CN112283689B - 燃煤电站锅炉受热面积灰在线监测***及其检测方法 - Google Patents

Abstract

本发明涉及燃煤电站锅炉受热面积灰在线监测***及其检测方法，将燃煤锅炉受热面按照传热方式不同分为辐射受热面和对流受热面，根据不同受热面选取相应的积灰监测表征参数，对受热面积灰程度实时监测。本发明通过下载燃煤电站现场集散控制***及煤质量检测仪的实时和历史运行参数，经过实时数据预处理、关键参数软测量、搭建数据库以及各个受热面的积灰监测模型和预测模型，应用离线数据训练各个模型，达到目标精度后实现在线监测。本发明可实时监测燃煤电站锅炉不同受热面的积灰状况，输出各个受热面的积灰监测结果，为工作人员判断吹灰操作提供理论依据，从而减少因吹灰不足引起的锅炉换热效率低以及吹灰过量引起的蒸汽浪费的问题。

Description

燃煤电站锅炉受热面积灰在线监测***及其检测方法

技术领域

本发明属于计算机监测与火力发电交叉技术领域，尤其涉及的是 一种燃煤电站锅炉受热面积灰在线监测***及其检测方法。

背景技术

电力工业在国民生产生活中有着不可或缺的地位，随着我国提出 的推进资源节约利用的思想，以水力发电、风力发电、太阳能发电以 及核能发电为代表的清洁能源发电技术有了很大进展。但是我国能源 结构决定了我国电力供应在很长时间内仍需以火力发电为主。燃煤火 力发电的主要采用煤粉燃烧产生能量，带来很多污染排放的问题。因此，提升燃煤锅炉的热效率是十分有必要的。

燃煤电站锅炉机组运行时，炉膛中煤粉燃烧产生的灰分随着烟气 流动经过各个受热面，导致锅炉受热面积灰或结渣。由于积灰层比金 属壁的热阻大得多，灰污附着在受热面上，弱化了高温烟气与工质的 换热能力，不仅使得锅炉整体运行效率降低，同时，过高的排烟温度 也会使电站锅炉湿法脱硫***进口烟温升高，带来脱硫效率降低和动力成本的增加。长期的积灰还会导致金属壁被腐蚀以及管道堵塞，引 发爆管事故，导致机组事故停机等安全性问题。解决这一问题的办法 是对受热面进行吹灰操作，清理掉受热面的积灰和结渣，使受热面保 持清洁状态，从而提高受热面换热效率。完成对锅炉受热面吹灰优化策略的研究工作不仅可以提高锅炉运行效率，还能增加机组安全稳定性。

研究的锅炉受热面监测***，需要安装价格昂贵测量仪器，仪器 的精度直接影响着监测效果。中国专利公告号CN103604132A公开的 “锅炉对流受热面积灰在线监测***”，采用监测受热面管径的方法 对锅炉对流受热面灰污沉积进行监测，该方法需要外加测量受热面管 径设备，根据实时管径与清洁管径对比对各受热面灰污状况监测；中 国专利公告号CN102192495A公开的“燃煤锅炉过热器灰污监测***及其检测方法”，采用受热面换热量计算清洁因子的方法对锅炉过热 器灰污沉积进行监测，该方法需要外加热流监测设备，根据热流监测 仪获得过热器实际换热量，以此对过热器的灰污状况进行监测。高温 测安装价格昂贵测量仪器，仪器的精度直接影响着监测效果并且设备 检修复杂、经济性差，因此提出一种无须外加测点的锅炉受热面积灰 在线监测***。

发明内容

本发明要解决的技术问题是提出一种燃煤电站锅炉受热面积灰在 线监测***及其检测方法，以克服现有的技术中受热面灰污在线监测 需要安装额外测点以及计算过于繁琐的技术问题。

