基于數字圖像處理的生物質混燃火焰穩定性檢測方法

葛 紅，徐偉程，閆 勇,，盧 鋼

基于數字圖像處理的生物質混燃火焰穩定性檢測方法

葛 紅1，徐偉程1，閆 勇1,2，盧 鋼2

（1.華北電力大學控制與計算機工程學院，北京 102206；2.肯特大學工程與數字藝術學院，坎特伯雷，肯特 CT2 7NT，英國）

低質燃料或混合燃料（如煤粉+生物質等）的燃燒常常出現火焰不穩定現象，導致燃燒效率低、NOx排放量偏高等。由于燃燒器火焰本身的復雜性和現有檢測方法的局限性，目前還無法對火焰的穩定性進行定量檢測和評估。本文提出一種基于數字圖像處理的生物質混燃火焰檢測及穩定性評價方法。該方法定義了一個在[0,1]范圍內連續取值的通用火焰穩定指數，并采用數字CCD相機采集火焰圖像信息，通過圖像分析提取火焰長度/高度、亮度、溫度、閃爍頻率等特征參數，經過對火焰特征參數進行統計分析和數據融合，求得火焰穩定指數，實現火焰穩定性的定量檢測和評估。在生物質燃燒試驗臺對玉米芯、麥秸、柳木和花生殼4種不同生物質兩兩混合形成的3種混合生物質燃料進行了燃燒試驗。試驗結果表明定義的火焰穩定指數能夠有效表征火焰燃燒狀態。

生物質；火焰；特征參數；火焰穩定性；火焰穩定指數；圖像處理；數據融合

火焰的穩定性是化石燃料燃燒過程檢測與控制領域的研究重點和難點，特別是在使用低質燃料、混合燃料以及生物質燃料的情況下尤為突出。不穩定火焰將導致燃燒效率低、NO排放量高和煙氣中未燃盡碳含量高等一系列問題[1]。因此，火焰穩定性的在線檢測對于提高燃燒過程的整體質量具有重要意義。然而火焰穩定性在很大程度上與燃料的著火性能、燃燒器結構、空燃比、空氣和燃料流速等諸多因素有關，目前有關火焰物理參數和穩定性定量檢測的研究十分有限。

火焰的物理特性通常可以用幾何、亮度和熱力學參數來描述。現有的電站鍋爐火焰檢測裝置一般只進行單點檢測，或僅判斷是否存在火焰，并不能給出火焰物理參數和穩定性等參數的定量信息。傳統的火焰溫度傳感器，如熱電偶和高溫計[2-3]需要侵入火焰或預知火焰中某種物質的發射率，但侵入式測量會對火焰產生影響，同時火焰發射率通常未知，而且這些方法不能提供火焰溫度的立體分布。

基于激光和光纖的火焰溫度測量由于系統比較復雜，成本較高，通常用于實驗室，不適用于工業鍋爐長期在線檢測[4-5]。目前電站鍋爐普遍安裝全爐膛火焰監控系統[6]，但其功能只限于監測爐膛是否存在火焰，并不能實時定量測量火焰參數。

隨著光學傳感器和數字圖像處理技術的快速發展，火焰可視化技術得到廣泛重視和應用。由于在性能、結構和成本等方面的優勢，數字成像及圖像處理技術已被認為是鍋爐燃燒器火焰非侵入式測量最有效的方法之一[7]。過去十幾年，火焰的可視化及二維（2D）、三維（3D）重建技術也得到很大發展[8]。有學者采用增強相機和高光譜相機來捕捉火焰圖像，得到火焰自由基的光譜特性以及火焰溫度場[9]，但這些系統結構復雜，成本較高，不適于在大型鍋爐燃燒器上使用。

根據目前燃燒器火焰檢測存在的問題，本文提出一種基于數字成像及圖像處理技術的火焰穩定性定量評價方法。通過電荷耦合器件（charge-coupled device, CCD）相機采集爐膛的火焰圖像，利用數字圖像分析算法提取火焰的幾何、亮度和熱力學參數，獲取可反映火焰物理特性及燃燒狀態的定量信息，通過統計分析與數據融合，建立火焰物理特性與燃燒過程的內在關系，實現火焰穩定性的定量評估。在生物質燃燒試驗臺上對玉米芯、麥秸、柳木和花生殼4種不同生物質摻雜形成的3種混合燃料進行了一系列燃燒試驗，結果驗證了本方法的有效性。

