一種電站鍋爐燃燒特性神經(jīng)網(wǎng)絡(luò)模型的制作方法
【專利摘要】一種電站鍋爐燃燒特性神經(jīng)網(wǎng)絡(luò)模型，包括模型輸入、模型輸出、神經(jīng)網(wǎng)絡(luò)；模型輸入包括各燃燒器出力、燃燒器對(duì)應(yīng)煤粉的煤質(zhì)參數(shù)、煤粉濃度、流速、一次風(fēng)、二次風(fēng)、燃盡風(fēng)、氧量、負(fù)荷、一氧化碳含量、爐膛負(fù)壓、各風(fēng)箱壓力和風(fēng)粉流程各調(diào)節(jié)機(jī)構(gòu)開度；模型輸出包括衡量鍋爐性能的爐效或相對(duì)爐效及表征排放的NOx含量；模型輸入根據(jù)物理特性被分成燃燒器專屬輸入和其它全局影響性輸入，對(duì)應(yīng)不同類型的輸入層和隱含層神經(jīng)元；本發(fā)明可將電站鍋爐結(jié)構(gòu)轉(zhuǎn)化為對(duì)應(yīng)的神經(jīng)網(wǎng)絡(luò)特殊結(jié)構(gòu)，使網(wǎng)絡(luò)模型包含實(shí)際鍋爐物理特性的信息，避免不必要的交互和耦合，同時(shí)可使類似特性的子網(wǎng)絡(luò)參數(shù)可以重用，具有較高的性能和效率。
【專利說明】一種電站鍋爐燃燒特性神經(jīng)網(wǎng)絡(luò)模型
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及電站鍋爐燃燒特性建?！炯夹g(shù)領(lǐng)域】，具體涉及一種電站鍋爐燃燒特性神經(jīng)網(wǎng)絡(luò)模型。
【背景技術(shù)】
[0002]鍋爐燃燒系統(tǒng)是電站系統(tǒng)最復(fù)雜最難建模的部分，其涉及大空間場內(nèi)的復(fù)雜的物理和化學(xué)變化，其熱量的傳遞又引起工質(zhì)的相變，燃燒的高溫兩相流缺乏有效的測試手段，因此，很難用經(jīng)典數(shù)學(xué)方法加以描述，尚無成熟可靠的經(jīng)典數(shù)學(xué)模型。神經(jīng)網(wǎng)絡(luò)技術(shù)以其適合于復(fù)雜非線性系統(tǒng)和自學(xué)習(xí)特性在大量工業(yè)系統(tǒng)的建模領(lǐng)域取得了廣泛的應(yīng)用。
[0003]鍋爐的數(shù)學(xué)模型較多集中于汽水一側(cè)的建模，但這類模型難以反映鍋爐的燃燒效率，為了用數(shù)學(xué)模型描述燃煤鍋爐的煤粉投入及配風(fēng)分布的影響，必須建立評(píng)價(jià)鍋爐燃燒特性的數(shù)學(xué)模型，反映鍋爐風(fēng)、粉系統(tǒng)輸入與鍋爐燃燒效率輸出之間的關(guān)系。
[0004]現(xiàn)有技術(shù)絕大多數(shù)都采用前向多層神經(jīng)網(wǎng)絡(luò)或神經(jīng)網(wǎng)絡(luò)序列來模擬鍋爐的燃燒性能，不同的建模實(shí)例可能采用不同的隱含層神經(jīng)元數(shù)量，但這類神經(jīng)網(wǎng)絡(luò)屬于經(jīng)典的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，并有成熟的自學(xué)習(xí)和訓(xùn)練算法可供使用，已在大量工業(yè)過程建模中獲得應(yīng)用，但用于鍋爐燃燒性能的模型存在以下幾個(gè)問題:
[0005]1.鍋爐燃燒輸入?yún)?shù)多，系統(tǒng)復(fù)雜，需要較多神經(jīng)元組成網(wǎng)絡(luò)，其訓(xùn)練和學(xué)習(xí)都需要海量的樣本，而實(shí)際的鍋爐運(yùn)行過程工況常常波動(dòng)，難以在短時(shí)間內(nèi)獲得足夠數(shù)量的樣本；
