摘要:常規(guī)的煤質(zhì)在線檢測方法以灼燒稱重的形式為主,經(jīng)過采樣、化驗(yàn)等多個(gè)環(huán)節(jié),影響了煤質(zhì)分析的準(zhǔn)確性。因此,本文設(shè)計(jì)了基于LIBS的燃煤電廠煤質(zhì)在線智能檢測方法。提取燃煤電廠煤質(zhì)光譜特征,分析光譜線上的化學(xué)、物理狀態(tài)信息。基于LIBS構(gòu)建燃煤電廠煤質(zhì)在線智能檢測模型,映射光譜特征與煤質(zhì)指標(biāo)之間的關(guān)系。使用定標(biāo)檢測電廠煤質(zhì)單變量元素,建立LIBS光譜數(shù)據(jù)定量關(guān)系,準(zhǔn)確檢測單元素的含量。本文采用對(duì)比試驗(yàn),試驗(yàn)結(jié)果表明該方法的檢測準(zhǔn)確性更高,能夠應(yīng)用于實(shí)際。
關(guān)鍵詞:LIBS;燃煤電廠;煤質(zhì);在線智能檢測方法
中圖分類號(hào):O657""""""""" 文獻(xiàn)標(biāo)志碼:A
燃煤電廠是用煤炭作為燃料的電力工廠,煤炭經(jīng)過輸送、制備、燃燒、發(fā)電、廢氣排放和灰渣處理后,完成一次發(fā)電步驟,保證電力穩(wěn)定供應(yīng)。煤質(zhì)是煤炭的物理、化學(xué)和工藝性質(zhì),對(duì)煤炭的利用方式、燃燒效率有重要影響。為了提高煤炭燃燒效率,研究人員設(shè)計(jì)了多種煤質(zhì)檢測方法。其中,基于便攜式激光誘導(dǎo)擊穿光譜儀的燃煤電廠煤質(zhì)在線智能檢測方法與基于微服務(wù)架構(gòu)的燃煤電廠煤質(zhì)在線智能檢測方法應(yīng)用較為廣泛[1-2]。以上2種方法分別使用了便攜式激光誘導(dǎo)擊穿光譜儀和微服務(wù)架構(gòu)分析煤炭燃燒數(shù)據(jù),數(shù)據(jù)涉及范圍較廣,最終檢測結(jié)果有一定誤差[3]。因此,本文結(jié)合LIBS的優(yōu)勢設(shè)計(jì)了燃煤電廠煤質(zhì)在線智能檢測方法。
1燃煤電廠煤質(zhì)在線智能LIBS檢測方法設(shè)計(jì)
1.1提取燃煤電廠煤質(zhì)光譜特征
煤炭資源深埋地下,能夠燃燒發(fā)電,對(duì)電力發(fā)展的作用十分重要。煤炭成分較為復(fù)雜,化學(xué)組成結(jié)構(gòu)較多[4]。在燃煤電廠的煤炭資源以煤粉顆粒的形式存在,煤質(zhì)成分包括C、H、O、N、S、Si、Al、Fe、Ca、Mg、Ti、K和Na等元素,除了S以外,均能夠利用LIBS技術(shù)進(jìn)行檢測。根據(jù)光譜信息獲取有效光譜圖,對(duì)煤質(zhì)各種元素的特征光譜線進(jìn)行分析,提取光譜線上的化學(xué)、物理狀態(tài)信息,為后續(xù)煤質(zhì)檢測提供基礎(chǔ)條件。煤質(zhì)光譜特征譜線見表1。
在提取光譜線信息后,對(duì)光譜進(jìn)行預(yù)處理,篩選合適的譜線作為檢測基礎(chǔ)條件,避免檢測失誤。大量測量并計(jì)算平均值,能夠結(jié)合數(shù)理統(tǒng)計(jì),將誤差范圍縮小至允許值之內(nèi)。當(dāng)煤質(zhì)光譜譜線出現(xiàn)異常時(shí),激光發(fā)射煤炭樣品表面的光譜數(shù)據(jù)傳輸量級(jí)存在變化。此時(shí),在同樣的條件下,多次測量煤質(zhì)光譜數(shù)據(jù),減少檢測誤差。煤質(zhì)光譜特征向量的標(biāo)準(zhǔn)偏差如公式(1)所示。
(1)
式中:S為煤質(zhì)光譜特征向量的標(biāo)準(zhǔn)偏差;xi為第i次測量得到的LIBS數(shù)據(jù);x為xi的算術(shù)平均數(shù);n為測量次數(shù)。當(dāng)最終得到的光譜數(shù)據(jù)低于S-0.5或超過S+0.5的閾值時(shí),證明光譜數(shù)據(jù)為異常狀態(tài),予以剔除。僅留下與S幾乎一致的光譜數(shù)據(jù),生成光譜譜線,保證后續(xù)煤質(zhì)檢測的準(zhǔn)確性。
