宋明軒

（國(guó)能寧東第一發(fā)電有限公司）

0 引言

火力發(fā)電廠是我國(guó)主要的電力供應(yīng)方式之一。燃煤機(jī)組是火力發(fā)電廠的核心設(shè)備，燃煤機(jī)組的燃燒效率和排放控制直接影響著發(fā)電廠的運(yùn)行效益和環(huán)境保護(hù)效益［1］。結(jié)合燃煤機(jī)組的運(yùn)行實(shí)際情況看，其燃燒效率與氧含量密切相關(guān)。因此，準(zhǔn)確測(cè)量燃煤機(jī)組的氧含量對(duì)于提高燃燒效率和環(huán)境排放控制至關(guān)重要。由于燃煤機(jī)組運(yùn)行環(huán)境的復(fù)雜性和傳感器自身的誤差，單個(gè)氧含量傳感器的測(cè)量結(jié)果可能存在較大的誤差。所以本文提出氧含量融合技術(shù)，綜合利用多個(gè)氧含量傳感器的數(shù)據(jù)，消除傳感器誤差，提高氧含量的測(cè)量精度和可靠性。

1 風(fēng)量及燃料量融合技術(shù)

火電廠參數(shù)具有信息量大、檢測(cè)數(shù)據(jù)誤差大、數(shù)據(jù)類型和樣式多、維度眾多以及存在強(qiáng)耦合性，單一傳感器無法滿足火電廠參數(shù)的準(zhǔn)確監(jiān)測(cè)需求。同時(shí)，火電廠的參數(shù)類型和樣式多樣，包括溫度、壓力、流量等多個(gè)維度，增加了參數(shù)監(jiān)測(cè)的復(fù)雜性且參數(shù)之間存在著強(qiáng)耦合性，相互影響，單一傳感器的監(jiān)測(cè)結(jié)果通常不全面、不準(zhǔn)確［2］。為提高參數(shù)監(jiān)測(cè)的準(zhǔn)確性和可靠性，可以采用多傳感器融合技術(shù)，以充分發(fā)揮多個(gè)傳感器技術(shù)的優(yōu)勢(shì)，從而得到更準(zhǔn)確、更可靠的參數(shù)信息。

風(fēng)量和燃料量是火電廠運(yùn)行過程中的重要參數(shù)，對(duì)于保證燃燒效率和發(fā)電效率具有關(guān)鍵作用。同時(shí)，軟測(cè)量技術(shù)通過利用其他可測(cè)量參數(shù)和先進(jìn)的建模算法，可以間接地估計(jì)風(fēng)量和燃料量。通過將來自不同傳感器的數(shù)據(jù)進(jìn)行整合和融合，可以消除單一傳感器的誤差和不確定性，提高模型的準(zhǔn)確性和可靠性?；谲浖y(cè)量技術(shù)的風(fēng)量及軟料量數(shù)據(jù)融合技術(shù)原理如圖1所示。

對(duì)于燃煤機(jī)組原始數(shù)據(jù)，經(jīng)過處理和預(yù)處理得到初始輸入值X1，X2，…，Xn。為提高數(shù)據(jù)的準(zhǔn)確性，采用概率法對(duì)初始輸入值進(jìn)行處理，去除大部分可能存在的壞值，以確保后續(xù)的軟測(cè)量模型基于的數(shù)據(jù)具有較高的可靠性。通過使用相應(yīng)的軟測(cè)量模型，可以對(duì)處理后的相對(duì)精確數(shù)值進(jìn)行軟測(cè)量，得到燃煤機(jī)組的風(fēng)量和燃料量的軟測(cè)量值Y1，Y2，…，Yn。最常用的數(shù)據(jù)融合方法是最小二乘法，通過對(duì)軟測(cè)量值進(jìn)行加權(quán)平均，得到風(fēng)量和燃料量的最優(yōu)估計(jì)值Y。

2 氧含量測(cè)量因素分析

在燃煤機(jī)組內(nèi)部，煤炭與氧氣發(fā)生氧化反應(yīng)，產(chǎn)生高溫?zé)煔夂突覊m。且煙氣和灰塵與燃煤機(jī)組以及其他設(shè)備之間發(fā)生熱交換。在此環(huán)境下，溫度檢測(cè)傳感器和煙氣成分檢測(cè)傳感器等設(shè)備運(yùn)行及相關(guān)設(shè)備的養(yǎng)護(hù)面臨著諸多挑戰(zhàn)。在火力發(fā)電廠中，技術(shù)人員主要對(duì)影響氧量測(cè)量的因素進(jìn)行分析，包括煤質(zhì)的變化、漏風(fēng)和未完全燃燒等三個(gè)方面。

