基于功煤系數的煤質自適應控制策略研究

劉 康

（華北電力大學能源動力與機械工程學院，河北保定071003）

基于功煤系數的煤質自適應控制策略研究

劉 康

（華北電力大學能源動力與機械工程學院，河北保定071003）

通過分析機組協調控制系統的原理和局限性，設計了自適應煤質前饋校正。根據鍋爐燃燒的延遲特性，引入功煤系數的概念，建立了基于功煤系數的組合預測模型，并對機組的協調控制系統進行優化。以某超臨界機組的運行數據為例，對模型的預測效果進行驗證分析。計算結果表明，該模型的平均預測精度約為97%，可有效降低校正回路信號的波動性，提高了機組對煤質的自適應能力。

機組；煤質；自適應；控制；功煤系數；預測；模型；校正

0 概 述

由于地域原因，很多機組燃用的煤種不能達到設計煤種的要求，即使采用配煤摻燒[1]技術，入爐煤質的變化仍比較大，影響鍋爐的穩定燃燒和機組輔助設備的正常運行[2]。當前，隨著單元制火力發電機組參數的不斷提高，煤質變化產生的影響越來越明顯[3]。另一方面，隨著電網容量的增大、用戶對供電質量要求的提高，電網調度對火電機組變負荷性能的要求也越來越高，而煤質差及煤質的變化，將導致很多火電機組協調變負荷能力不能適應電網調度的要求，減弱了機組上網競爭力[4]。為保證電廠的安全、經濟運行，需要對機組進行煤質自適應控制。

目前，高參數機組的CCS系統普遍采用BTU校正技術實現煤質自適應控制[1]。當配煤效果不好、機組負荷變化過快時，傳統的BTU技術普遍存在超限和延遲現象，難以滿足目前電網對機組控制的要求[1]。基于此，相關學者已廣泛開展BTU技術的研究，并取得了一定的成果。在對入爐煤質熱值預測方面，朱林忠[5]提出等效相對熱值的思想，Kelei Sun[6]使用混合線性回歸的方法，李必成[7]提出了關聯信息算法和非線性映像網絡混合模型，Jiang W[8]、劉林[9]分別使用SVM和LSSVM算法，倪敏[10]則提出新的熱值校正關系。在控制策略方面，羅志浩[11]設計了穩定快速BTU校正回路，蔣欣軍[1]提出了新型串級熱值校正技術，劉友寬[12]、王磊[13]、黃衛劍[14]則研究了煤質自適應的AGC系統。這些研究成果，對鍋爐熱力系統的能耗分析[15]、節能研究[16]以及準確實現鍋爐在動態過程的各種指標[17]具有重要意義。

與大多數研究不同，本文在研究CCS系統的基礎上，較充分地考慮了鍋爐的延遲特性，設計了自適應煤質前饋校正回路，建立基于功煤系數[18]的組合預測模型，估計當前中調指令下的燃料量信號，減少燃料量信號與理論燃煤量之間的偏差，增強機組自動適應煤質變化的能力。

1 煤質自適應控制的理論分析

1.1 煤質變化性能分析

煤質的優劣直接影響鍋爐燃燒的穩定性和效率。對于煤質達不到機組設計要求的來煤，電廠普遍采用配煤摻燒技術，調整入爐燃煤的品質。由于受來煤情況和外界環境的影響，配煤摻燒的實際效果并不好，入爐煤質變化很大，主蒸汽參數隨著燃燒工況的改變，出現了不可避免的波動，使發電質量下降，有時，甚至會危及機組的正常運行。

為了獲得高品質的煤質自適應控制，采用功煤系數概念。功煤系數是指單位功率所消耗的實時煤量[18]，其數學表達式為：

式（1）中：α為功煤系數；M為入爐煤量，t/h；N為發電機功率，MW。

在CCS系統的作用下，入爐煤量受多種因素的綜合影響。當電網中調指令不變時，入爐煤質是影響燃燒的主要因素。因此，功煤系數用于粗略估計進入爐膛的實時煤質，煤質越好（熱值越高、水分越少），功煤系數越小，反之越大。某660 MW超臨界機組在某時間段的運行數據，如表1所示。

