火電機組混煤摻燒與優(yōu)化系統(tǒng)研究與應用

王英敏, 張志剛, 張文君, 朱憲然, 葉 翔

(1. 中國大唐集團科學技術研究院有限公司火力發(fā)電技術研究院，北京 100040; 2.內(nèi)蒙古大唐國際托克托發(fā)電有限責任公司，呼和浩特 010206)

中國地域遼闊，水、煤炭等資源分布極不均衡[1]，在煤價較高、電力用煤供需緊張的情況下，為了減少購煤壓力，降低燃料成本，電廠普遍采用配煤摻燒的方法[2]。早期的配煤摻燒在保證安全的情況下，加大劣質(zhì)煤的比例。在配煤之前一定要對燃用混煤進行試驗研究[3]。由于試驗結果無法完全反映電廠摻燒煤種在任意負荷下的最佳配比，單憑借試驗來確定電廠實際需求的最佳配比是不太合理的。其低價劣質(zhì)煤摻配的比例往往超出了鍋爐本身所能適應的范圍，從而進一步導致了鍋爐性能的惡化和難以控制，嚴重者甚至發(fā)生設備損壞、機組非停等事故。目前針對電廠中混煤摻燒的制粉系統(tǒng)優(yōu)化，主要基于試驗研究和結合專家人工經(jīng)驗來確定摻燒配比[4]。為了減少燃燒非設計煤種對鍋爐和機組帶來的不適應性，提高安全性和提高經(jīng)濟效益，中外許多機構正在開展多煤種摻燒工作研究[5]。

浙江大學熱能工程研究所提出了混煤的煤質(zhì)特性和燃燒特性與各組成單煤之間并非是簡單的加權關系，而是具有復雜的非線性特征,并建立了非線性的優(yōu)化動力配煤模型，成功開發(fā)了優(yōu)化配煤專家系統(tǒng)[6]；北京煤化學研究所開發(fā)的動力配煤軟件是利用線性規(guī)劃原理建立目標函數(shù)以及約束條件，開發(fā)了動力配煤優(yōu)化配比的應用軟件；梁景坤[7]面對煤質(zhì)的變化，根據(jù)從操作者、在線分析家、電廠實時數(shù)據(jù)、裝置運行預測和煤的流動模型等收集來的大量信息，確定合適的方案。

國外混煤在電站鍋爐引用也日益廣泛。西方國家主要采用低硫煤和高硫煤混合降低排放和結渣，而日本等國主要是節(jié)省煤炭，減少費用。

上述方法選擇的優(yōu)化目標為單一目標，多為混煤價格最低或者摻燒劣質(zhì)煤量最大等來確定摻配比例是否最大，考慮目標單一，無法對制粉系統(tǒng)整體運行參數(shù)的控制與調(diào)整進行精細化管理[3]。

隨著全球能源緊缺和環(huán)境污染問題日益嚴峻[8]，優(yōu)化目標應不僅包括發(fā)電煤耗、采購成本，還應考慮環(huán)保因素等。

針對某電廠配煤摻燒的特點：近幾年來一直大量摻燒低價劣質(zhì)煤，但深度配煤摻燒的管理仍停留在粗放式的水平上；其設計燃料為準格爾煙煤，然而實際燃用的煤質(zhì)種類繁多，且具有高水分、高硫分等特點。采用多目標協(xié)同優(yōu)化的方法研發(fā)了一套配煤摻燒決策系統(tǒng)，對進廠煤種根據(jù)煤質(zhì)不同進行智能儲煤，考慮制粉系統(tǒng)磨煤機出力和磨煤機溫度的約束條件來確定配煤摻燒比例，綜合考慮煤種采購成本、廠用電率、發(fā)電煤耗和脫硫費用等，設計摻燒收益模塊。

1 系統(tǒng)功能概述

建立火電機組混煤摻燒與優(yōu)化系統(tǒng)用以自動實現(xiàn)對多煤種摻燒工作的儲煤管理、制粉優(yōu)化、經(jīng)濟性評價等功能。該系統(tǒng)共涵蓋了智能儲煤模塊、制粉優(yōu)化模塊和經(jīng)濟效益模塊三大模塊。

