摘 要：目前火電機(jī)組仍是我國電力供應(yīng)的主體，因此通過運(yùn)行優(yōu)化技術(shù)來實(shí)現(xiàn)鍋爐燃燒效率的提升，同時(shí)減少NOx等污染氣體排放具有重要意義。鑒于此，針對現(xiàn)有技術(shù)建模精度低、運(yùn)行效果差、脫離實(shí)際需求等缺點(diǎn)，采用改進(jìn)粒子群算法建立鍋爐燃燒模型，得出機(jī)組最佳運(yùn)行參數(shù)，以期提高機(jī)組運(yùn)行的安全性和經(jīng)濟(jì)性。

關(guān)鍵詞：火電機(jī)組；鍋爐燃燒效率；NOx；改進(jìn)粒子群算法

中圖分類號：TM621" " 文獻(xiàn)標(biāo)志碼：A" " 文章編號：1671-0797（2023）18-0024-04

DOI：10.19514/j.cnki.cn32-1628/tm.2023.18.006

0" " 引言

隨著新能源產(chǎn)業(yè)的持續(xù)壯大，風(fēng)電和太陽能逐漸改變了目前的電網(wǎng)格局，由于新能源的不穩(wěn)定性，各機(jī)組的靈活性改造成為保證電力系統(tǒng)安全運(yùn)行的主要方式之一[1]。

靈活性改造主要技術(shù)難點(diǎn)在于如何使大容量煤電機(jī)組適應(yīng)超低負(fù)荷深度調(diào)峰，這就對大容量煤電機(jī)組的燃燒穩(wěn)定性提出了更高要求[2]。

鍋爐燃燒控制優(yōu)化是通過分級配風(fēng)、協(xié)調(diào)配煤等手段減少NOx的生成，同時(shí)也要兼顧C(jī)O排放濃度、鍋爐效率等經(jīng)濟(jì)性指標(biāo)和預(yù)防高溫蒸汽管壁超溫等安全性指標(biāo)，是一個(gè)多場耦合、多變量制約、多目標(biāo)優(yōu)化的復(fù)雜問題[3-4]。在深度調(diào)峰運(yùn)行下，負(fù)荷的下降可能導(dǎo)致鍋爐燃燒的不穩(wěn)定性、脫硝系統(tǒng)無法有效運(yùn)行、鍋爐汽水系統(tǒng)管壁超溫等問題。常規(guī)的燃燒優(yōu)化系統(tǒng)大多只能實(shí)現(xiàn)穩(wěn)態(tài)和開環(huán)優(yōu)化，不易取得符合預(yù)期的優(yōu)化效果，因此需要把人工智能技術(shù)和先進(jìn)控制理論相結(jié)合，研究新型的鍋爐燃燒系統(tǒng)閉環(huán)優(yōu)化控制方法[5-6]。如何有效保證鍋爐效率和NOx排放是深度調(diào)峰下燃燒優(yōu)化需要研究的重要問題。同時(shí)，機(jī)組實(shí)際運(yùn)行中，常存在SCR出口NOx濃度偏差大的問題，導(dǎo)致脫硝系統(tǒng)一側(cè)長期過噴的情況，不利于機(jī)組安全、經(jīng)濟(jì)運(yùn)行。

針對上述問題，提出了基于改進(jìn)粒子群算法的火電機(jī)組多目標(biāo)鍋爐燃燒優(yōu)化控制方案，建立了以鍋爐燃燒效率、NOx生成濃度、凈煙氣NOx濃度、兩側(cè)脫硝出口NOx濃度偏差為目標(biāo)輸出的鍋爐燃燒模型，以期提升機(jī)組運(yùn)行的安全性和經(jīng)濟(jì)性。

1" " 現(xiàn)有技術(shù)及其缺點(diǎn)

