簡易檢索 / 詳目顯示

回結果列表
研究生： 林靜如
Lin, Ging Ru
論文名稱： 混燒鍋爐自動化節能預測控制
Process automation and predictive control for energy saving of a co-fuel bolier
指導教授： 鄭西顯
口試委員: 張珏庭
吳煒
姚遠
學位類別： 碩士
Master
系所名稱： 工學院 - 化學工程學系
Department of Chemical Engineering
論文出版年： 2012
畢業學年度： 100
語文別： 中文
論文頁數： 53
中文關鍵詞： 混燒鍋爐
外文關鍵詞： co-fuel boiler
相關次數： 點閱：2  下載：0 
分享至:
查詢本校圖書館目錄 查詢臺灣博碩士論文知識加值系統 勘誤回報

    • 典型的鋼鐵廠鍋爐所使用之燃料有許多種，本次針對BFG(高爐氣和轉爐氣混合而成)和煤混燒之燃料做深入的探討，BFG是煉鋼廠的廢氣由高爐氣和轉爐氣混合而成，為煉鋼場的副產品而其熱值尚有700~900(Kcal/m3)，若排放至大氣層中因其化學組成主要是CO、CO2、N2和含量很少的CH4和H2等，而CO的容積含量約占20%~30%左右(CO氣體的熱值為比較低的一種氣體燃料)，而造成環境污染。BFG是煉鋼場的廢氣但如能再利用能源亦是降低能耗之方法，但在每一時間下因混合比例不同，造成BFG熱值隨時間一直在變動，而使得鋼鐵廠混燒鍋爐之效率較不易控制。
    在本研究中，運用NNG(non-negative garrote) regression方法建立模型證實能夠預測混燒鍋爐之熱效率並找出其物理意義，進而控制提升混燒鍋爐之熱效率。

    謝誌 I 摘要 II 目錄 III 圖目錄 V 表目錄 VII 1. 第一章 緒論 1 1.1. 前言 1 1.2. 研究動機與目的 2 1.2.1. 研究動機 2 1.2.2. 研究目的 3 1.3. 文獻回顧 4 2. 第二章 鍋爐簡介 6 2.1. 鍋爐設備 6 2.1.1. 燃燒流程 6 2.2. 鍋爐熱效率計算 8 3. 第三章 研究方法與原理 10 3.1. NNG REGRESSIONMETHOD 10 3.2. NNG的通用式 11 3.3. 線性判別分析(LDA) 14 3.3.1. 兩類資料投影到一維空間 15 3.3.2. 多種類資料投影到高維空間 17 3.4. 主成份分析(PCA) 19 3.4.1. PCA演變 19 3.4.2. PCA原理 20 3.4.3. PCA的解釋 22 4. 第四章 鍋爐系統介紹與建模 25 4.1. 熱效率之建模與預測 26 4.1.1. 熱效率系統參數介紹 26 4.1.2. 熱效率動態移動視窗 26 4.1.3. 熱效率建模 27 4.1.4. 熱效率預測 37 4.2. 氧氣濃度之建模與預測 39 4.2.1. 氧氣濃度系統參數介紹 39 4.2.2. 氧氣濃度動態移動視窗 39 4.2.3. 氧氣濃度建模 40 4.2.4. 氧氣濃度預測 43 4.3. 熱效率之控制 45 4.3.1. 熱效率控制步驟 45 4.3.2. 熱效率控制結果 48 5. 第五章 結論 51 6. 第六章 參考文獻 52

    1. Bortz, Steven, “Apparatus and method for reducing NOx, CO and hydrocarbon emissions when burning gaseous fuels”, Applied Thermal Engineering Volume: 16, Issue: 8-9, 1996, pp. VII
    2. Savolainen,K. “Co-firing of biomass in coal-fired utility boilers”, Applied Energy Volume : 74, Issue: 3-4, 2003,pp. 69-381

    3. Turn, Scott, Q. Jenkins, Bryan M.; Jakeway, Lee A.; Blevins, Linda G. Williams, Robert B. “Test results from sugar cane bagasse and high fiber cane co-fired with fossil fuels“, Biomass and Bioenergy, Volume: 30, Issue: 6, 2006, pp. 565-574

    4. Shieh.S.S, Chang.Y.H., Jang.S.S., Mac.M.D., Huang.T.S. “Statistical key variable analysis and model-based control for the improvement of thermal efficiency of a multi-fuel boiler” Fuel Volume :89, Issue: 5, 2010, pp.1141–1149

    5. Hao, Zhou, Kefa, Cen, Jianbo, Mao, “Combining neural network and genetic algorithms to optimize low NOx pulverized coal combustion” Fuel Volume: 80, Isuue: 15, 2001, pp.2163-2169

    6. Rusinowski, H., Stanek, W. “Neural modeling of steam boilers”, Energy Conversion and Management Volume: 48, Isuue: 7, 2007, pp.2802-2809

    7. Wang, W.H, Pan, W.G, Ren, J.X., Sun, J.R, Qiu, Z.Z, Li, F.Q. “Experiment Research of the Operation Character for 350MW Power Plant Boiler Burning Mixture of Pulverized Coal and Gas Fuel” journal of shanghai university of electric power ,2006 22(3)

    8. Yang, Y., Chen, G. “Technical Reform of Combustion System in Pulverized Coal and BFG Combustion Boiler” journal of shanghai university of power system engineering, 2003 19(2)

    9. Breiman, L. "Better Subset Regression Using the Nonnegative Garrote." Technometrics ,1995, 37(4): 373-384.

    10. Zhang, P. "Model Selection Via Multifold Cross Validation." The Annals of Statistics, 1993, 21(1): 299-313.

    11. Fisher, R. A. “The Use of Multiple Measurements in Taxonomic Problems”, Annals of Eugenics, Volume:7, 1936, pp.179-188

    12. Hotelling, H. “Analysis of a Complex of Statistical Variables into Principal Components”, Journal of Educational Psychology, 1933, 24, 417-441, 498-520.

    無法下載圖示 全文公開日期 本全文未授權公開 (校內網路)
    全文公開日期 本全文未授權公開 (校外網路)

    QR CODE