郝曉輝，劉鑫屏，洪雨楠

(華北電力大學 控制與計算機工程學院，河北保定071003)

?

煤發(fā)熱量實時校正方法研究

郝曉輝，劉鑫屏，洪雨楠

(華北電力大學 控制與計算機工程學院，河北保定071003)

摘要：為了得到可以實時準確反映實際煤發(fā)熱量的信號，研究了一種基于卡爾曼濾波的信息融合方法，結合卡爾曼濾波器預估-校正過程，用實驗室分析法的化驗值校正基于負荷-壓力動態(tài)模型計算的發(fā)熱量值，進而減小其靜態(tài)誤差，得到一個動態(tài)誤差小準確度高的融合結果。經不同工況下機組實際運行數據驗證，融合后的信號能實時反映實際煤發(fā)熱量的變化趨勢且能解決模型誤差和給煤量波動導致動態(tài)法靜態(tài)精度低的問題，靜態(tài)誤差小于±3%，可以滿足現場對信號實時性和準確性的要求。

關鍵詞：煤發(fā)熱量；實時校正；卡爾曼濾波；信息融合

0引言

煤發(fā)熱量是評價燃料煤品質的主要指標[1]。煤質的變化會嚴重影響機組控制系統(tǒng)的調節(jié)品質，甚至波及機組運行的穩(wěn)定性[2]。由于火電廠來煤不穩(wěn)定，煤發(fā)熱量變化頻繁且缺乏有效的煤發(fā)熱量在線檢測方法，給電廠運行控制帶來很多困難。因此，應用新的理論和方法，實時準確的監(jiān)測煤發(fā)熱量，提高機組的抗煤質擾動能力非常必要。

目前，煤質在線分析儀可以實現煤發(fā)熱量實時準確的測量，但由于其價格昂貴，尚未被廣泛使用[3]。常規(guī)實驗室分析法和軟測量法無法同時滿足實時性和準確性的要求，但各有特點。常規(guī)實驗室分析得到煤發(fā)熱量，能準確反映采樣時間段內煤發(fā)熱量的平均值，但不能反映煤質突然變化，存在較大的遲延和動態(tài)誤差。文獻[4]提出的基于機組負荷-壓力動態(tài)模型的動態(tài)煤發(fā)熱量軟測量法，能夠實時計算煤發(fā)熱量動態(tài)誤差較小，但由于給煤量測量及軟測量模型存在誤差，靜態(tài)精度較低。

許多學者研究了信息融合的方法[5-7]，對具有互補特性的信號進行融合，得到實時、準確的控制量。在此，依據實驗室分析法和動態(tài)軟測量法測得信號的特點，研究了基于卡爾曼濾波的信息融合方法，用實驗室分析法得到的煤發(fā)熱量化驗值作為該段時間內煤發(fā)熱量的基準值，校正動態(tài)軟測量法得到的發(fā)熱量信號，輸出的煤發(fā)熱量信號實時性好且靜態(tài)誤差小。

1卡爾曼濾波器

卡爾曼濾波器是一種最優(yōu)化自回歸數據處理算法，近年來被應用于組合導航系統(tǒng)信息融合、傳感器數據融合等研究領域[8]?？柭鼮V波器包括兩個主要過程：預估與校正。預估過程是利用時間更新方程根據前一時刻的狀態(tài)估計值推算得到當前時刻的狀態(tài)變量先驗估計值和誤差協方差先驗估計值；校正過程是利用測量更新方程，在新的量測值及預估過程的先驗估計值基礎上建立起對當前狀態(tài)改進的后驗估計。這一過程稱之為預估-校正過程，因此卡爾曼算法是一個遞歸的預估-校正方法[9，10]。

卡爾曼濾波器的時間更新方程如下：

(1)

P(k|k-1)=AP(k-1|k-1)AT+R1

(2)

卡爾曼濾波器的狀態(tài)更新方程如下：

(3)

