張恩先，陳有福，王亞歐，徐頌梅

模糊綜合評(píng)價(jià)法在電廠混煤方案尋優(yōu)中應(yīng)用

張恩先，陳有福，王亞歐，徐頌梅

（江蘇方天電力技術(shù)有限公司，江蘇 南京 210000）

針對(duì)煤炭?jī)r(jià)格不斷上漲及電站煤種使用多樣化的現(xiàn)狀，某電廠以灰分、揮發(fā)分、發(fā)熱量、價(jià)格、污染物（SO2、NOx）排放量和灰熔融溫度為評(píng)價(jià)指標(biāo)，利用熵值法確定各指標(biāo)權(quán)重，通過模糊評(píng)價(jià)法來選取綜合性能最優(yōu)的混煤方案。試驗(yàn)結(jié)果表明：本文提出的8種混煤配比方案中，方案5綜合性能最好，為最佳混煤配比方案，方案7次之，而方案4的綜合性能最差。按照最佳混煤配比方案5進(jìn)行試運(yùn)行混煤燃燒試驗(yàn)發(fā)現(xiàn)，爐內(nèi)燃燒火焰分布集中，高溫受熱面無結(jié)焦趨勢(shì)，飛灰和爐渣含碳量較低，鍋爐運(yùn)行的安全性和經(jīng)濟(jì)性良好。本文結(jié)果可為商業(yè)運(yùn)行和優(yōu)化配煤方案提供指導(dǎo)。

模糊綜合評(píng)價(jià)；熵值法；混煤方案；評(píng)價(jià)指標(biāo)；決策矩陣；燃燒試驗(yàn)；鍋爐效率

煤炭是我國(guó)主要的一次能源，燃煤電廠的容量約占全國(guó)總發(fā)電量的70%，且預(yù)計(jì)將在未來能源結(jié)構(gòu)中繼續(xù)扮演重要角色[1-2]。然而，由于煤炭?jī)r(jià)格不斷上漲及電站購(gòu)煤渠道的多樣化，燃煤電站鍋爐難以保證在設(shè)計(jì)煤種下長(zhǎng)期運(yùn)行，經(jīng)常需要電廠采取一定的混煤摻燒技術(shù)[3]。在當(dāng)前國(guó)家實(shí)施增效降耗的大背景下，各發(fā)電集團(tuán)已逐步開展混煤摻燒工作，以此來降低燃煤成本、擴(kuò)展購(gòu)煤渠道、減少污染物排放量等。但鍋爐在摻燒經(jīng)濟(jì)煤種時(shí)，可能會(huì)出現(xiàn)鍋爐效率低、低負(fù)荷燃燒不穩(wěn)定等問題[4-5]。

通常情況下，一種配煤方案的成功應(yīng)用與其綜合性能密不可分，尤其對(duì)現(xiàn)場(chǎng)實(shí)際工程而言，在保證系統(tǒng)運(yùn)行穩(wěn)定性和安全性的前提下，對(duì)配煤方案進(jìn)行多元化、多指標(biāo)的綜合評(píng)價(jià)，具有十分重要的意義。王雅君等[6]針對(duì)配煤煤質(zhì)指標(biāo)，提出了動(dòng)力配煤應(yīng)關(guān)注灰分、水分、硫分、揮發(fā)分、發(fā)熱量等主要煤質(zhì)指標(biāo)的分析基指標(biāo)。周慧等[7]應(yīng)用灰色系統(tǒng)理論在3個(gè)目標(biāo)下對(duì)3種混煤方案進(jìn)行了優(yōu)化選擇。陳琪華等[8]利用TOPSIS數(shù)學(xué)方法針對(duì)電廠燃煤的非單一性以及不確定性，從6個(gè)方面對(duì)8種預(yù)選混煤方案進(jìn)行綜合評(píng)價(jià)，最終利用預(yù)選方案與正負(fù)理想解的接近程度來判斷預(yù)選方案的優(yōu)劣。多屬性模糊綜合評(píng)價(jià)可以將多維復(fù)雜的評(píng)價(jià)指標(biāo)轉(zhuǎn) 化為一維評(píng)價(jià)指標(biāo)，充分反映了評(píng)估對(duì)象信息的主要特征。當(dāng)前，模糊綜合評(píng)價(jià)方法已被廣泛應(yīng)用于建筑環(huán)境領(lǐng)域、生態(tài)環(huán)境評(píng)估和能源投資項(xiàng)目的評(píng)價(jià)當(dāng)中[9-11]。

