率的像来概法推率导。一个相关问论题
离线
测量方法
在线
筛分法 光脉动法 ECT法
筛分法
操作方法：一般用人工取出部分煤粉样品， 用标准筛孔尺寸的筛子筛分后称重。
磨煤机的一次风量改变,将导致细颗粒质量百分比增加,大颗粒的 百分比显著下降。
用ECT方法和用标准ASME等速取样试验方法得到的结果对比, 其中ECT测量值是在ASME方法取样时开始和结束之间时段内的平 均值。
由图可见,两种方法得到的结果的最大偏差小于1%,吻合得很好, 证明ECT技术能够用于煤粉量的实时测量和调整。
式中 =-ln（I /I0）,N nL
n / LS1 是煤粉颗粒的平均数量浓度，（）为特征函数：
( ) 2 e2 x( , )d
0
x( , ) sin( ) exp( ( sin( )) 1)
由上述公式可以得到煤粉颗粒的投影面积：
S1
(I )2
I
2 0
(A ) ( )
煤粉的平均粒径为：
D 4S1 /
因此若测得入射光强 I 0和透射光强 I 的时间随机序列信号，就
可以计算出煤粉颗粒的平均粒径D
表1和表2给出了在实验室用该原理测量已知直径的74μm和9μm 标准颗粒的结果。
表1
74μm 标准颗粒测量结果
测量序号
1
2
3
4
5
6
平均粒径 （μm）
67.1
76.7
74.3
煤粉细度的研究
煤粉细度对于发电厂来说，煤粉细度是影响锅炉运行的重要参数，所以对煤粉细度的研究非常有必要。
煤粉细度直接影响煤粉在炉膛燃烧的快慢、燃烧完全程度、飞灰含碳量高低、火焰中心高低、NOx的排放量和锅炉效率等。
所以对电厂而言，根据不同煤种确定最优的煤粉细度尤为重要。
煤粉细度一般指的是试验时留在筛子上的煤粉占试验煤粉的比例，筛子孔径不变的话，留在上面的越多，细度越大，煤粉越粗。
通过对煤粉细度的测量方法、影响煤粉细度的因素、煤粉细度对锅炉运行的影响及最佳煤粉细度的确定方法来进行研究。
一、煤粉细度的测量方法根据测量方式的不同可以将煤粉细度的测量分成离线测量和在线测量。
1、离线测量（筛分法测量煤粉细度）现在国内通常用R90和R200作为煤粉细度的衡量标准，故筛分法就是通过筛网孔径为90μm和200μm的试验筛进行对试验煤粉的筛选。
1.1、试验工具如下表：表1：筛分试验工具煤粉取样孔一般安装在磨煤机出口管道上，对磨煤机所有出口管道进行取样，分别测定其煤粉细度。
管道上有一个取样孔的，取样需要取样器在不同深度进行煤粉收集。
管道上存在水平和垂直两个取样孔的，分别在两个方向不同深度进行取样，之后充分混合作为本煤粉管的试验煤样。
1）将底盘、孔径为90μm标准试验筛、孔径为200μm标准试验筛自下而上一次叠加在一起。
2）用天平秤取煤样25g，置于孔径为200μm标准试验筛内，盖好筛盖。
3）将上述已叠加好的筛子放置在振筛架上。
4）振筛10min，取下筛子，刷孔径为90μm标准试验筛底一次。
装上筛子继续振筛。
若筛下煤粉不超过0.1g时，振筛完成。
5）取下筛子，分别称量孔径为90μm标准试验筛和孔径为200μm标准试验筛上的煤粉重量。
秤准到0.01g。
1.3结果计算煤粉细度按下式计算：R200=A200G×100R90=A200+A90G×100R200: 未通过孔径为200μm标准筛上的煤粉重量占试验煤样重量的百分比，%。
火电厂煤粉浓度的软测量技术研究
对 上 式 简化 近似 ：（ １ ） 气 流 的浓 度 ｐ 与其 密 度 相 关 无 几 ，即 用 密 度 Ｐ 代 替 ， 同时 忽 略 颗 粒 占
小 得 多 ，可 以 略 去 气 体 的位 势 能 增 量 ，而 且 可 以
但 对 于 长 输 送 管 道 ，一 般 都 不 计 加 速 压 差 。
２ 测 量 机 理 建模
在 实 际 情 况 中 ，送 风 系 统 将 煤 粉 加 速 ，使 其
从 相 对 静 止 到 具 有 一 定 速 ，这 个 过 程 需 要 能 量 。 能 量 损 失 主 要 用 来 克 服 煤 粉 在 输 送 过 程 中 的 各 种
１ 软 测 量
１ ． １ 软 测量 原理
了 。 悬 浮 压 差 即 为
Ａｐ ａ＝ Ｌ ｇ （ ６）
＋ ｐ ２ ｌ ， ２ ｓ ２ ） ＋
（ １ ）
则 总 压 差 为 Ｔ＝Ｐ Ｉ — Ｐ ２： （ ｐ ＋ Ｐ ） ｇ ｚ ２ 一（ Ｐ ｇ ｌ ＋ ｐ 。 １ ） ｇ ｌ ＋ （ ｐ ２ ＋ ｐ ， ）一 （ Ｐ ， ２ 。 ＋ ｐ ， ２ 。 ） ＋ △ ｐ ｌ ＋ ａ ｐ
第２ ９卷第 ８期
２ ０ １ ３年 ８月
电 力
科
学
与
工
程
Ｖ。 １ ・ ２ ９， Ｎｏ ． ８
５ ７