當(dāng)前鍋爐燃燒多目標(biāo)優(yōu)化的主要技術(shù)路線如下：

1）從DCS歷史庫中篩選模型參數(shù)，篩選出有效的穩(wěn)態(tài)數(shù)據(jù)，并進(jìn)行歸一化處理；

2）以鍋爐燃燒效率和NOx排放質(zhì)量濃度為目標(biāo)參量，由鍋爐熱平衡計(jì)算理論可知，飛灰含碳量和排煙溫度直接影響鍋爐燃燒效率，根據(jù)鍋爐燃燒特性、NOx生成機(jī)理和鍋爐燃燒效率影響因素，基于BP神經(jīng)網(wǎng)絡(luò)建立NOx排放質(zhì)量濃度預(yù)測模型和鍋爐燃燒效率預(yù)測模型；

3）以加權(quán)求和法或約束法確立遺傳算法的目標(biāo)函數(shù)，尋找最優(yōu)工況，進(jìn)而獲得最優(yōu)的運(yùn)行參數(shù)。

現(xiàn)有技術(shù)主要存在以下問題：

1）數(shù)據(jù)篩選過程中只選取穩(wěn)態(tài)數(shù)據(jù)，而模型的建立應(yīng)包含動態(tài)過程，即從一個(gè)穩(wěn)態(tài)到下一個(gè)穩(wěn)態(tài)之間的數(shù)據(jù)；

2）以鍋爐燃燒效率和NOx排放質(zhì)量濃度為目標(biāo)參量建立模型不適應(yīng)實(shí)際需求；

3）BP神經(jīng)網(wǎng)絡(luò)建模需要大量的樣本數(shù)據(jù)，且無法避免過擬合的問題，不利于模型的在線修正。

當(dāng)前鍋爐燃燒多目標(biāo)優(yōu)化的技術(shù)路線圖如圖1所示。

2" " 基于改進(jìn)粒子群算法的火電機(jī)組鍋爐燃燒多目標(biāo)優(yōu)化

2.1" " 本方案技術(shù)路線

本方案基于改進(jìn)粒子群算法，建立以鍋爐燃燒效率、NOx生成濃度、凈煙氣NOx濃度、兩側(cè)脫硝出口NOx濃度偏差為目標(biāo)輸出的鍋爐燃燒模型，建模的精度滿足需求，且建模速度快，利于模型的在線修正。其中，提升鍋爐燃燒效率必然會導(dǎo)致NOx生成濃度增加，因此根據(jù)機(jī)組特性和專家經(jīng)驗(yàn)確立其最優(yōu)值；考慮凈煙氣NOx濃度是為了在環(huán)保指標(biāo)達(dá)標(biāo)的前提下，盡可能地提高NOx排放濃度，降低機(jī)組氨耗量；考慮脫硝兩側(cè)出口NOx濃度偏差是為了確保在凈煙氣NOx濃度達(dá)標(biāo)的前提下，減少兩側(cè)出口NOx濃度偏差，避免脫硝系統(tǒng)一側(cè)過噴、另一側(cè)欠噴的情況，提升機(jī)組運(yùn)行的安全性和經(jīng)濟(jì)性。

其主要步驟如下：

1）從DCS或SIS中獲取歷史數(shù)據(jù)，包括：實(shí)際負(fù)荷、總?cè)剂狭?、各層給煤機(jī)燃料量、各層磨煤機(jī)一次風(fēng)量、各層二次風(fēng)門開度、二次風(fēng)總量、總風(fēng)量、煙氣擋板開度、排煙溫度、給水流量、主蒸汽壓力、調(diào)節(jié)級壓力、煙氣含氧量、送風(fēng)機(jī)入口風(fēng)溫、兩側(cè)入口NOx濃度、兩側(cè)出口NOx濃度、凈煙氣NOx濃度、兩側(cè)噴氨閥門開度和兩側(cè)噴氨量；

2）依次對歷史數(shù)據(jù)中進(jìn)行粗大值處理、線性插值和濾波噪聲處理，得到初步合格的歷史數(shù)據(jù)庫；

3）采用滑動窗口法對數(shù)據(jù)庫中的數(shù)據(jù)進(jìn)行篩選，篩選規(guī)則為“穩(wěn)態(tài)→動態(tài)→下一個(gè)穩(wěn)態(tài)”，得到建模的訓(xùn)練數(shù)據(jù)；