1 火焰檢測原理

1.1 火焰檢測系統

圖1為火焰檢測系統原理。火焰檢測系統主要由光學探桿、高速CCD相機、圖像分析處理模塊等組成。火焰通過光學探桿在CCD相機形成數字圖像，然后傳輸至圖像分析處理模塊，對火焰圖像進行增強處理后，提取火焰特征參數，并將多個參數進行融合得到火焰穩定性指數，據此判斷火焰的穩定性，同時在屏幕上實時顯示火焰圖像、有關參數及其變化曲線、火焰穩定性等信息。

圖1 火焰檢測原理

1.2 火焰特征參數

通過分析火焰圖像可獲得火焰特征參數，該參數取決于燃燒器結構和燃燒工況，因燃燒器結構確定，因此火焰特征參數可反映燃燒工況。研究表明火焰的根部（靠近燃燒器的部位）是燃料燃燒反應的重要區域，因此本文主要對火焰根部區域進行量化分析。將火焰參數分為3類，即幾何、亮度和熱力學參數（圖2）。幾何參數包括火焰長度/高度，亮度參數即火焰亮度或圖像的總體灰度值，熱力學參數包括平均溫度、最高溫度與閃爍頻率。各參數的定義和計算過程如下。

1）火焰長度/高度從燃燒器出口平面到火焰最前端的垂直距離。即圖2中的1(,)-2(0,)直線實際長度，其值可表示為

式中為考慮鏡頭特性的修正系數，可以通過系統標定獲得。標定過程是在視景中放置已知尺寸1的物體（或已知燃燒器出口內徑），用相機獲取標定物體圖像，則可計算為

式中，1為標定物體的長度，1為標定物體在圖像中對應的像素數量。

圖2 火焰及其特征參數

2）亮度表示火焰區域的平均灰度值，采用圖像的最大灰度255[10]歸一化，即

式中，f為火焰區域，為火焰區域像素總數，(,)為點(,)的灰度值。

火焰亮度取決于火焰的輻射強度，也和相機的設置（光圈、快門等）有關，因此在測量過程中需要保持相機的設置不變。

3）溫度采用雙色法測定[11]。由于本文采用RGB相機，所拍攝圖像具有3個顏色分量，即紅色（R）、綠色（G）和藍色（B），計算中選擇2個顏色分量，本文選擇R和G顏色分量。根據雙色法求得每個像素點的火焰溫度[11]，然后計算出火焰平均溫度av和最高溫度max，即

式中：2為第二普朗克常數，1.438×10-2m·k；lR為紅色光譜的峰值響應波長，615 nm；lG為綠色光譜的峰值響應波長，540 nm；R、G分別為圖像R、G分量的亮度值；為設備因子[12]，可以利用標準黑體爐對測量系統標定來確定；(,)為圖像中火焰區域每一個像素點的溫度信息。

4）閃爍頻率火焰的閃爍頻率是與火焰穩定性密切相關的特征參數之一[13]，反映火焰強度信號或圖像灰度的規律性變化。對火焰強度信號（火焰區域各像素平均灰度）進行傅立葉變換求得其功率譜，則火焰的閃爍頻率[12]定義為

式中，為閃爍頻率，f為第個頻率值，p為第個頻率分量的功率密度，2為頻率分量總數。

5）火焰穩定指數 由于火焰圖像序列含有火焰在時間和空間上的動態信息，因此在一定程度上能夠判斷火焰的穩定性。然而火焰圖像質量不僅與測量系統有關，還與燃料特性、燃燒器類型、燃燒條件和測量系統安裝位置等因素有關。因此，在不同工況下得到的火焰圖像會有很大的差異。對此，本文提出以火焰穩定指數作為通用的判斷標準，對不同燃燒條件下的火焰穩定性進行評估。該方法不需要事先確定燃料特性、燃燒器類型和其他操作條件。確定火焰穩定指數首先要計算一定時間段內每個火焰特征參數的標準偏差，分別取其平均值M和標準差s，即：

式中，M(=1, 2, 3, 4)分別表示、、av和max歸一化后在3個數據點中的平均值，3為計算第個參數平均值所含數據點個數，V為在3個數據內第個參數的第個數據值，s1、s2、s3、s4分別為4個參數的標準差。