本文針對(duì)某電廠330 MW燃煤機(jī)組提出了8種備選摻燒方案。通過建立多元綜合評(píng)價(jià)體系，以灰分、揮發(fā)分、發(fā)熱量、價(jià)格、污染物（SO2、NO）排放量和灰熔融溫度為評(píng)價(jià)指標(biāo)，通過模糊評(píng)價(jià)法來選取綜合性能最優(yōu)的混煤方案。

1 基于熵值法的模糊綜合評(píng)價(jià)

模糊決策模型由Zadeh L A和Bellman R E于20世紀(jì)60年代共同提出，是以模糊數(shù)學(xué)為基礎(chǔ)，應(yīng)用模糊關(guān)系合成的原理，將一些邊界不明、不易定量的因素定量化而進(jìn)行綜合評(píng)價(jià)的一種方法。基于模糊層次法的綜合評(píng)價(jià)是利用層次分析法和模糊數(shù)學(xué)中的最大隸屬度原則，根據(jù)不同指標(biāo)對(duì)評(píng)價(jià)對(duì)象的影響程度來分配權(quán)重，并對(duì)影響評(píng)價(jià)對(duì)象的各指標(biāo)因素統(tǒng)一量化，從而對(duì)評(píng)價(jià)對(duì)象做出合理的綜合評(píng)價(jià)，以解決路線評(píng)價(jià)中不能完全精確量化與決策的問題[12-13]。

1.1 評(píng)價(jià)體系的建立

為了多方面地反映燃煤電廠混煤摻燒中的主要特征和層次結(jié)構(gòu)，利用專家問卷的方式對(duì)熟悉評(píng)價(jià)對(duì)象的9位動(dòng)力工程領(lǐng)域?qū)＜艺骷庖?，進(jìn)而對(duì)反饋結(jié)果進(jìn)行統(tǒng)計(jì)和歸納，最終形成了意見趨于一致的燃煤電廠混煤摻燒綜合評(píng)價(jià)體系（圖1）。

該評(píng)價(jià)體系可劃分為3層次，以混煤方案綜合性能為評(píng)價(jià)目標(biāo)，共涉及灰分、揮發(fā)分、發(fā)熱量、購(gòu)煤成本、NO排放量、SO2排放量和灰熔點(diǎn)7個(gè)評(píng)價(jià)指標(biāo)，方案層共有8種預(yù)選配煤方案。

1.2 相關(guān)性分析

相關(guān)分析用來描述2個(gè)連續(xù)變量間的關(guān)聯(lián)程度，剔除相關(guān)性較小的指標(biāo)，簡(jiǎn)化評(píng)價(jià)體系。對(duì)其中的定量指標(biāo)，通過建立Pearson相關(guān)系數(shù)來量化相關(guān)性程度，可表示為

1.3 模糊綜合評(píng)價(jià)

1.3.1熵值法權(quán)重賦值

權(quán)重是能夠反映各指標(biāo)在評(píng)價(jià)體系中價(jià)值地位的系數(shù)，不同的權(quán)重組合會(huì)造成不同的評(píng)價(jià)結(jié)果。本文利用熵值法對(duì)各指標(biāo)賦予權(quán)重。熵是信息論中測(cè)定不確定性的量，信息量越大，不確定性就越小，熵也越小[14]。一般將評(píng)價(jià)對(duì)象集記為{A}(=1,2,…,)，用于評(píng)價(jià)的指標(biāo)集記為{X}(=1,2,…,)，用x表示第個(gè)方案第個(gè)指標(biāo)的原始值。熵值法的計(jì)算過程如下：

1）將x做正向化處理，并計(jì)算第個(gè)指標(biāo)第個(gè)方案所占的比重p

2）計(jì)算第個(gè)指標(biāo)的熵值e

3）計(jì)算第個(gè)指標(biāo)的差異系數(shù)

4）計(jì)算第個(gè)指標(biāo)的權(quán)重

1.3.2模糊綜合評(píng)價(jià)

將指標(biāo)標(biāo)準(zhǔn)化后，得到各評(píng)價(jià)子路線的評(píng)價(jià)矩陣

采用模糊復(fù)合運(yùn)算各層次進(jìn)行綜合評(píng)價(jià)，

2 模糊綜合評(píng)價(jià)實(shí)際應(yīng)用

2.1 機(jī)組概況

試驗(yàn)機(jī)組為亞臨界330 MW機(jī)組，采用HG1018/18.6-YM23型、中間一次再熱、單爐膛、平衡通風(fēng)、四角切圓燃燒、固態(tài)排渣、自然循環(huán)汽包鍋爐。燃燒煤種按礦點(diǎn)分為王家山煤（WJS）、石炭煤（ST）、清水溝煤（QSG）3類，試驗(yàn)煤種的工業(yè)分析結(jié)果見表1。

