鮑春來，張競飛

（華北電力大學(xué) 能源動(dòng)力與機(jī)械工程學(xué)院，保定071003）

電站鍋爐是火力電站的主要設(shè)備，其運(yùn)行的性能直接影響火電站的經(jīng)濟(jì)指標(biāo)和環(huán)保指標(biāo)。筆者以火電廠鍋爐燃燒過程為研究對象，在引入人工神經(jīng)網(wǎng)絡(luò)之RBF網(wǎng)絡(luò)的基礎(chǔ)上，建立了鍋爐的運(yùn)行優(yōu)化模型。建立的神經(jīng)網(wǎng)絡(luò)模型以與電廠燃燒控制系統(tǒng)有密切聯(lián)系的機(jī)組負(fù)荷、一次風(fēng)量、二次風(fēng)量、燃盡風(fēng)量等作為輸入變量，以二次風(fēng)擋板開度等作為輸出變量，用電廠采集到的歷史數(shù)據(jù)樣本進(jìn)行訓(xùn)練，由此得到優(yōu)化模型。

1 RBF神經(jīng)網(wǎng)絡(luò)

RBF神經(jīng)網(wǎng)絡(luò)是一種局部性神經(jīng)網(wǎng)絡(luò)模型，其網(wǎng)絡(luò)模型見圖1。它的生物基礎(chǔ)是存在于大腦皮層和視覺皮層的局部調(diào)節(jié)與交叉重疊的接受域，因此這種采用局部接受域來實(shí)現(xiàn)函數(shù)映射的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和基于插值與近似理論的網(wǎng)絡(luò)結(jié)構(gòu)被統(tǒng)一稱作徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)［1］。

圖1 RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

網(wǎng)絡(luò)學(xué)習(xí)的過程就是對各個(gè)參數(shù)調(diào)整、修正、完善的過程，本文采用的是一種最臨近聚類的算法，將存在于中心內(nèi)一定范圍的點(diǎn)都匯聚到中心，并按均值修正中心的位置；同時(shí)為了避免初期訓(xùn)練時(shí)中心點(diǎn)的頻移過大，所以采用了改進(jìn)的“加權(quán)聚類法”來減小距離中心較遠(yuǎn)點(diǎn)對中心的影響。

RBF神經(jīng)網(wǎng)絡(luò)的訓(xùn)練算法如下：

設(shè)有q組訓(xùn)練樣本，輸入的X＝（x1，…，xn）是一個(gè)n維向量，T＝（t1，…，tn）是輸出的m 維向量，所以是一個(gè)n×m的網(wǎng)絡(luò)。該網(wǎng)絡(luò)初始的隱含層節(jié)點(diǎn)只有一個(gè)。（）作為樣本，C1＝（）是隱含層第一個(gè)節(jié)點(diǎn)中心，隱含層的輸入輸出之間權(quán)值大小w，w1j＝定義節(jié)點(diǎn)中心寬度、聚類距離、網(wǎng)絡(luò)最大的允許誤差和修正步長分別為σ，d，emax，μ。

取第p（2≤p≤n）組樣本，設(shè)此時(shí)的網(wǎng)絡(luò)中有h個(gè)隱含層節(jié)點(diǎn)，則進(jìn)行圖2中流程的運(yùn)算。若所有的樣本都己訓(xùn)練完，則訓(xùn)練運(yùn)算結(jié)束；否則取下一組樣本，繼續(xù)進(jìn)行上述過程的學(xué)習(xí)。

圖2 算法訓(xùn)練過程圖

當(dāng)樣本訓(xùn)練完成后應(yīng)該使用全部樣本再訓(xùn)練一遍網(wǎng)絡(luò)，同時(shí)按全局最優(yōu)修正權(quán)值，以最終確定網(wǎng)絡(luò)［2］。

2 影響鍋爐燃燒的因素

針對某電廠采用前后墻對沖燃燒的鍋爐，其燃燒效率和NOx的排放質(zhì)量濃度與過量空氣系數(shù)、燃燒器的結(jié)構(gòu)參數(shù)、燃盡風(fēng)量、磨煤機(jī)投運(yùn)組合方式及煤質(zhì)變化有較大關(guān)系，其中NOx排放質(zhì)量濃度主要受過量空氣系數(shù)、燃盡風(fēng)量、磨煤機(jī)的投運(yùn)組合方式和煤質(zhì)變化的影響 ，而燃燒器結(jié)構(gòu)的變化對其影響較?。?］。

