300 MW燃煤電站鍋爐飛灰含碳量和NOx排放濃度多目標(biāo)優(yōu)化

盧洪波，王金龍

(東北電力大學(xué)，吉林 吉林 132012)

飛灰含碳量是影響鍋爐熱效率的一個(gè)重要指標(biāo)，對(duì)于電廠鍋爐的安全經(jīng)濟(jì)運(yùn)行有重要影響。另外，影響飛灰含碳量的因素很多而且復(fù)雜，預(yù)測(cè)和控制都比較困難;電站燃煤釋放的NOx是造成酸雨的原因之一，酸雨對(duì)環(huán)境的危害極大。由于電站鍋爐實(shí)際運(yùn)行時(shí)依據(jù)經(jīng)驗(yàn)和有限的調(diào)試結(jié)果難以將實(shí)爐的燃燒工況調(diào)整到最佳狀態(tài)下，因此，本文利用非線性建模的方法對(duì)飛灰含碳量和NOx排放濃度建立適當(dāng)?shù)哪Ｐ?，以?duì)其進(jìn)行控制和優(yōu)化。

1 飛灰含碳量和NOx排放濃度影響因素分析

影響飛灰含碳量的因素很多，也很復(fù)雜，本文主要針對(duì)影響飛灰含碳的燃燒器擺角位置、過(guò)量空氣系數(shù)和揮發(fā)分因素進(jìn)行分析。同時(shí)，氮氧化物的排放濃度受多種因素的影響，主要有燃燒器結(jié)構(gòu)、爐膛熱負(fù)荷、煤種、含氮量、含碳量、發(fā)熱值、鍋爐負(fù)荷、一次風(fēng)速、煤粉濃度、二次風(fēng)配風(fēng)方式和總風(fēng)量等[1-5]。

1)爐膛火焰中心的位置隨著燃燒器擺角的變化而上下浮動(dòng)，火焰中心位置的變化將直接影響煤粉在爐膛內(nèi)的燃燒時(shí)間，在其它運(yùn)行參數(shù)不變的情況下，燃燒器向上擺動(dòng)時(shí)，火焰中心上移，燃料在爐膛內(nèi)的停留時(shí)間減少，將導(dǎo)致飛灰含碳增加，相反，燃燒器向下擺動(dòng)時(shí)，火焰中心下移，燃料在爐膛內(nèi)的燃燒時(shí)間延長(zhǎng)，從而減少了煙氣中的飛灰含碳量。

2)過(guò)量空氣系數(shù)直接影響煙氣中含氧量的高低，當(dāng)過(guò)量空氣系數(shù)增加時(shí)，爐膛中氧氣濃度增加，從燃燒的角度分析，煤粉燃燒反應(yīng)速率增加，從而飛灰含碳量降低;但是當(dāng)爐膛出口過(guò)量空氣系數(shù)過(guò)大時(shí)，會(huì)降低爐膛燃燒區(qū)域的溫度，從而降低了燃燒速度，致使飛灰含碳量增加。

3)煤粉在爐膛中燃燒，最先燃燒的是揮發(fā)分。揮發(fā)分燃燒放出大量的熱，加熱煤粉達(dá)到其著火點(diǎn)后，煤粉才開(kāi)始燃燒。同時(shí)，在揮發(fā)分析出的過(guò)程中，在煤粉表面和內(nèi)部形成許多空隙，增加了與氧氣的接觸面積，增強(qiáng)了燃燒[6]。綜合以上考慮，燃料中揮發(fā)分含量增加時(shí)，飛灰含碳量將會(huì)減少。

4)鍋爐負(fù)荷的高低影響爐膛溫度，爐膛溫度又影響氮氧化物的生成，所以說(shuō)鍋爐負(fù)荷也間接影響著氮氧化物的生成。當(dāng)鍋爐負(fù)荷增加時(shí)，鍋爐溫度增加，在其他條件不變的情況下，氮氧化物生成量增多;當(dāng)鍋爐負(fù)荷降低時(shí)，同樣在其他條件不變時(shí)，爐膛溫度降低，氮氧化物生成量降低。實(shí)際中，氮氧化物含量與爐膛中氧的含量有密切的關(guān)系。

5)過(guò)量空氣系數(shù)常用空氣預(yù)熱器出口的煙氣含氧量來(lái)表征。當(dāng)過(guò)量空氣系數(shù)增加時(shí)，煙氣中氧的含量增加，燃燒區(qū)域氧量增加，爐膛內(nèi)燃燒溫度升高，熱力氮氧化物的生成量將升高;同時(shí)燃燒區(qū)域氧濃度的升高，也增加了燃料中氮的中間產(chǎn)物與氧反應(yīng)生成氮氧化物的可能性。當(dāng)過(guò)量空氣系數(shù)減少時(shí)，煙氣中氧含量減少，燃燒區(qū)域氧量減少，熱力型氮氧化物和燃料型氮氧化物的生成量都會(huì)減少。