Ｅｌ ｅ ｃ ｔ ｒ ｉ ｃ Ｐｏ ｗｅ ｒ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ａ ｎ ｄ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ
火 电厂 煤 粉 浓 度 的软 测 量 技 术研 究
浓度为 Ｐ 。；与 气 一固两 相 流 的 沿 程 能 量 损
失相对 应 的摩 擦 压 差 为 Ａ ｐ ；悬 浮 压 差 为 ａ ｐ ，
软测量技术及其在火电厂的应用
Ｓ ｆ ｅ ｓ ｒｎｇ Ｔｅ ｈ ｌ ｇ ｎｄ ｉｓＡｐ ｉ ａ ｉ ｎ ｔ ｏ ｔＭ ａ ｕ ｉ ｃ ｎｏ ｏ ｙ ａ ｔ ｐｌｃ ｔｏ ｏ Ｔｈｅ ｍ ａ ｗｅ ａ ｔ ｒ ｌＰｏ ｒ Ｐｌ ｎ ｓ
ｆ ｒ ａ ｄ ａ ｅ （ ｅ ｓｒ ｔ ｒ ｕ ｈ ｔ ｅ ｍａｈ ｍａ ｉ ｌｒ ｌｔ ｎ ｈｐ ｓｔ ｂ ｔ ｅ ｎ ｐ ｉ ｒ ａ ｉｂｅ ａ ｄ ｔ ｅ ｏ ｒ ｗ ｒ ｓｎ ｏ ） ｈ ｏ ｇ ｈ ｔ ｅ ｔ ａ ｅａｉ ｓ ｉ ｅ ｅ ｗ ｅ ｒ ｈ ｃ ｏ ｍａ ｙ ｖ ｒａ ｌ ｈ ｒ ｏ ｂ ｓ
实 际问题 的研究 思路 之一 。
其是 节 能增 效 的提 出 对 机组 的优 化 运行 和 经 济
运行 提 出 了越 来 越 高 的要 求 ， 温 度 、 力 等 常ቤተ መጻሕፍቲ ባይዱ 对 压
规 变量 的检测 和控 制 已不 能满 足需 要 ， 行 过 程 运
操 作和 控制人 员更 希 望 可 以对 成分 、 物性 等 与 过 程 控 制 密 切 相 关 的 参 数 进 行 更 直 观 的 检 测 和 控制。
郦 晓 雪 ，肖伯 乐
（ 海发 电设 备 成 套 设 计 研 究 院 ，上 海 ２ ０ ４ ） 上 ０ ２ ０
摘 要： 由于 许 多 影 响 火 力 发 电 安 全运 行及 其 经 济性 的重 要 参 数 难 以在 线 实 时测 量 ， 软 测 量 技 术 可 通 而
过 建 立 难 测 量 的 主 导 变 量 与 易测 量 的辅 助 变 量 之 间 的数 学 关 系 来 达 到 以软 件 代 替 硬 件 （ 感 器 ） 目的 。 介 传 的 绍 了 软 测 量 技 术 的 基本 方法 ， 出 了软 测 量 模 型 的 一 般理 论 和建 模 方 法 ， 以 实 例 介 绍 了 软 测 量 技 术 在 火 电 给 并 厂热工控制方面的应用。 关 键 词 ： 测 量 技 术 ； 模 ；热 工 过 程 软 建
大型燃煤发电机组锅炉煤粉细度在线监测系统研究
Value Engineering0引言煤粉细度是燃煤锅炉燃烧的一项重要参数，对燃煤燃烧效率、飞灰含碳量、污染物排放、锅炉安全等都有很大影响[1，2]。
目前燃煤电厂对煤粉细度的监测和控制主要依靠离线煤粉细度检测方法和运行人员的运行调整经验，这种方法时间滞后较长、误差大、取样过程工作环境差，运行人员不能及时掌握煤粉细度变化造成燃煤燃烧性能下降、水冷壁冲刷腐烛等不良现象的出现，不能满足当代电力生产精准运行控制、精细生产管理的要求。
实现煤粉细度在线监测和优化[3，4]，可以提高锅炉燃烧效率，降低磨煤机运行单耗、减少污染物排放，对缓和煤粉细度滞后性和实际生产要求之间的矛盾，提升燃煤电厂智能在线监控、锅炉燃烧优化水平具有相当重要的意义。
传统的煤粉细度在线测量方法有静电法[5]、光脉动法[6]、超声波法[7]和数字图像处理[8]等，共同点在于都要用到各种仪器设备，但都由于煤粉颗粒冲刷磨损、探头易受污染、易受干扰等诸多限制无法成熟应用。
①煤粉管道内的煤粉颗粒流动情况复杂，煤粉颗粒在水平、垂直、折弯的煤粉管道内浓度、速度分布不断变化[9-11]，难以建立精确描述此种气固两相流动状态的数学模型，在实际生产管理过程也难以实现精细准确的煤粉取样。
②煤粉颗粒本身的性质，比如煤种碳化程度包括水分、灰分、密度等指标都会对煤粉颗粒的测量造成不良影响[12]。
③现场的煤粉管道内煤粉颗粒流动复杂、环境恶劣，影响高灵敏的静电传感器输入信号准确性；对于基于光敏传感器，当煤粉管道内的煤粉分布不均会影响测量准确性；对于那些嵌入式的接触测量方法，由于煤粉颗粒在流动过程中有高速冲刷的作用，影响测量元件测量准确性和寿命。
这些都是煤粉细度在线监测发展缓慢的原因[13，14]。
1神经网络建模本文运用神经网络建模的原理，通过对机组运行过程中大量运行数据和煤粉化验数据的挖掘、分析，建立磨煤机设备运行状态参数和煤粉细度的关系，实现煤粉细度在线监测，为锅炉掺配煤、燃烧优化调整和磨煤机检修提供技术参考和指导依据。
