基于卷积神经网络的燃煤锅炉近壁区H₂S浓度分布实时预测模型

摘要

近年来，燃煤锅炉普遍采用空气分级燃烧技术以降低氮氧化物的排放．空气分级技术的核心是在炉内主燃区形成乏氧的还原性气氛，从而抑制氮氧化物的生成．但还原性气氛会导致强腐蚀性H₂S浓度的显著升高，增加了锅炉水冷壁的高温腐蚀风险．由于CFD数值模拟方法耗时较长，目前仍缺少一种能实时、准确地反映锅炉运行过程中近壁区H₂S浓度分布的技术手段．针对上述问题，本文首先构建了一个锅炉CFD数值计算模型，对某350 MW超临界墙式对冲锅炉近壁区H₂S分布特性进行了数值模拟研究，锅炉出口参数及腐蚀位置与现场吻合良好．结果表明，空气分级燃烧技术下炉膛呈还原性气氛，底层对冲燃烧器的对撞气流对侧墙水冷壁的冲刷是造成锅炉侧墙近壁区H₂S高浓度的原因．随后，以锅炉的各项运行参数为输入，以近壁区H₂S浓度分布图像为输出，构建转置卷积神经网络．基于提出的H₂S浓度预测数值模型，搭建了包含120个不同运行工况的数据库，对神经网络进行训练、验证和测试．结果表明，神经网络测试集预测结果与CFD模型预测结果符合良好，30%Local MAPE仅为1.06%，且计算时长在0.1 s以内，实现了燃煤锅炉近壁区H₂S浓度分布的实时预测．

关键词

高温腐蚀 / H₂S浓度 / 计算流体力学 / 神经网络