飛灰含碳量和氮氧化物排放濃度的影響因素很多，相互影響，不可能全部作為模型的輸入量。考慮到兩者的主要影響因素，本文將鍋爐負(fù)荷、給煤機(jī)出力、二次風(fēng)平均閥位、燃料風(fēng)擋板開(kāi)度、一次風(fēng)壓、煙氣含氧量、省煤器出口煙溫、燃燒器擺角、收到基揮發(fā)分、碳基、氮基和低位發(fā)熱量等12個(gè)參數(shù)作為模型的輸入量，將飛灰含碳量和氮氧化物排放濃度因素作為模型的輸出。

2 飛灰含碳量和NOx排放改進(jìn)支持向量機(jī)建模

根據(jù)以上模型輸入輸出影響因素的分析，運(yùn)用改進(jìn)支持向量機(jī)算法(libsvm)，建立了以飛灰含碳量和氮氧化物排放濃度為輸出，以相關(guān)影響因素為輸入的支持向量機(jī)模型[7-8]如圖1所示。

圖1 飛灰含碳量和氮氧化物排放濃度多目標(biāo)模型

本節(jié)中所用到的數(shù)據(jù)是從某電廠DCS系統(tǒng)中采集到的數(shù)據(jù)，共采集到82組數(shù)據(jù)，經(jīng)過(guò)數(shù)據(jù)的分析篩選，得到73個(gè)運(yùn)行工況，將其作為研究對(duì)象。在支持向量機(jī)中，選擇恰當(dāng)?shù)暮撕瘮?shù)對(duì)回歸分析很重要，本節(jié)以高斯函數(shù)f(x)=ae-(x-b)2/c2為核函數(shù)。用采集到的73組數(shù)據(jù)訓(xùn)練和驗(yàn)證支持向量機(jī)模型，運(yùn)用徑向基高斯函數(shù)對(duì)其進(jìn)行回歸分析。對(duì)于氮氧化物排放濃度較高的工況2，應(yīng)用選擇好的參數(shù)進(jìn)行預(yù)測(cè)。改進(jìn)支持向量機(jī)模型的不敏感損失函數(shù)因子e取為10-3，在訓(xùn)練誤差小于10-5時(shí)，設(shè)定停止訓(xùn)練，拉格朗日乘子上界取c為100，寬度width取為3。通過(guò)訓(xùn)練和驗(yàn)證，得出飛灰含碳量訓(xùn)練樣本的均方誤差為1.3%;氮氧化物排放濃度訓(xùn)練樣本的均方誤差為0.8%，誤差很小，符合工程實(shí)際的需要。

圖2和圖3分別為訓(xùn)練樣本飛灰含碳量計(jì)算值與實(shí)際值對(duì)比圖和訓(xùn)練樣本氮氧化物排放濃度計(jì)算值與實(shí)際值對(duì)比圖。從圖2和圖3中可以看出，飛灰含碳量和NOx排放濃度的計(jì)算輸出與實(shí)際輸出非常接近，說(shuō)明該模型能夠正確的反映出輸入量與輸出量之間的非線性關(guān)系，能夠應(yīng)用于實(shí)際的工程預(yù)測(cè)。飛灰含碳量驗(yàn)證樣本的均方誤差為2.15%，氮氧化物排放濃度驗(yàn)證樣本的均方誤差為1.24%，誤差很小，符合工程實(shí)際要求。

圖2 訓(xùn)練樣本飛灰含碳量計(jì)算值與實(shí)際值對(duì)比圖

圖4和圖5分別為飛灰含碳量和氮氧化物排放濃度模型驗(yàn)證樣本的相對(duì)誤差曲線圖，紅色線為現(xiàn)場(chǎng)的實(shí)際運(yùn)行數(shù)據(jù)，藍(lán)色線為模型的計(jì)算數(shù)據(jù)。從圖4和圖5可以看出，模型計(jì)算數(shù)據(jù)曲線與現(xiàn)場(chǎng)的實(shí)際運(yùn)行數(shù)據(jù)曲線非常穩(wěn)合，說(shuō)明該模型能夠模擬鍋爐內(nèi)復(fù)雜的燃燒過(guò)程。

3 基于人工智能算法的飛灰含碳量和NOx排放濃度多目標(biāo)優(yōu)化

應(yīng)用支持向量機(jī)建模的目的是為了對(duì)系統(tǒng)進(jìn)行優(yōu)化，優(yōu)化目標(biāo)定義為飛灰含碳量和NOx排放濃度，在確保鍋爐出力和穩(wěn)定運(yùn)行的條件下，調(diào)整燃燒可調(diào)參數(shù)，至飛灰含碳量和NOx排放濃度達(dá)到最優(yōu)值。優(yōu)化目標(biāo)如下:

由訓(xùn)練好的支持向量機(jī)所建立的函數(shù)關(guān)系為

式中:f1為NOx排放濃度;f2為飛灰含碳量;Xi為輸入層第i個(gè)變量;Xi為訓(xùn)練樣本;Ei為Xi的取值范圍;δ為核參數(shù);i=1，2，3…30，l=1，2，3，…，30;a1、a2為拉格朗日乘子;b1、b2為偏差量[9-11]。

在樣本歸一化的過(guò)程中，存在最大值和最小值，優(yōu)化區(qū)間就在最大值和最小值的基礎(chǔ)上分別加減10%，并對(duì)NOx排放濃度較高工況2進(jìn)行優(yōu)化。

