基于电站煤粉锅炉的燃烧过程优化算法运用

基于电站煤粉锅炉的燃烧过程优化算法运用

任锐

（西安热工研究院有限公司陕西西安710054）

摘要：电站锅炉是电厂用来发电的锅炉，其主要有煤粉炉和循环流化床锅炉。燃料在锅炉的炉膛中燃烧释放热能，经过金属壁面传热使锅炉中的水转化成具有一定压力和温度的过热蒸汽，随后把蒸汽送入汽轮机，由汽轮驱动进行发电。本文重点对电站煤粉锅炉的燃烧过程优化进行分析。

关键词：人工智能燃烧优化混合模型煤粉锅炉

一、电站煤粉锅炉燃烧优化技术

电站煤粉锅炉的燃烧优化的诸多目标经常是相互冲突、非线性的，情况复杂多变。随着运行工况的不同，燃烧优化的最优值确定并非是一成不变，根据实际情况进行相应调整是十分必要的。传统的燃烧优化采用正交实验法，在多个典型工况下，对各个参数进行分析和筛选，确定试验因素和水平。尽管这种方法已经大幅降低了工作量，然而在实际应用中，大量的燃烧试验依然无法避免。当设备改造后需要重新进行优化，调整间隔长，适用性差，且无法适应电厂煤质波动频繁的情况。种种问题，使得这种方法的实用性日益降低。而电厂海量历史数据库的建立，以及实时数据库的丰富，使得广大研究人员将燃烧优化的方案转移到先进算法上，基于数据驱动的各种算法大放异彩。国内外诸多专家和学者也注意到热力学分析、能量平衡分析等再电厂燃烧优化中的重要作用。

二、基于人工智能的燃烧优化系统

神经网络良好的非线性拟合能力，在面对电厂复杂系统的建模问题中，可以发挥巨大的作用。采用神经网络建立燃烧模型，遗传算法进行寻优的策略，将优化目标定为锅炉效率和排放在实际应用中取得了良好的效果，其原理如图1所示。

优化系统安装于专用计算机上，通过OPC与DCS以及数据库交换数据。优化器根据已训练好的神经网络模型，采用遗传算法寻找参数的最优值，优化的结果通过OPC写回DCS中。NOx等污染物排放的降低，与锅炉效率提高，很多时候是一对矛盾，为了将多目标优化转化为单目标优化，降低系统的复杂程度，提高可维护性以及运行人员的可操作性，系统通过分配权重，将多目标转变为单目标优化。考虑到设备的情况处于不断变化之中，优化系统提供了强大的用户编辑、组态功能，允许用户改变神经网络的输入、输出以及网络结构，以适应变化。相关研究表明，这种燃烧优化系统主要是通过以下途径提高锅炉效率，包括：优化剩余氧量、降低剩余氧量的变化、改进空气和燃料分布、降低空气预热器出口烟气温度、降低煤质波动时的干扰、改善热分配。

尽管这种优化策略取得了显著的效果，然而，我们仍然需要注意以下问题：①目前，针对生成已经进行了长时间的研究，但是由于锅炉本身的复杂特性以及生成过程影响因素较多，对影响排放的因素缺乏定量的研究。这对神经网络模型会产生不利的影响，导致将与污染排放不相关或相关度不高的参数作为输入，进而影响模型的准确程度，增加模型的复杂性。②采用神经网络建模，神经网络的隐层数和隐节点数，直接关系到神经网络模型的准确性。然而，目前对这两个参数的确定还是利用经验公式，这在一定程度上影响了神经网络的应用。③与上述采用统计的优化系统类似，神经网络建模的准确程度很大依赖于训练数据的准确、全面性。国外火电机组整体自动化水平相对国内较高，且检测技术先进。相较于国内机组，国外机组可测参数更多，且测量准确。因此，采用人工智能的方案应用于我国时，需要考虑神经网络建模过程中采用数据的准确性。建模所用数据的误差很可能造成模型偏离实际运行工况。此外，当训练数据可以完全涵盖机组全部的运行工况，且足够多的时候，神经网络模型可以十分精确。然而，实际运行时，机组的工况过多，且各种参数间耦合严重，获得准确全面的数据变得非常困难。④神经网络和遗传算法属于智能算法，其建模或寻优过程很难在DCS上搭建组态，需要额外的计算机通过OPC接口实现优化器寻优以及与DCS通讯，不但增加了成本，且重新布置走线也使得维护变得困难，安全性降低。⑤遗传算法是一种随机搜索优化算法，针对同一工况，其优化的运行参数可能每次都有所差别，以至于很难从优化的结果中整理出适当的规则。

三、基于混合模型的燃烧优化系统

基于统计的模型具有静态性能好，精度高的特点，而基于神经网络的模型具有动态精度高的特点，将两种模型结合起来，可以取长补短。燃烧优化系统可以采用统计和神经网络相结合的方法，建立预测模型，通过风煤配比平衡锅炉效率，实现最为经济的燃烧。其系统给原理图如2所示。预测模型包括稳态过程模型和动态过程模型。稳态模型采用回归和惯性环节辨识进行建模。动态模型采用模糊神经网络或者回归神经网络建模。预测模型的输入数据源于过程测量数据和优化模块返回的优化中间数据。

硬件系统由两台PC机组成：一台是优化管理站，执行数据建模和系统的管理任务，另一台是优化运行站，执行实时优化任务。优化运行站内置OPC软件，并同时能够提供Web服务功能，操作人员可以在控制系统的任何工作站上使用网页浏览器查看当前优化系统的运行情况和运行指导信息。优化管理站不直接接入控制系统网络，仅在数据模型创建和修改时使用；当燃烧优化系统正常运行时，不需要运行优化管理站。优化管理站提供图形化的数据处理和建模软件，能够指导系统管理员进行试验数据处理；也能承担离线仿真和调试任务，协助系统管理员改进锅炉燃烧模型。此套系统在应用中，由于模型同样是基于数据驱动的，因此，数据的准确、完备获取，直接关系到模型的精确度以及优化的效果。此外，采用神经网络这种智能化建模方法，不可避免地有诸如隐节点数目的选择等。但是，尽管如此，将静态模型与动态模型分开，可以在很大程度上提高优化的效果。

四、小结

综上所述，电站煤粉锅炉的燃烧优化是一个非常复杂的系统性工作，在实际工作中要结合电站锅炉燃烧的特性优化相关技术。本文首先分析了机组燃烧的优化技术，并对基于人工智能的燃烧优化系统、基于混合模型的燃烧优化系统进行深入分析，以期为今后的相关工作提供指导。

参考文献

[1]贾润平：《燃煤锅炉运行稳燃措施》[J]中国城市经济，2010（10）.

[2]徐军伟，宋兆龙，王磊.电站锅炉燃烧优化技术现状和发展动向[J].江苏电机工程，2009（03）.