LIBS直接測量輸送帶上原煤煤質(zhì)可行性研究

何勇超，喻子彧，師利寶，覃淮青，周亞寧，張禮峰，莫爵徽，趙 航，姚順春,,4

(1.河北華電石家莊鹿華熱電有限公司，河北 石家莊 050200；2.華南理工大學(xué) 電力學(xué)院，廣東 廣州 510640；3.佛山華譜測智能科技有限公司，廣東 佛山 528313；4.廣東省能源高效低污染轉(zhuǎn)化與工程技術(shù)研究中心，廣東 廣州 510640)

0 引 言

2019年我國煤炭消費(fèi)比重為57.7%，火力發(fā)電量占比69.6%[1]。煤炭為我國主體能源，以燃煤電廠發(fā)電為主的能源結(jié)構(gòu)在未來一段時期內(nèi)不會發(fā)生較大變化。根據(jù)我國節(jié)能減排及可持續(xù)發(fā)展政策的要求，燃煤電廠需進(jìn)一步降低供電標(biāo)準(zhǔn)煤耗，減少污染物排放量。然而我國大部分燃煤電廠存在來煤多變、不同煤種摻燒、入爐煤質(zhì)特性復(fù)雜多樣的實(shí)際情況，導(dǎo)致鍋爐燃燒效率偏低、熱損失增加等諸多問題，直接影響鍋爐安全、高效、經(jīng)濟(jì)運(yùn)行。面對當(dāng)前電廠實(shí)際運(yùn)行情況，發(fā)展快速響應(yīng)、精準(zhǔn)控制的運(yùn)行優(yōu)化技術(shù)是保障安全生產(chǎn)，實(shí)現(xiàn)節(jié)能減排目標(biāo)的重要舉措。入爐煤質(zhì)特性作為鍋爐運(yùn)行的關(guān)鍵參考指標(biāo)之一，實(shí)現(xiàn)其在線測量對推進(jìn)鍋爐燃燒優(yōu)化閉環(huán)控制和智能電站發(fā)展具有重要意義。

近年來以光譜學(xué)為理論基礎(chǔ)的測量技術(shù)不斷發(fā)展，且廣泛涉及煤質(zhì)特性測量領(lǐng)域[2]，包括近紅外光譜技術(shù)(NIRS)[3]、X射線熒光光譜分析技術(shù)(XRF)[4]和激光誘導(dǎo)擊穿光譜技術(shù)(LIBS)[5]。此外應(yīng)用于煤質(zhì)特性測量的還有瞬發(fā)γ射線中子活化分析技術(shù)(PGNAA)[6]和微波分析法[7]等非光譜類測量技術(shù)。其中LIBS技術(shù)因其系統(tǒng)簡單、快速原位檢測、多元素同步分析等突出優(yōu)勢，被認(rèn)為是實(shí)現(xiàn)入爐煤質(zhì)在線分析的可行技術(shù)之一。目前LIBS在煤質(zhì)特性方面的研究仍主要在實(shí)驗(yàn)室開展，測量模式以煤壓片[8]和煤粉顆粒流[9-10]為主。WANG等[11-12]提出了基于主導(dǎo)因子的偏最小二乘方法，實(shí)現(xiàn)了LIBS對煤中含碳量、灰分、揮發(fā)分和發(fā)熱量的準(zhǔn)確測量，表明LIBS在煤質(zhì)檢測領(lǐng)域具備良好的應(yīng)用前景。ZHANG等[13]設(shè)計了基于煤壓片測量模式的LIBS煤質(zhì)分析儀并將其應(yīng)用于電廠的煤質(zhì)檢測，采用支持向量機(jī)回歸方法結(jié)合主成分分析建立了灰分、揮發(fā)分和發(fā)熱量的定量分析模型，測量的平均相對誤差分別為5.48%、4.42%和3.68%。YAO等[14]研發(fā)了基于煤粉顆粒流測量的快速煤質(zhì)分析儀，結(jié)合聚類分析，采用神經(jīng)網(wǎng)絡(luò)和遺傳算法分析等離子體光譜和煤質(zhì)之間的關(guān)系，得到煤中灰分、揮發(fā)分、固定碳和發(fā)熱量測量的平均絕對誤差分別為0.82%、0.85%、0.96%和0.48 MJ/kg，可以對煤質(zhì)進(jìn)行連續(xù)、可靠和準(zhǔn)確的分析。然而由電廠實(shí)際運(yùn)行情況可知，輸送帶上的原煤經(jīng)除鐵、多級破碎和研磨等工序，最終送入鍋爐?？紤]到電廠輸煤系統(tǒng)實(shí)際運(yùn)行情況和入爐煤質(zhì)特性在線檢測的基本要求，輸送帶上原煤直接測量的模式比煤壓片和煤粉顆粒流測量模式更具現(xiàn)場適用性。

