基于數據融合技術的電站入爐煤水分的測量

司瑞才，張 鍔

（1.吉林省電力科學研究院，長春 130021；2.寧夏電力科學研究院，銀川 750001）

隨著電煤價格矛盾的日益突出，電廠發電用煤來源和成份復雜多變。由于機組運行狀態都是根據煤種設計的，煤種變化將造成鍋爐運行狀態偏離設計值，影響機組的安全性和經濟性［1］。在這種情況下，煤質的在線監測就變的很重要。

電站鍋爐入爐煤元素含量和發熱量的監測一直是一個難題，要實現機組經濟指標的實時監測，無論采用正平衡法還是采用反平衡法，必須解決入爐煤品質的在線測量問題。目前國內主要利用雙能量射線透射測量的方法，實現非接觸式動態在線檢測燃煤中的灰分、水分等煤質成分，但這種方法需要增加昂貴的硬件設備，故目前在國內電廠中應用還是比較少。多數電廠不具備在線實時測量煤質情況的條件，對于入爐煤質的檢測方法基本上還停留在人工取樣、制樣、化驗的水平，存在著嚴重的滯后和采樣誤差［2］。隨著能源的緊張，一些電廠開始采用混煤摻燒的燃燒形式，增大了入爐煤質檢測的難度。因此，國、內外也不斷尋找其它的方法來實現入爐煤元素成分的監測。

燃煤水分、灰分和低位發熱量是燃煤的主要性能指標，目前需要找出一種既方便又經濟的實時在線檢測方法。隨著電廠自動化的發展，機組運行數據可以方便地獲得，這些運行數據蘊含著豐富的機組狀態信息［3］。目前應用較多的是軟測量的方法，即采用在線測量的輔助變量和離線分析信息去估計不可測或難測量的變量。目前，大容量鍋爐配備了較為齊全的運行監測測點，通過對監測數據的二次處理，可以從中提取更有價值的信息。本系統就是通過建立了入爐煤低位發熱量，收到基水分和收到基灰分的軟測量模型，充分利用現場監測儀表，挖掘運行參數蘊涵的信息，實現了入爐煤元素和發熱量的在線監測。

1 入爐煤水分計算模型

1.1 水分理論計算

磨煤機是制粉系統的主要設備。對于直吹式MPS型中速磨，原煤的磨制和干燥均在磨煤機內進行，以每kg煤為準計算，磨煤機內存在以下的熱平衡關系

（1）進入系統的熱量有

干燥劑帶入的熱量

式中C1——干燥劑入口熱容量，kJ（kg·℃）

Mf——磨煤機入口風量，kg／s；

Mm——磨煤機的磨煤出力，kg／s；

t1——磨煤機進口風溫度，℃。

磨煤機研磨部件的熱量

式中knm——中速磨knm=0.6；

W——磨煤機的功率，kW。

制粉系統漏入冷空氣的物理熱

式中tA——環境溫度，℃；

klf——漏風系數；Kw；

C1k——冷空氣熱空量，kJ（kg·℃）。

原煤的物理熱

（2）帶出系統的熱量有

蒸發煤的水分所消耗的熱量

干燥劑帶走的熱量

式中C2——干燥劑出口熱容量，kJ（kg·℃）；

t2——磨煤機出口風粉混合物溫度，℃。

加熱煤所消耗的熱量

式中Mmf——磨煤機出口煤粉所含水分，%；

Crd——干燥基煤的出口熱容量，煙煤Crd=1.09，

kJ（kg·℃）。

系統的散熱損失

式中Q1q——制粉系統設備散熱損失，直吹式系統：；Qin——制粉系統的輸入熱量。

干燥過程中每1kg原煤所失掉的水分為

式中R90——煤粉細度。

根據能量平衡原理，帶入熱量=帶出熱量，即

1.2 簡化后的計算公式

鑒于計算煤水分的公式太復雜，在DCS中做組態不方便，所以需要對公式進行簡化［4］。因此選擇華北某發電廠冬季近10天的數據來分析，由于在近幾次的工業分析中煤中的水分保持在12%左右，選擇Mar=12%帶入磨煤機的輸入輸出方程中。通過數據來反映磨的輸入和輸出中各項熱量的大小，將其中很小的部分省略掉，以此來簡化公式。將Mar=12%帶入輸入輸出方程中可以得到各項熱量的圖形，如圖1、圖2所示。

從圖1中可以看出，在磨煤機輸入熱量中漏入冷空氣的物理熱在0～0.6之間變化，煤的物理熱在0～8之間變化，這兩項相對于干燥劑的物理熱和漏入冷空氣的物理熱很小，所以在進行水分軟測量計算中把這兩項忽略。

從圖2中可以看出，在磨煤機輸出熱量中散熱損失在0.6～1.1之間變化，相對于其他三項來說都很小，所以在進行水分軟測量計算中把這一項忽略。

圖1 磨煤機的輸入熱量

所以根據能量平衡原理，帶入熱量=帶出熱量，可以簡化為

圖2 磨煤機的輸出熱量

整理后的磨煤機輸入輸出方程：

1.3 模型不動點迭代計算

式（13）整理后的形式為：

式中A，B，C——在線檢測數據及其其他參數的函數的表達式。

式（14）是一個非線性方程，其中需要用到不動點迭代法的求解方法即將f（x）=0改寫為等價形式x=φ（x）。因此針對方程應用不動點迭代法得出：

在MATLAB中不動點的迭代計算用Unit Delay模塊來實現。其軟測量的計算模型如圖3所示。

圖3 軟測量的計算模型

2 模型的實際應用

實際計算中，磨煤機進口干燥劑的質量比熱C1、磨出口干燥劑質量比熱C2和冷空氣的質量比熱Clk都是隨著溫度的變化而變化。在文獻［5］中給出了空氣的質量比熱與溫度的關系，同時一般電廠中磨煤機的干燥劑主要是以空氣為主。所以將C1、C2和Clk的值分別通過t1、t2和環境溫度函數擬合和線性插值的方法得到［6］。其他參數Mf，Mm，t1，t2，tA，W的實時數據從電廠的 DCS控制系統來獲得。

