首页|基于混合模型的气流床气化炉建模

基于混合模型的气流床气化炉建模

Modeling of entrained-bed gasifier based on hybrid model

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据
为了提高在煤质改变及工艺参数波动条件下气流床气化炉出口结果的预测精度,分别采用机理模型、广义回归神经网络(GRNN)模型以及混合模型对气化炉进行建模,其中混合模型由GRNN模型和机理模型构建,结合两种不同的煤样对三种模型的预测结果进行分析.结果表明:三种模型均可以较好地对气化过程进行模拟;其中在煤种固定的情况下混合模型关于气化温度和CO、CO2及H2含量的预测误差为0.18％和0.25％、1.72％及0.43％,与机理模型和GRNN模型相比误差更小;在煤种改变的情况下混合模型关于出口气体结果的预测最接近实际生产数据,误差为0.81％和0.11％、2.53％及0.42％.证明混合模型在煤种改变及工艺参数波动条件下可以有效地对气化过程进行模拟,在很大程度上提高了机理模型和GRNN模型的预测精度.

姚源朝、仇鹏、许建良、代正华、刘海峰

展开 >

华东理工大学资源与环境工程学院,上海市煤气化工程技术研究中心,上海200237

气流床气化炉 机理建模 广义回归神经网络 混合模型

国家重点研发计划项目国家自然科学基金上海市优秀技术带头人项目

2018YFC08085002177608719XD1434800

2021

10.11949/0438-1157.20201233

化工学报
中国化工学会 化学工业出版社

化工学报

CSTPCDCSCD北大核心
影响因子：1.26
ISSN：0438-1157
年,卷(期)：2021.72(5)
  • 6
  • 16