火电厂热工参数软测量技术研究
火电厂热工参数软测量技术研究随着社会经济的发展，对电力的需求量和平稳要求不断提升，市场的需求不断推动火力发电厂进行技术、设备优化，在火力发电厂锅炉、机组运行过程中有相当部分的能源和热量被浪费，浪费形式主要是烟气，且供电过程中对于部分锅炉和机组关键部分进行了超负荷磨损，想要实现对火力发电厂工作效率的提升、生产成本的控制必须提升对温度、压力、流量等参数的测量和监控。
本文从热工参数入手，探讨软测量技术，分析软测量技术在火力发电厂热工参数方面的应用。
标签：火力发电厂;热工参数;软测量技术0 引言对于火力发电厂而言，优化燃烧方式、效率是控制运行成本、提高经济效益的重要方式，然而优化燃烧方式和效率需要先做好对关键技术的参数测量和控制，在火力发电厂中锅炉烟气含量在调整风、煤配比和控制燃烧效率方面作用较大，传统测量方式并不能很好的控制测量准确性和及时性，对于火力发电厂的技术革新作用偏弱，因此希望对火力发电厂热工参数的测量技术进行优化，通过对参数准确性控制和及时性提高来实现对发电厂生产效率的提高，实现火力发电厂的节能降耗。
1热工参数热工是工程热力学的简称，主要是研究将热力学与机械做功之间相互转化，以及转化效率的研究学科，蒸汽机、空调、反应堆等反应方式都属于工程热力学研究范畴。
热工参数是工程热力学研究过程中的参考数据，主要包括温度、流量、压力等，在火力发电厂中的热工参数测量主要是指燃煤发热量、烟气含氧量、飞灰含碳量、磨煤机负荷等参数的测量，这些热工参数直接影响到火力发电厂的生产效率和经济利润率，是火力发电厂进步发展的重要途径和突破口。
2 软测量技术软测量是指生产过程中对难以测量或暂时无法测量变量的变相推断，这种推断可以通过为其他可测量变量建立数学关系、数学模型的方式来实现，软测量可以使一些难以测量的重要变量更好的参与到技术、工艺的优化之中，帮助企业对产品质量进行更好的控制。
常见的软测量技术包括软测量模型建立、辅助推断变量选择、测量数据采集与处理、重要变量推断等部分，在软测量技术衍化过程中出现了很多模型建立的方法，可以有效辅助生产技术、工艺的优化工作。
600MW循环流化床锅炉在线煤质软测量的研究的开题报告
600MW循环流化床锅炉在线煤质软测量的研究的开
题报告
一、研究背景及意义
目前，循环流化床锅炉被广泛应用于火力发电厂的热能供应。
燃煤是循环流化床锅炉的主要燃料，而燃煤的煤质特性对锅炉运行及排放控制有着至关重要的影响。
如何准确地掌握燃煤的实时煤质情况，对于保证锅炉的安全、高效运行及环境保护有着十分重要的作用。
传统的煤质检测方法主要包括实验室分析及采样分析，这些方法往往需要耗费大量时间和成本，且不能实现实时监控和预测。
因此，开展循环流化床锅炉在线煤质软测量研究，建立一个能够实现实时、准确预测煤质指标的模型，对于提高循环流化床锅炉的运行效率、降低排放污染具有重要意义。
二、研究内容及方法
本研究旨在开展600MW循环流化床锅炉在线煤质软测量的研究，具体内容及方法如下：
1.收集样本数据：从600MW循环流化床锅炉的煤质处理系统中采集主要煤质指标（如热卡、水分含量等）、锅炉排放指标（如SO2、NOx 等）与锅炉操作参数（如锅炉的蒸发量、燃烧室压力等）等数据。
2.分析样本数据：基于收集的样本数据，通过数据分析技术（如主成分分析、偏最小二乘回归等）构建煤质指标与锅炉排放指标、锅炉操作参数之间的关系模型，探究不同自变量对煤质指标的影响。
3.建立软测量模型：在样本数据分析的基础上，将建立的关系模型应用于循环流化床锅炉在线煤质指标预测，以实现对煤质实时监控与预测。
三、研究预期成果
本研究将建立一个能够实现实时、准确预测600MW循环流化床锅炉在线煤质指标的软测量模型，提高循环流化床锅炉的运行效率，降低排放污染，具有很高的应用价值。
火电厂煤粉取样调试试验研究报告
火电厂煤粉取样调试试验研究报告【摘要】火电厂煤粉细度取样时，采用的煤粉等速取样装置，是通过调节压缩空气压力来实现等速取样的。
由于每个火电厂的运行工况、一次风粉管直径各不相同，究竟用多大压力？哪种取样位置？才能取出科学的，有代表性的煤粉样呢？某电厂特请电力行业权威机构与国内几种技术成熟稳定的煤粉等速取样装置同时进行煤粉细度取样试验，做出认真的，公正的，技术测试评估。
试验表明：西安交通大学自主研发的移动式煤粉等速取样装置和固定式煤粉等速取样装置、在不同压力下取样，经化验室化验后，找出煤粉细度的变化曲线，从而标定固定式煤粉等速取样装置常用压力指数取样，取出来的样有代表性，科学性，真实性，为电厂安全生产，节能降耗，提高经济效益保驾护航。