1.2基于LIBS構(gòu)建燃煤電廠煤質(zhì)在線智能檢測模型
煤質(zhì)是煤炭的性質(zhì),不同煤炭樣品的煤質(zhì)指標(biāo)不同,灰分、水分、揮發(fā)分和發(fā)熱量也存在變化。根據(jù)煤質(zhì)灰分、水分、揮發(fā)分和發(fā)熱量在光譜數(shù)據(jù)上的變化特征,映射光譜特征與煤質(zhì)指標(biāo)之間的關(guān)系[5]?;曳帧⑺?、揮發(fā)分和發(fā)熱量彼此有統(tǒng)計(jì)學(xué)意義,分別為礦物質(zhì)、自由水、氣體混合物和分解釋放能量值。本文利用LIBS技術(shù),得到煤質(zhì)光譜數(shù)據(jù),并采用3種煤質(zhì)指標(biāo)與光譜數(shù)據(jù)混合建模的方案,形成煤質(zhì)在線智能檢測模型,如圖1所示。
由圖1可知,灰分、水分的含量值與光譜數(shù)據(jù)在數(shù)量級(jí)方面有差異,將灰分、水分與光譜數(shù)據(jù)結(jié)合進(jìn)行分析,能夠得到更加準(zhǔn)確的煤質(zhì)信息。GS法為泛化光譜,能夠?qū)⒒曳?、水分含量組合為光譜數(shù)據(jù),檢測發(fā)熱量與揮發(fā)分情況。GS法輸出的檢測值如公式(2)所示。
式中:x'為GS法輸出的檢測值;j為常數(shù),滿足0<max(|x'|)<1的整數(shù)。灰分、水分含量值與LIBS光譜數(shù)據(jù)經(jīng)過歸一化處理后,首尾拼接為自變量矩陣,得到更加準(zhǔn)確的檢測值。MLR-PLS為多元線性回歸與偏最小二乘集成法,能夠?qū)⒒曳帧⑺趾孔鳛樽宰兞?,直接得到發(fā)熱量、揮發(fā)分的檢測值,如公式(3)所示。
式中:yMLR為MLR-PLS法輸出的檢測值;β0、β1和β2為MLR回歸參數(shù);Aa、Ma為灰分、水分含量;MR-PLS與非線性多變量回歸有統(tǒng)計(jì)學(xué)意義,根據(jù)灰分、水分含量直接分析發(fā)熱量與揮發(fā)分,增加灰分與水分的指數(shù)項(xiàng)。使用MR-PLS法得到的檢測值如公式(4)所示。
式中:yMR為MR-PLS法得到的檢測值;ω0、ω1、ω2、ω3和ω4為回歸參數(shù);Aa2、Ma2為灰分、水分含量的指數(shù)項(xiàng)。當(dāng)x'≈yMLR≈yMR,三者差值為±0.1時(shí),將三者進(jìn)行平均數(shù)處理,得到的數(shù)據(jù)就是檢測值。
1.3定標(biāo)檢測電廠煤質(zhì)單變量元素
煤炭是一種復(fù)雜的天然有機(jī)物質(zhì),包括豐富的元素,其中碳、氫、氧、氮和硫是其主要成分,還含有多種微量金屬元素。這些元素的含量和比例很大程度地影響了煤炭的性質(zhì)和用途,因此,準(zhǔn)確檢測煤炭中的元素含量是煤質(zhì)評(píng)價(jià)的關(guān)鍵環(huán)節(jié)。
LIBS技術(shù)是一種快速、無損的元素檢測技術(shù),在煤炭元素分析領(lǐng)域應(yīng)用前景廣泛。本文基于LIBS光譜信號(hào)原理研究影響C原子譜線的各種因素,進(jìn)一步揭示了煤質(zhì)檢測中基體效應(yīng)的來源。
在LIBS檢測過程中,激光與煤炭樣品的相互作用會(huì)產(chǎn)生等離子體,等離子體發(fā)射的光譜信號(hào)包括樣品中所有元素的特征譜線[6]。由于煤炭樣品具有復(fù)雜性和多樣性,當(dāng)激光與不同樣品相互作用時(shí)會(huì)產(chǎn)生不同的基體效應(yīng),因此影響了光譜信號(hào)的穩(wěn)定性和準(zhǔn)確性?;w效應(yīng)的本質(zhì)是激光與物質(zhì)在相互作用過程中發(fā)生的變化,這些變化可能導(dǎo)致光譜信號(hào)增強(qiáng)或減弱,造成檢測誤差。