[0006]2.常規(guī)神經(jīng)網(wǎng)絡(luò)模型適應(yīng)性廣泛，但無法將鍋爐系統(tǒng)的特殊結(jié)構(gòu)和物理規(guī)律轉(zhuǎn)化為神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)或參數(shù)，隱含層神經(jīng)元數(shù)量難以確定，建模過程復(fù)雜耗時(shí)，初始權(quán)值矩陣數(shù)值影響大，訓(xùn)練成功率低；
[0007]3.鍋爐系統(tǒng)輸入量多，但不同輸入之間的相關(guān)性要么很強(qiáng)，要么很弱，對(duì)于常規(guī)神經(jīng)網(wǎng)絡(luò)技術(shù)中采用的對(duì)稱結(jié)構(gòu)(前一層神經(jīng)元的輸出與下一層的每個(gè)神經(jīng)元都有連接)模型的訓(xùn)練來說極易因?qū)W習(xí)的早熟而失敗。

【發(fā)明內(nèi)容】

[0008]為了解決上述現(xiàn)有技術(shù)存在的問題，本發(fā)明提出一種新的電站鍋爐燃燒特性神經(jīng)網(wǎng)絡(luò)模型，可將電站鍋爐結(jié)構(gòu)轉(zhuǎn)化為對(duì)應(yīng)的神經(jīng)網(wǎng)絡(luò)特殊結(jié)構(gòu)，避免不必要的交互和耦合，使類似特性的子網(wǎng)絡(luò)參數(shù)可以重用，不僅引入了鍋爐物理原理的信息且大幅降低模型對(duì)樣本的依賴，可顯著提高神經(jīng)網(wǎng)絡(luò)模型的建模、訓(xùn)練、學(xué)習(xí)效率及模型應(yīng)用成功率。
[0009]為了實(shí)現(xiàn)上述目的，本發(fā)明采用以下技術(shù)方案:
[0010]一種電站鍋爐燃燒特性神經(jīng)網(wǎng)絡(luò)模型，包括模型輸入、模型輸出和神經(jīng)網(wǎng)絡(luò)；所述的模型輸入包括各燃燒器出力、燃燒器對(duì)應(yīng)煤粉的煤質(zhì)參數(shù)、煤粉濃度、流速、一次風(fēng)、二次風(fēng)、燃盡風(fēng)、氧量、負(fù)荷、一氧化碳含量、爐膛負(fù)壓、各風(fēng)箱壓力和風(fēng)粉流程各調(diào)節(jié)機(jī)構(gòu)開度；所述模型輸出選擇衡量鍋爐性能的爐效或相對(duì)爐效及表征排放的NOx含量；所述神經(jīng)網(wǎng)絡(luò)采用彼此獨(dú)立的燃燒器組子神經(jīng)元組對(duì)應(yīng)每一個(gè)燃燒器組，各燃燒器組內(nèi)的專屬輸入層神經(jīng)元只與屬于該組的隱含層神經(jīng)元相連；各燃燒器組具有相似位置、結(jié)構(gòu)或物理特性的燃燒器組強(qiáng)制采用相同的網(wǎng)絡(luò)結(jié)構(gòu)和權(quán)值參數(shù)，具體實(shí)施網(wǎng)絡(luò)結(jié)構(gòu)包括以下三類:
[0011]第一類:隱含層神經(jīng)元被劃分為N組燃燒器和其他系統(tǒng)共N+1部分，N個(gè)燃燒器組的專屬輸入層神經(jīng)元只與屬于該組燃燒器的隱含層神經(jīng)元相連，燃燒器組之間相互獨(dú)立，與全局影響性系統(tǒng)輸入也相互獨(dú)立，所有隱含層神經(jīng)元輸出與輸出層神經(jīng)元兩兩相連；
[0012]第二類:隱含層神經(jīng)元被劃分為N組燃燒器和其他系統(tǒng)共N+1部分，N個(gè)燃燒器組的專屬輸入層神經(jīng)元只與屬于該組燃燒器的隱含層神經(jīng)元相連，燃燒器組之間相互獨(dú)立，全局影響性系統(tǒng)輸入則與每一個(gè)隱含層神經(jīng)元兩兩相連，所有隱含層神經(jīng)元輸出與輸出層神經(jīng)元兩兩相連；