2.1 模型在某一工況下應用

將上述模型應用到某一個工況下，根據該模型得到的水分的值與監測值進行比較。

該工況數據來自華北某發電廠，該電廠鍋爐為亞臨界壓力、一次中間再熱、固態排渣、單爐膛、Π型布置、全鋼構架懸吊結構、半露天布置、控制循環汽包爐。采用三分倉回轉式空氣預熱器，平衡通風，擺動式燃燒器四角切圓燃燒。設計燃料為準格爾煙煤。6套制粉系統為正壓直吹式制粉系統，配置ZGM-123型中速磨煤機。

該廠的煤粉細度R90=23，該電廠使用的是準格爾煙煤，根據文獻［5］煙煤的干燥物理熱一般取Crd=1.09，磨得漏風系數Klf=0.03，磨輸入功率轉化為熱量的系數Knm=0.6。這些離線參數設定為固定值。表1給出了某工況下實時參數的取值情況。

表1 某工況下實時數據取值

從 MATLAB的workspace中輸入，t1=［1216.25］，t2= ［180.659］，Mm= ［142.228］，Mf=［177.55］，tA=［1 -0.253］，W=［1319.79］，在Simulink中運行得到如圖4所示曲線。

圖4顯示水分測量值為11.6%，在試驗期間，通過這個時段的工業分析，收到基水分均值在12%左右，該模型基本滿足要求。

2.2 模型在多工況下應用

在某工況下應用成功后，現將該方法應用到連續的工況中。同樣采用此電廠的數據。上面規定的離散數據設定為固定值。C1、C2和Clk的值分別通過t1、t2和環境溫度函數擬合和線性插值方法得到。其他的一些實時在線的數據取自電廠的DCS。

圖4 某工況下的水分運行曲線

實時數據取該電廠某年3月1日0時～3月3日0時近2天的相關運行數據，取5min的均值。在使用中，將有異常工況的點剔除，數據以矩陣形式輸入到工作空間中并保存，再使用時點擊MATLAB的workspace中的import data輸入數據到計算模型中。運行后在該時段的燃煤水分值如圖5所示。

圖5 多工況下的水分運行曲線

表2 入爐煤的收到基水分和上煤量

由表2和圖5可知，建立的水分測量模型計算出的煤水分和每天8小時的煤質工業分析報告的數據基本一致，基本上能夠反映煤質的變化規律。但是電廠日均燒煤近萬噸，每次做分析用煤僅幾毫克，這種采樣誤差存在可想而知。同時，從分析結果看，水分變化范圍也較大，水分受外界影響較大，所以僅靠每天3次的工業分析結果，是遠遠不能滿足要求的。所以還需要采用一些先進的數據預處理來處理電廠中的數據，有效的去除一些噪聲信號，從而得到更加真實有用的結論。

3 結語

本文根據機理分析并且依據DCS組態要求通過簡化計算公式來建立了燃煤水分的軟測量模型。該方法根據不同使用目的，可以通過DCS組態實現，也可以通過計算機編程實現，其計算結果與實際煤質工業分析報告數據變化規律相符，能滿足現場工作人員使用要求，達到實時監測水分的目的，相較于以往的工業分析和人工分析來說，具有實時性監測的優點。同時還需要將機理分析與數據融合，小波分析和主元分析等數據處理技術結合起來對已有實時數據進行預處理，從而得到更可靠的結論，具有跟可靠的現場實時要求。

［1］ 劉福國.電站鍋爐入爐煤元素分析和發熱量的軟測量實時監測技術［J］.中國電機工程學報，2005，25（6）：139-145.LIU Fu-guo.Real time identification technique for ultimate analysis and calorific value of burning coal in utility boiler［J］.Proceedings of the CSEE，2005，25（6）：139-145.

［2］ 趙征.基于信息融合的鍋爐燃燒狀態參數檢測技術研究［D］.保定：華北電力大學，2007.

［3］ 李海青，黃志堯.軟測量技術原理及應用［M］.北京：化學工業出版社，2000.

［4］ 趙 征，曾德良，田 亮，等.基于數據融合的氧量軟測量研究［J］.中國電機工程學報，2005，25（7）：7-12.ZHAO Zheng，ZENG De-liang，TIAN Liang，et al.Research on soft-sensing of oxygen content based on data fusion［J］.Proceedings of the CSEE，2005，25（7）：7-12.

［5］ 賈鴻祥.制粉系統設計與運行［M］.北京：水利電力出版社，1994.

［6］ 劉福國，郝衛東，韓小崗，等.基于煙氣成分分析的電站鍋爐入爐煤質監測模型［J］.燃燒科學與技術，2002，8（5）：441-445.LIU Fu-guo，HAO Wei-dong，HAN Xiao-gang，et al.Model of monitoring coal grade for utility boiler basing on flue gas compositional measurement［J］.Journal of Combustion Science and Technology，2002，8（5）：441-445.