為了準(zhǔn)確檢測煤炭中的單元素含量,須先標(biāo)定C原子譜線受到光譜信號(hào)影響的因素。因素包括激光能量、脈沖頻率和聚焦條件等試驗(yàn)參數(shù)以及煤炭樣品的物理性質(zhì)和化學(xué)組成等樣品特性。優(yōu)化這些參數(shù)和條件可以最大程度地減少基體效應(yīng)的影響,提高光譜信號(hào)的穩(wěn)定性和準(zhǔn)確性。
在煤質(zhì)基體效應(yīng)中,物理性質(zhì)的差異主要體現(xiàn)在煤炭樣品的顆粒度、致密度和黏合性等方面。這些物理性質(zhì)會(huì)影響激光與樣品的相互作用,影響等離子體形成和光譜信號(hào)發(fā)射[7]。
在選取特征譜線方面,選擇C I_247.86作為代表C元素含量的特征譜線。這條譜線的信號(hào)強(qiáng)度與穩(wěn)定性較好,適合用于定量檢測。根據(jù)C I_247.86譜線的信號(hào)強(qiáng)度與C元素質(zhì)量分?jǐn)?shù)建立單變量定量模型,快速、準(zhǔn)確地檢測煤炭中C元素的含量。在定標(biāo)檢測的過程中,將等離子光譜發(fā)射公式進(jìn)行轉(zhuǎn)換,如公式(5)所示。
式中:Is為光譜發(fā)射強(qiáng)度;F為物理約束;gs為主量元素;Es為轉(zhuǎn)換能量;T為等離子體溫度;K為譜線;Us為光譜信號(hào);h為質(zhì)量分?jǐn)?shù);v為燃燒速率;m為燒灼質(zhì)量。在單變量元素檢測過程中,T、m和xi為變量,其他均為常量。在T、m保持不變的條件下,Is與h成線性關(guān)系,根據(jù)Us反推單變量元素的煤質(zhì)信息。采用內(nèi)標(biāo)法處理光譜后,譜線與內(nèi)標(biāo)譜線的強(qiáng)度不同。在內(nèi)標(biāo)元素不變的情況下,Is與T、h有統(tǒng)計(jì)學(xué)意義,消除了m變化對(duì)檢測結(jié)果的影響,提高了煤質(zhì)檢測的準(zhǔn)確性。
2試驗(yàn)
為了驗(yàn)證本文設(shè)計(jì)的方法是否滿足燃煤電廠煤質(zhì)在線智能檢測需求,對(duì)上述方法進(jìn)行試驗(yàn)。最終試驗(yàn)結(jié)果將文獻(xiàn)[1]基于便攜式激光誘導(dǎo)擊穿光譜儀的方法、文獻(xiàn)[2]基于微服務(wù)架構(gòu)的方法以及本文設(shè)計(jì)的基于LIBS的燃煤電廠煤質(zhì)在線智能檢測的方法進(jìn)行對(duì)比。具體的試驗(yàn)準(zhǔn)備過程以及最終試驗(yàn)結(jié)果如下所述。
2.1試驗(yàn)過程
燃煤電廠使用的設(shè)備以直吹式鍋爐為主,煤炭以顆粒的形式流入鍋爐。利用LIBS技術(shù)進(jìn)行煤質(zhì)在線檢測,須檢測煤粉變化狀態(tài)。本文利用LIBS技術(shù)搭建1個(gè)基礎(chǔ)試驗(yàn)臺(tái)架,其包括給料機(jī)、分離器、激光發(fā)生器、聚光鏡和光譜儀等設(shè)備。試驗(yàn)臺(tái)架如圖2所示。整個(gè)試驗(yàn)裝置是由傳輸裝置、激光源、收光、分光裝置和數(shù)據(jù)分析儀等元件組成的,能夠進(jìn)行LIBS數(shù)據(jù)分析、檢測。為了提高本次試驗(yàn)數(shù)據(jù)的準(zhǔn)確性,本文將光源分為4個(gè)部分,分別為火花、火焰、ICP和激光?;鸹ǖ募ぐl(fā)溫度為10000K,火焰的激發(fā)溫度為2000K~3000K,ICP的激發(fā)溫度為6000K~8000K,激光的激發(fā)溫度為10000K。火花、激光的激發(fā)溫度相對(duì)較高,溫度變化不同,滿足本次試驗(yàn)需求。激光器的波長為1064nm,重復(fù)頻率為10Hz,滿足本次試驗(yàn)需求。本次試驗(yàn)共選取12種工業(yè)指標(biāo)差異較大的煤炭樣品,充分研磨各個(gè)煤炭樣品,形成煤粉備用。啟動(dòng)鼓風(fēng)機(jī),將煤粉送入分離器,激光由光源發(fā)出,向外輻射光譜,獲取煤粉的煤質(zhì)信息,得到相應(yīng)的檢測結(jié)果。
