機組發電負荷統計預測方法及其在鍋爐吹灰優化控制中的應用

張 雄，易 凡

（艾默生過程控制有限公司，上海 201206）

1 概述

燃煤鍋爐運行過程中，煤燃燒產生的煙氣會附著在鍋爐受熱面上，產生積灰和結渣現象。灰渣會降低受熱面管壁傳熱效率，影響鍋爐運行經濟性；積灰嚴重的話，還會導致管壁超溫和高溫腐蝕，引起爐管爆管和泄漏等故障，影響鍋爐運行安全性。

為了有效去除受熱面上的積灰和焦渣，幾乎所有大型燃煤鍋爐都配備了專用的吹灰系統，吹灰系統主要由一系列吹灰器和吹灰程控設備等組成。根據吹灰介質的不同，吹灰器分為幾種類型：蒸汽吹灰器，聲波吹灰器，燃氣脈沖吹灰器等等，其中蒸汽吹灰器的優點顯著，工程中使用最為廣泛。但是蒸汽吹灰器需要消耗大量的高參數的蒸汽，吹灰蒸汽噴入鍋爐后隨煙氣排出鍋爐，是工質損失，吹灰蒸汽用量越多，損失的工質成本越多。另外，過度吹灰還會造成受熱面磨損，引起爐管爆管和泄漏等故障，從而影響鍋爐運行安全性。

鍋爐吹灰過程中，吹灰蒸汽對爐膛燃燒過程和受熱面傳熱過程都會產生較大擾動，易造成主蒸汽溫度和再熱蒸汽溫度等重要運行參數的波動，參數波動對機組的經濟性和安全性都不利。對于再熱汽溫來說，不僅受鍋爐吹灰的影響，還受機組負荷、煤質、燃燒方式等多種因素的影響，且這些因素常常耦合在一起起作用，使得再熱汽溫的控制難度較大。因此，對鍋爐實施合理的吹灰策略需要綜合考慮多方面的因素，既不能吹灰過度，又不能吹灰不足，還要減少吹灰對鍋爐重要運行參數的影響。總之，鍋爐吹灰控制是個典型的多因素動態優化控制問題，是目前研究的熱點和難點問題。

自投產以來，蘇州望亭發電廠660 MW超超臨界鍋爐一直采用常規的定期吹灰方式，由于吹灰周期不合理，鍋爐受熱面存在過吹和欠吹現象，吹灰過程中再熱汽溫波動較大。為了解決這些問題，望亭電廠在該鍋爐上實施了智能吹灰優化系統，該系統通過在線監測受熱面的臟污情況，對受熱面進行按需動態吹灰，有效避免了過吹和欠吹現象。另外針對吹灰過程中再熱汽溫波動較大的問題，設計了優化的吹灰控制策略，有效解決了吹灰過程中再熱汽溫波動的問題。

本文定量分析了鍋爐受熱面吹灰和機組負荷對鍋爐再熱蒸汽溫度的影響，總結了兩種有利于再熱蒸汽溫度控制的優化吹灰方式：（1）機組升負荷時對屏式過熱器或高溫過熱器進行吹灰；（2）機組降負荷時對高溫再熱器進行吹灰。對機組發電負荷歷史數據進行了統計分析，歸納了8種負荷變化基本模式，基于模式匹配算法建立了發電負荷統計預測模型。該模型在蘇州望亭發電廠660 MW超超臨界鍋爐吹灰優化控制系統中進行了工程應用，取得了良好的效果。

2 鍋爐吹灰優化控制系統

2.1 常規吹灰方式及缺點

望亭電廠超超臨界鍋爐受熱面由水冷壁、屏式過熱器、高溫過熱器、高溫再熱器，低溫過熱器、低溫再熱器等組成。鍋爐吹灰系統包括150個吹灰器，分別為IR1至IR96和IK1至IK54，其中IR1至IR96布置在水冷壁，IK1至IK12布置在屏式過熱器，IK13至IK18布置在高溫過熱器，IK19至IK26布置在高溫再熱器，IK27至IK54布置在低溫過熱器和低溫再熱器［1，2］，鍋爐受熱面分布如圖1所示。

常規的鍋爐吹灰方式是定期吹灰，即每天吹灰一次水冷壁、后屏過熱器，每兩天吹掃一次高溫過熱器和高溫再熱器，每周吹掃一次低溫過熱器和低溫再熱器，每8小時吹掃一次空預器［3］。從機組運行和檢修情況來看，現有的定期吹灰方式存在明顯的過吹和欠吹的問題。

