仪器仪表学报

作者：蔡国源，牛玉广，刘雪菲，杜 鸣，张 庭

单位：蔡国源,1. 华北电力大学新能源电力系统国家重点实验室，2. 华北电力大学控制与计算机工程学院,,牛玉广,1. 华北电力大学新能源电力系统国家重点实验室，2. 华北电力大学控制与计算机工程学院,,刘雪菲,1. 华北电力大学新能源电力系统国家重点实验室，2. 华北电力大学控制与计算机工程学院,,杜 鸣,1. 华北电力大学新能源电力系统国家重点实验室，2. 华北电力大学控制与计算机工程学院,,张 庭,1. 华北电力大学新能源电力系统国家重点实验室，2. 华北电力大学控制与计算机工程学院,

关键词：火焰图像;卷积神经网络;变分自编码器;电站锅炉;燃烧稳定性

基金：国家重点研发计划（2017YFB0902100）项目资助

为实现基于电站锅炉火焰图像的燃烧稳定性定量表征,并克服不稳定燃烧样本不足的训练难题,提出一种基于卷积变分自编码模型的燃烧稳定性实时、定量表征方法。首先使用稳定燃烧工况下的火焰图像进行模型训练,利用卷积变分自编码器得到稳定燃烧图像的高维潜在概率分布。记录该模型对应的隐变量分布特征,计算该分布与标准正态分布之间的KL散度值,利用该KL散度实现燃烧稳定性的定量表征。在仿真验证中,通过对比说明引入变分推断理论可提高模型对于燃烧图像的重构质量,图片重构前后均方根误差为0.00548;通过磨煤机给煤量调整实验,人为制造不同稳定度的燃烧器燃烧工况,验证了该评价方法的准确性和有效性,评价准确率高达92.1%;通过与煤火检评价结果的比较,表明该方法具备煤火检系统对于火焰的定量判断功能,且感知能力更加灵敏,能在燃烧器灭火前167s给出燃烧不稳定的预警,具有一定的工程应用价值。

来源：2022年第3期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2022年第3期