[0013]第三類:網(wǎng)絡(luò)結(jié)構(gòu)包含兩個(gè)隱含層，第一隱含層的神經(jīng)元被劃分為N組燃燒器共N部分，N個(gè)燃燒器組的專屬輸入層神經(jīng)元只與屬于該組燃燒器的第一隱含層的神經(jīng)元相連，燃燒器組之間相互獨(dú)立，第一隱含層的神經(jīng)元和全局影響性系統(tǒng)輸入神經(jīng)元與每一個(gè)第二隱含層神經(jīng)元兩兩相連，所有第二隱含層神經(jīng)元輸出與輸出層神經(jīng)元兩兩相連。
[0014]所述模型根據(jù)物理原理將所有模型輸入分為兩類，各燃燒器組的煤質(zhì)參數(shù)(包括發(fā)熱量、灰分、水分、揮發(fā)分、各元素含量)和粉濃度、一次風(fēng)速、風(fēng)粉混合物溫度、二次風(fēng)量、二次風(fēng)擋板開度與對(duì)應(yīng)燃燒器組的燃燒具有較強(qiáng)的影響，而與其它燃燒器組的燃燒影響較弱，作為專屬該燃燒器組的輸入；燃盡風(fēng)、氧量、負(fù)荷、一氧化碳含量、爐膛負(fù)壓對(duì)每個(gè)燃燒器組的燃燒都有一定的影響，作為全局影響性輸入。兩種輸入信號(hào)在所述模型中被區(qū)別開來。
[0015]根據(jù)電站鍋爐爐型和控制條件的不同，實(shí)際輸入選擇模型輸入的一個(gè)子集；實(shí)際輸出選擇模型輸出的一個(gè)子集；實(shí)際專屬燃燒器的輸入選擇上述專屬燃燒器組輸入信號(hào)的一個(gè)子集。
[0016]采用以上結(jié)構(gòu)的特殊神經(jīng)網(wǎng)絡(luò)相比現(xiàn)有技術(shù)的神經(jīng)網(wǎng)絡(luò)具有以下優(yōu)勢:
[0017]首先該神經(jīng)網(wǎng)絡(luò)可天然區(qū)分不同輸入?yún)?shù)的類別，燃燒器組的專屬輸入對(duì)其它燃燒器影響很小，而上述的氧量等全局影響性參數(shù)對(duì)整個(gè)鍋爐的燃燒都具有較大的影響，這兩類輸入在模型結(jié)構(gòu)中具有天然的權(quán)重差異，將影響整個(gè)鍋爐燃燒的氧量等信號(hào)與影響局部燃燒的燃燒器專屬輸入相區(qū)別，使神經(jīng)網(wǎng)絡(luò)在學(xué)習(xí)和訓(xùn)練前就天然繼承鍋爐專屬結(jié)構(gòu)特點(diǎn)的信息；其次采用燃燒器組的劃分，可對(duì)物理上具有相似特性的燃燒器組采用相同的局部網(wǎng)絡(luò)結(jié)構(gòu)和權(quán)值，例如對(duì)于前后墻對(duì)沖鍋爐的底層前后墻燃燒器組可認(rèn)為其專屬輸入對(duì)整個(gè)鍋爐燃燒的影響類似，其網(wǎng)絡(luò)模型應(yīng)該具有類似的結(jié)構(gòu)和參數(shù)，這樣可大幅降低網(wǎng)絡(luò)在學(xué)習(xí)和訓(xùn)練過程中需要求解的參數(shù)數(shù)量，且避免類似物理結(jié)構(gòu)得出差異較大參數(shù)結(jié)果的不合理結(jié)果，從而使網(wǎng)絡(luò)模型的訓(xùn)練速度和成功率得到大幅提升；最后由于相比現(xiàn)有技術(shù)采用的經(jīng)典神經(jīng)網(wǎng)絡(luò)(每層神經(jīng)元輸出與下一層神經(jīng)元兩兩互聯(lián))在訓(xùn)練過程中的求解參數(shù)大幅降低，對(duì)所需樣本數(shù)量的需求也大幅降低，經(jīng)分析平均僅需相同規(guī)模經(jīng)典網(wǎng)絡(luò)1/8甚至更少的樣本即可實(shí)現(xiàn)同等級(jí)的訓(xùn)練效果。