具體分析如下：

（1）過量空氣系數(shù)增大時(shí)NOx的排放質(zhì)量濃度隨之增加，過量空氣系數(shù)減小時(shí)鍋爐熱效率逐漸提高；但為了控制水冷壁的高溫腐蝕和爐膛結(jié)渣，鍋爐的過量空氣系數(shù)應(yīng)在一個(gè)合理范圍內(nèi)。

（2）燃盡風(fēng)量增加時(shí)，爐膛內(nèi)煙氣中的氧氣體積分?jǐn)?shù)降低，CO的體積分?jǐn)?shù)增加，這樣會(huì)明顯降低NOx的生成量。燃盡風(fēng)率在剛開始增加時(shí)飛灰中碳的質(zhì)量分?jǐn)?shù)是有所降低的；但當(dāng)燃盡風(fēng)率增加到一定程度之后，爐膛出口飛灰中碳的質(zhì)量分?jǐn)?shù)隨燃盡風(fēng)率的增大而升高，使鍋爐的不完全燃燒熱損失隨之增大。

（3）磨煤機(jī)的投運(yùn)組合方式也就是燃燒器層投運(yùn)方式，其組合方式的不同會(huì)導(dǎo)致主燃燒區(qū)和燃盡風(fēng)（OFA）區(qū)域的距離發(fā)生改變，從而使NOx的排放質(zhì)量濃度受到影響。如將最上面燃燒器停用時(shí)，則NOx的排放質(zhì)量濃度最低；若將最下面的燃燒器停用時(shí)，則NOx的排放質(zhì)量濃度最高。

（4）煤種影響，其NOx的排放質(zhì)量濃度會(huì)隨著煤的含氮質(zhì)量分?jǐn)?shù)和揮發(fā)分質(zhì)量分?jǐn)?shù)的增加而降低。

（5）一次風(fēng)量的增減對制粉系統(tǒng)的運(yùn)行影響較大，小幅度增加一次風(fēng)速即可能降低鍋爐效率，但對NOx的排放質(zhì)量濃度影響不大。二次風(fēng)門全開時(shí)鍋爐效率比二次風(fēng)門全關(guān)時(shí)略高，但其NOx的排放質(zhì)量濃度卻比全關(guān)時(shí)增加明顯。

3 燃燒優(yōu)化模型的建立

3.1 確立燃燒優(yōu)化目標(biāo)函數(shù)

600MW機(jī)組燃煤鍋爐的優(yōu)化目標(biāo)函數(shù)為：

式中：A、B分別是影響NOx排放、鍋爐效率的參數(shù)集合；m（NOx）為 NOx的排放質(zhì)量濃度；ηgl為鍋爐效率。

尋優(yōu)的目標(biāo)即為X越小越好，因此從運(yùn)行歷史數(shù)據(jù)中找到多個(gè)能滿足尋優(yōu)目標(biāo)的參數(shù)集合，首先是找到影響NOx排放質(zhì)量濃度和鍋爐效率的因素集。

鍋爐運(yùn)行性能參數(shù)決定著燃燒狀況，當(dāng)某一性能參數(shù)超出規(guī)定范圍時(shí)，需要通過相應(yīng)的調(diào)整使性能參數(shù)回歸于規(guī)定范圍，因此需要找出使性能參數(shù)發(fā)生變化的可調(diào)量，以便當(dāng)性能參數(shù)超出規(guī)定范圍時(shí)可迅速調(diào)節(jié)這些可調(diào)量。將調(diào)節(jié)系統(tǒng)看成一個(gè)子組，則對一個(gè)子組的可調(diào)量進(jìn)行調(diào)整會(huì)引發(fā)那些狀態(tài)量和性能參數(shù)變化。找出調(diào)節(jié)量對應(yīng)的性能參數(shù)的變化，就可對應(yīng)地找出使某一性能參數(shù)變化的最直接調(diào)節(jié)量。

3.2 優(yōu)化目標(biāo)的確定

鍋爐燃燒過程中參變量的數(shù)量和種類都非常多，可以選擇的優(yōu)化目標(biāo)也很多。由于建立神經(jīng)網(wǎng)絡(luò)的目的是用以進(jìn)行優(yōu)化指導(dǎo)，所以優(yōu)化目標(biāo)包括在模型輸出的參量之中；同時(shí)根據(jù)不同的需要，可以在輸出參量中靈活地選擇優(yōu)化目標(biāo)；對于多目標(biāo)優(yōu)化問題，還可將多個(gè)優(yōu)化目標(biāo)按照一定原則組合在一起。本文從經(jīng)濟(jì)性和環(huán)保性角度出發(fā)，選取影響鍋爐熱效率與鍋爐NOx排放質(zhì)量濃度組成優(yōu)化目標(biāo)。