基于以上參數，火焰穩定指數可定義為

式中：f(M)為M的理論最大標準差；S為M的標準差；w為M的權重，某個參數越重要，其權重w越大。在本文中，所有參數的權重w=2。由于1、2、3、4的動態范圍均為[0,1]，d的范圍為[0,1]。

火焰穩定指數d的最小值為0，最大值為1，“1”表示火焰處于完全穩定狀態。當任一個或多個參數的標準偏差達到其理論最大值時，d就會趨于“0”，表明火焰處于極不穩定的狀態。

2 試驗條件及結果

2.1 試驗條件

無論是作為主要燃料還是作為混合燃料的一部分，生物質燃燒是降低火電廠排放的有效方法之一[14]。本文采用所建立的火焰穩定性測量方法來研究火電廠常見的不同類型的生物質混燃火焰的穩定性，試驗裝置如圖3所示。

圖3 生物質混燃火焰試驗裝置示意

表1 4種生物質燃料有關參數

Tab.1 The relevant parameters of four biomass fuels

3種混合燃料分別與一定量的甲烷（助燃）混燃。在相同的操作條件下，進行了純甲烷的對比燃燒試驗。在燃燒裝置中，甲烷流量為0.5L/min，空氣流量為2.0L/min，給料空氣流量為2.0L/min，生物質進料器頻率為2.0 Hz。在火焰圖像采集中，CCD相機拍攝幀速率250幀/s，快門速度1/250 s，相機距離火焰中心140 cm。

2.2 試驗結果及討論

圖4為甲烷及生物質混燃火焰的典型圖像。 圖5為3種不同的混合生物質燃燒火焰的亮度均值以及變化范圍（標準差）。圖5中每個數據點為 2 250個測量值的平均值，測量時間為9 s。由圖5可見，在相同的工況下，生物質混燃比純甲烷燃燒火焰亮度更強。其中，玉米芯和麥秸混燃火焰的亮度最強，并且其亮度波動較小，有較好的穩定性。

圖4 甲烷及生物質混燃火焰的典型圖像

圖5 3種混合生物質燃燒火焰亮度變化

圖6為3種混合生物質燃燒火焰圖像經高度歸一化后的高度均值以及變化范圍（標準差）。圖6中每個數據點為2 250個測量值的平均值，測量時間為9 s。從圖6可以看出，在相同工況下，3種混合生物質燃燒和純甲烷燃燒的火焰平均高度幾乎相同，說明生物質燃料種類對于火焰高度無明顯影響。同時，從圖6中高度標準差可以看出，在相同工況下，玉米芯和麥秸混燃火焰圖像的高度波動較小，有較好的穩定性。

圖7為3種混合生物質燃燒火焰的時間序列幅值和功率譜密度。采樣序列為2 250個采樣點，采樣頻率為250 Hz，采樣時間為9 s。有研究表明火焰信號的低頻分量是由空氣動力學或對流效應引起的火焰幾何波動，而高頻分量是由中間自由基之間的能量轉換或反應物能量釋放速率的變化引起的[13]。從圖7可以看出，3種生物質燃燒的閃爍頻率主要分布在低頻范圍，表明生物質燃燒火焰的閃爍頻率主要受幾何波動影響。其中，玉米芯和麥秸混燃火焰的幅值波動穩定，未發生劇烈變化。其功率譜密度峰值集中在16 Hz，受火焰幾何波動影響較小，火焰穩定性較好。柳木與花生殼和花生殼與麥秸2種混合生物質燃燒的幅值波動劇烈，功率譜密度峰值集中在相對較低的頻率范圍內，受火焰幾何波動影響較大，火焰穩定性較差。

圖6 3種混合生物質火焰高度變化

圖7 火焰信號的時間序列和功率譜密度

圖8為根據式(7)計算出的3種混合生物質燃燒火焰閃爍頻率的典型圖像。圖9為3種混合生物質燃燒火焰穩定指數的典型圖像。由于采樣頻率為250 Hz，通過計算1 s內4個參數的測量值的平均值及標準差，再利用式(10)進行數據融合，可得到火焰穩定指數。