为实现上述问题，本发明提出的技术方案是：

燃煤电站锅炉受热面积灰在线监测***，包括电站集散控制***、 煤质检测仪、传输接口、核心处理计算机和监测屏幕；

集散控制***与核心处理计算机通过传输接口相连，用于检测锅 炉内部各项运行数据，包括各受热面结构参数及其内部给水温度、流 量、压力，炉膛尾部烟气温度、压力；

煤质检测仪与核心处理计算机通过传输接口相连，用于分析燃煤 电站锅炉燃烧的煤粉中的成份及各成分占比，以得到烟气中各成分及 各成分占比；

监测屏幕通过网络与核心处理计算机连接，用于显示实时监测的 锅炉受热面积灰程度数据及变化趋势；

核心处理计算机接收到集散控制***及煤质检测仪的数据，对各 个受热面建立相应的在线监测模型，实现对各个受热面积灰状况实时 监测，并且把监测结果显示在监测屏幕上。

锅炉受热面受热方式不同，分为辐射受热面和对流受热面，主要 接受火焰辐射热的水冷壁、屏式过热器、后屏过热器和屏式再热器为 辐射受热面；主要接受高温烟气热量的末级再热器、低温过热器和省 煤器为对流受热面。对各个受热面选取相应的表征参数对积灰程度监 测，其中水冷壁热有效系数作为辐射受热面水冷壁的积灰表征参数，灰污特征参数作为对流受热面的积灰表征参数。

燃煤电站锅炉受热面积灰在线监测***的监测方法，包括以下步 骤：

步骤1：集散控制***检测锅炉内部各项运行数据，包括各受热面 内部给水温度、流量、压力，炉膛尾部烟气温度、压力，锅炉给煤量、 负荷等信息，煤质检测仪检测煤粉中各项成份及占比，将所有检测到 的数据传送到核心处理计算机中；

步骤2：关键参量在线监测模块采用集散控制***历史数据建立锅 炉运行过程关键参数监测模型，包括数据预处理模型、关键参数软测 量模型和物性数据库。

步骤3：辐射受热面监测模块采用历史数据搭建锅炉辐射受热面积 灰监测模型，使模型满足在线监测要求。

步骤4：对流受热面监测模块采用历史数据建立锅炉对流受热面积 灰监测模型，使模型满足在线监测要求。

步骤5：根据监测效果，把锅炉受热面积灰趋势分为积灰阶段和吹 灰阶段，采用ARIMA时间序列模型对趋势进行短时预测。

步骤6：利用步骤3～5的监测模型，对锅炉受热面灰污沉积状况在 线监测，实现对锅炉辐射受热面和对流受热面的积灰在线监测。

进一步的，锅炉运行过程关键参数监测模型，具体的，首先采用 小波阈值去噪对原始数据进行预处理；其次对集散控制***难以采集 到的炉膛出口烟温等关键参数进行基于锅炉热平衡原理的软测量；最 后为了满足在线监测的要求，根据集散控制***检测的工质数据建立 工质物性数据库(包括工质不同温度和压力下的焓值)；根据煤质检 测仪分析出煤粉各项成份及占比得到烟气中各项成份及占比，建立烟气侧热力学性质的物性数据库(不同温度和压力下烟气的密度和焓 值)。

进一步的，辐射受热面积灰监测模型，具体的，以水冷壁热有效 系数：为表征参量对辐射受热面积灰进行监测，其中： q_t为投射到炉壁上的辐射；q_x为受热面有效辐射；q_ft为水冷壁面对火 焰的辐射。水冷壁热有效系数可以采用炉膛出口烟温间接求得：其中，其中F₁为炉墙面积，m²；V_c为平均热容量；T_a为理论燃烧温度，K；θ″₁为炉膛出口烟温，℃。M为 火焰中心位置修正系数；σ₀为黑体辐射系数；a₁为炉膛黑度；为炉 膛保热系数；B_j为计算燃料消耗量，kg/s，式中除炉膛出口烟温其余均 可以在线计算得到。