因此筆者提出一種直接在輸送帶上開展LIBS在線測量原煤煤質(zhì)特性的新型測量模式。在輸送帶上方安裝LIBS系統(tǒng)，輸送帶上的原煤塊被激光直接擊穿形成等離子體，等離子體發(fā)射的光譜被LIBS系統(tǒng)采集并實(shí)時處理得到煤質(zhì)特性。該測量模式在現(xiàn)場應(yīng)用中面臨以下問題：① 來煤流量不均勻，煤層厚度經(jīng)常變化；② 原煤塊表面不均勻；③ 輸送帶送料中含有非煤物料；④ 輸煤系統(tǒng)現(xiàn)場粉塵濃度高。同時為LIBS測量帶來如下挑戰(zhàn)：① 測量周期內(nèi)激光焦點(diǎn)深度不固定，光譜信號強(qiáng)度波動大；② 采集的LIBS光譜包含部分非煤物料和非正常激發(fā)在內(nèi)的無效光譜；③ 現(xiàn)場測點(diǎn)粉塵大，影響LIBS光機(jī)器件長期使用的可靠性。為了驗(yàn)證直接測量輸送帶上原煤煤質(zhì)的可行性，采用長焦聚焦光路和封閉式光機(jī)結(jié)構(gòu)設(shè)計，搭建了一套適用于直接在輸送帶上測量的LIBS系統(tǒng)。同時設(shè)計加工了一套電廠入爐煤輸送帶模擬平臺，以電廠采集的實(shí)際原煤為測量對象，開展可行性應(yīng)用研究。

1 試驗(yàn)系統(tǒng)

為充分模擬電廠中的實(shí)際測量工況，設(shè)計加工了一套電廠入爐煤輸送帶的模擬平臺，并在此基礎(chǔ)上安裝了LIBS測量系統(tǒng)進(jìn)行試驗(yàn)。輸送帶模擬平臺示意如圖1所示，主要由振動式給料機(jī)、輸送帶式傳輸裝置和控制模塊組成。原煤不間斷地通過振動式給料機(jī)落在輸送帶式傳輸裝置上，然后由輸送帶輸送至LIBS測量系統(tǒng)下方進(jìn)行LIBS測量，收集光譜數(shù)據(jù)?？刂颇K負(fù)責(zé)調(diào)節(jié)振動式給料機(jī)的出煤量和輸送帶式傳輸裝置的運(yùn)行速度。試驗(yàn)中通過控制模塊不斷調(diào)整給料機(jī)出煤量，因此整條輸送帶上煤層厚度在一定程度上變化，從而模擬出實(shí)際工況下變化的煤層厚度。模擬平臺的輸送帶運(yùn)行線速度為2.5 m/s，與實(shí)際測量工況一致。

圖1 輸送帶模擬平臺Fig.1 Simulation platform of coal-conveyor belt

LIBS測量系統(tǒng)固定安裝在輸送帶式傳輸裝置上方，其內(nèi)部結(jié)構(gòu)如圖2所示，實(shí)物如圖3所示。其內(nèi)部主要包括Nd:YAG激光器(DPS-1064-BS-D，長春新產(chǎn)業(yè))、四通道光譜儀(AvaSpec-2048-4，Avantes)、光機(jī)結(jié)構(gòu)、電源及控制模塊和工控機(jī)。激光器垂直于水平面安裝，脈沖激光經(jīng)過擴(kuò)束鏡擴(kuò)束后穿過二向色鏡M1(DMLP805R，Thorlabs，截止波長805 nm)，由聚焦透鏡L1(LA4158-UV，Thorlabs，焦距250 mm)垂直聚焦至煤層表面。激光誘導(dǎo)等離子體的發(fā)射光譜經(jīng)過同向收光結(jié)構(gòu)聚焦至光纖耦合器，光譜信號由光纖傳輸?shù)剿耐ǖ拦庾V儀中分析，激光器直接觸發(fā)光譜儀收光，延時為1 μs。