常規的鍋爐吹灰方式還存在吹灰過程中再熱蒸汽溫度波動較大的問題。較高負荷時進行鍋爐吹灰，再熱汽溫容易超過600℃設計值，此時噴水減溫裝置會動作，這對鍋爐運行經濟性不利，再熱汽溫持續超溫還會對蒸汽管道的材料壽命產生嚴重影響，超溫達到610℃時，鍋爐出現MFT停爐保護事故。較低負荷工況下進行鍋爐吹灰時，再熱汽溫下降較多，這對汽輪機運行經濟性和安全性都很不利。本文旨在找出機組負荷、鍋爐吹灰和再熱汽溫之間的聯系，建立相應的數學模型和自動控制策略，減少鍋爐吹灰過程對再熱汽溫的影響。

圖1 燃煤鍋爐受熱面布置圖

2.2 發電負荷對再熱蒸汽溫度的影響

機組發電負荷來自電網調度指令，而電網調度指令受電網側用電需求和電網內所有機組運行情況的影響。對于調峰機組來說，機組負荷時刻都可能發生變化，負荷變化過程中，運行人員需要通過手動或自動方式調整鍋爐運行參數，才能保證鍋爐運行的經濟性和安全性。對于望亭電廠的鍋爐再熱汽溫來說，各個負荷工況下的再熱汽溫設計值都是600℃。但是實際運行中，由于鍋爐內部結構存在缺陷以及運行操作方面的原因，只有高負荷時再熱汽溫才能達到設計值，而低負荷工況時再熱汽溫比設計值低很多，經常低至560℃。為了定量分析再熱汽溫與發電負荷的關系，本文收集了一個月的發電負荷與再熱汽溫的歷史數據，建立了兩者的相關性趨勢圖，如圖2所示。

從圖中可以看出，總體上再熱汽溫與發電負荷成正比，低負荷時再熱汽溫明顯低于設計值，在同一負荷下再熱汽溫有幾十度的差異。由于影響再熱汽溫的因素較多，諸多因素又耦合在一起，使得再熱蒸汽溫度的控制比較復雜，而鍋爐吹灰是影響再熱汽溫的重要因素之一。因此有必要定量研究鍋爐吹灰對再熱蒸汽溫度的影響，以便制定優化的吹灰策略，提高再熱汽溫的控制水平。

圖2 發電負荷與再熱蒸汽溫度的關系

2.3 吹灰對再熱蒸汽溫度的影響

吹灰蒸汽直接進入爐膛和對流受熱面必然會影響鍋爐各個受熱面的吸熱情況，從而影響再熱汽溫，不同區域的吹灰器對再熱汽溫的影響各不相同。為了定量分析每根吹灰槍對再熱汽溫的影響，本文收集了大量的歷史數據，通過數據挖掘分析，得到IK1-IK54吹灰器與再熱蒸汽溫度之間的棒狀關系圖，其中橫坐標表示吹灰器編號，縱坐標表示吹灰器對再熱汽溫的累計影響，正值表示再熱汽溫下降的數值，負值表示再熱汽溫上升的數值，如圖3所示。從圖中可以看出，屏式過熱器和高溫過熱器區域的12個吹灰器IK1-IK12運行時再熱汽溫明顯降低，高溫再熱器區域的8根吹灰器IK19-IK26運行時再熱蒸汽溫度明顯升高。由于IK11吹灰器反饋信號異常，圖中顯示為0，該吹灰器對再熱汽溫的影響未考慮。

圖3 吹灰器投用對再熱汽溫的累計影響

2.4 優化吹灰控制策略

機組升負荷時，再熱汽溫顯著上升；機組降負荷時，再熱汽溫顯著下降；對屏式過熱器或高溫過熱器吹灰時，再熱汽溫顯著下降；對高溫再熱器吹灰時，再熱汽溫顯著上升。根據上述規律，本文制定了優化的吹灰控制策略，即機組升負荷時對屏式過熱器或高溫過熱器進行吹灰，機組降負荷時對高溫再熱器進行吹灰。

從鍋爐運行角度看，啟動特定受熱面的吹灰器之前需要完成相關設備的準備工作，如：疏水系統暖管、吹灰蒸汽壓力調整，結束其它受熱面吹掃程序等等，而再熱汽溫受負荷變化的影響較快，因此運行人員或自動控制邏輯需要提前知道負荷的變化情況，才能充分利用負荷的變化過程對特定受熱面進行吹灰來改善再熱汽溫的控制。

