编辑: 牛牛小龙人 | 2019-08-02 |
'
()*+,-).
/*0.1 '
2 ) *
3 '
-
4 ! !5 '
4 !
6 7 *
4 ! # # $ 文章编号!8 # #
9 : ! ! ! ! ! # # $ # ! : # # $ % : # %!!文献标识码!6!!中图分类号!<
W ! !
9 4
8 基于炉内火焰图像的燃烧诊断方法研究 王燕晋!刘!禾!华北电力大学自动化系#北京!8 # ! ! # $ F + &
+ # ,
0 G(
5 (
2 8
6 &
- '
( L '
#
9 ( &
'
&
I # &
+ 7( Q $ #
2 + :
2 #
9 + B >
+ ?C >
+
0 +# '
0 A] ) ! H )
7 / a '
J6 A / '
I >
/
0 '
+ #5 '
* / DE D
0 + >
, - ) . / *
0 .1 '
2 ) *K +
0 L ) * M
0 / G #@ )
0
0 + ? !8 # ! ! # $ 摘!要!针对现今电厂采用的锅炉燃烧监控系统所采集的火 焰动态图像,提出了一种利于辅助分析的炉内火焰燃烧诊断 方法.该方法分析了火焰图像的特点,提出了分析火焰稳定 性判别的三个特征量,根据现场图像信号作出数据提取,并 对提取结果进 行了数据分析.提出一种燃烧稳定性判别方法,该方法利 用以上三个特征量作为@1神经网络输入参数,得到输出确定为火焰稳定性系数,然后用模糊判别给出 准确的燃烧稳定性综合评估.此方法利用了动态图像的差分 特性,动态地分析燃烧过程中火焰锋面变化的状况,为现场 锅炉监控人员提供了一种燃烧状态监测方法,方便了现场运 行人员及时快捷地对现场状况做出准确迅速的判断和操作. 通过对现场图像的人工分析和此方法判别结果比对,证明此 方法具有很强的辅助分析功能. 关键词!锅炉燃烧;
诊断;
火焰稳定性判别;
@ 1神经网络;
模糊判别;
特征量 !
8 &
- , #
0 - $D - . * 3# $3
0 $ -
1 '
+2 -
1 *'
1 - % *#
22 4 , $ - + * # ( ) * &
-
0 ( #- $ -
0 ;
* ( ) *+ #
1 5
4 . ( '
# $. ( -
5 '
'
( 0&
- . / , * . * $ (
7 D 0- $ -
6
0 ;
'
$ %( ) *+ ) - , - + ( * , '
. ( '
+#
2 ( ) *
2 -
1 * '
1 - % * # ( ) , * *+ ) - , - + ( * ,
9 -
4 * .#
2 '
1 - % *&
- ./ , # / # . * .
7 <
) , * *+ ) - , - + ( * ,9 -
4 * .#
2 '
1 6 - % *&
- .5 - . * 3# $( ) *, * . * - , + )#
23 0 $ -
1 '
+2 -
1 *'
1 - % *#
2 2
4 , $ - + * # - $
33 * - (#
21 - . .3 - ( - 7!
1 * ( ) # 3:
4 3 % '
$ %/
4
9 * ,
6 '
;
* 3+ # - + #
1 5
4 . ( '
# $. ( -
5 '
'
(
05 0 D I O *
4 , - O * ( &
# , C- $
3 2
4 ;
;
0/ - ( ( * , $, * + # % $ '
( '
# $ &
- ./ , * . * $ ( *
35 04 . '
$ %( ) *( ) , * * + ) - , - + ( * ,9 -
4 * .#
2 '
1 - % * 7L ) - , - + ( * , '
. ( '
+#
23 0 $ -
1 '
+'
1 - % * '
.
4 ( '
'
;
*
3 # - $
3 ( ) * . ( - ( * . #
2 2 -
1 *&
* , * :
4 3 % *
3 7 <
) '
.1 * ( ) #
3 + - $, * - '
;
*( ) *'
$ ( * '
% * $ (3 '
- % $ # . '
.2 # ,5 # '
* ,+ #
1 5
4 . ( '
# $7 <
) *, * .
4 ( '
. - . . -
1 *- . # / * , - ( # , % . :
4 3 %
1 * $ (
7 <
) *- , ( '
+ *- /
6 / '
* 3-1 * ( ) #
32 # , -
4 ( #1 # $ '
( # , '
$ % .