利用人工智能算法進(jìn)行飛灰含碳量和NOx排放濃度優(yōu)化，初始化種群規(guī)模為20，最大進(jìn)化代數(shù)為50，優(yōu)化函數(shù)選擇高斯函數(shù)f(x)=ae-(x-b)2/c2，尋優(yōu)流程與一般的優(yōu)化算法類(lèi)似。

經(jīng)過(guò)計(jì)算后，優(yōu)化飛灰含碳量達(dá)到1.11%，NOx排放濃度至820.35 mg/m3。同時(shí)得到了該工況下的運(yùn)行參數(shù)調(diào)整情況，如表1所示。圖6為飛灰含碳量和氮氧化物排放濃度多目標(biāo)優(yōu)化流程圖。

表1 優(yōu)化后運(yùn)行參數(shù)調(diào)整情況表

圖6 飛灰含碳量和氮氧化物排放濃度多目標(biāo)優(yōu)化流程圖

從圖6可以看出，對(duì)于氮氧化物排放濃度和飛灰含碳量?jī)?yōu)化，微分進(jìn)化算法進(jìn)化到第8時(shí)最先趨于穩(wěn)定，達(dá)到最優(yōu)值;粒子群算法在趨于穩(wěn)定的過(guò)程中稍有波動(dòng)，最后在進(jìn)化到第12時(shí)，趨于穩(wěn)定，達(dá)到最優(yōu)值，與微分進(jìn)化算法所得結(jié)果相同，兩種算法相互驗(yàn)證，說(shuō)明計(jì)算結(jié)果準(zhǔn)確;遺傳算法所尋得的最佳氮氧化物排放濃度和飛灰含碳量比前兩者要高一些，而且所需時(shí)間更長(zhǎng)，效果不太理想。

4 結(jié)論

1)增加燃料風(fēng)擋板開(kāi)度和二次風(fēng)平均閥位，使可燃物與氧氣恰好充分反映，減少飛灰含碳量的生成。

2)適當(dāng)降低一次風(fēng)壓，減少燃燒區(qū)域的擾動(dòng)，在燃燒過(guò)程中能夠局部形成還原性氣氛，減少氮氧化物的形成。

3)降低燃燒器擺角，延長(zhǎng)煙氣在爐膛內(nèi)的停留時(shí)間，使前期產(chǎn)生的飛灰含碳再燃燒，從而減少飛灰含碳量。

4)在運(yùn)用3種智能算法進(jìn)行優(yōu)化的過(guò)程中，從表1和圖5中可以看出，無(wú)論是從優(yōu)化最終所得目標(biāo)還是尋優(yōu)速度，微分進(jìn)化算法都是最好的，如果用于在線優(yōu)化，微分進(jìn)化算法就是最佳選擇。

[1]張曉輝，孫銳，孫紹增，等.200 MW鍋爐空氣分級(jí)低NOx燃燒改造實(shí)驗(yàn)研究[J].熱能動(dòng)力工程，2008，23(6):676-680.

[2]王學(xué)棟，辛洪昌，欒濤，等.330 MW機(jī)組鍋爐燃燒調(diào)整對(duì)NOx排放濃度影響的試驗(yàn)研究[J].電站系統(tǒng)工程，2007，2(3):7-10.

[3]許昌，呂劍虹，鄭源.基于IMRAN的電站鍋爐效率與NOx排放模型[J].鍋爐技術(shù)，2009，40(3):5-9.

[4]凡榮榮，姚翠蘭，楊巨生，等.基于PSO優(yōu)化鍋爐氮氧化物的排放[J].熱力發(fā)電，2012，41(8):28-31.

[5]劉建忠，曹欣玉，周俊虎，等.煤粉鍋爐NOx排放特性及控制的研究[J].燃料化學(xué)學(xué)報(bào)，2002，30(1):6-9.

[6]周俊虎，劉茂省，周志軍，等.常規(guī)煤粉再燃技術(shù)在電站鍋爐上的應(yīng)用[J].中國(guó)電機(jī)工程學(xué)報(bào)，2008，28(26):14-18.

[7]Platt J.A resource allocating network for function interpolation[J].Neural Computation.1991，2(3):213-225.

[8]周昊，朱洪波，岑可法.基于人工神經(jīng)網(wǎng)絡(luò)和遺傳算法的火電廠鍋爐實(shí)時(shí)燃燒優(yōu)化系統(tǒng)[J].動(dòng)力工程，2003，23(5):2665-2669.

[9]許昌，呂劍虹，鄭源.基于效率與NOx排放的鍋爐燃燒優(yōu)化試驗(yàn)及分析[J].鍋爐技術(shù)，2006，37(5):69-74.

[10]Gormley C H，Thompson S.A lumped parameter NOxemissions model for a coal-fired boiler of power station[J].Journal of Institute of Energy.2002，75(2):43-51.

[11]魏輝，陸方，羅永浩，等.燃煤鍋爐高效、低NOx運(yùn)行策略的研究[J].動(dòng)力工程，2008，28(3):361-366.