3 負荷預測算法和建模

3.1 發電負荷歷史曲線

對于調峰機組來說，每天的負荷曲線都不相同，但是對負荷歷史數據進行分析可以看出每天的負荷變化趨勢存在規律性，利用負荷歷史數據預測負荷的變化趨勢是可行的。本文采集了30天發電負荷歷史數據，把所有數據做成趨勢線顯示在一張圖上，每天一條趨勢線，共30條趨勢線，其中橫坐標表示時間，從0點到23點；縱坐標表示發電負荷，如圖4所示。從圖中可以看出，夜間發電負荷較低，白天發電負荷較高，早晨5點升負荷概率較高，中午11點降負荷概率較高等等。

圖4 月度機組發電負荷曲線

3.2 發電負荷變化基本模式

通常一個吹灰器完成一次吹灰操作大約需要6 min，多個吹灰器組成的吹灰序列吹掃一個受熱面大約需要0.5～1 h。只有當負荷變化幅度較大且負荷變化持續時間較長時，對特定的鍋爐受熱面進行吹灰才有利于再熱汽溫的控制，而負荷變化幅度較小的升／降負荷過程可以忽略不計。本文需要實現的目標是把負荷變化量大于一定的閥值且負荷的變化過程大體相似的工況進行歸類，從歸類結果中統計出升負荷模式或降負荷模式的概率。

鑒于上述思路，本文歸納出8種負荷變化基本模式，每個負荷變化基本模式用5個特征點和歸一化特征值表示，如圖5所示。

（1）基本模式1：單調遞減，表示為［1，0.75，0.5，0.25，0］；

（2）基本模式2：大部分時間遞減，在最后階段遞增，表示為［1，0.67，0.33，0，0.33］；

（3）基本模式3：前半段時間遞減，后半段時間遞增，表示為［1，0.5，0，0.5，1］；

（4）基本模式4：開始階段遞減，之后的大部分時間遞增，表示為［0.33，0，0.33，0.67，1］；

（5）基本模式5：單調遞增，表示為［0，0.25，0.5，0.75，1］；

（6）基本模式6：大部分時間遞增，在最后階段遞減，表示為［0，0.33，0.67，1，0.67］；

（7）基本模式7：前半段時間遞增，后半段時間遞減，表示為［0，0.5，1，0.5，0］；

（8）基本模式8：開始階段遞增，之后的大部分時間遞減，表示為［0.67，1，0.67，0.33，0］；

圖5 發電負荷變化基本模式

以某天發電負荷曲線為例，把每小時的負荷趨勢與負荷變化基本模式進行比較，用最接近的負荷變化基本模式代表該時段的負荷變化情況，如果負荷變化幅度給定的閥值，例如取最低閥值限為50 MW，則不屬于任何一種基本模式，示例分類結果如圖6所示。

圖6 發電負荷模式匹配示例

3.3 發電負荷統計預測方法

發電負荷統計預測方法的基本思路是：在每小時歷史負荷數據中以12 min為間隔取5個樣本點，對樣本數據進行標準化處理，分別計算標準化負荷樣本數據與8種負荷變化基本模式的歐式距離，歐氏距離最小值對應的負荷變化基本模式為該小時負荷數據的隸屬模式，對所有歷史數據按小時為單位依次循環計算，累計計算8種負荷變化基本模式出現的頻次，如圖7所示。具體步驟如下：

（1）步驟S1：讀取輸入數據AA、BB，其中AA是二維數組，表示負荷歷史數據，即AA（i，j），i表示天，i＝1～30，j表示小時，j＝0～23。BB也是二維數組，表示8種負荷模式，即BB（m，n），其中m表示模式編號，m＝1～8，n表示特征點，n＝1～5。