[0018]由于該神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)的特殊性，因此常規(guī)的經(jīng)典網(wǎng)絡(luò)學(xué)習(xí)和訓(xùn)練算法無法應(yīng)用，只能選擇基于“遺傳算法”或“粒子群算法”類似的神經(jīng)網(wǎng)絡(luò)智能學(xué)習(xí)和訓(xùn)練算法，這類智能算法已在經(jīng)典神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)和訓(xùn)練中取得了大量的應(yīng)用，各種改進(jìn)型算法層出不窮，均可應(yīng)用于本發(fā)明所提出神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的學(xué)習(xí)和訓(xùn)練，盡管其學(xué)習(xí)和訓(xùn)練的速度較經(jīng)典算法稍低，但其魯棒性好，可通過搜索空間的控制避免訓(xùn)練的早熟和發(fā)散，比經(jīng)典算法更適合工業(yè)自動(dòng)化領(lǐng)域建模的應(yīng)用。
【專利附圖】

【附圖說明】
[0019]圖1為第一類實(shí)施網(wǎng)絡(luò)結(jié)構(gòu)圖。
[0020]圖2為第二類實(shí)施網(wǎng)絡(luò)結(jié)構(gòu)圖。
[0021]圖3為第三類實(shí)施網(wǎng)絡(luò)結(jié)構(gòu)圖。
【具體實(shí)施方式】
[0022]下面結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明作更詳細(xì)的說明。
[0023]本發(fā)明一種電站鍋爐燃燒特性神經(jīng)網(wǎng)絡(luò)模型，包括模型輸入、模型輸出、神經(jīng)網(wǎng)絡(luò)；所述神經(jīng)網(wǎng)絡(luò)模型輸入包括各燃燒器出力、燃燒器對(duì)應(yīng)煤粉的煤質(zhì)參數(shù)、煤粉濃度、流速、一次風(fēng)、二次風(fēng)、燃盡風(fēng)、氧量、負(fù)荷、一氧化碳含量、爐膛負(fù)壓、各風(fēng)箱壓力和風(fēng)粉流程各調(diào)節(jié)機(jī)構(gòu)開度；所述模型輸出可選擇衡量鍋爐性能的爐效或相對(duì)爐效及表征排放的NOx含量。
[0024]所述模型根據(jù)物理原理將所有模型輸入分為兩類，各燃燒器組的煤質(zhì)參數(shù)(包括發(fā)熱量、灰分、水分、揮發(fā)分、各元素含量)和粉濃度、一次風(fēng)速、風(fēng)粉混合物溫度、二次風(fēng)量、二次風(fēng)擋板開度與對(duì)應(yīng)燃燒器組的燃燒具有較強(qiáng)的影響，而與其它燃燒器組的燃燒影響較弱，作為專屬該燃燒器組的輸入；燃盡風(fēng)、氧量、負(fù)荷、一氧化碳含量、爐膛負(fù)壓對(duì)每個(gè)燃燒器組的燃燒都有一定的影響，作為全局影響性輸入；兩種輸入信號(hào)在所述模型中被區(qū)別開來。
[0025]所述神經(jīng)網(wǎng)絡(luò)采用彼此獨(dú)立的燃燒器組子神經(jīng)元組對(duì)應(yīng)每一個(gè)燃燒器組，各燃燒器組內(nèi)的專屬輸入層神經(jīng)元只與屬于該組的隱含層神經(jīng)元相連；各燃燒器組具有相似位置、結(jié)構(gòu)或物理特性的燃燒器組強(qiáng)制采用相同的網(wǎng)絡(luò)結(jié)構(gòu)和權(quán)值參數(shù)，具體實(shí)施網(wǎng)絡(luò)結(jié)構(gòu)包括以下三類。
