基于RBF神经网络的生物质电站高温气体CO2浓度测量方法
2021-03-19盛伟岸张立权韩晓娟张文彪
盛伟岸, 张立权, 黄 帅, 韩晓娟, 张文彪
(1.大唐长山热电厂,吉林 松原 131109;2.华北电力大学 控制科学与计算机工程学院,北京 102206)
1 引 言
随着科技进步和绿色可持续发展观念的树立,燃煤生物质耦合发电技术越来越受到重视[1]。由于该技术物质气化过程中需要检测包括CO、H2和CH4等可燃气体的浓度,所以对可燃气体进行准确测量在燃煤生物质耦合发电技术中尤为重要[2]。
在电厂锅炉高温高压的环境下非接触测量法有很大的优势,非接触测量法主流的方法是光学分析法[3]。光学分析法主要是根据Beer-Lambert定律,与吸收光谱学理论相结合,实现对炉内气体的精确测量。光学分析法主要有差分吸收光谱技术、傅里叶变换红外光谱技术、可调谐激光二极管吸收光谱技术、激光雷达技术、激光诱导荧光光谱技术和激光光声光谱技术等[4]。可调谐二极管激光吸收光谱(tunable diode laser absorption spectroscopy, TDLAS)技术具有适应性强、高灵敏度、非侵入性、实时动态以及多组分测量等特点,能够适应电站锅炉高温、高压、多粉尘等环境[5,6],为燃煤生物质耦合发电技术燃气浓度检测提供了新的解决思路。文献[7]搭建了基于TDALS技术的长光程光路大气CO监测系统,并且验证了该系统的可行性;文献[8]提出了一种基于多次反射直接吸收测量CO2浓度的方法;文献[9]采用多次反射吸收光谱技术建立CO2浓度测量装置;文献[10]提出一种BP神经网络对TDLAS气体吸收光谱吸光度进行实时提取的方法,并在实际应用中得到验证;文献[11]提出了基于TDALS技术的BP神经网络补偿模型用来测量痕量CO浓度,对测得的气体浓度进行了温度/压力补偿,提高了测量精度;……