當(dāng)這兩個(gè)量同時(shí)作為優(yōu)化目標(biāo)的時(shí)候，同時(shí)實(shí)現(xiàn)優(yōu)化有一定的難度，所以就必須將兩個(gè)優(yōu)化目標(biāo)能夠變成單目標(biāo)的問題。最常用的合成方法就是通過加權(quán)平均、乘除法以及功效系數(shù)法等?？紤]到本文優(yōu)化對象的輸入與輸出都不是單個(gè)的量，而優(yōu)化算法是針對單個(gè)目標(biāo)的，所以采用線性加權(quán)合法來作為目標(biāo)的統(tǒng)一方法：

式中：m為目標(biāo)的個(gè)數(shù)，分別給各單一的目標(biāo)函數(shù)分配上權(quán)系數(shù)λi，將其作為新的目標(biāo)函數(shù)［4］。

3.3 輸入和輸出參數(shù)的確定

影響燃燒特性的主要因素大體可總結(jié)為：負(fù)荷、燃煤特性、二次風(fēng)與燃盡風(fēng)配風(fēng)方式、過量空氣系數(shù)、一次風(fēng)粉質(zhì)量濃度沿高度方向的分布等。本文選擇較為重要的運(yùn)行狀態(tài)參數(shù)作為燃燒優(yōu)化的輸入量：（1）總風(fēng)量與入爐總煤量代表負(fù)荷對燃燒效果的影響；（2）選擇5個(gè)給煤機(jī)開度及5臺(tái)磨煤機(jī)通風(fēng)量作為輸入?yún)?shù)；（3）二次風(fēng)前后墻各投放3層，共6層，取6個(gè)二次風(fēng)門開度作為影響因素，用以描述二次風(fēng)對燃燒優(yōu)化狀態(tài)的影響；（4）取風(fēng)箱與爐膛壓差作為一個(gè)輸入?yún)?shù)；（5）有2層燃盡風(fēng)，取2層燃盡風(fēng)開度值作為描述燃盡風(fēng)影響的輸入?yún)?shù)；（6）空氣預(yù)熱器中空氣溫度值也是影響因素之一；（7）采用省煤器后的煙氣中氧氣的體積分?jǐn)?shù)作為氧量對燃燒的影響因素；（8）煤種特性取電廠每天定時(shí)化驗(yàn)的全水分、空干基水分、干燥基灰分、干燥無灰基揮發(fā)分和收到基低位熱值作為輸入?yún)?shù)。

將測試所得數(shù)據(jù)作為輸入?yún)?shù)值，將鍋爐效率和NOx排放質(zhì)量濃度作為求取的輸出參數(shù)值。

3.4 鍋爐燃燒（高效低NOx）優(yōu)化系統(tǒng)實(shí)現(xiàn)

鍋爐負(fù)荷和燃用煤種對某特定工況是不可調(diào)的，鍋爐運(yùn)行人員可以根據(jù)優(yōu)化目標(biāo)的不同，調(diào)整各個(gè)可調(diào)參數(shù)的具體數(shù)值。由于在優(yōu)化計(jì)算時(shí)存在約束條件（例如一、二次風(fēng)壓），所以必須保證在鍋爐安全運(yùn)行的范圍內(nèi)進(jìn)行調(diào)整，不可因優(yōu)化目標(biāo)而影響安全生產(chǎn)。

本文實(shí)例中需要優(yōu)化的可調(diào)輸入?yún)?shù)為二次風(fēng)擋板開度、燃盡風(fēng)門開度和煙氣中氧氣體積分?jǐn)?shù)；輸出參數(shù)為鍋爐熱效率、NOx排放質(zhì)量濃度。神經(jīng)網(wǎng)絡(luò)模型優(yōu)化結(jié)構(gòu)見圖3。

