煤质在线检测首次在国内1000MW机组的推广应用
来源:用户上传
作者: 薛健
摘要：本文根据我国首家超超临界4×1000MW机组实验点为题材论述，使煤种煤质在线识别系统能够在电力生产行业相互熟知了解，可用性能得以推广运用；方便电力生产行业根据自身燃料的采集数据作以对比，有效改善燃煤工况、提高燃煤效率、节约能源、降低环境污染对我国有着特别重要的现实意义。
关键词：煤在线检测
中图分类号：TU723.3 文献标识码：A 文章编号：1672-3791（2012）08（b）-0080-02
煤的燃烧是一个复杂的物理、化学变化过程；燃烧稳定性、燃烧效率及燃烧产物受多种因素的影响，如炉膛结构、燃烧器设计、煤的种类、送粉、辅助风、助燃风风向、燃烧角度、锅炉负载、燃烧状况等。火焰及其电磁辐射是煤燃烧的主要外在表现形式，因此对火焰的观察及对其光热辐射的测量分析是燃烧过程监测与诊断的主要手段和方法。煤质在线识别系统就是利用可见光技术传输对窥视炉膛内燃烧物在火焰的可见光进行分析，对炉内的燃烧工况监视加以分析，数据采集来达到我们所需求的目的，从而降低煤耗、改善燃煤工况、提高燃烧效率、降低污染气体排放，提供比以往更及时、更丰富、更有效的数据。
玉环电厂1000MW锅炉是由哈尔滨锅炉厂有限责任公司引进日本三菱重工业株式会社技术制造的超超临界变压运行直流锅炉，型号为HG-2953/27.46-YM1。其采用П型布置、单炉膛、低NOXPM主燃烧器和MACT燃烧技术、反向双切园燃烧方式。炉膛采用内螺纹管垂直上升膜式水冷壁、循环泵启动系统，一次中间再热系统。调温方式除采用煤/水比外，还采用烟气出口调节挡板、燃烧器摆动、喷水等方式。锅炉采用平衡通风、露天布置、固态排渣、全钢构架、全悬吊结构，设计煤种为神府东胜煤和晋北煤。
1 煤质在线测量的意义
1.1 现有手段的不足
目前我国煤质分析方法比较保守，通过对燃料进行抽样燃烧化验，确定燃烧物的热值、挥发份、灰分、水分、固定碳等参数来确定煤质的好坏。人工化验存在以下缺点：①人工取样的劳动强度大。②存在诸多不确定性。③燃料在存储过程中，挥发份、水分也受外界环境因素影响较大。④人工数据不具备连续性，不能真实反应入炉煤的真实情况。⑤数据与计算机控制系统接口困难，鲁棒性差。
1.2 热值对控制的作用
电厂设计和调试中，都按照设计煤种进行施工。控制函数也根据设计煤种来确定，特别是直流炉的控制中，水、煤都根据设计热值来初步确定，调试中，各种参数也根据设计要求进行调试。当煤质偏离设计值较远时，导致各种控制量运行在函数曲线的末端位置，控制品质大打折扣。为解决这个问题，目前都采用热值校正方案。
理论上：在逻辑里用设计煤种热值Q1和燃煤热值Q2得出热值系数k1利用已知的热值，通过换算，转化为当量的煤量。具体表达式为m=M*K（m：当量的设计煤种重量，M实际煤量）。这样，可以是控制优化，控制参数处在最优位置。其中，Q1是固定值，故只需确定Q2即可。
由于目前没有合理手段对Q2测量，目前电厂采用手动设定BTU（即K值），或者采用逐步校正的方法。即用当前需煤量/设计煤量的方案。这属于滞后式的补偿方式，可以基本满足煤种在不剧烈的运行情况下的变化量。
1.3 现状
近年来，由于种种市场原因，各电厂燃料紧张，燃烧的煤种繁多。玉环电厂燃烧煤种因为交通只能海运，所以煤种更为繁杂，燃烧煤种有华能能交煤、印尼煤、优混煤、扎来诺尔煤、南非煤、俄罗斯煤等，不同的煤质所产生的热值不同，产生的灰分也不同。给电厂的优化控制和经济运行带来较大的考验，如何提前预知燃料的热值情况，根据实际情况进行调整，提高机组的经济性成为越来越迫切的问题。
2 工程概述
2.1 系统简介
煤种煤质在线识别系统突破以往传统的测量方式，采用燃烧全实时分析化验；煤种煤质在线识别系统基于上述全光谱段全息火焰检测装置将燃烧器火焰特征（全息技术）传送到高级建模工具（结合华北电力大学燃烧模型的经验），开发出实时-高效-自适应的神经元网络模型，对采集的近火焰特征数据进行处理，得出准确的煤质/煤种；该技术是基于计算机技术和控制技术的智能化系统，对火焰特征数据进行实时采集、放大、传送、分析和处理，实时监测现场火焰得到燃煤信息。
2.2 原理
2.2.1 全光谱光电火焰检测技术
全光谱光电火焰检测装置具有光电扫描、全光谱特征测量、痕迹跟踪的先进功能。可用于识别燃煤种类、监测火焰稳定性和燃烧工况等。
2.2.2 实时-高效-自适应的神经网络模型
从煤的燃烧机理入手，开发出火焰特征与煤质/煤种模型，通过建模、多维数据分析、数据库管理等方式进行入炉煤种的辨识。
2.3 安装
2.3.1 结构