【关键词】取样压力;等速取样;煤粉细度;取样位置一、煤粉取样调试试验背景煤粉的细度是锅炉燃烧调整的重要参数，直接影响锅炉的的安全经济运行。
煤粉细度过细，制粉电耗过高。
煤粉细度过粗，燃烧不完全，造成结焦，积灰等问题，引起辐射受热面及对流受热面超温、爆管、飞灰可燃物增高等隐患影响电厂安全生产，降低经济效益等一系列问题。
我国生产煤粉等速取样装置的厂家很多，但都有一个特点，那就是全部需要压缩空气流经文丘里抽气器时产生负压，将风、粉混合物吸人取样探头，经旋风分离器分离，分离煤粉颗粒落人收集瓶中，乏气经乏气孔返回到一次风管。
但由于每个火电厂的运行工况、一次风粉管直径各不相同，究竟用多大压力、哪种取样位置、才能取出科学的、有代表性的煤粉样呢？某电厂特请西北电力试验研究院电力行业权威机构与国内几种技术成熟稳的煤粉等速取样装置在同一工况下同时做煤粉细度试验，进行认真的，公正的，技术评估，最终选出取粉样可靠的，科学的，有代表性的煤粉等速取样装置。
二、试验煤粉取样装置设计原理某电厂参加试验煤粉等速取样装置设计原理介绍：1.移动式煤粉等速取样装置[1]：把安装在煤粉管道上的管座阀门和移动式煤粉取样枪上的密封环机械连接好后，取样枪插入煤粉管道的中心，当取样管吸入口的气流速度与一次风管的气流速度相等时，取样管中所抽取的煤粉最具有代表性，即等速取样原理。
浅谈煤粉细度在线监测技术在锅炉系统中的应用研究
浅谈煤粉细度在线监测技术在锅炉系统中的应用研究摘要：为了使锅炉燃用合格的煤粉，获得较高的燃烧效率，及时反映磨煤机的运行状况，对煤粉细度进行有效的监测，改变人员定期取样、化验。
通过在线监测装置可以监测送粉管道内煤粉流速、浓度、细度，同时能看到同台磨煤机四根煤粉管道风速是否相同，如果不相同可根据风速可调节可调缩孔，使每台磨煤机的各根一次风管的一次风速基本一致，从而保证进入炉膛的一次风口风速基本相同，使进入炉内的气流不偏斜，为优化锅炉燃烧调整提供可靠的数据[1]。
若在线风粉测量装置发生任何故障时，可及时发出报警信号和具体报警信息，为整体锅炉运行时煤粉的均衡分配和风煤比的调整可提供重要依据。
关键词：煤粉浓度；煤粉速度；煤粉细度；一次风调平引言：某电厂有4台高温、高压、自然循环∏型布置、单汽包室内布置、紧身封闭、四角切圆燃烧、固态排渣的电站锅炉，锅炉燃用烟煤，采用中速磨煤机直吹式制粉系统，四角切向布置百叶窗式水平浓淡燃烧器。
每台锅炉设置四台HP663型磨煤机，每台磨煤机有4根磨煤机输送煤粉管道，与目前超临界和超超临界机组的燃烧效率差值比较大，煤耗较高。
要在现有工艺设计的基础上，最大限度的提高锅炉运行效率，实现节能减排就必须从锅炉燃烧运行的一些关键环节入手，通过精确监控手段使锅炉在较为理想的工况下运行。
一、在线监测技术的工作原理采用目前国内最新的交流电荷感应式测量原理，该原理的理论基础出自现代原子物理学中的一种自然现象：即任何两种不同物质，在动态环境下相互经过会感应产生电荷信号；这种感应信号，与物质本身是否带电无关，仅仅与物质自身的质量、成份及流速有关，其它各种工况因素对感应信号均无影响，非常适合风粉系统气固两相流复杂工况下的煤粉参数精确测量。
与传统静电荷法感应的静电荷信号相比，无源质量感应信号，不仅有大小的变化，还可以反映物质成份的特性，属于物质的特征信号，系统正是依据信号的特征值来分析计算各项参数的[2]。
基于入炉煤煤质成分软测量的电厂锅炉燃烧在线优化系统的研究与应用的开题报告
基于入炉煤煤质成分软测量的电厂锅炉燃烧在线优化系统的研究与应用的开题报告一、背景和研究意义电厂锅炉燃烧过程对能源利用和环境保护具有重要意义。
锅炉燃烧中，燃煤状况是影响锅炉性能和安全的重要因素。
目前大多数电厂锅炉采用手工调节燃煤供给量的方法来维持炉内煤质成分的控制。
这种方法存在不稳定、效率低、易出现人为误差等问题。
煤质成分软测量技术可以利用传感器数据对煤的物化特性进行在线优化。
通过对燃煤质量、含硫量、灰分含量等重要指标的实时监控，将数据进行处理和分析，实现煤质特性的预测和优化控制。
因此，将煤质成分软测量技术应用到电厂锅炉燃烧过程的优化中，可以实现自动化、高效和精准的煤质控制和优化。
本文拟进行基于入炉煤煤质成分软测量的电厂锅炉燃烧在线优化系统的研究和应用，旨在实现电厂锅炉的智能化、自动化控制，提高锅炉的煤质利用效率和安全性，减少对环境的影响，具有较高的技术与应用价值。
二、研究内容和方法1.煤质成分软测量模型的建立建立煤质成分软测量模型，通过对入炉煤在质量成分上的实时测量和分析，对煤质成分的重要指标进行预测和控制。