第一，煤質(zhì)的變化會(huì)對(duì)氧量測(cè)量產(chǎn)生影響。由于煤炭的來源和性質(zhì)可能存在差異，燃燒過程中產(chǎn)生的氧氣需求也會(huì)有所不同。同時(shí)，煤質(zhì)的變化對(duì)燃煤機(jī)組的燃燒過程產(chǎn)生其他影響。例如，煤質(zhì)的變化可能導(dǎo)致燃燒溫度的波動(dòng)，從而影響燃燒效率和煙氣中的氧氣含量。另外，不同煤質(zhì)的燃燒特性會(huì)導(dǎo)致煙氣中產(chǎn)生不同的氮氧化物和硫氧化物等污染物的濃度，進(jìn)而對(duì)氧量測(cè)量、燃燒過程的穩(wěn)定性產(chǎn)生影響。

第二，漏風(fēng)現(xiàn)象也是影響氧量測(cè)量準(zhǔn)確性的重要因素。漏風(fēng)是指燃燒過程中未經(jīng)控制的氣體泄漏，可能會(huì)導(dǎo)致燃燒空氣中的氧氣含量發(fā)生變化。漏風(fēng)會(huì)導(dǎo)致燃燒過程中的氧量分布不均勻，從而影響氧量測(cè)量的準(zhǔn)確性。同時(shí)，漏風(fēng)可能導(dǎo)致燃燒效率的下降和煙氣中污染物的增加，對(duì)環(huán)境和設(shè)備的安全性產(chǎn)生負(fù)面影響。

第三，未完全燃燒是影響氧量測(cè)量的一個(gè)重要因素。未完全燃燒是指燃燒過程中燃料無法完全與氧氣反應(yīng)產(chǎn)生二氧化碳和水，導(dǎo)致燃燒產(chǎn)物中存在未燃燒的碳和其他有害物質(zhì)。未完全燃燒不僅會(huì)導(dǎo)致氧氣含量的變化，還可能增加煙氣中的一氧化碳和揮發(fā)性有機(jī)物等有害物質(zhì)的濃度。

3 氧含量融合技術(shù)

氧含量融合技術(shù)是一種能夠提高火力發(fā)電廠氧量測(cè)量準(zhǔn)確性的方法。該技術(shù)應(yīng)用過程中，可以將多個(gè)氧量測(cè)量傳感器的數(shù)據(jù)進(jìn)行融合，以得到更準(zhǔn)確的氧含量測(cè)量結(jié)果。首先，多個(gè)氧量測(cè)量傳感器被布置在燃煤機(jī)組內(nèi)的不同位置，以覆蓋整個(gè)燃燒過程。同時(shí)，傳感器可以是基于不同原理的傳感器，例如激光吸收光譜法、電化學(xué)法或紅外法等。每個(gè)傳感器都會(huì)獨(dú)立測(cè)量氧含量，并將其數(shù)據(jù)傳輸?shù)揭粋€(gè)融合算法中。其次，氧含量融合技術(shù)中的融合算法會(huì)對(duì)來自不同傳感器的氧含量數(shù)據(jù)進(jìn)行處理和分析，并會(huì)考慮每個(gè)傳感器的準(zhǔn)確性、穩(wěn)定性和偏差?；诖?，給予不同傳感器以相應(yīng)的權(quán)重，并消除個(gè)別傳感器的誤差和不確定性，從而得到更準(zhǔn)確的氧含量測(cè)量結(jié)果。

基于上述分析，下文主要通過研究燃煤機(jī)組尾氣來獲取相關(guān)數(shù)據(jù)。根據(jù)能量守恒原理，可以建立基于軟測(cè)量技術(shù)的氧含量融合技術(shù)的數(shù)據(jù)融合模型。在研究過程中，首先收集燃煤機(jī)組尾氣中的氧含量數(shù)據(jù)。此過程主要使用氧傳感器等儀器設(shè)備進(jìn)行實(shí)時(shí)監(jiān)測(cè)，獲取尾氣中的氧含量數(shù)據(jù)。并收集其他與氧含量相關(guān)的參數(shù)，如燃燒溫度、燃料供給量等。其次，基于收集到的數(shù)據(jù)，使用軟測(cè)量技術(shù)進(jìn)行數(shù)據(jù)處理和分析。通過對(duì)多個(gè)傳感器數(shù)據(jù)的融合，得到更準(zhǔn)確的過程參數(shù)估計(jì)值的方法。同時(shí)，根據(jù)能量守恒，建立燃煤機(jī)組燃燒過程的能量平衡方程，以描述燃料的輸入、燃燒產(chǎn)生的熱量、煙氣中的熱量損失等之間的關(guān)系，并建立起氧含量的軟測(cè)量模型。最后，通過實(shí)時(shí)監(jiān)測(cè)和數(shù)據(jù)融合模型，實(shí)現(xiàn)對(duì)燃煤機(jī)組尾氣中氧含量的準(zhǔn)確測(cè)量，以提供重要的數(shù)據(jù)支持，用于燃煤機(jī)組的控制和優(yōu)化，以提高燃燒效率、降低環(huán)境排放，并確保設(shè)備的安全運(yùn)行?；谲洔y(cè)量技術(shù)的氧含量融合技術(shù)的模型如圖2所示。