系统使用效果的因素除了设备本身的性能外，设备的安装也是非常关键的因素。此次设备安装在不影响正常生产的前提下进行设计，共安装了三个探头，分别布置在#3机组锅炉的B、D、F层。探头冷却风取自炉膛火检冷却风系统，单个探头冷却风风量为0.4m3/min。
探头通过9针信号电缆与就地控制箱相连，经过就地控制箱放大处理的信号，通过高屏蔽12芯通讯电缆送入#3电子间内摆放的（OFIS）控制机柜。
电子间内机柜可通过硬链接方法与DCS系统相连亦可通过RJ45进入内网控制，将数据送给SIS系统或MIS系统。火焰特征转化成光电信号，进入采集系统，通过放大过滤后送到光谱分析及建模软件单元，通过神经网络自我辨识过程，得出煤种特性。
2.3.2 探头安装
根据锅炉的实际结构和燃烧器的布置方式选择合适的位置，理想的位置是保证能够很好地观测所检测燃烧器的火焰状态，同时又不会看到相邻或相对燃烧器的火焰，并且看到的是整个火焰的前1/3处的火焰初燃区，即紫外线辐射最强的位置。
2.4 现场遇到的困难及解决方法
现场磨煤机出口处没有预留口，也没有煤粉采样装置，所以我们通过现场分析和测量，利用煤粉管上的防堵观察口进行取样，确保煤样采集能正常进行。 3 运行调试
3.1 在线煤质辨识系统试验运行综述
#3机组正常运转后，从2010年1月7日正式开始试验运行。综合考虑各方面因素，选取探头2和探头3为重点实验对象，探头1作为对比参考使用。系统持续运行30余天，这期间探头2共采集化验煤样332个，探头3共采集化验煤样345个。通过试验运行期间的情况来看，在线煤质辨识系统的软件和硬件部分运行非常稳定。
3.2 探头试验运行情况分析
3.2.1 热值样本统计分布
针对探头2所采集的332个煤样，化验结果根据热值区间统计分布如右图1中所示
图1是针对探头2采集化验的332个煤粉样本根据100大卡/kg的跨度分为9个热值区间，每个热值区间中包含的已采集和化验的煤粉样本点数的统计的统计数据所得出的分布图，可以直观地看出，热值样本的统计分布近似呈正态分布，且热值区间在5900～6400范围内的样本点总共有270个样本点，占总样本点的81.3%。这也符合理论和实际情况，即热值在两端（热值很高和热值很低）的煤占少数，绝大部分的煤的热值都是在中间区间内分布。
3.2.2 试验运行的样本数据分析
结合人工相关理论和现场的实际情况，我们将332个样本点的热值和相对应的特征数据分为两个部分，一部分特征数据添加到数据库中用于在线煤质辨识系统的训练和学习，让系统“认识”现在正在燃烧的煤质。另一部分的特征数据用于辨识正在燃烧的煤质之后，在系统进行辨识的时候就会“认出”这种已经学习过的煤质，从而得出煤质相应的热值等信息。辨识系统对煤质热值的分析辨识结果的平均绝对偏差为1.78%，最小误差能够达到0.01%。且热值区间在5900～6400之间的数据辨识结果较准确，这与图1中的热值样本统计分布图中热值样本的分布情况相吻合。分析少量数据误差较大的原因，得出以下结论。
（1）由于实际情况的约束，无法得到和火焰特征信息相对应的瞬时煤质化验结果，而是采用了将一段时间内（3min）采集的煤样进行混合的化验结果和对应的3min的特征数据对应，就相当于将此3min内数据强制平均为已得到的化验结果，即用于训练和学习的数据本身存在误差，这是由于煤质本身燃烧火焰出现了偏差且离散性大造成的“认错和认偏”的情况。
（2）由于热值样本分布的问题，导致了部分热值样本点偏少，也就是相对应的特征数就会偏少，容易受到其他样本点多的数据的影响，此问题可通过一段时间的采样之后该样本点逐渐增多得到改善。
4 结论
综合在线煤质辨识系统试验运行情况的分析，得出如下结论。
（1）经过长时间的试验运行，在线煤质辨识系统软件和硬件都非常稳定并且运行正常，安全性稳定性较高，可以在电厂中推广运用。
（2）由于两端样本点的偏少和煤质本身离散性大的原因，热值区间在5900～6400之间的辨识结果较为准确，全区间内辨识的平均准确度为98%以上，平均绝对偏差为1.78%，最小误差能够达到0.01%。
（3）系统虽然存在一定的误差，但是系统的综合准确性较高，已在系统设计误差范围内，想要进一步提高系统准确度需要在运行中逐步增加煤质样本点的采集，增加煤质数据库中的样本量，可以达到进一步提高系统精度的目的。
参考文献
[1] 岺可法，姚强.高等燃烧学[M].浙大出版社，2002，2.
[2] 李志宏.可视化火焰测量系统开发及应用[J].中国科学院工程热物研究所，2006，11.
[3] OFIS煤质在线检测.白皮书.
转载注明来源:https://www.xzbu.com/8/view-3829258.htm
