張林仙，吳鴻霞，鄧彬偉

（湖北理工學(xué)院電氣與電子信息工程學(xué)院，湖北 黃石435003）

劉寶平，何春生

（湖北西塞山發(fā)電股份有限公司，湖北 黃石435002）

鍋爐燃燒優(yōu)化技術(shù)是電力系統(tǒng)信息化進(jìn)程的一個(gè)必然步驟，針對(duì)目前燃煤機(jī)組在煤炭采購(gòu)不穩(wěn)定，鍋爐燃燒經(jīng)常偏離設(shè)計(jì)煤種情況下所采取的基于克里格模型燃燒控制技術(shù)，通過采用遺傳算法尋優(yōu)以調(diào)整鍋爐燃燒的風(fēng)粉配比等控制參數(shù)，實(shí)現(xiàn)鍋爐燃燒工況動(dòng)態(tài)最優(yōu)，它克服了傳統(tǒng)試驗(yàn)法指導(dǎo)燃燒優(yōu)化調(diào)整的缺點(diǎn)。在市場(chǎng)煤、計(jì)劃電的大環(huán)境下，非坑口電廠往往無法獲得機(jī)組燃用的設(shè)計(jì)煤種，對(duì)采購(gòu)煤種進(jìn)行摻配后獲得近似設(shè)計(jì)煤種情況下的最優(yōu)燃燒效果，是當(dāng)前有巨大經(jīng)濟(jì)效益的一項(xiàng)工作［1］，通過電廠運(yùn)行試驗(yàn)證明該優(yōu)化運(yùn)行技術(shù)在指導(dǎo)鍋爐摻配燒中具有較為的應(yīng)用前景。

1 基于克里格模型的鍋爐優(yōu)化燃燒技術(shù)原理

圖1 鍋爐燃燒性能克里格模型

由于電站鍋爐燃燒的復(fù)雜性，鍋爐NOx排放、飛灰含碳量等受多種因素的影響，且表現(xiàn)出明顯的非線性特性?？死锔衲Ｐ途哂袑⒂邢薜牟蓸狱c(diǎn)擴(kuò)展到整個(gè)空間的能力和良好的泛化能力，對(duì)復(fù)雜問題具有自適應(yīng)和自學(xué)習(xí)能力，在非線性系統(tǒng)辨識(shí)方面得到了廣泛的應(yīng)用［2－3］。因此，根據(jù)穩(wěn)態(tài)試驗(yàn)數(shù)據(jù)，采用克里格模型方法建立鍋爐效率的預(yù)測(cè)模型，尋找入爐煤質(zhì)的發(fā)熱量與鍋爐效率之間的最優(yōu)關(guān)系，可對(duì)鍋爐摻配燒進(jìn)行科學(xué)指導(dǎo)。

鍋爐熱效率主要受2個(gè)變量影響，即飛灰含碳量和排煙溫度，這2個(gè)變量受鍋爐的操作參數(shù)如一次風(fēng)、二次風(fēng)、環(huán)境溫度和煙氣含氧量等影響。由NOx排放機(jī)理可知，鍋爐NOx排放與爐膛溫度有直接關(guān)系，爐膛溫度直接受操作量影響。根據(jù)上述機(jī)理，采用克里格模型基于試驗(yàn)數(shù)據(jù)建立排煙溫度、爐膛溫度、飛灰含碳量、NOx排放量這4個(gè)量的擬合計(jì)算函數(shù)［4－5］，分別用f1、f2、f3、f4表示，則可以建立鍋爐燃燒克里格混合模型，如圖1所示。其中，A為預(yù)測(cè)排煙溫度的克里格模型；B為預(yù)測(cè)爐膛溫度的克里格模型；C為預(yù)測(cè)飛灰含碳的克里格模型；D為預(yù)測(cè)NOx排放的克里格模型。

2 應(yīng)用實(shí)例

武漢鍋爐股份有限公司生產(chǎn)的亞臨界中間一次再熱自然循環(huán)汽包鍋爐（鍋爐型號(hào)為WGZ1004／18.34－1），采用單爐膛、Π型露天布置、固態(tài)排渣、全鋼架結(jié)構(gòu)、平衡通風(fēng)，四角切向燃燒方式，鋼球磨、中儲(chǔ)式制粉系統(tǒng)。過熱器系統(tǒng)由頂棚管、包墻管、屏過（分割屏和后屏）、低溫過熱器和高溫過熱器組成，過熱汽溫采用兩級(jí)給水噴水減溫調(diào)節(jié)。再熱器系統(tǒng)由低溫再熱器和高溫再熱器組成，再熱汽溫主要采用煙氣擋板調(diào)節(jié)，此外在再熱蒸汽進(jìn)口管道上裝有2只事故噴水減溫器，作為事故緊急噴水用，以保護(hù)再熱器，微量噴水接在低溫再熱器出口和高溫再熱器進(jìn)口間管道上，控制進(jìn)入高溫再熱器兩側(cè)的蒸汽溫度偏差。省煤器布置在尾部豎井煙道，爐后布置2臺(tái)三分倉(cāng)容克式回轉(zhuǎn)空氣預(yù)熱器。爐底密封采用水封結(jié)構(gòu)。鍋爐不同負(fù)荷下主要設(shè)計(jì)參數(shù)見表1。

表1 鍋爐不同負(fù)荷下主要設(shè)計(jì)參數(shù)表

鍋爐設(shè)計(jì)煤種為陜西、河南混合貧煤，校核煤種A為河南密縣貧煤，校核煤種B為河南混合貧廋煤，其煤質(zhì)分析見表2。

表2 鍋爐設(shè)計(jì)燃用煤種煤質(zhì)

