許樂飛，李少華，孟立新

(1．東北電力大學(xué)能源與動力工程學(xué)院，吉林 吉林132012;2．同煤大唐熱電有限公司，山西大同037003)

0 引言

目前，我國比較常用的鍋爐試驗(yàn)規(guī)程如國標(biāo)GB標(biāo)準(zhǔn)和美國ASME標(biāo)準(zhǔn)都有對鍋爐效率計(jì)算的數(shù)學(xué)模型。但是無論哪種計(jì)算模型，都需要入爐煤的分析數(shù)據(jù)、環(huán)境參數(shù)、運(yùn)行參數(shù)等，而且測點(diǎn)多且有些測點(diǎn)對測量技術(shù)要求高，使整個(gè)鍋爐效率計(jì)算過程繁瑣，用于現(xiàn)場實(shí)時(shí)在線監(jiān)測具有一定的難度。然而，神經(jīng)網(wǎng)絡(luò)中單個(gè)神經(jīng)元具有反映非線性本質(zhì)特征的能力，將這些簡單的神經(jīng)元進(jìn)行任意組合，可使神經(jīng)網(wǎng)絡(luò)建立任意的非線性連續(xù)函數(shù)。通過神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和學(xué)習(xí)，使神經(jīng)網(wǎng)絡(luò)可以獲取數(shù)據(jù)之間內(nèi)在的規(guī)律，從而對未來進(jìn)行預(yù)測。因此，本文以電廠鍋爐實(shí)際運(yùn)行數(shù)據(jù)為依據(jù)，通過分析選取與鍋爐效率密切相關(guān)的且易于測量的參數(shù)作為輸入變量，利用BP神經(jīng)網(wǎng)絡(luò)來預(yù)測鍋爐效率。

1 簡化的國標(biāo)鍋爐效率計(jì)算模型

鍋爐效率反平衡計(jì)算公式如式(1)所示，q2～q6分別為排煙熱損失、氣體未完全燃燒熱損失、固體未完全燃燒熱損失、散熱損失和灰渣物理顯熱損失。對于煤粉爐，式(2)－式(6)已按照國標(biāo)規(guī)定對其進(jìn)行了簡化［1］。

從式(1)－式(6)可以看出，國標(biāo)中規(guī)定的鍋爐熱損失項(xiàng)目不多，但是每一項(xiàng)的影響因素較多，數(shù)據(jù)測量計(jì)算量大，實(shí)時(shí)在線計(jì)算鍋爐效率比較困難，歸結(jié)原因如下:

1)排煙熱損失q2項(xiàng)中需計(jì)算出干煙氣容積和煙氣中水蒸氣容積，因此需知道入爐煤的各項(xiàng)元素分析，但是一般電廠只能進(jìn)行煤的工業(yè)分析。如何知道入爐煤的變化是一個(gè)難點(diǎn)。

2)固體未完全燃燒熱損失q4和灰渣物理熱損失q6的計(jì)算都需知道飛灰含碳量和爐渣含碳量。精確的飛灰含碳量及爐渣含碳量測量方法為燃燒稱重法，此種方法為實(shí)驗(yàn)室測量方法，一般需要幾個(gè)小時(shí)的時(shí)間，測量結(jié)果嚴(yán)重滯后。

2 鍋爐效率的影響因素及其影響特性

2.1 煤質(zhì)變化的影響

一般電廠都難以做到按設(shè)計(jì)煤種投爐燃燒，而是混摻幾樣煤種燃燒，盡量接近設(shè)計(jì)煤種，這樣就使得煤的成分發(fā)生變化。由文獻(xiàn)［2］得知，經(jīng)過對20多種不同類型和產(chǎn)地的煤的化學(xué)分析，可得到煤的收到基低位發(fā)熱量Qnet，ar與理論煙氣量Vy之間的關(guān)系如下圖1所示，由此可見用Qnet，ar可以表征Vy。