进一步的，炉膛出口烟温，具体的，采用工质测吸热量和锅炉尾 部省煤器出口焓值基于锅炉反平衡法软测量计算得到：其中，h_lt为炉膛出口烟气焓值，kJ/kg；h_s为省煤 器出口烟气焓值，kJ/kg；q_srm·f_r为各受热面工质吸热量和对应的系数相乘，kJ/s；为炉膛保热系数；B_j为计算燃料消耗量，kg/s，式中省 煤器出口烟气焓值通过省煤器出口烟温和煤质检测仪检测的煤粉成份 及占比推算出的烟气中各项成份和占比计算得到，其余所有变量均可 以在线计算或者或者在数据库中调用，计算得到炉膛出口烟气焓值后， 通过烟气成份及占比计算确定实时炉膛出口烟温。

进一步的，对流受热面积灰监测模型，具体的，采用可以根据管 壁内水和水蒸气吸热量的变化的灰污特征参数判断其积灰状况。灰污 特征参数：其中，Q_sj为受热面实际吸热量，kJ/kg； Q_qj为清洁吸热量，kJ/kg。灰污特征参数η的取值范围为[0,1]，当η为 0时，表明受热面为清洁状态，没有灰污沉积，η越大表明积灰状况越 严重。锅炉受热面实际吸热量在锅炉运行过程中可以根据实时监测的工质温度调用工质数据库得到对应的工质焓值，通过焓值计算得到吸 热量，清洁吸热量由于与锅炉运行众多因素有关，并且呈非线性关系， 不能直接利用数学公式在线求取。因此搭建清洁吸热量预测模型，采 用离线数据训练模型，将训练好的模型应用于在线监测中。

进一步的，对流受热面吸热量数据获取，具体的，吸热量：式中，q_s为吸热量，kJ/kg；D_s为流过换热器的工质 流量，kg/s；B_j为计算燃料量，kg/s；h_in和h_out为换热器进出口工质晗 值，kJ/kg。工质焓值可采用IF97公式由DCS***采集到的热工数据中的给水温度和给水压力计算得到在线监测可以直接调用数据库中对 应工况下的焓值。

进一步的，建立差分进化粒子群混合算法优化支持向量机的预测 模型，对锅炉对流受热面清洁吸热量进行预测，粒子群算法首先种群 随机初始化，计算个体的适应度，选择出个体的局部最优位置向量和 种群的全局最优位置向量；之后设置迭代次数、每个个体速度向量和 位置向量；然后对每个个体速度更新：V_id＝ωV_id+C₁r₁(P_id-X_id)+C₂r₂(P_gd-X_id)和位移更新：X_id＝X_id+V_id，其中，V_id为例子的运动速度；X_id为粒子的 当前位置；ω为惯性因子；C₁,C₂为学习因子，一般取C₁＝C₂＝2；r₁，r₂为[0,1]上的随机数；P_id为第i个例子的个体极值；P_gd为全局极值。最 后判断是否达到最大迭代次数或全局最优位置，达到后输出最优解，未达到返回继续进行迭代。通过粒子群算法算法得到最优的支持向量 机核函数参数，选取各受热面合适的输入量，以此建立锅炉对流受热 面清洁吸热量在线预测。

进一步的，的锅炉受热面积灰监测模型，具体的，根据各受热面 积灰监测趋势，将积灰状态分为积灰阶段和吹灰阶段，对两种阶段采 用ARIMA预测模型对灰污沉积趋势进行短时预测。预测过程首先对原 始数据进行差分平稳化处理，其次根据AIC和BIC准则进行模型定阶， 然后搭建ARIMA预测模型进行预测，最后进行数据预测与验证。

进一步的，锅炉受热面在线监测模型，具体的，采用离线监测模 型，采用离线数据将训练到理想精度，应用于数据采样间隔为15秒的 在线监测环境中，实现对锅炉受热面积灰状况在线监测。