1）數(shù)據(jù)來源及計(jì)算說明 數(shù)據(jù)統(tǒng)計(jì)計(jì)算時(shí)間為2012年3月～6月，數(shù)據(jù)全部來源于電廠優(yōu)化控制系統(tǒng)和電廠正平衡計(jì)算結(jié)果。平均負(fù)荷、主汽流量、主汽壓、再熱汽壓、主汽溫、再熱汽溫、過熱一級(jí)減溫水總流量、過熱二級(jí)減溫水總流量、再熱器噴水總流量、排煙溫度、煙氣含氧量、飛灰含碳量等均來自優(yōu)化控制系統(tǒng)的現(xiàn)場(chǎng)數(shù)據(jù)；入爐煤各成分含量及低位發(fā)熱量來自每日煤量統(tǒng)計(jì)表；原煤耗量、標(biāo)準(zhǔn)煤耗量、發(fā)電標(biāo)煤耗、供電標(biāo)煤耗均來自運(yùn)行日?qǐng)?bào)；入爐煤的特性參數(shù)取一天的混合化驗(yàn)結(jié)果。

2）結(jié)果分析 計(jì)算結(jié)果根據(jù)發(fā)熱量整理分成8段，在統(tǒng)計(jì)過程中發(fā)現(xiàn)，對(duì)于某些段，在其他參數(shù)都相似的條件下，原煤耗量、發(fā)電標(biāo)煤耗的數(shù)據(jù)嚴(yán)重偏離正常煤耗數(shù)據(jù)，刪除這些些異常數(shù)據(jù)后重新整理修正的結(jié)果計(jì)算如表3所示。

在這4個(gè)月間，最大鍋爐平均效率和最小鍋爐平均效率分別出現(xiàn)3月1日（鍋爐效率為92.93%）和6月22日（鍋爐效率為90.48%）。3月1日效率高的原因主要是因?yàn)榕艧煖囟绕停骄鶠?00.24℃，于設(shè)計(jì)的123.9℃相差有20多度，導(dǎo)致排煙損失下降，但是有可能導(dǎo)致尾部受熱面的低溫腐蝕。從這兩天的煤質(zhì)參數(shù)看，3月1日的干燥基灰分為29.76%，6月22日為36.86%，6月22日的干燥基灰分比3月1日的干燥基灰分要多7%，從而導(dǎo)致了機(jī)械不完全燃燒損失的增加（3月1日為1.14%，6月22日為2.34%）。從低位發(fā)熱量看，最大效率對(duì)應(yīng)低位發(fā)熱量為5239.26kcal／kg，而最小效率對(duì)應(yīng)的低位發(fā)熱量為4558.37kcal／kg，可見，低位發(fā)熱量高效率高，反之亦然。

為了更加形象的展現(xiàn)統(tǒng)計(jì)數(shù)據(jù)和計(jì)算結(jié)果間的相互關(guān)系，將表3中主要參數(shù)間的關(guān)系繪制成圖（見圖2和圖3），并加以分析。

表3 不同低位發(fā)熱量區(qū)間經(jīng)濟(jì)性比較（修正后）

圖2 鍋爐平均效率與平均低位發(fā)熱量的關(guān)系

圖3 平均原煤耗量與平均低位發(fā)熱量的關(guān)系

從圖2可以看到，鍋爐的平均效率大致隨著低位發(fā)熱量的增加而增加。從圖3可以看到，優(yōu)化控制系統(tǒng)提供的數(shù)據(jù)和電廠運(yùn)行正平衡計(jì)算的結(jié)果趨勢(shì)大致相同，低位發(fā)熱量在4900、5100kcal／kg左右都有一個(gè)極小值，但是優(yōu)化控制系統(tǒng)顯示的結(jié)果沒有正平衡統(tǒng)計(jì)數(shù)據(jù)波動(dòng)明顯，主要原因是電廠正平衡統(tǒng)計(jì)數(shù)據(jù)在生產(chǎn)過程中有其他人為因素的影響，而優(yōu)化控制系統(tǒng)排除了此類干擾因素。

3 結(jié) 論

（1）鍋爐優(yōu)化控制系統(tǒng)與正平衡計(jì)算結(jié)果統(tǒng)計(jì)分析說明，入爐煤的低位發(fā)熱量在4900～5100kcal／kg，鍋爐煤耗最低。

（2）多煤種混合燃燒的電廠因煤質(zhì)的差異導(dǎo)致供電煤耗差別較大，應(yīng)用鍋爐優(yōu)化控制系統(tǒng)，通過歸納總結(jié)燃燒效率的熱值區(qū)間，從而為多煤種摻燒提供理論指導(dǎo)，對(duì)于提高鍋爐燃燒效率，降低能源消耗及減少氮氧化物的排放等都具有重要的現(xiàn)實(shí)意義。

［1］時(shí)元田，亓磊，孫建軍 .提高鍋爐效率的適應(yīng)性改造［J］.中國(guó)設(shè)備工程，2006（1）：31.

［2］Chiles J P，Delfiner P.Geostatistics：Modeling Spatial Uncertainty［M］.New Yor k：Wiley，1999.

［3］Ripley B D.Spatial statistics［M］.New Yor k：Wiley，1981.

［4］周昊，朱洪波，岑可法 .基于人工神經(jīng)網(wǎng)絡(luò)和遺傳算法的火電廠鍋爐實(shí)時(shí)燃燒優(yōu)化系統(tǒng)［J］.動(dòng)力工程，2003（5）：2665－2669.

［5］Boot h R C，Roland J W.Neural net work－based combustion optimization reduces NOxemissions while improving performance［A］.Illinois Inst of Technology［C］.Chicago：IL，1998：667－672.