圖 1 Qnet，ar與 Vy 的關(guān)系圖

目前，由于煤的低位發(fā)熱量的在線分析儀還沒有出現(xiàn)，一般先進(jìn)行煤的工業(yè)分析或元素分析，然后再根據(jù)相關(guān)公式進(jìn)行計(jì)算獲得，這樣使得數(shù)據(jù)獲取滯后［3］。通過對50種煤樣工業(yè)分析的數(shù)據(jù)的分析觀察，發(fā)現(xiàn)低位發(fā)熱量與煤質(zhì)的收到基水分、灰分具有很好的線性關(guān)系，如圖2所示。

繼續(xù)對這50組數(shù)據(jù)進(jìn)行回歸分析，可得到煤低位發(fā)熱量與收到基灰分、水分之間的關(guān)系式(7)及圖3回歸分析的預(yù)測值與實(shí)際值的對比圖。

從圖3中可以看出，煤的低位發(fā)熱量的預(yù)測值和實(shí)際值非常接近，而且公式(7)的方差為0.928 6，也表明煤的低位發(fā)熱量的預(yù)測值和實(shí)際值相差不遠(yuǎn)，回歸分析所得的煤的低位發(fā)熱量與煤的收到基灰分、水分之間的關(guān)系穩(wěn)定。因此，可以通過在線監(jiān)測煤的收到基灰分、水分來獲得煤的低位發(fā)熱量。目前實(shí)時(shí)性的煤質(zhì)分析技術(shù)有核技術(shù)(低能γ射線反散射法、雙能γ射線穿透法等)、近紅外技術(shù)等，由于不受采樣的限制，它們都可以不間斷地檢測煤質(zhì)，且測量精度高［4］。

2.2 排煙溫度的影響

由式(2)、式(6)知，排煙溫度的變化必會引起排煙熱損失、灰渣物理顯熱損失的波動。排煙熱損失是鍋爐各項(xiàng)損失中最大的一項(xiàng)，約為4%～7%，占整個(gè)熱損失的50%～70%［5］。一般情況下，排煙溫度升 10℃，排煙熱損失隨之增加 0.4% ～0.6%［6］。除此之外，由于排煙溫度升高，飛灰溫度隨之升高，同樣質(zhì)量的飛灰所攜帶的熱值增大，灰渣物理顯熱損失增多，影響鍋爐效率。

一般電廠都是在鍋爐尾部煙道各個(gè)方向布置溫度傳感器，實(shí)現(xiàn)對排煙溫度的在線測量。

2.3 過量空氣系數(shù)的影響

過量空氣系數(shù)對鍋爐效率的影響是正反兩方面的:氧量增大有利于煤粉的完全燃燒，減少未燃可燃物及一氧化碳造成的損失;氧量增大，使煙氣量增大，排煙溫度升高，干煙氣損失、各項(xiàng)水分引起的損失及灰渣顯熱損失增大;氧量增大，使送、引風(fēng)機(jī)電耗增加，造成廠用電率和單位煤耗增多。一般通過在線監(jiān)測鍋爐尾部煙氣中含氧量，再根據(jù)式(8)來間接獲得過量空氣系數(shù)，表達(dá)式為

電廠都裝有氧量在線測量儀，如氧化鋯氧量儀。一些科研單位研發(fā)的新式排煙溫度測量儀、煙氣分析儀等，能對排煙溫度進(jìn)行在線連續(xù)測量。

2.4 飛灰含碳量的影響

由式(4)、式(6)知機(jī)械未完全燃燒損失、灰渣物理顯熱損失主要是由灰渣和煙氣中未燃碳引起的，占鍋爐全部輸入熱量的1%～4%。根據(jù)國標(biāo)規(guī)定，灰渣組合成分按飛灰占90%、爐渣占10%取，因此這兩項(xiàng)損失主要取決于飛灰含碳量的大小。

