張何境 ZHANG He-jing；陳獻春 CHEN Xian-chun；李健武 LI Jian-wu；祝寅飛 ZHU Yin-fei；劉周揚 LIU Zhou-yang

（①福建華電邵武能源有限公司，邵武 354000；②福建中試所電力調(diào)整試驗有限責(zé)任公司，福州 350007）

0 引言

煤粉細度是燃煤鍋爐燃燒的一項重要參數(shù)，對燃煤燃燒效率、飛灰含碳量、污染物排放、鍋爐安全等都有很大影響[1，2]。目前燃煤電廠對煤粉細度的監(jiān)測和控制主要依靠離線煤粉細度檢測方法和運行人員的運行調(diào)整經(jīng)驗，這種方法時間滯后較長、誤差大、取樣過程工作環(huán)境差，運行人員不能及時掌握煤粉細度變化造成燃煤燃燒性能下降、水冷壁沖刷腐燭等不良現(xiàn)象的出現(xiàn)，不能滿足當代電力生產(chǎn)精準運行控制、精細生產(chǎn)管理的要求。實現(xiàn)煤粉細度在線監(jiān)測和優(yōu)化[3，4]，可以提高鍋爐燃燒效率，降低磨煤機運行單耗、減少污染物排放，對緩和煤粉細度滯后性和實際生產(chǎn)要求之間的矛盾，提升燃煤電廠智能在線監(jiān)控、鍋爐燃燒優(yōu)化水平具有相當重要的意義。

傳統(tǒng)的煤粉細度在線測量方法有靜電法[5]、光脈動法[6]、超聲波法[7]和數(shù)字圖像處理[8]等，共同點在于都要用到各種儀器設(shè)備，但都由于煤粉顆粒沖刷磨損、探頭易受污染、易受干擾等諸多限制無法成熟應(yīng)用。

①煤粉管道內(nèi)的煤粉顆粒流動情況復(fù)雜，煤粉顆粒在水平、垂直、折彎的煤粉管道內(nèi)濃度、速度分布不斷變化[9-11]，難以建立精確描述此種氣固兩相流動狀態(tài)的數(shù)學(xué)模型，在實際生產(chǎn)管理過程也難以實現(xiàn)精細準確的煤粉取樣。

②煤粉顆粒本身的性質(zhì)，比如煤種碳化程度包括水分、灰分、密度等指標都會對煤粉顆粒的測量造成不良影響[12]。

③現(xiàn)場的煤粉管道內(nèi)煤粉顆粒流動復(fù)雜、環(huán)境惡劣，影響高靈敏的靜電傳感器輸入信號準確性；對于基于光敏傳感器，當煤粉管道內(nèi)的煤粉分布不均會影響測量準確性；對于那些嵌入式的接觸測量方法，由于煤粉顆粒在流動過程中有高速沖刷的作用，影響測量元件測量準確性和壽命。這些都是煤粉細度在線監(jiān)測發(fā)展緩慢的原因[13，14]。

1 神經(jīng)網(wǎng)絡(luò)建模

本文運用神經(jīng)網(wǎng)絡(luò)建模的原理，通過對機組運行過程中大量運行數(shù)據(jù)和煤粉化驗數(shù)據(jù)的挖掘、分析，建立磨煤機設(shè)備運行狀態(tài)參數(shù)和煤粉細度的關(guān)系，實現(xiàn)煤粉細度在線監(jiān)測，為鍋爐摻配煤、燃燒優(yōu)化調(diào)整和磨煤機檢修提供技術(shù)參考和指導(dǎo)依據(jù)。

1.1 神經(jīng)網(wǎng)絡(luò)特性

神經(jīng)網(wǎng)絡(luò)是20 世紀80年代以來人工智能領(lǐng)域興起的研究熱點，具有很強的非線性映射能力，同時具有很強的自學(xué)習(xí)性和適用性。網(wǎng)絡(luò)的中間層數(shù)和神經(jīng)元個數(shù)可以根據(jù)具體情況而定，因此被廣泛應(yīng)用在處理信息、學(xué)習(xí)和數(shù)據(jù)預(yù)測領(lǐng)域。為此，根據(jù)煤粉細度在線預(yù)測特點，構(gòu)建了一個具有2 個隱含層的神經(jīng)網(wǎng)絡(luò)用于預(yù)測煤粉細度，如圖1 所示。

圖1 神經(jīng)網(wǎng)絡(luò)示意圖

1.2 數(shù)據(jù)采集

通過神經(jīng)網(wǎng)絡(luò)預(yù)測方法，建立煤粉細度和磨煤機磨輥狀態(tài)在線計算分析模型，通過對入爐煤研磨、干燥、輸送過程和現(xiàn)場煤粉管道走向?qū)嶋H情況的分析，最終選定給煤量和磨煤機入口一次風(fēng)量、入口風(fēng)溫、出口風(fēng)粉混合物溫度、進出口差壓、電流、磨輥狀態(tài)指數(shù)共7 個參數(shù)作為神經(jīng)網(wǎng)絡(luò)的輸入變量，輸出變量為磨煤機出口煤粉細度。