由表1可知，電網中調指令的波動幅度較大。在17：40～18：50時間段，機組由穩定的高負荷降為穩定的低負荷工況，同時，入爐煤量也隨之波動。

表1 660 MW機組在某時間段的運行數據

1.2 煤質自適應控制策略

若不考慮鍋爐燃油，當入爐煤質為設計煤種時，煤質自適應控制策略，如圖1右側所示。根據電網調度指令NE經“負荷-燃煤量函數f1（x）”計算出設計煤種理論燃煤量DE0，利用主蒸汽設計壓力P0與實際壓力PT的差值進行調整，得出設計煤種實際燃煤量DE，鍋爐主控M/A利用此燃料量信號，調整各給煤機的轉速，控制入爐煤量。

在實際運行中，入爐的煤種往往不是設計煤種，需要利用BTU校正回路，修正設計煤種的實際燃煤量信號DE，實現煤質的自適應控制。當圖1右側系統執行完畢后，BTU校正回路開始工作。汽輪機第一級壓力信號P1代表鍋爐蒸發量，經“函數f3（x）”轉換為以設計煤種為基準的燃煤量DQ，再與調節前實際煤種實際燃料量信號DM的差值經積分運算后，被送至乘法器對燃料信號DM進行修正，利用DE與修正后的DM的差值，調整各給煤機的轉速，完成入爐煤量的修正。

應收賬款在建筑企業管理中占據重要地位，其各項工作的合理開展可以保障建筑企業流動資產的穩定性，在提高建筑企業資金的利用效率、幫助企業創造更高的經濟效益等方面具有重要意義。但是當前建筑企業在應收賬款管理工作開展過程中存在一定的問題，例如風險管理意識較弱，導致企業受到影響。

圖1 煤質自適應協調控制系統

由于鍋爐燃燒的延遲特性，煤質變化引發爐內熱量變化的過程存在較大延遲，因此，BTU校正回路中PID控制器的積分時間設置值較大（通常為1 800～3 600 s），對煤種突變的適應性差，只有在穩態工況下才具有實際意義[1]。電廠來煤的煤質一般低于設計煤質，采用傳統的BTU控制策略，很容易使BTU的輸出值超限，尤其是在配煤摻燒的工況下。總之，傳統的煤質自適應協調控制系統有其一定的局限性，需要對系統進行優化。常見的煤質自適應協調控制系統，如圖1所示。

考慮鍋爐燃燒的延遲特性，應對入爐煤量做一前饋設計，對預測時刻前的燃燒煤種進行分析，預測功煤系數的變化。利用基于功煤系數的組合預測模型優化入爐煤量指令，即對圖1中“中調指令-煤量轉化函數f1（x）”進行優化。根據電網調度指令NE，經組合預測模型，預估以實際煤種為基準的燃煤量信號DE，鍋爐主控M/A利用此信號控制各給煤機的轉速，然后通過BTU校正回路的負反饋信號，修正燃料量信號，調節各給煤機的轉速，控制入爐煤量。

2 基于功煤系數的組合預測模型

2.1 組合預測模型原理

組合預測模型廣泛應用于電力行業[19-22]。利用組合預測模型進行數據預測，可綜合各預測基函數的優點，得到更為準確的預測結果[19]。表示第i種預測基函數對問題的預測值，wi表示第i種預測基函數的權重系數表示n種預測基函數對問題的組合預測值，則

2.2 預測方法

在17：40～18：50時間段，電網中調指令的波動幅度、煤質變化范圍均較大。運用MATLAB對該時段的功煤系數進行擬合預測[23，24]，擬合優度R2∈（0.93，1）。結果表明，雖然基于基函數的組合預測模型能將歷史數據擬合的很好，但其預測的準確性較差。

在研究組合預測模型的基礎上，建立了基于功煤系數的組合預測模型，利用待預測時刻前一個小時的功煤系數，預測該點的功煤系數，然后根據式（4），求得預測燃煤量。

式（4）中，M′表示預測燃煤量表示當前待預測時刻的預測功煤系數。

將待預測時刻前一個小時的歷史數據，進行編號處理，待預測時刻編號為0，前10分鐘時刻編號為1，前20分鐘時刻編號為2，以此類推，離待預測時刻越遠，編號越大。

預測模型的計算式如下，約束條件同式（3）。

由于鍋爐延遲特性的存在，距離當前時刻越近，兩時刻的鍋爐運行工況越接近，歷史時刻對當前時刻的影響越大，因此，該歷史時刻的權重系數也越大。為體現以上物理意義，應保證：