[0026]如圖1所示為第一類實(shí)施網(wǎng)絡(luò)結(jié)構(gòu):隱含層神經(jīng)元被劃分為N組燃燒器和其他系統(tǒng)共N+1部分，N個(gè)燃燒器組的專屬輸入層神經(jīng)元只與屬于該組燃燒器的隱含層神經(jīng)元相連，燃燒器組之間相互獨(dú)立，與全局影響性系統(tǒng)輸入也相互獨(dú)立，所有隱含層神經(jīng)元輸出與輸出層神經(jīng)元兩兩相連；
[0027]如圖2所示第二類實(shí)施網(wǎng)絡(luò)結(jié)構(gòu):隱含層神經(jīng)元被劃分為N組燃燒器和其他系統(tǒng)共N+1部分，N個(gè)燃燒器組的專屬輸入層神經(jīng)元只與屬于該組燃燒器的隱含層神經(jīng)元相連，燃燒器組之間相互獨(dú)立，全局影響性系統(tǒng)輸入則與每一個(gè)隱含層神經(jīng)元兩兩相連，所有隱含層神經(jīng)元輸出與輸出層神經(jīng)元兩兩相連；
[0028]如圖3所示第三類實(shí)施網(wǎng)絡(luò)結(jié)構(gòu):網(wǎng)絡(luò)結(jié)構(gòu)包含兩個(gè)隱含層，第一隱含層的神經(jīng)元被劃分為N組燃燒器共N部分，N個(gè)燃燒器組的專屬輸入層神經(jīng)元只與屬于該組燃燒器的第一隱含層的神經(jīng)元相連，燃燒器組之間相互獨(dú)立，第一隱含層的神經(jīng)元和全局影響性系統(tǒng)輸入神經(jīng)元與每一個(gè)第二隱含層神經(jīng)元兩兩相連，所有第二隱含層神經(jīng)元輸出與輸出層神經(jīng)元兩兩相連。[0029]作為本發(fā)明的優(yōu)選實(shí)施方式，根據(jù)電站鍋爐爐型和控制條件的不同，實(shí)際輸入可選擇以上輸入的一個(gè)子集；實(shí)際輸出可選擇上述輸出的一個(gè)子集；實(shí)際專屬燃燒器的輸入可選擇上述專屬燃燒器輸入信號(hào)的一個(gè)子集。
[0030]實(shí)施例
[0031]某大功率電站鍋爐為前后墻對(duì)沖型式，前后墻各三排共六組燃燒器，分層配煤摻燒，每層燃燒器配有一個(gè)二次風(fēng)箱，兩端設(shè)置二次風(fēng)擋板，制粉系統(tǒng)旋風(fēng)分離擋板不可自動(dòng)調(diào)整，旋流二次風(fēng)拉桿為手動(dòng)。根據(jù)以上鍋爐類型、結(jié)構(gòu)特點(diǎn)、自動(dòng)控制的條件和建模目標(biāo)，選擇本發(fā)明方法所述輸入信號(hào)的一個(gè)子集(負(fù)荷、氧量、燃燒器組一次風(fēng)量、各層二次風(fēng)擋板開度、各層煤質(zhì)、各燃燒器出力、前后燃盡風(fēng)擋板開度)作為模型輸入，其中各層煤質(zhì)、燃燒器出力、層二次風(fēng)擋板開度作為燃燒器組專屬輸入，鍋爐效率作為模型輸出，采用如圖1所示網(wǎng)絡(luò)結(jié)構(gòu)，采用經(jīng)典粒子群算法作為網(wǎng)絡(luò)學(xué)習(xí)和訓(xùn)練算法，根據(jù)鍋爐運(yùn)行過程中獲得的樣本進(jìn)行訓(xùn)練，即可獲得用于鍋爐燃燒效率分析的神經(jīng)網(wǎng)絡(luò)模型。
【權(quán)利要求】
