燃煤電站鍋爐低NOx燃燒運行參數優化

李建強，　汪安明，　潘文凱，　陳星旭，　趙　凱

(華北電力大學 能源動力與機械工程學院，河北保定 071003)

?

燃煤電站鍋爐低NOx燃燒運行參數優化

李建強，汪安明，潘文凱，陳星旭，趙凱

(華北電力大學 能源動力與機械工程學院，河北保定 071003)

摘要：針對某電廠300 MW機組低NOx燃燒優化調整，結合NOx生成規律與數據分析方法，篩選原始運行數據庫，建立二次風軟測量模型與氧量聚類挖掘模型，從而減少原始運行參數數量，并利用粒子群優化Apriori算法，挖掘精簡后的數據庫中符合機組NOx減排要求的各個參數的最優參考工況.結果表明：尋優后的煙氣含氧量、磨煤機組合方式、二次風門開度和分離燃盡風(SOFA)門開度等參數均符合燃燒調整試驗結論，尋優結果在保證鍋爐效率的前提下，有效地降低了SCR裝置進口NOx質量濃度.

關鍵詞：燃燒優化； 數據挖掘； NOx； 關聯規則

面對日趨強化的資源環境約束，節能減排已成為國家和社會關注的焦點.在我國，燃煤電站鍋爐是NOx污染的主要污染源之一.目前，電廠控制NOx排放的手段包括尾部煙氣脫硝和低NOx燃燒技術.煙氣脫硝技術效率高，但是需要投入設備和還原劑等；而低NOx燃燒技術的投資和運行成本低，經過驗證，這一技術對NOx的生成具有顯著的抑制作用[1].

周俊虎等[2-3]通過燃燒試驗驗證了煙氣含氧量等參數對NOx排放的影響，肖海平等[4-5]研究了燃盡風和上三次風等運行參數降低NOx生成的規律，周志軍等[6]通過旋流燃燒器的試驗研究了一、二次風速率等特性對爐膛內NOx生成的影響，呂玉坤等[7]采用BP神經網絡建立了低NOx參數尋優模型，王春林等[8]利用支持向量機建立了NOx排放特性模型，顧燕萍等[9]采用最優操作變量(MVs)決策模型對電廠數據庫中低NOx運行參數進行數據挖掘.

筆者以低NOx燃燒為目標，利用火電廠運行數據的關聯特性[10]，對分散控制系統(DCS)中的運行數據庫進行數據挖掘，采用基于粒子群(Particle Swarm Optimization, PSO)的數據挖掘算法[11-12]尋找兼顧SCR裝置進口NOx質量濃度(以下簡稱NOx質量濃度)與鍋爐效率等運行參數的最優值.

1數據分析及預處理

以某電廠300 MW機組為研究對象，該機組采用四角切圓燃燒，磨煤機自下而上編號為A、B、C、D、E、F，其中ABCDE磨煤機為主力磨煤機，F磨煤機為備用磨煤機；二次風包括4層分離燃盡風(SOFA)、6層周界風和9層輔助風.從該電廠廠級監控信息系統(SIS)中提取運行參數數據庫，如表1所示，該數據庫包含103個參數，共138 240組數據.

表1　某電廠300 MW機組運行參數數據庫

1.1最優磨煤機組合方式

磨煤機組合方式直接影響到爐膛火焰中心位置和主燃區上部還原段的長度[3].如圖1所示，運行數據庫中有5種磨煤機組合方式，ABCDE磨煤機組合方式下爐膛火焰中心位置最低，與其他磨煤機組合方式相比，該組合方式下主燃區的實際空氣量最低，且主燃區上部還原段最長，所以該組合方式下的NOx質量濃度最低.該組合方式作為主力磨煤機組合方式，運行時間長，數據量大，適合作為尋優對象.

當磨煤機組合方式為ACDEF時，在相同配風方式下，主燃區實際空氣量較高，由于爐膛火焰中心位置較高，主燃區上部的還原段長度與ABCDE磨煤機組合方式相比較短，因此該組合方式下的NOx質量濃度偏高，不適合作為以低NOx燃燒為目標的數據挖掘數據庫.