2.2試驗(yàn)結(jié)果
在上述試驗(yàn)條件下,本文隨機(jī)選取12種質(zhì)類型,編號(hào)為C#01~C#12。并檢測揮發(fā)分和發(fā)熱量,實(shí)際值與檢測值之間的誤差越小,檢測結(jié)果越準(zhǔn)確。在其他條件均已知的情況下,對(duì)比文獻(xiàn)[1]方法的檢測值、文獻(xiàn)[2]方法的檢測值以及本文設(shè)計(jì)的檢測方法的檢測值。試驗(yàn)結(jié)果見表2。
在煤質(zhì)樣品C#01~C#04中,揮發(fā)分在21wt.%~29wt.%變化,發(fā)熱量為21MJ/kg~26MJ/kg。使用文獻(xiàn)[1]方法后,揮發(fā)分、發(fā)熱量的檢測值與實(shí)際值之間誤差為±2,檢測結(jié)果不準(zhǔn)確,無法滿足煤質(zhì)檢測需求。使用文獻(xiàn)[2]方法后,揮發(fā)分、發(fā)熱量的檢測值與實(shí)際值之間誤差為±0.2,檢測性能比文獻(xiàn)[1]方法好,但是需要進(jìn)一步優(yōu)化。使用本文方法后,揮發(fā)分、發(fā)熱量的檢測值與實(shí)際值之間誤差為±0.01,甚至存在誤差為0的情況,檢測準(zhǔn)確性更高,達(dá)到本文研究目的。
3結(jié)語
燃煤為電力主要供應(yīng)方式,燃煤電廠的運(yùn)行效率與安全性均受到廣泛關(guān)注。煤質(zhì)是燃煤電廠運(yùn)行的關(guān)鍵,檢測水分、揮發(fā)分、發(fā)熱量和灰分等含量,分析燃煤電廠相關(guān)設(shè)備的運(yùn)行情況,提高煤質(zhì)燃燒效率。本文利用LIBS設(shè)計(jì)了燃煤電廠煤質(zhì)在線智能檢測方法。從光譜特征、檢測模型和變量定標(biāo)檢測等方面檢測更加準(zhǔn)確的煤質(zhì)信息。將激光誘導(dǎo)擊穿光譜技術(shù)與人工智能技術(shù)相結(jié)合,快速得到高維度、非線性的煤質(zhì)信息,提高了煤質(zhì)檢測的精準(zhǔn)度。
參考文獻(xiàn)
[1]竇有權(quán),王慶松,王森,等. 便攜式激光誘導(dǎo)擊穿光譜儀的研制及其在煤質(zhì)檢測中的應(yīng)用[J]. 中國無機(jī)分析化學(xué),2023,13(9):993-998.
[2]曹亮. 基于微服務(wù)架構(gòu)的煤質(zhì)檢測試驗(yàn)室管控平臺(tái)研究與設(shè)計(jì)[J]. 中國煤炭,2023,49(6):73-78.
[3]邱詒耿,孟凡亮,李彥文. 基于LIBS的燃煤電廠煤質(zhì)在線檢測應(yīng)用場景及入爐煤試驗(yàn)研究[J]. 自動(dòng)化應(yīng)用,2023,64(23):139-141.
[4]王文毓,弓林娟,王林,等. 基于煤質(zhì)在線檢測的燃燒優(yōu)化及自適應(yīng)協(xié)調(diào)控制研究[J]. 動(dòng)力工程學(xué)報(bào),2023,43(2):143-150.
[5]倪浩然,周清,朱秋閣,等. 樣本量對(duì)激光誘導(dǎo)擊穿光譜技術(shù)在煤質(zhì)灰分檢測的影響研究[J]. 煤炭加工與綜合利用,2022(12):86-91.
[6]邱詒耿,孟凡亮,李彥文. 基于LIBS的燃煤電廠煤質(zhì)在線檢測應(yīng)用場景及入爐煤試驗(yàn)研究[J]. 自動(dòng)化應(yīng)用,2023
(23):139-141.
[7]倪明輝,李燕,易鎮(zhèn)鑫,等. 激光誘導(dǎo)擊穿光譜(LIBS)在煤質(zhì)檢測中的應(yīng)用現(xiàn)狀[J]. 中國無機(jī)分析化學(xué),2022,12(4):9.