4）通過改進(jìn)粒子群算法建立以鍋爐燃燒效率、NOx生成濃度、凈煙氣NOx濃度、兩側(cè)脫硝出口NOx濃度偏差為目標(biāo)輸出的鍋爐燃燒模型。

2.2" " 粒子群算法改進(jìn)方案

1）慣性權(quán)重的改進(jìn)。

采用帶多目標(biāo)最優(yōu)因子的迭代下降法，即結(jié)合當(dāng)前的尋優(yōu)結(jié)果和迭代次數(shù)，動態(tài)調(diào)整慣性權(quán)重值，更快速準(zhǔn)確地尋到全局最優(yōu)，其公式為：

式中：w為慣性權(quán)重；wmin為最小權(quán)重值；wmax為最大權(quán)重值；tmax為算法的最大迭代次數(shù)；t為當(dāng)前迭代次數(shù)；N為多目標(biāo)尋優(yōu)的目標(biāo)參數(shù)個(gè)數(shù)；n為當(dāng)前尋優(yōu)結(jié)果中各目標(biāo)參數(shù)達(dá)到最優(yōu)值的個(gè)數(shù)。

鍋爐燃燒效率、NOx生成濃度、凈煙氣NOx濃度、兩側(cè)脫硝出口NOx濃度偏差各目標(biāo)參數(shù)最優(yōu)值為基于機(jī)組特性和專家經(jīng)驗(yàn)的機(jī)組負(fù)荷函數(shù)，分別為X10、X20、X30、X40。

2）適應(yīng)度函數(shù)。

首先，根據(jù)機(jī)組特性和專家經(jīng)驗(yàn)確定各目標(biāo)參數(shù)最優(yōu)值；

其次，按照不同負(fù)荷及基于專家經(jīng)驗(yàn)的指數(shù)系數(shù)確立各參數(shù)尋優(yōu)的優(yōu)先級，規(guī)則如下：

a）20%～40%Pe，從高到低目標(biāo)參數(shù)的優(yōu)先級為鍋爐燃燒效率、NOx生成濃度、凈煙氣NOx濃度、兩側(cè)脫硝出口NOx濃度偏差（優(yōu)先級系數(shù)依次為10、7、4、1）；

b）40%～70%Pe，從高到低目標(biāo)參數(shù)的優(yōu)先級為鍋爐燃燒效率、NOx生成濃度（前兩者優(yōu)先級相同）、凈煙氣NOx濃度、兩側(cè)脫硝出口NOx濃度偏差（優(yōu)先級系數(shù)依次為10、10、5、1）；

c）70%～100%Pe，從高到低目標(biāo)參數(shù)的優(yōu)先級為NOx生成濃度、鍋爐燃燒效率、凈煙氣NOx濃度、兩側(cè)脫硝出口NOx濃度偏差（優(yōu)先級系數(shù)依次為10、7、4、1）；

d）專家經(jīng)驗(yàn)指數(shù)系數(shù)：ε=e^｜x-x0|，其中x為參數(shù)實(shí)際值，x0為參數(shù)最優(yōu)值。

改進(jìn)粒子群算法的適應(yīng)度函數(shù)：

f=ε1K1|X1-X10|+ε2K2|X2-X20|+ε3K3|X3-X30|+

式中：下標(biāo)1～4分別對應(yīng)鍋爐燃燒效率、NOx生成濃度、凈煙氣NOx濃度、兩側(cè)脫硝出口NOx濃度偏差的相關(guān)參數(shù)；εi為專家經(jīng)驗(yàn)指數(shù)系數(shù)；Ki為優(yōu)先級系數(shù)；Xi為參數(shù)實(shí)際值；Xi0為參數(shù)最優(yōu)值。

基于改進(jìn)粒子群算法的火電機(jī)組鍋爐燃燒多目標(biāo)優(yōu)化的技術(shù)路線圖如圖2所示。

3" " 應(yīng)用分析

3.1" " 仿真結(jié)果分析

以某660 MW超臨界機(jī)組的實(shí)際應(yīng)用為例，通過提取海量歷史數(shù)據(jù)，對現(xiàn)有技術(shù)和改進(jìn)技術(shù)的優(yōu)化效果進(jìn)行仿真對比分析，結(jié)果如圖3、圖4所示。