圖1　不同磨煤機組合方式下的NOx質量濃度對比

1.2煙氣含氧量聚類分析

由燃燒試驗可得，爐膛內部助燃空氣含氧量直接影響燃料型NOx的生成，另外隨著煙氣含氧量的增大，爐膛內部燃燒強度增加，熱力型NOx也會隨之增加[5].通過聚類分析將數據庫中煙氣含氧量參數分為若干類，使得同類中的煙氣含氧量相似度最大.在數據挖掘過程中，聚類分析能夠降低煙氣含氧量波動對其他參數尋優的干擾.因此，對煙氣含氧量進行模糊K-均值聚類，聚類算法見式(1)，聚類結果見表2.

(1)

式中：uik為第k個樣本歸屬于第i類的隸屬度；xk為數據樣本；V={v1,v2,…,vc}為每個劃分類重心的集合，即聚類中心集合；m為算法指數權重；JFCM為最優聚類中心評價函數；U為隸屬度矩陣；X為數據樣本集合.

由表2可知，聚類1與聚類3的煙氣含氧量偏高，數據量偏低，難以滿足低NOx數據挖掘過程中的支持度，因此在數據庫中剔除包含聚類1和聚類3這2類煙氣含氧量的記錄.

表2　煙氣含氧量聚類結果

1.3二次風量軟測量模型

由伯努利方程可知：

(2)

式中:pv為動壓頭；p為全壓頭；ps為靜壓頭；ρ為工質密度；v為工質流速.

工質體積流量為

(3)

式中：qV為工質體積流量；D為管道通流截面積.

聯立式(2)和式(3)可以得到：

(4)

由式(4)可以得到二次風量軟測量模型：

(5)

式中：Qv為二次風量軟測量值；K為調整系數；∑?為各個二次風與SOFA風門開度反饋之和；Δp為爐膛風箱壓差.

隨機抽取5天機組實際運行數據來驗證上述軟測量模型，并計算每組數據的平均相對誤差λ與相關系數γ，計算結果見表4.

平均相對誤差λ為

(6)

圖2　二次風量軟測量值與實測值的對比

名稱假設方差相等假設方差不相等方差方程的Levene檢驗均值方程的t檢驗F檢驗顯著性t檢驗顯著性(雙側)差分的95%置信區間下限差分的95%置信區間上限14.275-0--1.366-1.3660.1720.172-1.230-1.2300.2200.220

相關系數γ為

(7)

從表4可以看出，該軟測量模型得到的軟測量值與實測值呈現出強相關性，并且平均相對誤差λ在4%以內，由此可以驗證由軟測量模型得到的二次風量的可行性.

表4　軟測量模型驗證結果

2數據挖掘

Apriori算法是一種尋找布爾型變量關聯特性的數據挖掘算法，應用在數值型數據庫中，需要對數據庫進行歸一化、離散化.將數據庫中數據歸一化在[0，1]，避免不同參數間的量綱影響尋優結果.為了軟化劃分邊界，依據隸屬度函數將參數劃分為低、較低、中、較高和高5個布爾值[10].

經過數據歸一化、離散化后的優化參數包括主蒸汽質量流量、煙氣含氧量、擺動燃燒器執行器反饋、爐膛風箱壓差及各二次風門開度.考慮到Apriori算法的局限性和多目標數據挖掘的復雜性，結合粒子群算法來提升關聯規則挖掘算法的性能，尋找符合要求的最優工況，并且采用如式(8)所示的評價函數Fc，分別將鍋爐效率與NOx質量濃度乘以權重，再線性求和，將雙目標簡化為單目標優化.

(8)

式中：η為鍋爐效率；ρ(NOx)為SCR裝置進口NOx質量濃度；K1和K2為權重系數，K1+K2=1，由試驗得到K1=0.3，K2=0.7時能夠較好地兼顧鍋爐效率與NOx質量濃度[7].

由于電廠的數據量過大，運行工況復雜，作為Apriori算法的評價標準之一的支持度約束性下降，為了保證關聯規則的可靠性，筆者提升了置信度的約束性.