圖3 神經(jīng)網(wǎng)絡(luò)模型優(yōu)化圖

4 算例與求解

4.1 低NOx排放的優(yōu)化

參照上文中描述的優(yōu)化問題所采用的數(shù)學(xué)模型進(jìn)行參數(shù)設(shè)置，從采集到的用于訓(xùn)練的神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)樣本中選擇出NOx排放質(zhì)量濃度（m（NOx））最高、最嚴(yán)重的工況組進(jìn)行優(yōu)化計(jì)算，式（2）中取λ1＝1，λ2＝0，在負(fù)荷一定的情況下單純進(jìn)行NOx優(yōu)化實(shí)驗(yàn)。將訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)作為求取目標(biāo)值的目標(biāo)函數(shù)，通過優(yōu)化算法獲得額定負(fù)荷下的NOx質(zhì)量濃度最低時(shí)的二次風(fēng)門和燃盡風(fēng)門的開度值（只取其中的最優(yōu)值，不采用次優(yōu)解）。

通過多次的迭代求得各個(gè)優(yōu)化參數(shù)最優(yōu)值，輸入值見表1，輸出值見表2。

表1 以低NOx排放為目標(biāo)的優(yōu)化參數(shù)輸入值

表2 優(yōu)化輸出值

優(yōu)化結(jié)果表明：采用較大開度的燃盡風(fēng)開度對于降低NOx的排放質(zhì)量濃度有利，優(yōu)化后的風(fēng)門開度意味著爐內(nèi)燃煤量與空氣的比例狀況得到調(diào)整，從而達(dá)到NOx質(zhì)量濃度的降低；模型提供的優(yōu)化建議也與抑制燃料型NOx生成的原則相一致。由于優(yōu)化目標(biāo)采用的是單一量，所以鍋爐效率變化并不大。

4.2 鍋爐效率優(yōu)化

取λ1＝0，λ2＝1，在負(fù)荷一定的情況下單純進(jìn)行鍋爐效率優(yōu)化實(shí)驗(yàn)，其結(jié)果見表3及表4。

表3 以高鍋爐效率優(yōu)化目標(biāo)的輸入值

表4 優(yōu)化輸出值

4.3 鍋爐效率與m（NOx）同時(shí)優(yōu)化

取λ1＝0.5，λ2＝0.5，當(dāng)兩個(gè)優(yōu)化目標(biāo)的權(quán)重大小相同時(shí)，得到兩方面都兼顧的優(yōu)化目標(biāo)，其結(jié)果見表5及表6。

表5 兩者兼顧的優(yōu)化結(jié)果輸入值

表6 優(yōu)化輸出值

4.4 存在的不足

由于飛灰中碳的質(zhì)量分?jǐn)?shù)m（NOx）的測量值并不準(zhǔn)確，m（NOx）也需要更精確的值，鍋爐效率也受到排煙溫度和飛灰中m（C）fh的影響，所以優(yōu)化的結(jié)果并不完全滿意，需要進(jìn)一步研究和改進(jìn)。

5 結(jié)語

本課題以某電廠鍋爐為研究對象，利用RBF神經(jīng)網(wǎng)絡(luò)的手段，建立了鍋爐在復(fù)雜燃煤情況下的燃燒模型，在建立的神經(jīng)網(wǎng)絡(luò)模型的基礎(chǔ)上取出當(dāng)輸出目標(biāo)為最佳值時(shí)的各個(gè)可操控變量的設(shè)定參考值，將這些參考值提供給鍋爐的調(diào)節(jié)機(jī)構(gòu)，進(jìn)而達(dá)到鍋爐優(yōu)化運(yùn)行的目的。

結(jié)果表明：根據(jù)模型建議的燃燒參數(shù)調(diào)整，可準(zhǔn)確改善鍋爐運(yùn)行情況，明顯降低NOx排放質(zhì)量濃度，提高鍋爐效率，具有一定的實(shí)用價(jià)值。

［1］陳磊 .神經(jīng)網(wǎng)絡(luò)在電站鍋爐燃燒優(yōu)化中的應(yīng)用研究［D］.長沙：長沙理工大學(xué)，2009.

［2］潘維加.300MW單元機(jī)組煤粉爐燃燒控制系統(tǒng)的研究及其改進(jìn)［J］.中國電機(jī)工程學(xué)報(bào)，2000，20（9）：78-80.

［3］周思遠(yuǎn)，黃孝彬，閆順林 .針對600MW前后墻對沖燃燒優(yōu)化模型的確立與分析［J］.應(yīng)用能源技術(shù)，2011（10）：23-25.

［4］許力 .智能控制與智能系統(tǒng)［M］.北京：機(jī)械工業(yè)出版社，2007：207-210.