可以看出，改進(jìn)技術(shù)提高鍋爐效率和降低NOx生成濃度的效果優(yōu)于現(xiàn)有技術(shù)。

3.2" " 應(yīng)用效果

該機(jī)組采用本方案進(jìn)行優(yōu)化并投入使用后，2022年12月至2023年5月期間：

1）20%～40%Pe時(shí)鍋爐效率提高0.8%～1%，NOx生成濃度降低了50～80 mg/Nm3；

2）40%～70%Pe時(shí)鍋爐效率提高0.3%～0.5%，NOx生成濃度降低了30～60 mg/Nm3；

3）70%～100%Pe時(shí)鍋爐效率提高0.1%～0.2%，NOx生成濃度降低了40～50 mg/Nm3；

4）全負(fù)荷段凈煙氣NOx濃度小時(shí)均值由平均32.7 mg/Nm3提升至平均46.4 mg/Nm3，兩側(cè)脫硝出口NOx濃度偏差由平均26.8 mg/Nm3降低至平均4.7 mg/Nm3，節(jié)氨量為16.3%，空預(yù)器差壓平均降低了0.15 kPa。

4" " 結(jié)論

針對現(xiàn)有技術(shù)存在的問題，本文首先從電廠DCS海量數(shù)據(jù)中篩選出包含“穩(wěn)態(tài)—動態(tài)—穩(wěn)態(tài)”特征的訓(xùn)練數(shù)據(jù)，增強(qiáng)了所建模型的動態(tài)屬性，模型更加全面準(zhǔn)確；然后在平衡鍋爐燃燒效率與NOx生成濃度兩者關(guān)系的前提下，結(jié)合機(jī)組實(shí)際運(yùn)行需求，兼顧節(jié)氨與平衡兩側(cè)脫硝出口NOx濃度，建立以鍋爐燃燒效率、NOx生成濃度、凈煙氣NOx濃度、兩側(cè)脫硝出口NOx濃度偏差為目標(biāo)輸出的鍋爐燃燒模型；最后改進(jìn)粒子群算法的慣性權(quán)重和適應(yīng)度函數(shù)，結(jié)合專家經(jīng)驗(yàn)，建立鍋爐燃燒模型，有效克服了機(jī)組運(yùn)行的非線性和實(shí)時(shí)數(shù)據(jù)波動等困難，使現(xiàn)有技術(shù)存在的問題得到了有效解決，提高了機(jī)組運(yùn)行的安全性、穩(wěn)定性和經(jīng)濟(jì)性。

[參考文獻(xiàn)]

[1] 楊海生，古雨，唐廣通，等.高背壓-抽凝機(jī)組耦合運(yùn)行優(yōu)化技術(shù)對深度調(diào)峰性能影響及經(jīng)濟(jì)性分析[J].汽輪機(jī)技術(shù)，2020，62（4）：305-308.

[2] 鄭飛，陳曉利，高繼錄，等.抽汽供熱機(jī)組深度調(diào)峰靈活性改造技術(shù)研究[J].汽輪機(jī)技術(shù)，2021，63（2）：144-146.

[3] 丁承剛，郭士義，龔燕雯，等.電站鍋爐制粉系統(tǒng)模型的建立與應(yīng)用[J].鍋爐技術(shù)，2016，47（1）：5-8.

[4] 鄭成航，高翔，蘇秋鳳，等.多變負(fù)荷下內(nèi)嵌算法融合的多目標(biāo)鍋爐燃燒優(yōu)化控制方法：CN202210785624.3[P].2022-09-27.

[5] 侯榮利.基于超限學(xué)習(xí)機(jī)與渦流搜索算法的鍋爐燃燒優(yōu)化策略[J].冶金能源，2021，40（5）：60-64.

[6] 閆水保，馮燦，齊繼鵬，等.基于約束支持向量回歸的電站鍋爐燃燒優(yōu)化建模[J].熱能動力工程，2021，36（11）：126-132.

收稿日期：2023-05-05

作者簡介：魏向國（1979—），男，河北人，高級工程師，研究方向：熱工自動化、檢修管理。