2.电厂锅炉燃烧模型的建立利用电厂锅炉燃烧模型，通过对锅炉燃烧过程的模拟和分析，了解煤燃烧过程的关键煤质控制指标，为电厂锅炉燃烧调优提供数据支持。
3.锅炉燃烧过程智能优化控制系统的建立基于煤质成分软测量模型与电厂锅炉燃烧模型，建立锅炉燃烧过程智能优化控制系统。
系统将采用多种控制方法和策略，通过对锅炉燃烧过程中煤质成分的实时控制，提高锅炉的效率，减少污染物排放，实现燃煤的自动化、精准控制。
4.系统实验和应用在实验室中进行系统的试验和优化验证。
并在实际电厂锅炉燃烧过程中应用该系统，验证其优化效果以及应用性能，并对系统进行进一步的优化和改进。
三、论文结构第一章绪论1.1 研究背景和研究意义1.2 国内外研究进展1.3 研究内容及方法1.4 论文结构第二章煤质成分软测量技术2.1 煤质成分的影响因素2.2 煤质软测量技术和方法2.3 基于多元统计方法的软测量建模2.4 煤质成分预测和优化技术第三章电厂锅炉燃烧模型3.1 电厂锅炉煤燃烧原理3.2 电厂锅炉燃烧模型建立3.3 锅炉燃烧过程关键指标分析第四章电厂锅炉燃烧在线优化系统4.1 系统架构与设计4.2 煤质软测量模型与锅炉燃烧模型的整合4.3 燃煤智能控制系统设计4.4 系统集成和调试第五章系统实验和优化验证5.1 实验介绍5.2 实验结果和分析5.3 优化和改进第六章结论与展望6.1 总结6.2 展望参考文献。
煤粉细度研究
煤粉细度研究摘要：对于火电厂来说，煤粉细度是影响锅炉运行的重要参数，煤粉细度直接影响煤粉在锅炉中的燃烧速度、飞灰含碳量的高低、炉渣含碳量的高低、完全燃烧的程度，锅炉结焦程度以及火焰中心的高低。
寻求合理的煤粉细度，不仅能保证锅炉安全稳定的运行，同时也能极大的提高锅炉效率降低火电厂生产煤耗，降低整个火电厂的生产成本。
所以对粉煤细度的研究很有必要，不同煤种确定最佳煤粉细度尤为重要。
关键词：火电厂；锅炉；煤粉细度；煤粉细度一般指的是试验时留在筛子上的煤粉量在试验煤粉总量的占比，筛子孔径不变的情况下，留在筛子上面的粉煤越多，细度越大，煤粉就越粗。
通过对煤粉细度的测量方法、影响煤粉细度因素、煤粉对锅炉运行的影响来确定最佳煤粉细度。
一、煤粉细度的测量方法根据国标DL/567.5-95测量方法，将底盘、孔径90um及200um的筛子自下而上依次重叠在一起。
称取煤粉样25g（称准到0.01g），置于孔径为200um筛内，盖好筛盖。
振筛10min，取下筛子，刷孔径为90um筛的筛底一次，装上筛子在振筛5min。
（筛下煤粉量不超过0.1g时，则认为筛分完全）。
取下筛子，分别称量孔径200um及90um筛上残留的煤粉量，称准到±0.01g。
煤粉细度按下式计算：R200=（A200/G）×100R90=（(A200+A90)/G）×100R200：未通过孔径为200um标准筛上的煤粉质量占试验煤样质量的百分比，%。
A200：未通过孔径为200um标准筛上的煤粉质量，g。
R90：未通过孔径为90um标准筛上的煤粉质量占试验煤样质量的百分比，%。
A90：未通过孔径为90um标准筛上的煤粉质量，g。
G：试验煤样总质量，g。
测定精密度煤粉细度测定重复性规定为：重复性<0.5%。
二、影响煤粉细度的因素影响煤粉细度的因素有煤质、磨煤机分离器转速的设置、磨煤机钢球装载量、磨煤机一次风量等1.煤质对煤粉细度的影响煤的可磨系数直接影响煤粉细度，可磨系数越高，煤样越容易被磨碎。
电站锅炉制粉系统参数的软测量研究的开题报告
电站锅炉制粉系统参数的软测量研究的开题报告一、研究背景与意义电站锅炉制粉系统是电站发电过程中不可缺少的重要设备之一，其主要作用是为锅炉提供燃料，保证锅炉的工作稳定性和效率。
制粉系统中的参数对于电站的燃烧过程和发电效率起着重要作用，因此对其进行实时监测和控制是十分必要的。
但是，现实中电站制粉系统往往存在着测量设备不足、精度不高、故障频发等问题，为制粉系统的监测和控制带来了一定的难度。
软测量技术是一种通过利用现有的过程数据来估算或预测过程中无法直接测量的变量的方法。
随着信息技术和数学处理技术的不断发展，软测量技术在电力工业中的应用越来越广泛，特别是在制粉系统参数监测和控制等方面。
因此，本文将对电站锅炉制粉系统参数进行软测量研究，旨在提高制粉系统参数的实时监测和控制精度，提高电站发电效率和安全稳定运行水平。
二、研究内容与目标本文将选择某电站锅炉制粉系统的关键参数进行研究和分析，包括制粉系统的煤粉流量、煤粉温度和风压等参数。
通过对制粉系统的运行数据进行收集和分析，建立制粉系统关键参数的软测量模型，实现对制粉系统参数的实时、准确监测和控制。