表1 試驗(yàn)煤種工業(yè)分析結(jié)果

Tab.1 The proximate analysis results of the test coal

2.2 配煤方案

根據(jù)燃煤電廠的實(shí)際情況，王家山煤成本低廉，為經(jīng)濟(jì)煤種，但其煤質(zhì)不穩(wěn)定、硫含量較高，單獨(dú)燃燒時(shí)易出現(xiàn)爐內(nèi)燃燒不穩(wěn)定，燃燒后煙氣SO2質(zhì)量濃度過高，不利于脫硫設(shè)備連續(xù)、安全運(yùn)行等問題，因此需要與石炭煤、清水溝煤進(jìn)行摻燒。初步評(píng)、篩選出8種混煤配比方案，混煤配比方案及各因素指標(biāo)見表2。

表2 混煤配比方案及各因素指標(biāo)

Tab.2 The coal blending schemes and evaluation indexes

在7個(gè)評(píng)價(jià)指標(biāo)中，灰分、SO2排放質(zhì)量濃度、NO排放質(zhì)量濃度及購(gòu)煤成本為成本型指標(biāo)，該指標(biāo)值越低，對(duì)評(píng)價(jià)結(jié)果的影響越好；而揮發(fā)分、發(fā)熱量及灰熔融溫度屬于效益型指標(biāo)，其值越高對(duì)評(píng)價(jià)結(jié)果越好?；曳值拇嬖诓焕谘跖c可燃質(zhì)的結(jié)合，使單位燃料量的發(fā)熱量減少，而且影響燃料的著火和燃盡，同時(shí)也是造成鍋爐受熱面積灰、磨損的主要因素。燃煤污染物的排放當(dāng)前受環(huán)保部門嚴(yán)格的監(jiān)管，燃燒后煙氣污染物質(zhì)量濃度過高，不利于后續(xù)脫硫脫硝設(shè)備連續(xù)、安全運(yùn)行。通常，電廠用來購(gòu)煤的成本占到總成本的70%~80%，是運(yùn)行過程中的主要成本。揮發(fā)分越高，煤粉著火越容易，燃燒越穩(wěn)定。發(fā)熱量是鍋爐爐膛的熱負(fù)荷計(jì)算和磨煤機(jī)容量選擇的主要參考參數(shù)，是動(dòng)力煤計(jì)價(jià)的主要依據(jù)?；胰廴跍囟仁桥袆e鍋爐運(yùn)行中結(jié)渣特性的重要參數(shù)，鍋爐的積灰結(jié)渣會(huì)使?fàn)t內(nèi)受熱面吸熱量下降，從而造成爐膛出口煙溫上升，使過熱器和再熱器沾污加重[15]。

在模糊綜合評(píng)價(jià)中，=8，=7。由表2可得初始評(píng)價(jià)數(shù)據(jù)矩陣如式(8)：

按式(2)—(3)計(jì)算各指標(biāo)的熵值e

則差異系數(shù)

各指標(biāo)權(quán)重

為使評(píng)判結(jié)果更加準(zhǔn)確，利用加權(quán)平均算法對(duì)計(jì)算結(jié)果進(jìn)行綜合，權(quán)重分配(0.3,0.3,0.4)。因此，2種路線的環(huán)境性評(píng)價(jià)結(jié)果為

對(duì)應(yīng)折線圖如圖2所示。從圖2可以看出，本文提出的8種混煤配比方案中，方案5綜合性能最好，為最佳混煤配比方案，方案7次之，而方案4的綜合性能最差。分析認(rèn)為5號(hào)方案的購(gòu)煤成本雖然較高，但煤種灰分含量低，揮發(fā)分較高，發(fā)熱量較高，生成的SO2量最低，環(huán)保性能高，具有良好的著火特性、燃燒穩(wěn)定性以及綜合優(yōu)勢(shì)。

根據(jù)某電廠燃煤儲(chǔ)運(yùn)量、機(jī)組運(yùn)行實(shí)際情況、帶負(fù)荷能力等綜合情況，在試運(yùn)行階段，按照5號(hào)方案進(jìn)行了混煤燃燒試驗(yàn)，結(jié)果見表3。從燃燒試驗(yàn)結(jié)果來看，爐內(nèi)燃燒火焰分布集中，高溫受熱面無結(jié)焦趨勢(shì)，飛灰和爐渣含碳量較低，鍋爐運(yùn)行狀況良好。