從圖8a)和圖9a)可以看出，玉米芯和麥秸的混燃火焰閃爍頻率約15 Hz，穩定指數約0.45，2個參數基本不隨時間變化，表明火焰處于較穩定的狀態。同樣，圖8b)和圖9b)表明柳木和花生殼混燃火焰的閃爍頻率和穩定指數隨時間變化的趨勢基本相同，在第3 s時，火焰閃爍頻率上升，火焰穩定指數下降。這是因為火焰穩定指數融合了火焰的幾何、亮度和熱力學參數，因而火焰閃爍頻率雖然上升，但當火焰的其他參數不穩定時，其整體穩定性是下降的。從圖8c)和圖9c)也可得知，花生殼和麥秸混燃火焰穩定指數和閃爍頻率的變化趨勢基本一致。同時還觀察到，雖然火焰閃爍頻率在第1 s和第5 s時相近，但火焰穩定性卻完全不同。即第1 s時火焰閃爍頻率較高，但穩定指數較小，表明火焰處于不穩定狀態；第2 s和第3 s時，閃爍頻率和穩定指數均有下降趨勢，也表明火焰處于不穩定的過渡狀態；當第5 s時，火焰穩定指數和閃爍頻率均為較大值，表明火焰處于穩定狀態。總之，玉米芯和麥秸混燃火焰在測量時間范圍內穩定指數值高且變化小，整體穩定性較好；柳木與花生殼混燃火焰和花生殼與麥秸混燃火焰在測量時間范圍內穩定指數變化較大，處于較不穩定狀態。3種混合生物質燃燒火焰的亮度與高度標準差也可以反映該結論的正確性。同時，在試驗中觀察到，玉米芯與麥秸混燃和柳木與花生殼混燃有火星從火焰中射出，也表明生物質混燃存在較大的不穩定性。

3 結 論

本文提出了一種通用的混燃火焰穩定性的在線測量方法。該方法通過對火焰的物理特性參數如幾何形狀、亮度、溫度和閃爍頻率的檢測以及特性參數的統計分析和融合，提出了以火焰穩定指數對火焰穩定性進行定量描述的方法。該方法在生物質燃燒試驗臺上對玉米芯、麥秸、柳木和花生殼4種不同生物質兩兩摻雜形成的3種混合生物質燃料燃燒進行試驗和評估。試驗結果證明了該方法的有效性。同時，試驗結果表明，在相同工況下，不同生物質的混燃對火焰穩定性的影響有明顯的不同，這是由于生物質理化性質不同導致的。

［1］ SAHU S G, CHAKRABORTY N, SARKAR P. Coal-biomass co-combustion: an overview[J]. Renewable and Sustainable Energy Reviews, 2014, 39: 575-586.

［2］ 黃希橋, 李前翔, 王苗苗, 等. CCD測溫中火焰溫度與顏色的關系[J]. 西北工業大學學報, 2017, 35(3): 442-447.

HUANG Xiqiao, LI Qianxiang, WANG Miaomiao, et al. The relation of the temperature and color of the flame of the CCD temperature measurement[J]. Journal of Northwest Polytechnic University, 2017, 35(3): 442-447.

［3］ 程智海, 蔡小舒, 岳俊, 等. 燃燒狀態及煤粉粒徑對火焰光譜的影響[J]. 工程熱物理學報, 2006, 27(增刊2): 147-150.

CHENG Zhihai, CAI Xiaoshu, YUE Jun, et al. The effect of flame spectrum by combustion state and size of pulverized coal[J]. Journal of Engineering Thermo-physics, 2006, 27(Suppl.2): 147-150.

［4］ BALLESTER J, GARCíA-ARMINGOL T. Diagnostic techniques for the monitoring and control of practical flames[J]. Progress in Energy and Combustion Science, 2010, 36(4): 375-411.

［5］ LI L, MOSTOVSHCHIKOV A V, ILYIN A P, et al. Monitoring of nanopowder combustion ignited by laser radiation[C]//Proceedings of the 2018 Progress in Electromagnetics Research Symposium. 2018: 311-316.

［6］ 安靜宇, 馬憲民. 火電廠爐膛火焰視頻圖像燃燒穩定性監測仿真[J]. 計算機仿真, 2017, 34(4): 373-376.

AN Jingyu, MA Xianmin. Simulation of flame video image combustion stability monitoring in thermal power plant[J]. Computer Simulation, 2017, 34(4): 373-376.