(4)

(5)

2煤發(fā)熱量測量方法

2.1實驗室分析法

實驗室分析法是將一定質量的煤樣在氧彈量熱計中完全燃燒，燃燒放出的熱量被一定量的水和量熱計筒體吸收。待系統(tǒng)熱平衡后，依據水和量熱計筒體的熱容量，測出溫度的升高值，即可計算出該煤樣的發(fā)熱量。

電廠中一般用采制煤樣機通過采樣和制樣兩個過程，得到具有代表性的煤樣[11]。采樣過程是用安裝在輸煤皮帶上的采樣裝置，每隔一段時間從皮帶上采一定量的煤，并通過采煤管倒入采煤斗中；制樣過程是將采煤斗中的煤反復經過破碎、摻合、縮分和過篩后，得到符合要求的最終樣品。

實驗室分析法得到的煤發(fā)熱量能準確反映煤樣的實際發(fā)熱量。煤樣是一段時間內從輸煤皮帶上采樣、充分混合后，取出的一小部分。因此，通過實驗室分析法得到的煤樣的發(fā)熱量值能準確反映該段時間內入爐煤發(fā)熱量平均值。

2.2動態(tài)煤發(fā)熱量軟測量法

文獻[4]提出基于機組發(fā)電負荷-機前壓力簡化非線性動態(tài)模型的煤發(fā)熱量軟測量方法。此類機組的簡化模型可以描述為[12]：

(6)

(7)

(8)

(9)

(10)

(11)

模型輸入：燃料量uB(kg/s)；汽輪機調門開度uT(%)。模型輸出：機前壓力pt(MPa)；機組負荷NE(MW)。模型中間變量：制粉系統(tǒng)延遲時間τ(s)；實際進入磨煤量rm(kg/s)；制粉系統(tǒng)慣性時間Tf(s)；鍋爐燃燒率rB(kg/s)；鍋爐蓄熱系數Cb(MJ/MPa)；汽輪機增益K3；燃料增益K1；汽包壓力pd(MPa)；過熱器壓降系數K2；汽輪機慣性時間Tt(s)；汽輪機調節(jié)級壓力p1(MPa)。

進而得到煤發(fā)熱量的計算公式：

(12)

(13)

式(12)和式(13)中：Qard為動態(tài)煤發(fā)熱量軟測量法得到的煤低位發(fā)熱量(MJ/kg)；K1為單位燃料量對應的機組負荷；ηu為機組發(fā)電效率；T0為時間常數。

根據式(13)和以上模型結構，得到計算燃料量增益K1的組態(tài)實現圖，如圖1所示。為了便于DCS中組態(tài)，圖中用高階慣性環(huán)節(jié)代替純遲延環(huán)節(jié)。根據機組運行數據，實時計算煤發(fā)熱量[13]。

圖1　燃料量增益計算組態(tài)圖

通過以上分析，該軟測量方法可以實現煤發(fā)熱量的實時測量且煤發(fā)熱量信號可以實時反映實際煤發(fā)熱量的變化趨勢，但由于給煤量測量、模型的簡化、建立時存在一定誤差以及組態(tài)實現時系統(tǒng)的近似等價，使得該方法存在較大的靜態(tài)誤差，不能準確反映實際煤發(fā)熱量。

3卡爾曼濾波信息融合

實驗室分析法得到化驗值能準確反映該采樣時間段內的煤發(fā)熱量平均值；動態(tài)軟測量法測得的煤發(fā)熱量信號能實時反映煤發(fā)熱量的變化趨勢，但存在較大的靜態(tài)誤差。結合實驗室分析法和動態(tài)軟測量法得到煤發(fā)熱量的特點以及卡爾曼濾波器預估-校正的過程，用實驗室分析法得到的煤發(fā)熱量化驗值作為卡爾曼濾波器的預估值校正動態(tài)軟測量法的輸出，進而減小動態(tài)軟測量法的靜態(tài)誤差，最終得到一個實時性好且準確度高的煤發(fā)熱量信號?？柭鼮V波整體框圖如圖2所示。