表3 5號(hào)方案鍋爐實(shí)際燃燒試驗(yàn)結(jié)果

Tab.3 The actual combustion results of coal blending scheme 5

3 結(jié) 論

1）針對(duì)某330 MW燃煤機(jī)組鍋爐，以灰分、揮發(fā)分、發(fā)熱量、價(jià)格、污染物（SO2、NO）排放量和灰熔融溫度為評(píng)價(jià)指標(biāo)，通過一種基于熵值法的模糊綜合評(píng)價(jià)方法對(duì)8種混煤配比方案進(jìn)行了綜合評(píng)價(jià)，得到各方案的優(yōu)劣排序，其中方案5綜合性能最好，為最佳混煤配比方案，方案7次之，而方案4的綜合性能最差。

2）按照配比方案5進(jìn)行了試運(yùn)行混煤燃燒試驗(yàn)。從試驗(yàn)結(jié)果來看，爐內(nèi)燃燒火焰分布集中，高溫受熱面無結(jié)焦趨勢(shì)，飛灰和爐渣含碳量較低，鍋爐運(yùn)行的安全性和經(jīng)濟(jì)性良好，可為電廠獲得較高的社會(huì)效益和經(jīng)濟(jì)效益。

［1］ 牛擁軍, 宦宣州, 李興華. 燃煤電廠煙氣脫硫系統(tǒng)運(yùn)行優(yōu)化與經(jīng)濟(jì)性分析[J]. 熱力發(fā)電, 2018, 47(12): 26-32.

NIU Yongjun, HUAN Xuanzhou, LI Xinghua. Operation optimization and economic analysis for WFGD system of coal-fired power plants[J]. Thermal Power Generation, 2018, 47(12): 26-32.

［2］ 鄭婷婷, 周月桂, 金圻燁. 燃煤電廠多種煙氣污染物協(xié)同脫除超低排放分析[J]. 熱力發(fā)電, 2017, 46(4): 10-15.

ZHENG Tingting, ZHOU Yuegui, JIN Qiye. Integrated removal and ultra-low emission of multiple pollutants for coal-fired power plants[J]. Thermal Power Generation, 2017, 46(4): 10-15.

［3］ 王路松. 330 MW燃煤鍋爐混煤燃燒及NO釋放特性研究[D]. 北京: 華北電力大學(xué), 2017: 18.

WANG Lusong. Research on combustion and NOrelease characteristics during blended coals combustion in a 330 MW pulverized coal boiler[D]. Beijing: North China Electric Power University, 2017: 18.

［4］ 陳慶文, 馬曉茜, 劉翱. 大型電站鍋爐混煤摻燒的NO排放特性預(yù)測(cè)與運(yùn)行優(yōu)化[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2009, 29(23): 20-26.

CHEN Qingwen, MA Xiaoqian, LIU Ao. Prediction and operation optimization for NOemission property of large-scale mixed coal-fired utility boiler[J]. Proceedings of the CSEE, 2009, 29(23): 20-26.

［5］ 艾晨輝. 煙煤鍋爐摻燒高硫煤燃燒特性試驗(yàn)[J]. 熱力發(fā)電, 2017, 46(6): 56-61.

AI Chenhui. Experimental research on co-firing high suffer content coals in bituminite-fired boiler[J]. Thermal Power Generation, 2017, 46(6): 56-61.

［6］ 王雅君, 趙寒雪, 何京東. 動(dòng)力配煤主要煤質(zhì)指標(biāo)可加性的研究[J]. 應(yīng)用能源技術(shù), 2004(5): 15-17.

WANG Yajun, ZHAO Hanxue, HE Jingdong. Study on additivity of main coal quality indexes in dynamic coal blending[J]. Applied Energy Technology, 2004(5): 15-17.

［7］ 周慧, 辛天益, 周毅. 確定混煤配比方案的灰色優(yōu)化方法[J]. 西安礦業(yè)學(xué)院學(xué)報(bào), 1999(4): 343-346.

ZHOU Hui, XIN Tianyi, ZHOU Yi. Gray optimized method for determining the ratio solution of mixed coal[J]. Journal of Xi’an Institute of Mining, 1999(4): 343-346.

［8］ 陳琪華, 李茂東, 張振頂. TOPSIS法在綜合評(píng)價(jià)電廠混煤方案中的應(yīng)用[J]. 熱力發(fā)電, 2014, 43(5): 128-131.

CHEN Qihua, LI Maodong, ZHANG Zhending. Application of TOPSIS method in comprehensive evaluation of coal-blending scheme in power plants[J]. Thermal Power Generation, 2014, 43(5): 128-131.