（2）步驟S2：指定變量i，即指定某一天的歷史數據。

（3）步驟S3：指定變量j，即指定該天中的時段。

（4）步驟S4：指定變量k，k表示歷史數據中的采樣點，與模型相對應地，k＝1至5。

（5）步驟S5：根據歷史數據獲取變量Ak，變量Ak表示相應時間點（第i天、第j小時中的采樣點k處的負荷值）。

（6）步驟S6：確定數組CC，數組CC表示根據歷史數據得到的采樣點的矢量，CC＝［A1，A2，A3，A4，A5］。

（7）步驟S7：如果k不大于5，則返回S5，直到確定了相應時段的歷史數據的矢量，并進行到步驟S8。

（8）步驟S8：將CC標準化，以得到經標準化的數組DD。

（9）步驟S9：指定要進行匹配的模型，即，令m＝1，2，3，…，8。

（10）步驟S10：計算矢量DD與矢量BBm間的歐氏距離，以得到距離EEm。

（11）步驟S11：確定是否對全部模型進行了距離計算。

（12）步驟S12：如果針對全部模型進行了計算，則確定與DD距離最小的模型。

（13）步驟S13：確定該最小距離是否小于預定閾值σ1，并且該時段的負荷變化幅度（最小負荷值與最大負荷值之差）是否大于預定閾值σ2。

（14）步驟S16：在滿足S13中的條件時，確定與該模型匹配，并且對該模型的匹配進行計數。

3.4 模型驗證及分析

某月發電負荷歷史數據與8個負荷變化基本模式進行匹配后得到的統計結果如圖8所示。其中，柱狀圖表示相應時段內與某個負荷變化基本模式的匹配次數。假設匹配次數閾值為10，對于降負荷模式1，可以確定第11小時（14次匹配）、第18小時（13次匹配）、第19小時（19次匹配）、第22小時（14次匹配）為匹配時段；對于升負荷模式5，可以確定第5小時（15次匹配）和第12小時（12次匹配）為匹配時段。因此，可以基于該頻次圖來預測當日負荷的變化情況。

圖7 負荷統計預測方法流程圖

圖8 發電負荷變化情況統計頻次圖

4 工程應用

蘇州望亭電廠660 MW超超臨界鍋爐上實施了國內首個基于Ovation集散控制系統實現閉環吹灰優化控制的示范工程項目［4］。據統計，該吹灰優化控制系統每年節約燃料成本280萬元，另外該系統在提高鍋爐運行安全性，降低運行人員勞動強度方面也起到積極的作用［5］，系統人機界面如圖9所示。

圖9 鍋爐吹灰優化控制系統人機界面

本文研究的負荷統計預測功能是智能吹灰優化控制系統的一部分，由兩部分組成：（1）根據歷史數據統計的升／降負荷頻次棒狀圖，歷史數據時間范圍可由運行人員在線設置；（2）實時／歷史負荷趨勢對比圖，其中藍色曲線表示歷史負荷趨勢，紅色曲線表示實時負荷趨勢，如圖9底部所示。把實時／歷史負荷趨勢對比圖與升／降負荷頻次圖結合在一起進行相互效驗，有利于提高負荷預測的準確性。例如，當實時負荷曲線與歷史負荷曲線走勢比較接近且升／降負荷頻次較高時，說明歷史負荷變化趨勢與當日負荷變化趨勢相似的概率較高；反之，如果實時／歷史負荷趨勢對比圖與升／降負荷頻次圖的結果相矛盾，則不能確定當前的負荷變化趨勢。這種情況下，可通過調整歷史負荷時間范圍，進一步分析不同時間范圍的歷史負荷變化趨勢，從中找出有規律的信息。負荷統計預測功能不僅適用于鍋爐吹灰優化控制，還可以幫助運行人員在負荷變化之前做好鍋爐燃燒調整工作，從而有利于鍋爐其它重要運行參數的調節控制。

5 結語

雖然本文研究的負荷統計預測模型較好地解決了當日負荷預測問題，但是當電網負荷需求發生較大變化時，該模型的準確性會受到一定影響。考慮到電廠里有設備接收當天電網負荷調度信號預估值，即24點負荷預估值。如果把這個信號采集到Ovation控制系統里來，與現有的負荷統計預測結果進行數據融合，可以進一步提高負荷預測的可靠性，具體的數據集成和融合方法有待進一步研究。

［1］ 望亭發電廠.3、4號機組集控運行規程 第1部分：機組概述及設備規范［R］.2011.

［2］ 戴蒙德電力機械湖北有限公司.660MW吹灰程控操作說明［R］.2007.

［3］ 望亭發電廠.3、4號機組集控運行規程 第4部分：機組正常運行及維護［R］.2011.

［4］ 張 雄，易 凡.燃煤鍋爐閉環吹灰優化系統的研發與應用［J］.電力與能源，2014（8）.

ZHANG Xiong，YI Fan.Study on application of closedloop soot blowing optimization system tem for coal-fired boiler［J］.Power ＆Energy，2014（8）.

［5］ 張 雄.660 MW機組超超臨界鍋爐閉環吹灰優化系統效益評估報告.艾默生過程控制有限公司［A］.2014.