2.1算法流程

圖3　數據挖掘算法流程

2.2各個工況下的尋優結果

火電機組中，在主蒸汽壓力與真空不變的情況下，主蒸汽質量流量與發電負荷成正比，因此在數據庫中用主蒸汽質量流量參數來表示發電負荷.由經驗可知，主蒸汽質量流量的變化在30 t/h內時，可視為同一數據挖掘工況，因此將主蒸汽質量流量劃分為3個工況：950～980 t/h(工況1)、980～1 010 t/h(工況2)和1010～1040 t/h(工況3)，分別尋優這3個工況下各個參數的最優值.表5給出了3個工況的評價函數Fc.

表5　3個工況的評價函數Fc

從表5可以看出，根據評價函數，3個工況下最優煙氣含氧量的聚類均為聚類6.由此可以得到各個工況下燃燒參數的尋優結果，如表6所示.

從表6可以看出，煙氣含氧量優化值為2.6%，擺動燃燒器執行器反饋的優化值為50%左右，爐膛風箱壓差優化值為0.6 kPa左右，二次風門開度呈束腰形分布，能夠將NOx質量濃度由160～230 mg/m3優化為160～180 mg/m3，并且兼顧鍋爐效率維持在93.0%左右.

3各個工況下尋優結果的對比及分析

由尋優結果可知，相同工況下煙氣含氧量越低，NOx質量濃度越低，工況3中聚類2與聚類6相比，煙氣含氧量降低了0.5%，NOx質量濃度降低27.66 mg/m3，并且負荷越高，最優煙氣含氧量越低.

擺動燃燒器執行器反饋影響爐膛內主燃區位置，鍋爐負荷越高，最優擺動燃燒器執行器反饋越小，主燃區越靠近爐膛下部.

表6　3個工況下燃燒參數的尋優結果

圖4～圖6給出了3個工況下的SOFA風門開度、周界風門開度和輔助風門開度.由圖4可知，3個工況下的SOFA風門開度分布趨勢一致.鍋爐運行過程中，SOFA二層、三層風門開度全開，根據運行情況調節SOFA一層、四層風門開度.

圖4　3個工況下SOFA風門開度尋優值對比

SOFA風門開度越大，爐膛內主燃區實際空氣量會相對降低，同時降低了爐膛內煤粉燃燒強度和火焰溫度，熱力型 NOx生成量減少，但鍋爐效率也會隨之降低.由尋優結果可知，隨著負荷的升高，SOFA一層、四層風門開度可適量開大，以降低尾部煙道出口NOx質量濃度.工況3下SOFA一層、四層風門開度略小于工況2下，這是由于在優化工況中，工況3的爐膛風箱壓差略大于工況2，即工況3的二次風速大于工況2.

由于優化工況中F磨煤機停運備用，所以F層與FF層二次風門開度處于關閉狀態，而AA層與A層二次風在鍋爐運行過程中通常不進行調整，因此這2層的二次風門開度變化不大.

圖5　3個工況下周界風門開度尋優值對比

圖6　3個工況下輔助風門開度尋優值對比

從圖5可以看出，3個工況下的周界風門開度呈束腰形分布，由燃燒試驗可得，束腰形分布有利于降低主燃區氧量，抑制NOx的生成[13-14]，并且隨著負荷的升高，周界風門開度逐漸關小.這是由于周界風的作用除了冷卻燃燒器噴嘴外，還能為燃料燃燒提供一部分空氣，隨著負荷的升高，爐膛內部的燃料型NOx含量增加，因此需要減少周界風量，降低與煤粉混合的空氣量，維持一定的還原性氣氛.

從圖6可以看出，3個工況下的輔助風門開度分布趨勢一致，呈束腰形分布，且隨著負荷的升高而開大.輔助風的作用為調節爐膛風箱壓差，隨著負荷的升高，二次風量會隨燃料量的增加而增大.由此可知，適當開大輔助風門開度能夠避免減少周界風量導致的爐膛風箱壓差過大.