［9］ JING Y, BAI H, WANG J. A fuzzy multi-criteria decision-making model for CCHP systems driven by different energy sources[J]. Energy Policy, 2012, 42: 286-296.

［10］ ERTUGRUL K E, TOLGA E. Fuzzy multi-criteria decision-making procedure for evaluating advanced manufacturing system investments[J]. International Journal of Production Economics, 2001, 69(1): 49-64.

［11］ ZHAO H, ZHAO H, GUO S. Evaluating the comprehensive benefit of eco-industrial parks by employing multi-criteria decision making approach for circular economy [J]. Journal of Cleaner Production, 2017, 142: 2262-2276.

［12］ 葉義成, 柯麗華, 黃德育. 系統(tǒng)綜合評(píng)價(jià)技術(shù)及其應(yīng)用[M]. 北京: 冶金工業(yè)出版社, 2006: 97-109.

YE Yicheng, KE Lihua, HUANG Deyu. System comprehensive evaluation and its application[J]. Beijing: Metallurgical Industry Publishing House, 2006: 97-109.

［13］ 馬雙忱, 范紫瑄, 溫佳琪, 等. 基于模糊層次分析的燃煤電廠脫硫廢水處理可利用技術(shù)評(píng)價(jià)[J]. 化工進(jìn)展, 2018(11): 4451-4459.

MA Shuangchen, FAN Zixuan, WEN Jiaqi, et al. Evaluation on technology of desulfurization wastewater from coal-fired power plant based on fuzzy AHP[J]. Chemical Industry and Engineering Progress, 2018(11): 4451-4459.

［14］ 羅毅, 周創(chuàng)立, 劉向杰. 多層次灰色關(guān)聯(lián)分析法在火電機(jī)組運(yùn)行評(píng)價(jià)中的應(yīng)用[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2012, 32(17): 97-103.

LUO Yi, ZHOU Chuangli, LIU Xiangjie. Application of the multi-level grey relational analysis method in operation assessment of thermal power units [J]. Proceedings of the CSEE, 2012, 32(17): 97-103.

［15］ 文孝強(qiáng), 劉彥臣, 關(guān)曉輝. 一種評(píng)判煤灰結(jié)渣特性的新方法[J]. 動(dòng)力工程學(xué)報(bào), 2012, 32(9): 682-687.

WEN Xiaoqiang, LIU Yanchen, GUAN Xiaohui. Ａ new method to evaluate the slagging behavior of coal ash[J]. Journal of Chinese Society of Power Engineering, 2012, 32(9): 682-687.

Application of fuzzy comprehensive evaluation method in optimizing coal blending plan for power plants

ZHANG Enxian, CHEN Youfu, WANG Ya’ou, XU Songmei

(Jiangsu Fangtian Electric Power Technology Co., Ltd., Nanjing 210000, China)

In response to the rising coal prices and the diversification of power plant coal use, a power plant has adopted fuzzy evaluation method to choose the coal blending scheme with the best comprehensive performance. In this method, the ash content, volatile matter content, calorific value, price, pollutants (SO2, NOx) emissions and ash melting temperature of the coal are taken as the evaluation indexes and each index’s weight is determined by entropy method. The results show that, among the eight coal blending schemes proposed in this paper, the comprehensive performance of scheme 5 is the best, that of scheme 7 is the second, while that of scheme 4 is the worst. Applying the scheme 5 in test run and the result shows that, the combustion flame distribution in the furnace is concentrated, the high temperature heating surface has no coking trend, the carbon content in fly ash and slag is low, and the safety and economy of boiler operation are good, so the research result can provide guidance for commercial operation and optimization of coal blending scheme.

fuzzy comprehensive evaluation, entropy value method, coal blending scheme, evaluation index, decision matrix, combustion test, boiler efficiency

TK227.1

A

10.19666/j.rlfd.201902236

2019-02-28

張恩先(1974)，男，碩士，高級(jí)工程師，主要研究方向?yàn)殡娬惧仩t燃燒優(yōu)化和性能試驗(yàn)，zhangenxian@sina.com。

張恩先, 陳有福, 王亞歐, 等. 模糊綜合評(píng)價(jià)法在電廠混煤方案尋優(yōu)中應(yīng)用[J]. 熱力發(fā)電, 2019, 48(10): 117-121. ZHANG Enxian, CHEN Youfu, WANG Ya’ou, et al. Application of fuzzy comprehensive evaluation method in optimizing coal blending plan for power plants[J]. Thermal Power Generation, 2019, 48(10): 117-121.

（責(zé)任編輯 馬昕紅）