圖2 LIBS測量系統(tǒng)示意Fig.2 Schematic diagram of LIBS system

為減小煤層厚度波動對光譜測量的影響，一方面采用長焦距的聚焦鏡片L1，減小焦深變化對激光燒蝕量的影響，另一方面以二向色鏡M1代替?zhèn)鹘y(tǒng)同向收光結(jié)構(gòu)中的穿孔反射鏡，彌補(bǔ)長光程條件下光譜強(qiáng)度弱的問題。此外實(shí)際工況中粉塵濃度高，易損壞光機(jī)結(jié)構(gòu)。因此設(shè)計了圖3(a)的封閉式光機(jī)結(jié)構(gòu)，將重要光機(jī)部件密封并外接氣體，始終保持封閉部分氣壓略高于外部氣壓，防止大量粉塵進(jìn)入。試驗(yàn)中激光器能量設(shè)為60 mJ，脈沖頻率為1 Hz，每個煤樣持續(xù)測量30 min以獲取足夠的有效光譜數(shù)據(jù)。

圖3 LIBS系統(tǒng)實(shí)物Fig.3 Picture of real LIBS system

為盡可能模擬實(shí)際測量工況，試驗(yàn)煤樣由河北華電鹿華電廠提供，煤樣通過采煤設(shè)施直接從輸煤系統(tǒng)輸送帶上采集，試驗(yàn)前未對煤樣進(jìn)行干燥和破碎處理。本文選擇煤炭的灰分、揮發(fā)分和發(fā)熱量作為煤質(zhì)特性指標(biāo)。由于煤樣為收到基煤樣，因此根據(jù)GB/T 211—2017《煤中全水分的測定方法》、GB/T 212—2008《煤的工業(yè)分析方法》、GB/T 213—2008《煤的發(fā)熱量測定方法》測量煤樣的全水分、工業(yè)分析和發(fā)熱量，并統(tǒng)一轉(zhuǎn)算為收到基數(shù)值。

試驗(yàn)所用34個煤樣的灰分、揮發(fā)分和發(fā)熱量見表1，基本覆蓋常見煤種煤質(zhì)特性。其中煤樣C1～C30為定標(biāo)集，用于建立定量分析模型；煤樣V1～V4作為預(yù)測集，用于評估定量分析模型的預(yù)測效果。

表1 煤樣灰分、揮發(fā)分和發(fā)熱量化驗(yàn)值

2 試驗(yàn)方法與結(jié)果

光譜數(shù)據(jù)處理是LIBS技術(shù)測量的關(guān)鍵環(huán)節(jié)，其目的是構(gòu)建LIBS光譜與煤質(zhì)特性指標(biāo)之間的關(guān)聯(lián)。煤的成分十分復(fù)雜，含有碳、氫、氧、氮、硫、鋁、硅、鐵、鈣等元素。煤的灰分主要為礦物元素和金屬元素的氧化物，故灰分含量與礦物元素和金屬元素特征譜線強(qiáng)度相關(guān)[15]。揮發(fā)分主要為水分、氫氣、氮氧化合物和碳?xì)浠衔颷16]，而發(fā)熱量主要與煤中有機(jī)物和礦物含量有關(guān)[17]。煤的LIBS光譜中包含了上述元素的多條特征譜線，因此通常結(jié)合多元回歸分析方法，以LIBS光譜為輸入變量，建立良好的煤質(zhì)特性分析模型。此外在輸送帶上直接測量的LIBS光譜信號波動較大，且存在部分異常光譜數(shù)據(jù)。因此在建立煤質(zhì)特性分析模型前還需對光譜數(shù)據(jù)進(jìn)行預(yù)處理，以提升煤質(zhì)特性分析效果。數(shù)據(jù)處理流程如圖4所示。

圖4 數(shù)據(jù)處理流程Fig.4 Data processing flowchart

2.1 光譜篩選

獲取的大量原始光譜中存在部分無法準(zhǔn)確反映煤樣元素信息的無效光譜。若無效光譜用于建立定量分析模型，會嚴(yán)重影響模型的準(zhǔn)確性，因此需采用合適的光譜篩選方法剔除無效光譜。在輸送帶上直接測量煤塊產(chǎn)生的無效光譜主要有2類：第1類是由于激光焦點(diǎn)高于煤層表面導(dǎo)致空氣而非煤樣被擊穿，光譜中缺少煤的特征譜線；第2類是由于激光焦深過大導(dǎo)致特征譜線信噪比遠(yuǎn)低于正常值。