開展鍋爐磨煤機燃煤、煤粉細度和運行參數(shù)采樣分析，開展對應(yīng)磨煤機磨輥運行檢修狀態(tài)評價等，通過大量樣本訓(xùn)練，分析磨煤機運行參數(shù)、磨煤機設(shè)備狀態(tài)和煤粉細度關(guān)系。

1.3 神經(jīng)網(wǎng)絡(luò)建模

確定了神經(jīng)網(wǎng)絡(luò)的輸入、輸出參數(shù)后，接下來要對其進行訓(xùn)練，以滿足使用要求，如圖2 所示。

圖2 神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程示意圖

首先獲取磨煤機運行過程中的一些特征參數(shù)及其對應(yīng)的煤種參數(shù)，即上述提到的7 個輸入?yún)?shù)和1 個輸出參數(shù)，并將所取得的參數(shù)隨機分為訓(xùn)練樣本與測試樣本，利用訓(xùn)練樣本對煤粉細度神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練，直至神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果滿足準確度要求或者達到最大的訓(xùn)練次數(shù)。若達到最大訓(xùn)練次數(shù)后輸出結(jié)果仍無法滿足準確度要求，則重新篩選訓(xùn)練樣本和調(diào)整神經(jīng)網(wǎng)絡(luò)參數(shù)，重復(fù)上述訓(xùn)練步驟，直至輸出結(jié)果滿足預(yù)測準確度要求。

1.4 神經(jīng)網(wǎng)絡(luò)建模

經(jīng)過數(shù)學(xué)建模和優(yōu)化計算，磨煤機A～F 的煤粉細度R90實測平均值與預(yù)測值很接近，基本能保證煤粉細度R90實測平均值與預(yù)測值相對誤差值在±2%以內(nèi)，見圖3，說明通過煤質(zhì)與磨煤機特性參數(shù)神經(jīng)網(wǎng)絡(luò)計算出來的煤粉細度R90預(yù)測值能真實反應(yīng)出煤質(zhì)和煤粉細度的變化情況。

圖3 各磨煤機煤粉細度R90 實測平均值與預(yù)測值對比

2 煤粉細度在線監(jiān)測系統(tǒng)

建立基于SIS 平臺在線監(jiān)測煤粉細度（見圖4），為鍋爐摻配煤、燃燒優(yōu)化調(diào)整和磨煤機檢修提供技術(shù)參考和指導(dǎo)依據(jù)，以期提高燃煤燃燒效率、降低機組煤耗、降低火焰中心、降低機組超溫水平，平衡各受熱面吸熱量、降低屏過結(jié)焦程度、降低污染物排放濃度。

圖4 SIS 系統(tǒng)煤粉細度在線監(jiān)測畫面

在機組SIS 系統(tǒng)中實現(xiàn)鍋爐煤粉細度在線監(jiān)測神經(jīng)網(wǎng)絡(luò)數(shù)學(xué)模型和動態(tài)仿真結(jié)果組態(tài)建模，以互聯(lián)網(wǎng)+等先進技術(shù)結(jié)合運行機理、大數(shù)據(jù)和人工智能技術(shù)構(gòu)建系統(tǒng)模型，以低能耗、低污染為目標實現(xiàn)系統(tǒng)的自助、智能、協(xié)同聯(lián)動控制，實現(xiàn)設(shè)備故障精準排查和系統(tǒng)智能化自主控制，推動智慧電廠建設(shè)，推進能源生產(chǎn)消費革命，提高能效，降低排放。

3 結(jié)論

根據(jù)某電廠鍋爐配煤摻燒狀況、磨煤機運行情況及現(xiàn)場精確煤粉采樣和煤粉細度化驗，利用神經(jīng)網(wǎng)絡(luò)預(yù)測技術(shù)，引用鍋爐和磨煤機實時運行參數(shù)實現(xiàn)煤粉細度在線監(jiān)測，煤粉細度R90實測平均值與預(yù)測值相對誤差值在±2%以內(nèi)，能真實反應(yīng)出磨煤機煤質(zhì)和煤粉細度的變化情況；并以圖表方式進行可視化展示，細度監(jiān)測實際值R90偏離規(guī)定范圍時告警，并提供磨煤機參數(shù)優(yōu)化建議。與國內(nèi)外研究項目相對比，該系統(tǒng)具有預(yù)測煤粉細度準確、在線監(jiān)測即視感強等特點，且無需現(xiàn)場安裝各種儀器設(shè)備就實現(xiàn)煤粉細度在線監(jiān)測，從而達到綜合優(yōu)化磨煤機運行的目標，并為鍋爐摻配煤、燃燒優(yōu)化調(diào)整和磨煤機檢修提供技術(shù)參考和指導(dǎo)依據(jù)。