圖2　卡爾曼濾波整體框圖

采樣段N時卡爾曼濾波的時間和狀態(tài)更新方程如下：

時間更新方程：

(14)

(15)

狀態(tài)更新方程：

(16)

(17)

(18)

(19)

給定卡爾曼濾波器所需的初值，以及動態(tài)法和實驗室法獲得的煤發(fā)熱量數據，依據上述卡爾曼濾波過程，即可將融合后的結果輸出。

4實驗驗證

針對DTⅡ電廠600MW直冷式空冷機組，鍋爐型號DG2060/17.6-∏1，汽輪機型號NZK600-16.7/538/538。根據設計參數和擾動實驗確定機組模型為：

(20)

(21)

(22)

pt=pd-0.000 134(10.48rB)1.5

(23)

(24)

根據式(13)和以上確定的機組模型，利用機組運行時給煤量、機組負荷和汽包壓力的數據，計算得到動態(tài)軟測量法輸出的煤發(fā)熱量值。對應的實驗室化驗值由電廠提供的入爐煤分析報告中給出，部分數據如下表1所示。

表1　部分實驗室入爐煤分析數據

在此，截取不同工況下的實際運行數據來驗證該基于卡爾曼濾波的信息融合方法。工況Ⅰ：取穩(wěn)定高負荷運行工況下煤發(fā)熱量波動較小時的運行數據，如圖3所示。融合前后的煤發(fā)熱量曲線對比圖如圖4所示。

工況Ⅱ：取變負荷運行工況下的運行數據，如圖5所示。融合前后的煤發(fā)熱量曲線對比圖如圖6所示。

由圖4和圖6融合前后煤發(fā)熱量曲線的對比可以發(fā)現：融合后的煤發(fā)熱量基本趨勢和動態(tài)法一致，且每個采樣時間段的平均值更接近該采樣時間段內實驗室的化驗值。動態(tài)響應時間不超過90s；與動態(tài)法相比，靜態(tài)誤差由±8%減小到±3%。

工況Ⅲ：取穩(wěn)定高負荷運行工況下煤發(fā)熱量發(fā)生突變時的運行數據，如圖7所示。融合前后的煤發(fā)熱量曲線對比圖如圖8所示。

圖3　工況Ⅰ運行數據圖

圖4　工況Ⅰ煤發(fā)熱量曲線對比圖

圖5　工況Ⅱ運行數據圖

圖6　工況Ⅱ煤發(fā)熱量曲線對比圖

圖7　工況Ⅲ運行數據圖

圖8　工況Ⅲ煤發(fā)熱量曲線對比圖

當煤發(fā)熱量發(fā)生較大突變時，實驗室化驗值與實際煤發(fā)熱量值的偏差很大，與化驗值相比，動態(tài)法得到的煤發(fā)熱量值更能準確反映實際煤發(fā)熱量。由圖8中曲線對比可見，融合后的煤發(fā)熱量與動態(tài)法變化趨勢一致且誤差不超過±4%。

5結論

采用基于卡爾曼濾波的信息融合方法，結合卡爾曼濾波預估-校正的過程，用實驗室化驗值作為一個基準值校正基于負荷-壓力動態(tài)模型的動態(tài)軟測量法的輸出，通過截取三天的歷史運行數據，選取六組典型工況下的數據進行實驗驗證，得到如下結論：

(1)在穩(wěn)定負荷和變負荷運行工況下，融合后的煤發(fā)熱量能夠實時反映實際煤發(fā)熱量的變化趨勢；融合后的煤發(fā)熱量靜態(tài)誤差由±8%減小到±3%。

(2)煤發(fā)熱量發(fā)生較大突變時，融合后的煤發(fā)熱量能跟隨較準的動態(tài)法的輸出值，誤差不超過±4%。

(3)融合后的煤發(fā)熱量信號動態(tài)響應時間少于90s，可以滿足現場對信號實時性和準確性的要求。

參考文獻:

[1]武現聰. 基于狀態(tài)觀測器的熱工參數軟測量方法研究[D].保定：華北電力大學，2014.