与现有技术相比，本发明的有益效果是：

目前的燃煤电站锅炉受热面积灰监测***，需要利用昂贵的仪器 或者所采用的表征参数计算繁琐，需要进行大量的热力学计算。本发 明所设计的燃煤电站锅炉受热面在线监测***，通过受热方式不同， 对辐射受热面和对流受热面分开进行监测，采用水冷壁热有效系数作 为辐射受热面积灰程度的表征参数，对辐射受热面灰污状况进行监测；灰污特征参数作为对流受热面积灰程度的表征参数，对对流受热面灰 污状况进行监测；根据积灰所处状态不同，分为积灰阶段和吹灰阶段， 采用ARIMA预测模型对灰污沉积趋势进行短时预测。离线训练过程， 模型运行时间小于30秒，监测精度小于5％，满足在线监测要求。无需加入热流计等昂贵设备，节约了设计成本；选取了合适的表征参量， 使计算更加简易，满足监测的精度同时减少监测所需时间；短时预测 帮助工作人员提早判断是否进行吹灰操作，减少因准备工作造成的效 率损失，更加具有时效性。

附图说明

图1是本发明的总体设计框图；

图2是本发明的燃煤电站锅炉换热流程示意图；

图3是本发明中锅炉24小时负荷监测图；

图4是本发明中锅炉24小时辐射受热面积灰在线监测趋势与吹灰 信号对比图；

图5是本发明中对流受热面的粒子群优化支持向量机的清洁吸热 量预测算法流程图；

图6是本发明中锅炉24小时对流受热面积灰在线监测趋势与吹灰 信号对比图；

图7是本发明中ARIMA短时预测模型工作原理框图。

具体实施方式

下面通过具体实施方式结合附图对本发明作进一步详细说明。在 以下的实施方式中，很多细节描述是为了使得本申请能被更好的理解。 然而，本领域技术人员可以毫不费力的认识到，其中部分特征在不同 情况下是可以省略的，或者可以由其他元件、材料、方法所替代。

为了详细说明本发明的可行性，本实施例以浙江某燃煤发电站 660MW机组锅炉是上海锅炉厂生产的SG-2136.5/17.55-M型。锅炉为 亚临界、中间一次再热、控制循环、定压及滑压运行、四角对冲正反 切元燃烧方式、二次喷水减温、固态排渣、悬吊式燃煤气包炉主要设 计参数如表1所示。

表1

本发明的工作原理参见图1：首先采用现场集散控制***采集锅炉 内部各关键参量，采用煤质检测仪分析煤粉中各项参量，之后将参量 传输至核心处理计算机中；其次建立锅炉运行过程关键参数在线监测 模型，包括数据预处理模型、关键参数软测量模型和物性数据库，为锅炉受热面积灰在线监测和预测奠定基础；然后建立锅炉对流受热面 和辐射受热面积灰监测模型，实现对锅炉不同受热面的积灰在线监测； 最终实现燃煤电站锅炉所有受热面实时在线监测***，便于电厂工作 人员实时监控，进行吹灰操作。

参见图2的燃煤电站锅炉换热流程示意图，锅炉的炉膛中火焰燃 烧产生大量热量，热量传输至各个受热面的方式不同，其中包括主要 接受火焰辐射热的炉膛水冷壁、屏式过热器、后屏过热器和屏式再热 器，主要接受高温烟气对流热的末级再热器、低温过热器、省煤器和空气预热器。

参见图3的锅炉一天24小时负荷拟合图，本发明需要在锅炉负荷 稳定的情况下，满足锅炉受热面积灰在线监测的精度。

锅炉辐射受热面监测，以炉膛水冷壁为例，通过软热量得到炉膛 出口烟温，利用炉膛出口烟温逆推出水冷壁热有效系数：实现对锅炉辐射受热面积灰趋势的监 测。炉膛出口烟气焓值：可根据省煤器出口烟气 焓值基于反平衡原理得到，省煤器出口烟气焓值：h_s＝V×C×T,式中V 为烟气中各项成份体积；C为烟气中各成分体积比热；T为省煤器出口 烟温。通过省煤器出口烟温调用烟气数据库得到省煤器出口烟气焓值。 通过炉膛出口烟气焓值调用对应烟气数据库中相应的温度得到炉膛出 口烟温。