具体来说，本文的研究内容包括以下几部分：1. 收集制粉系统的运行数据，对关键参数进行分析和处理，确定软测量模型的建模变量和监测对象；2. 建立制粉系统关键参数的软测量模型，包括基于自回归(AR)模型的参数预测模型、基于主成分分析(PCA)的参数预测模型、基于支持向量回归(SVR)的参数预测模型等方法；3. 对制粉系统进行软测量系统的搭建和实现，通过实时监测和数据处理，实现对制粉系统关键参数的实时监测和控制；4. 对软测量模型的精度和可靠性进行评估和验证，包括均方误差(MSE)、平均绝对误差(MAE)、均方根误差(RMSE)等指标。
通过以上研究目标和内容，本文旨在提出一种适用于电站锅炉制粉系统参数监测和控制的软测量方法，为电站的稳定、高效运行提供技术支持。
三、研究方法本文的研究方法主要包括以下几个步骤：1. 收集制粉系统的运行数据，包括煤粉流量、煤粉温度、风压等关键参数的实时监测数据和历史运行记录数据；2. 对制粉系统的关键参数进行数据处理和分析，采用控制图、频谱分析、回归分析等方法进行数据质量评估和参数特征提取；3. 建立制粉系统关键参数的软测量模型，采用自回归(AR)模型、主成分分析(PCA)模型、支持向量回归(SVR)模型等方法，对关键参数进行预测和估算；4. 构建制粉系统软测量系统，采用实时数据采集、处理和可视化展示等技术手段，实现对制粉系统关键参数的实时监测和控制；5. 对软测量模型的精度和可靠性进行评估和验证，比较各种模型的预测效果，并通过实际应用验证软测量模型的可行性和优越性。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
火力发电厂锅炉煤粉细度的软测量技术研究张磊，韦红旗东南大学动力工程系（210096）Email：Leizhang_1983@摘要：针对火电厂制粉系统煤粉细度难以在线实时测量及测量精度低等问题，本文采用了基于神经网络结合遗传算法的新型软测量模型，通过遗传算法训练BP神经网络权值的方法，并实现了某热电厂220t/h四角切圆煤粉锅炉煤粉细度的在线监测。
以实际锅炉运行数据为检测值得到的模型输出结果表明，该方法具有较好的在线监测效果。
关键词：煤粉细度；BP神经网络；遗传算法；软测量； Matlab引言对于发电厂煤粉锅炉来讲，无论是中储式制粉系统还是直吹式制粉系统,煤粉细度是影响其经济安全运行的重要因素，特别是燃用贫煤和无烟煤的锅炉，煤粉细度的影响更为重要。
目前贫煤和无烟煤大多采用四角切圆燃烧，由于这种燃烧方式的特点，如果颗粒较大，煤粉在离开燃烧器区时很难完全燃烧，然而后期混合较差，使得燃尽性差，飞灰含碳量增加，锅炉燃烧效率降低，表1中所示的为某电厂制粉系统试验时的实际数据，从中可以看出煤粉细度对灰渣未完全燃烧损失q4的影响，进而影响锅炉效率。
同时不合适的煤粉细度也容易导致高温腐蚀和结焦、再热器超温爆管、尾部受热面的磨损甚至炉膛灭火等一系列问题。
因此，在锅炉运行中必须严格控制煤粉细度，及时的掌握运行时的煤粉细度具有及其重要的意义。
表1. 某电厂煤粉细度与q4关系工况序号细度1 细度2 细度3煤粉细度% 20.10 24.00 15.80 飞灰可燃物含量% 2.44 2.84 1.85炉渣可燃物含量% 7.73 4.62 3.46 飞灰未完全燃烧热损失% 1.025 1.200 0.774炉渣未完全燃烧热损失% 0.382 0.221 0.164灰渣未完全燃烧热损失q4% 1.408 1.422 0.937然而对于火力发电厂锅炉煤粉细度的监测，目前多数电厂都是通过离线取样、分析的方法，一个粉样从分析到得到结果，往往需要很长的一段时间。
虽然一定程度上可以确定煤粉细度，但由于分析结果的滞后，因此在运行中不能实时准确知道煤粉细度状况，无法及时进行锅炉的相应调整。
近年来,国内外都在开展煤粉在线测量技术研究,如采用热力学法[1]、微波法、电容法[2]、电荷法[3]、光脉动法等。
但这些技术由于种种实际限制,在应用到电厂的磨煤机出口的煤粉细度在线测量时都没有实际可操作性或没有进行必要的工业性实验。
且上述一些方法与煤粉的特性有关,煤种变化会增大测量误差。
有鉴于此，本文采用软测量技术，在成熟的硬件传感器基础上，以计算机技术为核心，通过人工神经网络结合遗传算法建立软测量模型，利用较易测量的辅助变量和信息（锅炉运行数据）去映射难测量的变量（煤粉细度），从而实现了煤粉细度的在线软测量。
1. 建立软测量模型本文采用神经网络结合遗传算法的方法建立软测量模型。
神经网络具有自学习、自组织和鲁棒性及高度非线性表达能力，非常适用于多变量、非线性的煤粉细度在线软测量。
然而通常采用的BP算法是基于梯度下降的算法，不可避免地具有收敛速度慢、易陷入局部极小、全局搜索力弱等缺点。
