简介：燃煤锅炉是复杂的多变量系统，其飞灰的含碳量形成机理复杂，不能用简单的数学公式估算。现场实炉测试这些数据具有工作量大，测试工况有限等缺点；燃煤锅炉运行参数及燃料特性等因素影响着飞灰的含碳量，其相互耦合，导致分析数据过程困难。神经网络建模将燃煤锅炉视为黑箱，应用该方法可以良好的描述其输入输出之间的黑箱特性，因此，人工神经网络应用广泛。利用燃煤锅炉试验数据，采用3层BP（backpropagation）神经网络构建了锅炉飞灰的含碳量排放特性模型。通过锅炉的实测数据验证，该BP神经网络对飞灰含碳量相对预测误差在0．19％～0．50％，预测效果良好。测试结果表明，建立的神经网络预测模型可以准确逼近验证样本数据，也能够较好的逼近非验证样本数据，具有良好的泛化能力。

简介：该文采用数理统计的方法为新（扩）建电厂选定煤种。为了准确获得将来电厂运行的煤种的特性参数，通过对各煤样的参数分析，可得到煤种各参数值的范围及落在此范围内的置信度。置信度的大小可以根据锅炉制造厂和设计院的设计要求预先给定。由此可控制锅炉本体的设计裕量，既能满足将来电厂运行煤种的变化，又能减少锅炉在设计时不必要的过大的裕量，降低投资。

简介：以反映循环炯输出率和熵产率之间最佳折衷的生态学准则为目标，研究了复杂传热规律q∝[△（T-n）]m（包括了牛顿传热规律、线性唯象传热规律、辐射传热规律、Dulong—Petit传热规律、广义对流传热规律和广义辐射传热规律）下内可逆正反向两热源循环（包括内可逆卡诺热机、内可逆卡诺制冷机和内可逆卡诺热泵）的生态学最优性能，得到了生态学函数与效率、制冷系数和供热系数之间的基本优化关系，所得结果具有一定的普适性和包容性。