實(shí)際運(yùn)行中鍋爐飛灰含碳量受配風(fēng)方式、煤種、氧量、負(fù)荷以及燃燒器擺角等因素影響，選取某300 MW電廠鍋爐65組穩(wěn)定工況下得到的運(yùn)行數(shù)據(jù)，經(jīng)過數(shù)據(jù)統(tǒng)計(jì)發(fā)現(xiàn)飛灰含碳量與鍋爐負(fù)荷和排煙氧量分別成線性關(guān)系，如圖4、圖5所示。

通過Excel數(shù)據(jù)分析宏對這65組數(shù)據(jù)進(jìn)行回歸分析，得:

圖6是采用回歸分析后得到的65組預(yù)測值與實(shí)際值的結(jié)果比較，從圖6中可以看到用回歸分析所得的數(shù)學(xué)模型式(9)，能較好地預(yù)測飛灰含碳量的值和證明該模型的可行性。

圖6 Cfh預(yù)測值與實(shí)際值的比較

2.5 進(jìn)風(fēng)溫度的影響

從排煙熱損失及灰渣物理顯熱損失來說，空氣溫度越高，造成的損失越大［7］，其原因在于空氣溫度升高減弱了空氣預(yù)熱器的換熱能力，同時(shí)使干煙氣、煙氣中的水蒸氣及灰渣的平均溫度變高，使它們的焓值增大，故熱損失增多;空氣溫度的升高還會使送風(fēng)機(jī)出力降低，增加送風(fēng)機(jī)電耗;空氣溫度的升高增加了燃料的著火熱，有利于煤粉的穩(wěn)定燃燒，不至于著火不穩(wěn)而需增加燃料量。以某電廠鍋爐帶暖風(fēng)器運(yùn)行為例，將進(jìn)入鍋爐系統(tǒng)的空氣溫度從20℃逐漸調(diào)至50℃，計(jì)算其鍋爐效率。結(jié)果表明，當(dāng)進(jìn)入鍋爐的空氣溫度每提高10℃，鍋爐效率下降0.35%。

3 BP神經(jīng)神經(jīng)網(wǎng)絡(luò)鍋爐熱效率模型

3.1 建立BP神經(jīng)網(wǎng)絡(luò)的鍋爐效率預(yù)測模型

BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)，是一種誤差反向傳播的多層前饋網(wǎng)絡(luò)，由信息的正向傳播和誤差的反向傳播兩個(gè)過程組成。BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)規(guī)則是使用追速下降法，通過反向傳播來不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值，使網(wǎng)絡(luò)的誤差平方和最小，收斂速度快。因此，根據(jù)以上分析，可建立以煤的收到基水分、煤的收到基灰分、排煙溫度、排煙氧量、鍋爐負(fù)荷和冷空氣溫度為輸入變量，鍋爐效率為目標(biāo)輸出變量的BP神經(jīng)網(wǎng)絡(luò)，其結(jié)構(gòu)如圖7所示。

選取某電廠2號125 MW鍋爐試驗(yàn)過的30組數(shù)據(jù)作為BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本，另外10組數(shù)據(jù)作為預(yù)測驗(yàn)證樣本。經(jīng)反復(fù)選取訓(xùn)練函數(shù)和模型特征參數(shù)后，發(fā)現(xiàn)當(dāng)網(wǎng)絡(luò)結(jié)構(gòu)為6－14－13－1，節(jié)點(diǎn)傳遞函數(shù)分別取為tansig、tansig、purelin，學(xué)習(xí)算法取為量化攀登共軛梯度法trainscg時(shí)，網(wǎng)絡(luò)的收斂速度最快。其模型特征參數(shù)為:迭代過程顯示net．trainParam．show=100;最大訓(xùn)練次數(shù)net．trainParam．epochs=5 000;訓(xùn)練目標(biāo)誤差 net．trainParam．goal=1e－3。