4結論

(1)磨煤機組合方式與擺動燃燒器執行器反饋影響鍋爐主燃區位置.ABCDE磨煤機組合方式作為主力磨煤機組合方式，運行時間長，數據量大，并且主燃區內空氣量較低，主燃區上部還原段較長，NOx質量濃度最低.擺動燃燒器執行器反饋越小，主燃區位置越靠近爐膛下部，隨著負荷的升高，最優擺動燃燒器執行器反饋減小.

(2)煙氣含氧量越低，NOx質量濃度越低，最優煙氣含氧量為2.6%左右，并且負荷越高，最優煙氣含氧量越低.

(3)負荷越高，最優SOFA風門開度越大；最優周界風門開度與輔助風門開度呈束腰形分布，并且負荷越高，周界風門開度越小.

(4)尋優結果表明，采用ABCDE磨煤機組合方式，周界風門開度和輔助風門開度均呈束腰形分布，SOFA一層、四層風門開度分別為50%和60%左右，擺動燃燒器執行器反饋在50%左右，能夠有效降低SCR裝置進口NOx質量濃度.數據挖掘結果顯示，NOx質量濃度約為167 mg/m3，鍋爐效率為93.0%左右.

參考文獻：

[1]張曉輝, 孫銳, 孫紹增, 等. 燃盡風與水平濃淡燃燒聯用對NOx生成的影響[J]. 中國電機工程學報, 2007, 27(29): 56-61.

ZHANG Xiaohui, SUN Rui, SUN Shaozeng,etal. Effects of combined application of OFA and horizontal bias burner on NOxemission characteristics[J]. Proceedings of the CSEE, 2007, 27(29): 56-61.

[2]周俊虎, 趙琛杰, 許建華, 等. 電站鍋爐空氣分級低NOx燃燒技術的應用[J]. 中國電機工程學報, 2010, 30(23): 19-23.

ZHOU Junhu, ZHAO Chenjie, XU Jianhua,etal. Application of air-staged and low NOxemission combustion technology in plant boiler[J]. Proceedings of the CSEE, 2010,30(23): 19-23.

[3]費俊, 孫銳, 張曉輝, 等. 不同燃燒條件下煤粉鍋爐NOx排放特性的試驗研究[J]. 動力工程, 2009，29(9): 813-817.

FEI Jun, SUN Rui, ZHANG Xiaohui,etal. Characteristics of NOxemission in pulverized coal fired boiler under different combustion conditions[J]. Journal of Power Engineering, 2009，29(9): 813-817.

[4]肖海平, 張千, 王磊, 等. 燃燒調整對NOx排放及鍋爐效率的影響[J]. 中國電機工程學報, 2011, 31(8): 1-6.

XIAO Haiping, ZHANG Qian, WANG Lei,etal. Effect of combustion adjustment on NOxemission and boiler efficiency[J]. Proceedings of the CSEE, 2011, 31(8): 1-6.

[5]張惠娟, 惠世恩, 周屈蘭, 等. 300 MW 煤粉鍋爐低NOx正反切同軸燃燒試驗研究[J]. 中國電機工程學報, 2005, 25(15): 116-120.

ZHANG Huijuan, HUI Shien, ZHOU Qulan,etal. Experiment study of low NOxpositive/opposing concentric tangential firing system in a 300 MW pulverized fuel boiler[J]. Proceedings of the CSEE, 2005, 25(15): 116-120.

[6]周志軍, 周叢叢, 許建華, 等. 低NOx旋流燃燒器一, 二次風混合特性分析[J]. 中國電機工程學報, 2010，30(11): 8-14.

ZHOU Zhijun, ZHOU Congcong, XU Jianhua,etal. Analysis of the mixing between primary air and secondary air in a low NOxswirl burner[J]. Proceedings of the CSEE, 2010, 30(11): 8-14.

[7]呂玉坤, 彭鑫, 趙鍇. 電站鍋爐熱效率和NOx排放混合建模與優化[J]. 中國電機工程學報, 2011, 31(26): 16-22.

Lü Yukun, PENG Xin, ZHAO Kai. Hybrid modeling optimization of thermal efficiency and NOxemission of utility boiler[J]. Proceedings of the CSEE, 2011, 31(26): 16-22.