圖2 基于軟測(cè)量技術(shù)的氧含量融合技術(shù)的模型

根據(jù)總風(fēng)量、總?cè)剂狭亢推渌嚓P(guān)參數(shù)之間的相關(guān)性，建立一個(gè)綜合模型，用于測(cè)量氧含量。該模型可以對(duì)原始信號(hào)進(jìn)行校驗(yàn)，并估計(jì)風(fēng)量和燃料量等參數(shù)的影響。該模型中，可以忽略總風(fēng)機(jī)入口風(fēng)壓（Pin），原因在于該系數(shù)基本保持不變。但對(duì)于總風(fēng)機(jī)電流 （I）、導(dǎo)葉開度 （β）和總風(fēng)機(jī)出口風(fēng)壓（Pout），這些系數(shù)的變化規(guī)律相同，且與風(fēng)機(jī)的總風(fēng)量（QV）的變化規(guī)律相同。因此，各項(xiàng)系數(shù)之間存在很強(qiáng)的相關(guān)性，不能被忽略。除上述系數(shù)外，在建立和使用模型過程中，應(yīng)明確總?cè)剂狭浚˙V）與燃煤機(jī)組轉(zhuǎn)速（V）和出口風(fēng)壓與一次風(fēng)壓差（Pd）之間存在很強(qiáng)的相關(guān)性。基于此，應(yīng)用的氧含量檢測(cè)軟測(cè)量模型，精準(zhǔn)測(cè)量含氧量的值（O）。

4 實(shí)驗(yàn)

本實(shí)驗(yàn)中，在燃煤機(jī)組處配備了6組風(fēng)量傳感器，其中包括風(fēng)量軟測(cè)量傳感器QV1、QV2和QV3，以及風(fēng)量測(cè)量傳感器QV4、QV5和QV6。應(yīng)用6組傳感器，可以獲得6組風(fēng)量數(shù)據(jù)。為提高數(shù)據(jù)的可靠性和準(zhǔn)確性，本實(shí)驗(yàn)中采用最小二乘法進(jìn)行數(shù)據(jù)融合。通過融合數(shù)據(jù)，可以得到總風(fēng)量的預(yù)測(cè)值QV和風(fēng)量的平均值，具體見表1。

表1 Q V1、Q V2和Q V3，及Q V、Q V 對(duì)比

從表1數(shù)據(jù)分析可知，總風(fēng)量的預(yù)測(cè)值QV和風(fēng)量的平均值幾乎相同，且平均誤差比其他傳感器的誤差都要小。證明了融合技術(shù)能夠提高數(shù)據(jù)的可靠性和準(zhǔn)確性，并取得了良好的效果。實(shí)驗(yàn)結(jié)果證明，通過數(shù)據(jù)融合技術(shù)，能夠綜合利用多個(gè)傳感器的數(shù)據(jù)，消除傳感器之間的誤差和不確定性，從而提高對(duì)總風(fēng)量的估計(jì)精度。

應(yīng)用該模型，可以預(yù)測(cè)總?cè)剂狭康闹?，并將其與實(shí)際測(cè)量值BV進(jìn)行關(guān)聯(lián)度分析。同時(shí)，通過信息融合中心對(duì)數(shù)據(jù)進(jìn)行處理，得到總?cè)剂狭康念A(yù)測(cè)值BV1。實(shí)驗(yàn)中，以35min／次的頻率，獲取總?cè)剂狭康念A(yù)測(cè)值和實(shí)際值，結(jié)果見表2。

表2 融合后的總?cè)剂狭款A(yù)測(cè)值與實(shí)際值對(duì)比

表2數(shù)據(jù)顯示，通過關(guān)聯(lián)度分析和信息融合處理，得到的預(yù)測(cè)值與實(shí)際測(cè)量值BV非常吻合，證明了我們的軟測(cè)量模型和信息融合技術(shù)在提高燃煤機(jī)組燃料量測(cè)量準(zhǔn)確性方面取得了良好的效果。

5 結(jié)束語

本文針對(duì)火力發(fā)電廠燃煤機(jī)組氧含量測(cè)量的問題，提出了氧含量融合技術(shù)。該技術(shù)應(yīng)用中，綜合利用多個(gè)傳感器的數(shù)據(jù)，并采用數(shù)據(jù)融合、關(guān)聯(lián)度分析等方法，建立了基于軟測(cè)量技術(shù)的氧含量融合技術(shù)的融合技術(shù)模型。為驗(yàn)證模型的應(yīng)用精準(zhǔn)性，本文對(duì)風(fēng)量軟測(cè)量傳感器、總風(fēng)量的預(yù)測(cè)值、風(fēng)量的平均值進(jìn)行對(duì)比；對(duì)融合后的總?cè)剂狭款A(yù)測(cè)值與實(shí)際值進(jìn)行對(duì)比。實(shí)驗(yàn)結(jié)果表明，氧含量融合技術(shù)能夠有效地消除傳感器誤差，提高燃煤機(jī)組的燃燒效率，有助于進(jìn)一步提升火力發(fā)電廠的運(yùn)行效益和環(huán)境保護(hù)水平。