［7］ KRABICKA J, LU G, YAN Y. Profiling and characterization of flame radicals by combining spectroscopic imaging and neural network techniques[J]. IEEE Transactions on Instrumentation and Measurement, 2011, 60(5): 1854-1860.

［8］ YAN Y, QIU T, LU G, et al. Recent advances in flame tomography[J]. Chinese Journal of Chemical Engineering. 2012, 20(2): 389-399.

［9］ 宋旭東, 郭慶華, 張婷, 等. 甲烷同軸射流擴散火焰中自由基的輻射特性[J]. 中國電機工程學報, 2013, 33(35): 50-57.

SONG Xudong, GUO Qinghua, ZHANG Ting, et al. Radiation characteristics of radicals in methane co-flowing jet diffusion flame[J]. Journal of Electrical Engineering of China, 2013, 33(35): 50-57.

［10］ LU G, YAN Y, COLECHIN M. A digital imaging based multifunctional flame monitoring system[J]. IEEE Transactions on Instrumentation and Measurement, 2004, 53(4): 1152-1158.

［11］ LU G, YAN Y, RILEY G, et al. Concurrent measurement of temperature and soot concentration of pulverized coal flames[J]. IEEE Transactions on Instrumentation and Measurement, 2002, 51(5): 990-995.

［12］ SUN D, LU G, ZHOU H, et al. Flame stability monitoring and characterization through digital imaging and spectral analysis[J]. Measurement Science and Technology, 2011, 22(11): 114007.

［13］ LU G, YAN Y, COLECHIN M, et al. Monitoring of oscillatory characteristics of pulverized coal flames through image processing and spectral analysis[J]. IEEE Transactions on Instrumentation and Measurement, 2006, 55(1): 226-231.

［14］ JASMIN K. Biomass and carbon dioxide capture and storage: a review[J]. International Journal of Greenhouse Gas Control, 2015, 40: 401-430.

Flame stability detection method for co-firing of biomass fuels based on digital image processing

GE Hong1, XU Weicheng1, YAN Yong1,2, LU Gang2

(1. School of Control and Computer Engineering, North China Electric Power University, Beijing 102206, China; 2. School of Engineering and Digital Arts, University of Kent, Kent CT2 7NT, U.K.)

Combustion of low-quality fuels or fuel blends will lead to flame instability, resulting in low combustion efficiency and high NOx emissions. Due to the inherent complexity of burner flames and the lack of an effective means for flame monitoring and characterization, it is difficult to evaluate the flame stability in a combustion process quantitatively. To solve this problem, a method based on digital image processing for co-firing biomass fuels is proposed in this paper to monitor various characteristic parameters of a burner flame and evaluate its stability. In this method, a general flame stability index with continuous values in the range of [0, 1] is defined, and by using a digital CCD camera, the flame image information is collected. After the collected image is analyzed, the characteristic parameters like the flame length/height, brightness, temperature, flicker frequency and others are extracted. Then, statistical analysis and data fusion are carried out for theses characteristic parameters, and the flame stability index is obtained. Thus, the quantitative detection and evaluation of flame stability is realized. Moreover, this method was verified on a laboratory-scale combustion test rig. The combustion behaviours of different biomass blends (corncob-wheat straw blend, willow-peanut shell blend and peanut shell-wheat straw blend) were compared. The results show that, the defined flame stability index could effectively characterize the flame combustion state.

biomass, flame, characteristic parameter, flame stability, flame stability index, image processing, data fusion

TP391.7

A

10.19666/j.rlfd.201907150

2019-07-13

國家自然科學基金項目(51827808, 61673170)

Supported by：National Natural Science Foundation of China (51827808, 61673170)

葛紅(1976—)，女，碩士研究生，工程師，主要研究方向為燃燒過程監測、火焰三維成像、生物質燃燒等，gehong@ncepu.edu.cn。

葛紅, 徐偉程, 閆勇, 等. 基于數字圖像處理的生物質混燃火焰穩定性檢測方法[J]. 熱力發電, 2019, 48(9): 64-70. GE Hong, XU Weicheng, YAN Yong, et al. Flame stability detection method for co-firing of biomass fuels based on digital image processing[J]. Thermal Power Generation, 2019, 48(9): 64-70.

（責任編輯 杜亞勤）