1.一種電站鍋爐燃燒特性神經(jīng)網(wǎng)絡(luò)模型，其特征在于:包括模型輸入、模型輸出和神經(jīng)網(wǎng)絡(luò)；所述的模型輸入包括各燃燒器出力、燃燒器對(duì)應(yīng)煤粉的煤質(zhì)參數(shù)、煤粉濃度、流速、一次風(fēng)、二次風(fēng)、燃盡風(fēng)、氧量、負(fù)荷、一氧化碳含量、爐膛負(fù)壓、各風(fēng)箱壓力和風(fēng)粉流程各調(diào)節(jié)機(jī)構(gòu)開度；所述模型輸出選擇衡量鍋爐性能的爐效或相對(duì)爐效及表征排放的NOx含量；所述神經(jīng)網(wǎng)絡(luò)采用彼此獨(dú)立的燃燒器組子神經(jīng)元組對(duì)應(yīng)每一個(gè)燃燒器組，各燃燒器組內(nèi)的專屬輸入層神經(jīng)元只與屬于該組的隱含層神經(jīng)元相連；各燃燒器組具有相似位置、結(jié)構(gòu)或物理特性的燃燒器組強(qiáng)制采用相同的網(wǎng)絡(luò)結(jié)構(gòu)和權(quán)值參數(shù)，具體實(shí)施網(wǎng)絡(luò)結(jié)構(gòu)包括以下三類: 第一類:隱含層神經(jīng)元被劃分為N組燃燒器和其他系統(tǒng)共N+1部分，N個(gè)燃燒器組的專屬輸入層神經(jīng)元只與屬于該組燃燒器的隱含層神經(jīng)元相連，燃燒器組之間相互獨(dú)立，與全局影響性系統(tǒng)輸入也相互獨(dú)立，所有隱含層神經(jīng)元輸出與輸出層神經(jīng)元兩兩相連； 第二類:隱含層神經(jīng)元被劃分為N組燃燒器和其他系統(tǒng)共N+1部分，N個(gè)燃燒器組的專屬輸入層神經(jīng)元只與屬于該組燃燒器的隱含層神經(jīng)元相連，燃燒器組之間相互獨(dú)立，全局影響性系統(tǒng)輸入則與每一個(gè)隱含層神經(jīng)元兩兩相連，所有隱含層神經(jīng)元輸出與輸出層神經(jīng)元兩兩相連； 第三類:網(wǎng)絡(luò)結(jié)構(gòu)包含兩個(gè)隱含層，第一隱含層的神經(jīng)元被劃分為N組燃燒器共N部分，N個(gè)燃燒器組的專屬輸入層神經(jīng)元只與屬于該組燃燒器的第一隱含層的神經(jīng)元相連，燃燒器組之間相互獨(dú)立，第一隱含層的神經(jīng)元和全局影響性系統(tǒng)輸入神經(jīng)元與每一個(gè)第二隱含層神經(jīng)元兩兩相連，所有第二隱含層神經(jīng)元輸出與輸出層神經(jīng)元兩兩相連。
2.根據(jù)權(quán)利要求1所述的一種電站鍋爐燃燒特性神經(jīng)網(wǎng)絡(luò)模型，其特征在于:根據(jù)物理原理將所有模型輸入分為兩類，各燃燒器組的煤質(zhì)參數(shù)包括發(fā)熱量、灰分、水分、揮發(fā)分和各元素含量以及粉濃度、一次風(fēng)速、風(fēng)粉混合物溫度、二次風(fēng)量、二次風(fēng)擋板開度與對(duì)應(yīng)燃燒器組的燃燒具有較強(qiáng)的影響，而與其它燃燒器組的燃燒影響較弱，作為專屬該燃燒器組的輸入；燃盡風(fēng)、氧量、負(fù)荷、一氧化碳含量、爐膛負(fù)壓對(duì)每個(gè)燃燒器組的燃燒都有一定的影響，作為全局影響性輸入；兩種輸入信號(hào)在所述模型中被區(qū)別開來。
3.根據(jù)權(quán)利要求1所述的一種電站鍋爐燃燒特性神經(jīng)網(wǎng)絡(luò)模型，其特征在于:根據(jù)電站鍋爐爐型和控制條件的不同，實(shí)際輸入選擇模型輸入的一個(gè)子集；實(shí)際輸出選擇模型輸出的一個(gè)子集；實(shí)際專屬燃燒器的輸入選擇所述專屬燃燒器組輸入信號(hào)的一個(gè)子集。
【文檔編號(hào)】G06N3/04GK103870878SQ201410124690
【公開日】2014年6月18日 申請(qǐng)日期:2014年3月28日 優(yōu)先權(quán)日:2014年3月28日
【發(fā)明者】高林, 薛建中, 高海東, 王春利, 曾衛(wèi)東, 肖勇 申請(qǐng)人:西安西熱控制技術(shù)有限公司, 西安熱工研究院有限公司