[2]喬弘，周黎輝，潘衛(wèi)華，等.基于參數自適應SVR的火電廠熱工參數軟測量[J].華北電力大學學報(自然科學版)，2008，35(2)：94-97.

[3]劉福國.電站鍋爐入爐煤元素分析和發(fā)熱量的軟測量實時監(jiān)測技術[J].中國電機工程學報，2005，25(6)：139-145.

[4]劉鑫屏，田亮，曾德良，等.基于機組負荷-壓力動態(tài)模型的燃煤發(fā)熱量實時計算方法[J].動力工程學報，2008，28(1)：50-53.

[5]蘇保光，田亮，王琪，等.一種在線煤質軟測量方法[J].電力科學與工程，2011，27(7)：32-36.

[6]張鍔，田亮，付恩狄，等.煤質劣化對鍋爐熱量分配影響的機理分析[J].華北電力大學學報(自然科學版)，2010，37(4)：67-71.

[7]于達仁，范軼，徐志強.基于分布信息融合的直流鍋爐燃料量信號重構[J].中國電機工程學報，2004，24(2)：191-195.

[8]張開禾，富立，范耀祖.基于卡爾曼濾波的信息融合算法優(yōu)化研究[J].中國慣性技術學報，2006，14(5)：32-35.

[9]李振茂.700MW機組鍋爐配煤摻燒試驗及效益分析[J].電力科學與工程，2014，30(6)：6-10.

[10]鄒波，張華，姜軍.多傳感信息融合的改進擴展卡爾曼濾波定姿[J].計算機應用研究，2014，31(4)：1035-1038.

[11]曹長武.電廠入爐煤采制煤樣機簡介[J].華東電力，2001，29(7)：52-54.

[12]田亮，曾德良，劉鑫屏，等.500MW機組簡化的非線性動態(tài)模型[J].動力工程學報，2004，24(4)：522-525.

[13]張銳鋒，安波，李小軍，等.基于模型煤發(fā)熱量軟測量的BTU校正方法分析[J].熱力發(fā)電，2015，44(11)：43-47.

Study on Real-time Correction Method of Coal Calorific Value

HAOXiaohui，LIUXinping，HONGYunan

(SchoolofControlandComputerEngineering，NorthChinaElectricPowerUniversity，Baoding071003，China)

Abstract：To get the signal which reflects the actual real-time coal calorific value with accuracy, a new information fusion method based on Kalman filter is proposed. By combining predictor-corrector process of Kalman filter, the calorific value based on load-pressure dynamic model is calibrated by assay value obtained from laboratory analytical method. So that the static error is reduced and a fusion result with little dynamic error and high accuracy is obtained. Verified by actual operation data under different cases, the signal after fusion can reflect the actual real time coal calorific value and solve the problem of low accuracy of dynamic method caused by the model error and the coal quantity fluctuation is also solved. What’s more, static error is less than 3%, which can meet the requirements of dynamic response speed and static precision.

Keywords：coal calorific value；real-time correction；Kalman filter；information fusion

收稿日期：2016-03-17。

基金項目：國家重點基礎研究發(fā)展計劃(973計劃)資助項目(2012CB215203)；中央高?；究蒲袠I(yè)務費專項資金資助(2014MS145)。

作者簡介：郝曉輝(1992-)，女，碩士研究生，研究方向為數據融合技術，E-mail：1360716194@qq.com。

中圖分類號:TM73

文獻標識碼:A

DOI:10.3969/j.issn.1672-0792.2016.05.011