基于CFD和元胞自动机的煤粉炉流场快速重建软件设计

论文总字数：26931字

摘 要

大型燃煤火电机组是我国电力生产的主力，但由于炉内煤燃烧过程复杂多变，且高温使得炉内流动和化学反应参数难以直接测量，电厂运行人员往往只能依赖于经验对锅炉进行调控。为此，本文以一台660MW超临界旋流对冲煤粉锅炉数值模拟数据为基础，结合元胞自动机（CA）和神经网络模型（ANN），实现了从孤立离散负荷点锅炉流场数据重建连续任意负荷下锅炉的三维流场信息，在此基础上设计了锅炉三维流场实时显示软件，以协助指导运行人员进行变负荷下的锅炉燃烧调控。

首先基于锅炉CFD模拟数据建立了变负荷锅炉流场数据库，之后在matlab中构建了描述煤粉锅炉三维流场数据的元胞自动机（CA）数据结构，之后采用了BP神经网络模型描述流场数据的重建关系实现了意负荷下锅炉的三维流场的快速重建。此基础上构建了锅炉流场的实时显示软件，在matlab界面上成功绘制了锅炉三维立体模型，并实现X、Y、Z三个方向上的任意截面速度云图的显示，有望向运行人员提供任意负荷下的锅炉三维流场数据。

本文以80%额定负荷下的数据为源工况，分别以70%、90%和100%负荷下的数据为输出值构建了训练数据，并获得了BP神经网络模型。经检验，重建得到锅炉燃烧动力场只需极短的时间，有很好的工程应用前景。

关键词：锅炉流场数据重建 元胞自动机 神经网络 matlab

ABSTRACT

In today’s China's power production, large coal-fired thermal power units are still the main force. However, for the complex combustion process and the high temperature in the boiler, it’s quite hard to directly measure the flow and chemical reaction parameters in the boiler. Operators used to regulate the devices by experience. So, based on a numerical simulation data of a 660 MW supercritical cyclone hedged pulverized coal boiler, this paper combines the cellular automaton (CA) and artificial neural network (ANN) to reconstruct the three-dimensional combustion power field of boiler under continuous arbitrary load from the isolated discrete load point boiler flow field data. Then a three-dimensional flow field real-time display software can be designed to guide the operators to control the combustion of the boiler under variable load.

Firstly, based on the CFD simulation data, the variable-load boiler flow field database was established, and then the cellular automaton (CA) data structure was constructed in matlab. BP artificial neural network model is used to describe the reconstruction relationship of flow field data to complete the rapid reconstruction. On this basis, the real-time display software of boiler combustion dynamic field can be constructed. The three-dimensional model of the boiler is drawn on the matlab interface, and the display of the arbitrary section velocity cloud in the three directions of X, Y and Z is realized. To provide the operator with three-dimensional flow field data of the boiler under arbitrary load can be possible.

The data of 80% rated load is taken as the source condition, and the data of 70%, 90% and 100% load, as the output values, are constructed to get the training results and the BP artificial neural network model. After inspection, the reconstruction only cost a very short time. It has a good engineering application prospect.

KEY WORDS: Boiler flow field data reconstruction , cellular automaton (CA), BP artificial neural network model, matlab

主要符号表

目 录

摘要 Ⅰ

ABSTRACT Ⅱ

主要符号表 Ⅲ

第一章 绪论 1

1.1 研究背景及意义 1

1.2 炉内燃烧监测技术研究进展 1

1.2.1 声波法测速 1

1.2.2 激光法测速仪 2

1.2.3 红外测温仪 2

1.2.4 炉膛火焰电视系统 3

1.3 CFD方法锅炉燃烧研究 3

1.4 研究内容及技术路线 4

第二章 锅炉流场快速重建方法研究 5

2.1 锅炉数值模拟数据预处理 5

2.1.1 锅炉简介及网格划分 5

2.1.2 数值计算模型 7

2.1.3 数值模拟计算 11

2.2 锅炉流场快速重建方法的建立 12

2.2.1 快速重建方法的优势 12

2.2.2 元胞自动机模型（CA系统） 13

2.2.3 神经网络模型（ANN） 14

2.3 锅炉流场快速重建验证 19

第三章 快速重建实时显示软件设计 21

3.1 软件设计思路 21

3.2 matlab GUI简单介绍 22

3.3 软件设计 23

3.3.1 软件界面设计 23

3.3.2 导入fluent模拟结果数据 24

3.3.3 显示截面云图 25

3.3.4 建立重建功能 28

3.4 软件用时分析 31

第四章 全文总结与展望 33

4.1 全文总结 33

4.2 后续展望 33

参考文献 34

致 谢 35

1. 绪论

1.1 研究背景及意义

剩余内容已隐藏，请支付后下载全文，论文总字数：26931字