参见图4的锅炉一天24小时辐射受热面积灰在线监测趋势与吹灰 信号对比图，可以看出模型应用于在线操作时，在负荷稳定的情况下， 进行吹灰操作，水冷壁热有效系数会明显升高。

锅炉对流受热面监测，以锅炉省煤器为例，建立基于粒子群优化 支持向量机省煤器清洁吸热量模型，具体优化算法流程图如图5所示， 选取主蒸汽流量、主蒸汽压力、省煤器进口给水温度、省煤器出口给 水温度、省煤器出口给水温度、省煤器出口给水压力、给煤量、氧量 和负荷作为输入，省煤器吸热量作为输出进行预测模型的训练。通过 实测的吸热量和清洁吸热量计算得到对流受热面灰污特征参数：实现对锅炉对流受热面积灰趋势的监测。

参见图6的锅炉一天24小时对流受热面积省煤器灰在线监测趋势 与吹灰信号对比图，可以看出模型应用于在线操作时，在负荷稳定的 情况下，进行吹灰操作，灰污特征参数会明显降低。

为了避免因吹灰装置准备或者监测延迟带来的热损失，将受热面 积灰趋势分为积灰阶段和吹灰阶段，分别建立基于ARIMA的锅炉受热 面积灰预测模型，具体预测模型工作原理如图7所示。积灰阶段根据 前1小时的积灰数据，对未来20分钟进行短时预测，吹灰阶段根据前 20分钟积灰数据，对未来10分钟进行短时预测。

***通过网络线路传输到现场控制的监控屏幕中，便于电厂工作 人员运行人员实时监测，并且对当前的操作提供有效的参考。

Claims (4)

1.燃煤电站锅炉受热面积灰在线监测***，其特征在于：

该监测***包括电站集散控制***、煤质检测仪、传输接口、核心处理计算机和监测屏幕；所述的集散控制***与核心处理计算机通过传输接口相连，用于检测锅炉内部各项运行数据，包括各受热面结构参数及其内部给水温度、流量、压力、炉膛尾部烟气温度、压力；所述煤质检测仪与核心处理计算机通过传输接口相连，用于分析燃煤电站锅炉燃烧的煤粉中的成份及各成分占比，以得到烟气中各成分及各成分占比；所述监测屏幕通过网络与核心处理计算机连接，用于显示实时监测的锅炉受热面积灰程度数据及变化趋势；所述核心处理计算机接收到集散控制***及煤质检测仪的数据，对各个受热面建立相应的在线监测模型，实现对各个受热面积灰状况实时监测，并且把监测结果显示在监测屏幕上；

上述监测***的监测方法包括如下步骤：

步骤1：电站集散控制***检测锅炉内部各项运行数据，包括各受热面内部给水温度、流量、压力，炉膛尾部烟气温度、压力，锅炉给煤量、负荷信息，煤质检测仪检测煤粉中各项成份及占比，将所有检测到的数据传送到核心处理计算机中；

步骤2：关键参量在线监测模块采用集散控制***历史数据建立锅炉运行过程关键参数监测模型，包括数据预处理模型、关键参数软测量模型和物性数据库；

具体为：首先采用小波阈值去噪对原始数据进行预处理；其次对集散控制***难以采集到的炉膛出口烟温参数进行基于锅炉热平衡原理的软测量；最后为了满足在线监测的要求，根据集散控制***检测的工质数据建立工质物性数据库；根据煤质检测仪分析出煤粉各项成份及占比得到烟气中各项成份及占比，建立烟气侧热力学性质的物性数据库；

步骤3：辐射受热面监测模块采用历史数据搭建锅炉辐射受热面积灰监测模型，使模型满足在线监测要求；

步骤4：对流受热面监测模块采用历史数据建立锅炉对流受热面积灰监测模型，使模型满足在线监测要求；

具体为，以水冷壁热有效系数：

为表征参量对辐射受热面积灰进行监测，其中：q_t为投射到炉壁上的辐射；q_x为受热面有效辐射；q_ft为水冷壁面对火焰的辐射；水冷壁热有效系数可以采用炉膛出口烟温间接求得：