3.2 BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和驗(yàn)證

該BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程如圖8所示。由圖

圖7 鍋爐熱效率BP神經(jīng)網(wǎng)絡(luò)模型

8可知，當(dāng)訓(xùn)練達(dá)到1 877步時(shí)，模型達(dá)到了預(yù)期的誤差目標(biāo)，訓(xùn)練結(jié)束。

圖8 BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程

圖9、圖10是該神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本和預(yù)測驗(yàn)證樣本的預(yù)測輸出和期望輸出。從圖9、圖10中可以看出，無論是訓(xùn)練樣本還是預(yù)測樣本的預(yù)測輸出鍋爐效率值與實(shí)測的鍋爐效率值都非常接近。這表明，該神經(jīng)網(wǎng)絡(luò)訓(xùn)練集誤差和預(yù)測集誤差都較小，網(wǎng)絡(luò)具有良好的泛化能力，能較準(zhǔn)確地預(yù)測鍋爐效率，同時(shí)也說明了該模型的正確性。

4 結(jié)論

1)煤的低位發(fā)熱量與燃燒所產(chǎn)生的理論煙氣量存在著線性增長關(guān)系，低位發(fā)熱量越大，理論煙氣量越多。在實(shí)際電廠運(yùn)行中，可以采用在線測量的煤的收到基水分、灰分來表征煤的低位發(fā)熱量，其回歸線性關(guān)系式見式(7)。

2)鍋爐負(fù)荷和排煙氧量分別與飛灰含碳量存在著線性增大與減小的關(guān)系，采用回歸分析得到鍋爐負(fù)荷、排煙氧量與飛灰含碳量的關(guān)系式(9)，據(jù)此，可以通過在線監(jiān)測鍋爐負(fù)荷和排煙氧量來預(yù)測飛灰含碳量。

3)基于BP神經(jīng)網(wǎng)絡(luò)的鍋爐效率預(yù)測模型其訓(xùn)練樣本與預(yù)測樣本非常接近，具有良好的泛化能力，因此可以用于工程實(shí)踐測量鍋爐效率。

4)該鍋爐效率BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型，采用少量的測量數(shù)據(jù)即可得到鍋爐效率，簡便可行?，F(xiàn)場運(yùn)行人員根據(jù)得到的鍋爐效率及時(shí)準(zhǔn)確地調(diào)整鍋爐運(yùn)行參數(shù)，使機(jī)組保持在最高的鍋爐效率下運(yùn)行，對于機(jī)組的節(jié)能降耗具有重要意義。

［1］汪永祥，王德彬．采用煤低位發(fā)熱量計(jì)算煙氣量方法的探討［J］．吉林電力，2008，36(5):11 －14，53．

［2］劉天新，韓士杰，楊小平，等．利用工業(yè)分析結(jié)果推導(dǎo)計(jì)算我國煤低位發(fā)熱量的新公［J］．煤炭科學(xué)技術(shù)，1992(7)．

［3］王友壯，顧炯，薛偉超．熱電廠煤質(zhì)在線分析的應(yīng)用［J］．煤，2010，19(8):30 －32．

［4］容鑾恩，袁鎮(zhèn)福，劉志敏，等．電站鍋爐原理［M］．北京:中國電力出版社，1997．

［5］孫中國．煤質(zhì)水分、熱值變化對排煙溫度及鍋爐效率的影響［J］．鍋爐制造，2010(2):19 －22．

［6］周昊，朱洪波，曾庭華，等．基于人工神經(jīng)網(wǎng)絡(luò)大型電廠鍋爐飛灰含碳量建模［J］．中國電機(jī)工程學(xué)報(bào)，2002，22(6):96 －100．

［7］劉林波，李斌，藺殿軍．進(jìn)風(fēng)溫度變化對鍋爐修正排煙溫度和修正熱效率的影響［J］．華中電力，2004，17(2):20 －22．