因此，本文结合遗传算法（GA），它可以在复杂、多峰的非线性及不可微的空间中实现全局搜索，提高收敛速度。
本文利用遗传算法优化神经网络的权系数的方法，建立锅炉运行参数与煤粉细度的软测量模型,充分结合利用两者的优点，使新算法既有学习能力和鲁棒性，又有强全局随机搜索能力[3,4]。
如图1所示：图1 . 神经网络与遗传算法相结合1.1神经网络模型的建立神经网络模型建立关键在于如何确定输入输出变量，隐含层数，隐含层单元数，以及预测步长和初始参数的选择。
神经网络输入层的神经元越多，网络的精度越高，但会使网络训练时间加长，因此在保证必要精度要求下，尽量减少输入变量数目。
影响煤粉细度及磨煤机出力的因素较多，当磨煤机型式及结构参数确定后，分析影响煤粉细度的因素主要有：1、制粉系统运行参数的影响。
如；磨煤机转速、风煤比及通风量等； 2、磨制燃料的特性。
如：磨制燃料的颗粒度、燃料的可磨度、水分等；3、分离器的分离效率。
如：分离器挡板调整位置，回粉阀门是否正常等均会对分离效率产生影响。
图2. 某电厂制粉系统通风量与煤粉细度R90的关系曲线本文根据目前电厂的运行状况分析，通过前期的多次制粉系统运行调整试验，选取了磨煤机电流，磨煤机出入口负压，粗粉分离器出口负压，磨煤机出入口温度，一次风压，再循环风门开度，热风门开度，给煤机电流，等锅炉运行参数，共16组作为输入变量，输出变量选取具有代表性的煤粉细度R90[8]。
目前对隐含层以及神经元的数目确定没有现成的理论或者公式，本文通过用MATLAB 软件进行大量的仿真训练，并结合经验公式在考虑精度和学习速度的情况下，最终确定采用三层BP神经网络，设计的神经元分布为：输入层16：隐层18：输出层1。
隐层和输出层函数分别选取双曲正切S型函数以及S型对数函数。
1.2神经网络权系数的GA 优化[5]遗传算法(GA)是Holland 1975年首先提出的优化随机搜索算法，他借鉴自然界优胜劣汰的遗传机制，模拟生物进化过程中的选择、交叉、变异操作，采用概率化的寻优方式，自适应地获取和指导优化方向和空间。
本文将遗传算法替代BP 算法进行网络权值优化，其训练步骤如下:1）. 初始化包括给定网络的输入输出样本的采集，选定遗传操作，设置遗传参数及自适应调整算法等。
本文中进行样本训练时个体数目选取50，遗传终止代数取50。
2）. 编码方式由于本文面对的网络模型复杂，需优化的权系数庞大，因此不适宜采用二进制编码，而应采用实数编码方式，神经网络的权系值按一定的顺序联为一个个体，每一个位置对应着网络的一个权值或阈值。
则 M 个权系值的 N 个染色体的集合可用 N 行 M 列数组A 表示，其元素a ij 是第i 染色体的j 个变量。
由此得到编码个体串为:{w 11,w 12,……,b 1,w 21,w 22,……,b 2,……,w ij , b i ……}其中: w ij 是神经元j 到神经元i 的联接权系数，b i 是神经元i 的阈值。
3）. 适应度函数选取将染色体上的各权重和阀值分配到给定的网络结构中，以训练样本为输入输出，计算BP 神经网络的输出与期望输出之间的平均绝对误差，将此误差的倒数作为个体的适应度：211/(2)()pk pk LSE p t y =−∑∑其中：y pk 表示网络p 组训练样本的输出； t pk 为目标期望输出。
4）. 遗传算子的选择选择运算，采用随机遍历抽样的选择方法，按照个体在当前种群中的适应度为繁殖概率选择遗传个体。
交叉运算，采用单点交叉算子，首先对个体进行两两随机配对，若群体大小为M ，则共有[M/2]对相互配对的个体组；然后对每一组配对的个体，随机设置某一基因座之后的位置为交叉点，若染色体的长度为N ，则共有N-1个可能的交叉点位置；最后，对每一对相互配对的个体，依设定的交叉概率在其交叉点处交换两个个体的部分染色体，从而产生两个新的个体。
变异运算，以变异概率0.5做均匀变异。
首先依次指定个体编码串中的每个基因座为变异点。
然后对每个变异点，以变异概率从对应基因的取值范围内取一随机数来替代原有值，这种变异方法使得搜索点可以在整个搜索空间内自由的移动，从而增加了群体的多样性。