[8]王春林, 周昊, 李國能, 等. 基于遺傳算法和支持向量機的低NOx燃燒優化[J]. 中國電機工程學報, 2007, 27(11): 40-44.

WANG Chunlin, ZHOU Hao, LI Guoneng,etal. Support vector machine and genetic algorithms to optimize combustion for low NOxemission[J]. Proceedings of the CSEE, 2007, 27(11): 40-44.

[9]顧燕萍, 趙文杰, 吳占松. 采用最優 MVs 決策模型的電站鍋爐燃燒優化[J]. 中國電機工程學報, 2012，32(2): 39-44.

GU Yanping, ZHAO Wenjie, WU Zhansong. An optimal MVs decision-model for boiler combustion optimization[J]. Proceedings of the CSEE, 2012，32(2): 39-44.

[10]李建強, 劉吉臻, 張欒英, 等. 基于數據挖掘的電站運行優化應用研究[J]. 中國電機工程學報, 2006, 26(20): 118-123.

LI Jianqiang, LIU Jizhen, ZHANG Luanying,etal. The research and application of fuzzy association rule mining in power plant operation optimization[J]. Proceedings of the CSEE, 2006, 26(20): 118-123.

[11]NATARAJAN U, PERIASAMY V M, SARAVANAN R. Application of particle swarm optimisation in artificial neural network for the prediction of tool life[J]. The International Journal of Advanced Manufacturing Technology, 2007, 31(9/10): 871-876.

[12]LIU B, WANG L, JIN Y H,etal. Improved particle swarm optimization combined with chaos[J]. Chaos, Solitons & Fractals, 2005, 25(5): 1261-1271.

[13]鄒磊, 梁紹華, 岳峻峰, 等. 1 000 MW 超超臨界塔式鍋爐NOx排放特性試驗研究[J]. 動力工程學報, 2014, 34(3): 169-175.

ZOU Lei, LIANG Shaohua, YUE Junfeng,etal. Experimental study on NOxemission of a 1 000 MW ultra supercritical tower type boiler[J]. Journal of Chinese Society of Power Engineering, 2014, 34(3): 169-175.

[14]李德波, 宋景慧, 徐齊勝, 等. 660 MW 超超臨界旋流對沖燃煤鍋爐NOx分布數值模擬[J]. 動力工程學報, 2013, 33(12): 913-919.

LI Debo, SONG Jinghui, XU Qisheng,etal. Numerical simulation on NOxdistribution in a 660 MW ultra supercritical opposed firing boiler[J]. Journal of Chinese Society of Power Engineering, 2013, 33(12): 913-919.

Operating Parameters Optimization for Low NOxCombustion of Coal-fired Boilers

LIJianqiang,WANGAnming,PANWenkai,CHENXingxu,ZHAOKai

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

Abstract：To satisfy the low-NOx combustion adjustment requirement of a 300 MW unit, a soft measurement model of secondary air and a clustering model of oxygen content in the flue gas were built up based on the NOx formation rules and data analysis method by filtering the data in original database of the power plant to reduce the number of operating parameters, after which various parameters in the simplified database were optimized using Aprior algorithm improved with particle swarm optimization, so as to achieve the reduction of NOx emission. Results show that all the optimized parameters are in accordance with the combustion adjustment test, such as the oxygen content in flue gas, combination mode of coal mills, and opening degree of both the secondary air damper and SOFA air damper, etc., indicating that the NOx concentration can be effectively reduced at the inlet of SCR facility on the premise of ensuring the thermal efficiency of boiler.

Key words：combustion optimization; data mining; NOx; association rule

收稿日期：2015-07-13

修訂日期：2015-08-25

作者簡介：李建強(1976-)，男，河北晉州人，副教授，博士，主要從事數據挖掘在電站優化運行方面的研究.

文章編號：1674-7607(2016)05-0337-06中圖分類號：TK229.2

文獻標志碼：A學科分類號：470.30

汪安明(通信作者)，男，碩士研究生，電話(Tel.)：13833235919；E-mail：ismellmagic@sina.com.