基于無效光譜的特點(diǎn)，提出以CN 388.176 nm特征峰信號噪聲比(Signal to Noise Ratio，SNR)為指標(biāo)的光譜篩選方法：以365～370 nm波段為背景信號，計算單個光譜CN 388.176 nm的SNR值，若光譜的SNR值小于2.5則判定為無效光譜并剔除。以待測樣品主量元素特征峰SNR作為指標(biāo)是一種常用的光譜篩選方法[18]，通過這種光譜篩選方法，不僅可以剔除第1類和第2類無效光譜，還可以有效識別非煤雜物(金屬碎屑、編織袋、草甸等)受激發(fā)產(chǎn)生的光譜，從而減小其對煤質(zhì)特性測量結(jié)果產(chǎn)生的偏差。

2.2 有效光譜平均

在剔除無效光譜后，對有效光譜進(jìn)行平均。平均大量光譜是LIBS技術(shù)常用的光譜數(shù)據(jù)預(yù)處理方法，目的在于減小測量誤差。直接在輸送帶上測量原煤塊具有以下2個特點(diǎn)：首先輸送帶上的煤層厚度在一定范圍內(nèi)變化，導(dǎo)致LIBS光譜中各條特征譜線的信號強(qiáng)度在一定范圍內(nèi)波動；其次輸送帶運(yùn)行速度快，且以原煤塊為主要測量對象，試驗(yàn)測量的煤量遠(yuǎn)大于煤壓片或煤粉顆粒流。平均大量的有效光譜，一方面是為了減小煤層厚度變化對光譜信號強(qiáng)度的影響，另一方面是為了能充分表征單批煤樣的總體煤質(zhì)特性指標(biāo)。試驗(yàn)中每個煤樣平均1 000個有效光譜，得到1個平均光譜用于后續(xù)光譜的處理。

2.3 內(nèi)標(biāo)方法

由于試驗(yàn)所用34個煤樣的灰分、揮發(fā)分及發(fā)熱量差異較大，各煤樣平均光譜的光譜信號強(qiáng)度相差較大。直接采用未處理的平均光譜建立定量分析模型將影響模型對未知樣品的預(yù)測效果。為此，LIBS技術(shù)通常采用內(nèi)標(biāo)法進(jìn)一步處理平均光譜[19-20]。首先選擇合適的特征譜線作為內(nèi)標(biāo)譜線，計算內(nèi)標(biāo)譜線的強(qiáng)度，然后將平均光譜各波長的強(qiáng)度除以內(nèi)標(biāo)譜線的強(qiáng)度，最后得到內(nèi)標(biāo)處理后的光譜。具體計算為

(1)

其中，Iin為內(nèi)標(biāo)處理后的光譜強(qiáng)度；Ij為初始光譜強(qiáng)度；IN為內(nèi)標(biāo)強(qiáng)度。根據(jù)內(nèi)標(biāo)譜線的選擇方法，應(yīng)該選擇煤中主要元素的特征譜線，且該特征譜線在所有煤樣光譜中具有明顯的特征峰。據(jù)此選擇CN 388.176 nm 特征譜線作為內(nèi)標(biāo)譜線，將其特征峰所在波段387.413～389.105 nm的信號強(qiáng)度之和作為內(nèi)標(biāo)強(qiáng)度。

2.4 PLS模型建立

偏最小二乘法(Partial Least Square，PLS)作為常用的多元回歸分析方法之一，已廣泛應(yīng)用于光譜技術(shù)分析測量之中[15，21-22]。本文采用PLS方法，以內(nèi)標(biāo)處理后的平均光譜數(shù)據(jù)為模型輸入變量。通過優(yōu)化模型的輸入變量，選擇最優(yōu)的PLS因子數(shù)量，分別建立具有良好預(yù)測性能的煤炭灰分、揮發(fā)分和發(fā)熱量定量分析模型。

試驗(yàn)中獲取的每個光譜包含了7 912個波長點(diǎn)，波長在220～860 nm。光譜不僅含有煤中元素的多條特征譜線，還包含了背景與噪聲波段。若以全譜作為模型的輸入變量，不僅會降低模型的分析效果，還會增加模型的計算量。優(yōu)化輸入變量一方面是將與煤質(zhì)特性無關(guān)的背景及噪聲波段剔除，另一方面是確定與煤質(zhì)特性指標(biāo)密切相關(guān)的光譜波段，從而提升PLS模型對未知樣品預(yù)測能力。首先以全波段光譜數(shù)據(jù)作為輸入變量，分別以灰分、揮發(fā)分、發(fā)熱量為因變量，建立以全譜為輸入變量的PLS模型。然后根據(jù)模型結(jié)果中各輸入變量的得分因子系數(shù)，剔除得分因子系數(shù)低的波段，保留得分因子系數(shù)高的波段，得到優(yōu)化后的模型輸入變量波段。