2.3 權重系數的確定

組合預測模型常采用最小二乘準則確定最優權重系數，由于最小二乘準則下得到的最優權重系數可能出現負值，一些學者采用方差倒數法獲得權重系數，其計算公式為[19]：

式（7）中，Di為第i個基函數的預測誤差平方和。

方差倒數法對預測誤差平方和較小的基函數賦以較高的權重系數，實現式（6）所體現的物理意義。因此，將方差倒數法的思想，引入基于功煤系數的組合預測模型，得到權重系數的計算公式：

由式（8）可知，對于不同的待預測時刻，其權重系數是固定不變的。因此，基于功煤系數的預測模型是定權重系數的組合預測模型。

3 實例計算

基于功煤系數的組合預測模型的計算流程，如圖2所示。

圖2 基于功煤系數的組合預測模型計算流程圖

實時入爐煤量的預測計算，采用了表1中的歷史運行數據，驗證基于功煤系數的組合預測模型的實用性。計算結果，如表2所示。

表2 基于功煤系數的組合預測模型計算結果

圖3 預測誤差變化趨勢

在16：20～17：40時間段，機組處于較穩定的高負荷工況，入爐煤質的變化不大，模型預測的誤差很小。在17：40～18：50時間段，是電網調峰階段，機組負荷快速降低，入爐煤質也有較大范圍的波動。組合預測模型屬于趨勢分析法，因此，模型的預測精度降低。在18：50～19：10時間段，雖然機組的負荷趨于穩定，但由于入爐煤質的波動和鍋爐延遲特性的存在，預測誤差仍較大；在19：10～20：10時間段，機組處于穩定的低負荷工況，鍋爐燃燒的延遲特性對調峰時產生的影響逐漸減弱，模型的預測誤差降低，與16：20～17：40時間段相比，入爐煤質的波動較大，因此，預測誤差比16：20～17：40時間段的誤差大。

根據分析，可以得出預測結果的評估。

（1）從所取的數據分析，預測平均誤差為2.857 3%，誤差相對較小。驗證了基于功煤系數的組合預測模型具有較高的預測準確率。

（2）預測模型的最大誤差不超過10%，表明BTU校正回路工作之前，即使機組處于負荷和入爐煤質均較大范圍波動的工況下，燃料量信號DE已經很接近理論燃煤量，從而減少了BTU校正回路的工作量，提高了校正的準確性和反應速度，增強了機組自動適應煤質變化的能力。

4 結 語

通過分析CCS系統的原理和局限性，設計了自適應煤質的前饋校正量，較充分地考慮了鍋爐燃燒的延遲特性，引入功煤系數的概念后，利用基于基函數的組合預測模型、方差倒數法的思想，建立了基于功煤系數的組合預測模型，對預測時刻前的燃燒煤種進行分析，預測功煤系數的變化，估計中調指令下的燃料量信號。

根據某660 MW超臨界機組的歷史運行數據，對模型的預測效果進行驗證分析。計算結果表明，該模型的平均預測精度約為97%，比較精確地估計了當前中調指令下的燃料量信號，減少了燃料量信號DE與理論燃煤量之間的偏差，降低了輸入BTU校正回路的信號的波動性，減少了BTU校正回路中PID控制器的積分時間設置，提高了系統的自適應能力。

根據公式的計算條件，仍存有一定的局限性，主要體現在：

（1）模型驗證時使用的660 MW超臨界機組運行數據，其煤質的波動范圍相比某些機組[17]較小。因此，當煤質波動范圍很大時，該預測模型的計算是否有效，需要進一步計算驗證。

（2）確定權重系數時，采用了方差倒數法，也考慮了鍋爐的運行特性，但得到的權重系數是固定不變的，即對于不同的預測時刻，其權重系數為定值，顯然這是有誤差的。因此，如何得到更為科學的權重系數，還需要進一步的研究。

[1]蔣欣軍，王煜偉，周曉韡.新型串級熱值校正技術在直流鍋爐配煤摻燒中的應用[J].鍋爐技術，2013，44（06）：65-69.

[2]接建鵬，辛力堅，武文華，陳剛.利用煤質熱值校正對協調控制系統優化的研究[J].內蒙古石油化工，2012，38（24）：30-32.

[3]劉友寬，李長更，唐立軍，杜景琦.煤質自適應控制在超臨界機組的應用[J].云南電力技術，2014（02）：48-52.