2．软测量模型的验证表2. 某电厂锅炉实际运行数据（部分）项目单位工况1 工况2工况3工况4工况5工况6工况7 工况8 工况9排粉机电流 A 19.0 19.0 19.2 18.0 20.0 18.0 19.0 18.5 20.0 磨煤机电流 A 45.0 45.3 43.3 43.0 43.0 43.0 43.0 45.0 45.0 磨煤机入口负压Pa 715 780 662 622 627 560 508 520 305 磨煤机出口负压Pa 3378 362840533217416332403625 3175 3745 粗粉分离器出口负压Pa 3823 392050404217506739804715 4120 5055 排粉机入口负压Pa 8208 779380738343791383908015 8185 7850 一次风压Pa 2150 243823211969242519972207 2131 2316 再循环风门开度% 0 30 0 0 20 20 0 0 20 热风门开度% 90 95 98 85 90 90 55 42 66 温风门开度% 60 100 28 40 30 30 35 61 20 ＃5门开度% 40 42 45 42 50 42 43 41 45 给煤机电流 A 7.8 7.3 8.0 7.5 8.0 7.8 7.6 5.2 5.4 磨煤机入口温度℃ 192.8 179.0255.7263.7231.0267.0219.5 189.0 254.0磨煤机出口温度℃66.8 70.0 72.7 71.3 69.3 70.5 70.0 69.0 71.0 上层给粉机平均转速 r/min 496.3 486.4326.3359.2355.8361.3488.8 490.0 517.5下层给粉机平均转速 r/min 573.2 532.4617.5607.9599.2605.0510.0 545.0 592.5煤粉细度（R90）% 17.2 19.2 24.0 18.5 32.0 21.5 32.4 16.8 16.4为了验证本文提出的煤粉细度软测量模型，本文采用了某热电厂大量的实际锅炉运行数据作为训练样本，运用MATLAB软件神经网路工具箱，结合英国Sheffield大学推出的遗传算法工具箱进行神经遗传网络模型的编程仿真训练。
通过对表2中的某电厂不同工况下的锅炉实际运行数据进行仿真训练。
得到的结果如图3，4所示。
仿真结果表示，所采用的神经网络结合遗传算法模型具有较高的精度[4]，具有较好的软测量效果。
图3. 遗传算法训练权值的变化过程图4.软测量模型训练结果与目标值对比3.结论本文采用神经网络结合遗传算法这一工具对锅炉煤粉细度进行了软测量技术研究，根据锅炉运行特点建立了16:18:1型ＢＰ神经网络结合遗传算法的软测量模型。
同时，使用锅炉实际运行数据，采用遗传算法对网络模型进行了权值训练，获得了神经网络模型参数的权矩阵。
通过该模型进行的软测量计算结果显示：其计算值与试验值符合良好，平均误差不超过4%。
因此，本文提出的ＢＰ神经网络结合遗传算法的软测量模型及相关方法，应用于锅炉煤粉细度的在线预测是可行、可靠的，具有较强的实用价值。
参考文献：[1]王凯,赵海生,陈增宏.煤粉浓度监测系统[J].动力工程,1994,14(3):45-48.[2]王国雄,等.现代高炉粉煤喷吹[M].北京:冶金工业出版社,1997.[3] Laux S,Grusha J, Mc Carthy K. Coal and airflow measurement for reduced NOx and UBC. Internet [EB].[4] 陈智军. 神经网络与遗传算法的优化及结合[D] 湖北：湖北大学，2002[5] 李建珍, 杨庆德. 基于遗传算法的神经网络学习算法研究[D] 甘肃：兰州大学,2001[6] 王东亚,张琳,赵国. 神经网络遗传算法在供热负荷预测中应用[J]. 辽宁工程技术大学学报,2005,24：161-163[7] 雷英杰，张善文等.MATLAB遗传算法工具箱及应用[M], 西安:西安电子科技大学出版社, 2005[8] 飞思科技产品研发中心. 神经网络理论与MATLAB 7实现 [M], 北京:电子工业出版社, 2005[9] 赵新木,王承亮,吕俊复,岳光溪. 基于BP神经网络的煤粉锅炉飞灰含碳量研究[J]. 热能动力工程,2005,20(2):158-161The Soft Sensor Technology Of Coal Powder Granularity inPower PlantZhang Lei，Wei HongqiDepartment of Power Engineering, Southeast University, Nanjing, PRC（210096）AbstractPresently, the measurement of coal powder granularity in power plants has many defects。