經(jīng)優(yōu)化后輸入模型中的主要光譜波段為250～840 nm，在該波段內(nèi)包含了煤中主要元素的特征譜線、CN分子波段和C2分子波段。從煤化學(xué)理論分析，該波段反映出的元素信息與煤炭灰分、揮發(fā)分及發(fā)熱量密切相關(guān)。

在確定優(yōu)化的輸入變量后采用留一交叉驗(yàn)證的方法，選擇最優(yōu)的PLS因子數(shù)。以定標(biāo)集樣品交叉驗(yàn)證的均方根誤差(Root Mean Square Error of Cross Validation，RMSECV)為指標(biāo)，選擇RMSECV最小的PLS因子數(shù)為最優(yōu)[20]。

最終不同煤質(zhì)特性指標(biāo)PLS模型的輸入變量個數(shù)和最優(yōu)PLS因子數(shù)見表2。

表2 不同煤質(zhì)特性指標(biāo)PLS模型的輸入變量個數(shù)

2.5 PLS模型結(jié)果

為分析模型的定量分析效果，采用定標(biāo)集的回歸系數(shù)R2、均方根誤差(Root Mean Square Error of Calibration，nRMSEC)和預(yù)測集的均方根誤差(Root Mean Square Error of Prediction，nRMSEP)、平均絕對誤差(Mean Absolute Error，nMAE)作為驗(yàn)證指標(biāo)，可分別由式(2)～(5)計算得到。

(2)

(3)

(4)

(5)

R2表征參考值與預(yù)測值之間線性關(guān)系，R2越接近1，兩者間的線性關(guān)系越強(qiáng)。nRMSEP用于衡量參考值和預(yù)測值之間的偏差，nMAE表示預(yù)測值與參考值之間絕對誤差的平均值，nRMSEP值和nMAE值越小說明模型的預(yù)測效果越好。

煤質(zhì)特性定量分析模型結(jié)果如圖5所示，可知灰分、揮發(fā)分和發(fā)熱量模型的R2分別達(dá)到了0.98、0.97和0.97，而nRMSEC分別為0.70%、0.77%和0.48 MJ/kg。

圖5 定標(biāo)集煤質(zhì)特性分析結(jié)果Fig.5 Quantitative analysis of coal properties for calibration collection

表3總結(jié)了模型的預(yù)測效果，其中煤的灰分、揮發(fā)分和發(fā)熱量的預(yù)測集nMAE分別為1.24%、0.97%和0.88 MJ/kg，而nRMSEP分別為1.33%、1.03%和1.11 MJ/kg。上述結(jié)果表明模型涵蓋的煤質(zhì)特性范圍廣且定量分析效果良好，初步驗(yàn)證了LIBS在輸送帶上直接測量原煤的灰分、揮發(fā)分和發(fā)熱量具有可行性。

表3 模型預(yù)測指標(biāo)結(jié)果Table 3 Results of model prediction performance

從nMAE和nRMSEP結(jié)果來看，當(dāng)前方法對煤質(zhì)特性的分析效果與其他在線檢測方法處于同一水平[23-25]，可以滿足電廠對輸煤系統(tǒng)進(jìn)煤煤種識別的基本需求。

3 結(jié) 論

1)提出了一種LIBS在線檢測電廠輸送帶上入爐煤質(zhì)特性的新型測量方案。通過有效光譜篩選、光譜平均、內(nèi)標(biāo)處理的光譜預(yù)處理過程，結(jié)合PLS方法測量煤炭的灰分、揮發(fā)分和發(fā)熱量。

2)煤炭灰分、揮發(fā)分和發(fā)熱量定量分析結(jié)果良好，模型的回歸系數(shù)分別為0.98、0.97和0.97，定標(biāo)均方根誤差分別為0.70%、0.77%和0.48 MJ/kg，預(yù)測集均方根誤差分別為1.33%、1.03%和1.11 MJ/kg，平均絕對誤差分別為1.24%、0.97%和0.88 MJ/kg。

3)定量分析結(jié)果可滿足電廠對入爐煤種及煤質(zhì)特性在線測量的基本需求，驗(yàn)證了LIBS直接測量入爐煤輸送帶上原煤煤質(zhì)的可行性，為電廠提供了可行的煤質(zhì)特性在線分析方案，為鍋爐優(yōu)化運(yùn)行提供關(guān)鍵參數(shù)，具備較好的實(shí)用價值。