0 . ( * 1( #%
4 '
3 * ( ) *# / * ,
6 - ( # ,1 - C '
$ %/ , # / * ,# / * , - ( '
# $'
$. ) # , ( ( '
1 *
7 ;
+ %<
( ,
7 &
$5 # '
* ,+ #
1 5
4 . ( '
# $&
3 '
- % $ # . '
. &
2 -
1 *. ( -
5 '
'
;
-
6 ( '
# $&
D I$ *
4 , - $ * ( &
# , C&
2 4 ;
;
0 &
+ ) - , - + ( * ,9 -
4 * . =!引!言 很长时间以来#对于炉内火焰燃烧状态的分析 基本上依靠工程技术人员的经验'
一般工程技术人 员依靠自身经验能在短时间内准确判断#这要求给 他们提供一些辅助的分析工具'
传统的辅助分析方 法是利用炉膛内火焰燃烧造成的一些间接特征量的 变化#分析这些特征量从而间接得到火焰的燃烧状 态'
这些分析方法的缺点是这些特征量仅仅是间接 量#只能针对某种特征量分析某一个具体量#但由 于火焰扰动分析量较多#造成设备繁杂#影响整体 设备的安装(调试和稳定性'
随着基于图像技术的 设备和解决方法的不断成熟#现今电厂越来越多地 采用火焰图像系统'
由于火焰图像是火焰燃烧的直 接特征量#可以很容易的判断出火焰的燃烧状态# 所以这种方法作为替代方法很有发展前途'
火焰图像处理技术得到了广泛应用'
近些年# 一些学者把火焰图像处理技术的研究重点放在了燃 烧诊断领域#取得了一些研究成果'
浙江大学热能 研究所的基于神经网络的燃烧诊断判别方法) 8* 已经 在嘉兴电厂的锅炉监测系统中得到了应用) !* '
该方 法基于静态图象进行判别'
也有一些研究单位针对 稳定性的判别效果#提出了重点在动态图像处理的 燃烧稳定性判别方法) * '
火焰燃烧状 态对电站运行会带来很直接的影响#燃烧状态监测是亟待解决的问题'
本文提出了 一种利用神经网络和模糊判别的方法#判别火焰燃 烧稳定性状态'
它的优点是提供了与工程技术人员 经验相结合的各种判别接口#利用一种模糊的方法#快速准确地给现场工程人员提供燃烧状态的参 考值#方便现场操作员做出判断'
>
!火焰燃烧特征量的提取 火焰燃烧图像的数据量很大#不可能对所有的数 万方数据 据进行辨识!因此对于图像有用信息的提取就至关重 要 图8为四角喷粉炉某一燃烧器煤粉火焰图像 图8!火焰图像 分析发现!火焰图像可以分为 个区域# !黑色区域#摄像头取景外区域和煤粉喷入炉 内而未燃烧区域 后者一般称为 $ 黑龙区% 红色区域#煤粉受热首先挥发出煤气燃烧! 而煤粉颗粒部分燃烧但并未 完全燃烧 一般称为$初燃区% &
白色区域#煤粉颗粒充分燃烧!发出炙热的 白光! 从而使EEH感光器达到饱和 一般称为$饱和区% 三个区域的视觉特性基本上是完全不同的!可 以从它的=&
>
&
;
值的波动上看出 黑龙区的 = 值有明显的幅度上扬'
;
&
>
值基本上维持在较低 的数值 初燃区的= 值有一定的上扬!但幅度较黑 龙区小'
;
&
>
值有了明显的幅度上扬 饱和区的= 值基本上已经饱和'
;
&
>
值也已饱和 由于煤 粉着火燃烧过程受煤粉特性&
风粉浓度&
风量等多种因素影响!煤粉着火位置在空间上 是变动的!从运行人员的角度看火焰图像就是黑龙区&
初燃区和饱和区的大小比例关系发生变化 见图! 图!!火焰序列图像 这 幅图片是在 #
4 M内采集的 可以看出火 焰图像中燃烧区域发生的变化 由于燃烧稳定性是 要求在差分时间内火焰燃烧区域的变化量!因此根 据实际工况!选取 Z 个连续采 集图像作为分析素材!选择的煤粉火焰燃烧特征量如下# !火焰图像= >
;
均值的差分变化量 通过对火焰图像的研究!发现当燃........