其中：F₁为炉墙面积，m²；V_c为平均热容量；T_a为理论燃烧温度，K；θ₁”为炉膛出口烟温，℃；M为火焰中心位置修正系数；σ₀为黑体辐射系数；a₁为炉膛黑度；

为炉膛保热系数；B_j为计算燃料消耗量，kg/s，式中除炉膛出口烟温其余均可以在线计算得到；

步骤5：根据监测效果，把锅炉受热面积灰趋势分为积灰阶段和吹灰阶段，采用ARIMA时间序列模型对趋势进行短时预测；

预测过程首先对原始数据进行差分平稳化处理，其次根据AIC和BIC准则进行模型定阶，然后搭建ARIMA预测模型进行预测，最后进行数据预测与验证；

步骤6：利用步骤3～5的监测模型，对锅炉受热面灰污沉积状况在线监测，实现对锅炉辐射受热面和对流受热面的积灰在线监测；

对流受热面清洁吸热量预测模型，建立差分进化粒子群混合算法优化支持向量机的预测模型，对锅炉对流受热面清洁吸热量进行预测，具体为：

首先种群随机初始化，计算个体的适应度，选择出个体的局部最优位置向量和种群的全局最优位置向量；之后设置迭代次数、每个个体速度向量和位置向量；然后对每个个体速度更新：V_id＝ωV_id+C₁r₁(P_id-X_id)+C₂r₂(P_gd-X_id)和位移更新：X_id＝X_id+V_id，其中，V_id为例子的运动速度；X_id为粒子的当前位置；ω为惯性因子；C1,C2为学习因子，一般取C1＝C2＝2；r1，r2为[0,1]上的随机数；P_id为第i个例子的个体极值；P_gd为全局极值，最后判断是否达到最大迭代次数或全局最优位置，达到后输出最优解，未达到返回继续进行迭代，通过粒子群算法算法得到最优的支持向量机核函数参数，选取各受热面合适的输入量，以此建立锅炉对流受热面清洁吸热量在线预测。

2.根据权利要求1所述的监测方法，其特征在于：

炉膛出口烟温采用工质测吸热量和锅炉尾部省煤器出口焓值基于锅炉反平衡法软测量计算得到：

其中，h_It为炉膛出口烟气焓值，kJ/kg；h_s为省煤器出口烟气焓值，kJ/kg；q_srm·f_r为各受热面工质吸热量和对应的系数相乘，kJ/s；

为炉膛保热系数；B_j为计算燃料消耗量，kg/s，式中省煤器出口烟气焓值通过省煤器出口烟温和煤质检测仪检测的煤粉成份及占比推算出的烟气中各项成份和占比计算得到，其余所有变量均可以在线计算或者或者在数据库中调用，计算得到炉膛出口烟气焓值后，通过烟气成份及占比计算确定实时炉膛出口烟温。

3.根据权利要求1所述的监测方法，其特征在于：

建立锅炉对流受热面积灰监测模型，具体为：采用可以根据管壁内水和水蒸气吸热量的变化的灰污特征参数判断其积灰状况；灰污特征参数：

其中Q_sj为受热面实际吸热量，kJ/kg；Q_qj为清洁吸热量，kJ/kg；灰污特征参数η的取值范围为[0,1]，当η为0时，表明受热面为清洁状态，没有灰污沉积，η越大表明积灰状况越严重。

4.根据权利要求1所述的监测方法，其特征在于：

对流受热面吸热量数据获取，具体为，吸热量：

式中，q_s为吸热量，kJ/kg；D_s为流过换热器的工质流量，kg/s；B_j为计算燃料量，kg/s；h_in和h_out为换热器进出口工质晗值，kJ/kg。

Images