[4]郭瑞君，秦成果，張澎濤，辛曉鋼.基于熱值校正的適應煤質變化協調控制系統研究[J].內蒙古電力技術，2010（04）：5-8.

[5]朱林忠，周昊，岑可法.引入等效相對熱值的鍋爐燃料控制系統[J].中國電機工程學報，2002（12）：157-161.

[6]Kelei Sun，Xiaojuan Zhu，Huaping Zhou，et al.Research on new nonlinear method applied on coal calorific value prediction[C]. Advances in mechatronics and control engineering，2013：904-908.

[7]李必成，盛賽斌.一種基于數據挖掘的入爐燃料發熱量在線智能軟診斷方法研究[J].熱能動力工程，2007（01）：25-108.

[8]Jiang W，Hongqi W，Qu T.Prediction of the calorific value for coal based on the SVM with parameters optimized by genetic algorithm[J].Thermal Power Generation，2011（40）：14-19.

[9]劉林，王朋，翟永杰，周杰聯.基于算法的煤質發熱量預測[J].熱力發電，2015（02）：47-51.

[10]倪敏，魏向國，張明法.超臨界空冷機組協調控制中新型熱值校正方法的研究與應用[J].熱力發電，2014（01）：46-51.

[11]羅志浩，陳小強，陳波.超（超超）臨界機組主重要參數控制策略優化[J].浙江電力，2011（06）：32-35.

[12]劉友寬，盧勇，蘇適，董均宇.煤質自適應的火電機組AGC控制仿真與應用[J].云南電力技術，2010（02）：19-22.

[13]王磊.煤質自適應的煤粉爐機組AGC控制策略研究[D].華北電力大學（保定），2009.

[14]黃衛劍，張曦，朱亞清，潘鳳萍.火電機組燃料品質自適應性優化控制策略研究[J].中國電力，2012（06）：43-46.

[15]李蔚，任浩仁，盛德仁，陳堅紅，李斌.300MW火電機組在線能耗分析系統的研制[J].中國電機工程學報，2002（11）：154-156.

[16]楊勇平，楊昆.火電機組節能潛力診斷理論與應用[J].中國電機工程學報，1998（02）：60-63.

[17]任浩仁，李蔚，盛德仁，陳堅紅，李劍日，盧學峰，朱偉杭.火電機組變工況下運行指標應達值的分析[J].中國電機工程學報，1999，19（09）：51-57.

[18]胡雄輝，劉武林，李勁柏.自適應煤質變化協調控制系統的研究[C]//電站熱工控制研討會暨自動化信息化技術交流年會論文集.2008：66-71.

[19]張承偉，黃偉，王彤.短期電力負荷最優組合預測模型的研究[J].計算機應用與軟件，2010（12）：177-192.

[20]張國強，張伯明.基于組合預測的風電場風速及風電機功率預測[J].電力系統自動化，2009（18）：92-95.

[21]李晉偉，王奇，何紅太，裴冠榮.基于EMD與ELM的輸電線路山火蔓延速度組合預測模型[J].電力建設，2015（03）：27-32.

[22]孟安波，陳育成.基于虛擬預測與小波包變換的風電功率組合預測[J].電力系統保護與控制，2014（03）：71-76.

[23]周品，趙新芬.MATLAB數理統計分析[M].北京：國防工業出版社，2009.

[24]宋葉志.MATLAB數值分析與應用[M].北京：機械工業出版社，2014.

The Study of Coal Quality Adaptive Control Strategy Based on Coefficient of Power Coal

LIU Kang
（School of Energy Power and Mechanical Engineering，North China Electric Power University，Baoding 071003，Hebei，China）

Forward feedback correction of adaptive coal is designed through analysis of the principle and limitations of the coordinated control system（CCS）.Fully considering the delay characteristic of the boiler，the combined forecasting model based on coefficient of power coal is established by using the concept of power coefficient of coal，the coordinated control system of the unit is also optimized.Using the operation data of a supercritical power plant to validate the model prediction effect，the results show that the average prediction accuracy of the model is about 97%. Thus，the model established effectively reduces the volatility of input signals in BTU correction circuit and enhances coal adaptive capacity of the unit.

unit；coal quality；adaptive；control；coefficient of power coal；forecasting；model；correction

TK227 61

A

1672-0210（2016）02-0031-05

2016-01-22

2016-01-26

劉康（1991-），男，碩士研究生，主要從事火電機組節能方面的研究。