根據(jù)煤種的元素分析、工業(yè)分析、發(fā)熱量、灰熔點等特性計算擬合出一個煤種分類的判斷指標，將現(xiàn)場的多煤種進行簡化和整合，用于指導相近煤種的統(tǒng)一堆放、管理、上煤等。依據(jù)不同煤種的煤質(zhì)特性和不同制粉系統(tǒng)的相關特性，通過理論計算制定制粉系統(tǒng)的安全邊界，如磨煤機出口溫度上下限、磨煤機出力、磨煤機風量、和風煤比等，用于指導制粉系統(tǒng)的優(yōu)化運行及摻燒比例。要根據(jù)燃煤價格及煤質(zhì)情況、摻燒比例、鍋爐運行參數(shù)及負荷、脫硫和脫硝系統(tǒng)物料價格及消耗情況、廠用電率等計算并即時顯示出機組的摻燒收益，用于動態(tài)指導機組乃至全廠的摻燒工作。

2 多煤種智能存儲模塊

提出一種基于K均值聚類算法的火電廠儲煤配煤智能化管理方法。首先利用專家知識，在原煤的煤質(zhì)參數(shù)中選取電廠在實際運營中著重關注的要素，即煤分類堆放的分類基礎。再利用K-means聚類方法將進場的原煤參數(shù)進行無監(jiān)督式聚類，按照現(xiàn)場要求分成幾類進行堆放，并考察新進場的原煤煤質(zhì)參數(shù)，通過聚類模型，決策其應堆放的位置。

2.1 K-means聚類算法

K-means算法是很典型的基于距離的聚類算法，通過求數(shù)據(jù)對象與簇中心的距離進行相似度計算，然后進行聚類分析，與簇中心近的數(shù)據(jù)就劃分為一個簇。具體算法如下[9]：給定樣本集D={x1,x2,…,xN},x∈Rd,(n=1,2,…,N),K-means算法針對聚類所得簇劃分為C={C1,C2,…,CM},M個互不相交的簇。K-means算法的聚類準則為類內(nèi)誤差總和最小，即聚類誤差最小。聚類誤差指簇中的各元素xn到其簇中心mk的歐式距離平方和。其數(shù)學表達式為

(1)

(2)

該算法中，樣本集為所有進廠煤的煤質(zhì)參數(shù)，即為該算法的輸入數(shù)據(jù)，聚類算法后所得的簇即為分類堆放煤堆的數(shù)量。根據(jù)大量的摻燒試驗結果[10-12]，結合專家知識，選取在煤分類堆放時最關注的幾種參數(shù)：原煤全硫分、原煤干燥無灰基揮發(fā)分、原煤灰熔點和原煤收到基低位發(fā)熱量作為為4維的輸入矩陣，然后通過迭代優(yōu)化來近似求解式，最終求解出的簇劃分即為進廠煤的堆放對策。

2.2 專家分類規(guī)則

通過K均值聚類算法結果設計以下兩級分類規(guī)則。

(1)在一級規(guī)則下，只考慮兩個參數(shù)進行分類，即原煤全硫分St、原煤灰熔點tST。以煤種與設計煤種的差值絕對值大小進行分類依據(jù)。

|ΔSt|=|St-Sts|

(3)

|ΔtST|=|tST-tSTs|

(4)

式中：Sts為設計煤種全硫分；tSTs為設計煤種灰熔點。

一級規(guī)則為|ΔtST|≥1%或|ΔtST|≥300 ℃時，原煤進行單獨堆放。

(2)在二級規(guī)則下，將排除全硫分和灰熔點的影響，繼續(xù)根據(jù)原煤揮發(fā)分Vdaf和低位發(fā)熱量Qnet,ar與設計煤種的差值繼續(xù)進行分類。

ΔVdaf=Vdaf-Vdafs

(5)

ΔQnet,ar=Qnet,ar-Qnet,ars

(6)

對于ΔVdaf和ΔQnet,ar分別按照區(qū)間分為7檔，即第1～7類。

ΔVdaf按照區(qū)間[0,8]、(8,15]、[-15,-8)、[15,20)、[-20,-15)、[20,+∞)、(-∞,-20)分成7類。

ΔQnet,ar按照區(qū)間[0,3]、(3,6]、[-6,-3)、[6,10)、[-10,-6)、[10,+∞)、(-∞,-10)分成7類。

若一個指標非常接近(差別等級較低的一檔)、另一個指標相差較大(差別等級較高的一檔)，則按差別等級高的一檔分類；若上述兩個指標有交叉、差別等級同檔，可同時按兩個指標分類，則優(yōu)先選擇按揮發(fā)分歸類存放。

3 制粉優(yōu)化模塊

為了提高配煤摻燒的精細化水平，采用粒子群優(yōu)化(particle swarm optimization,PSO)算法對制粉系統(tǒng)進行優(yōu)化控制。制粉優(yōu)化模塊根據(jù)制粉系統(tǒng)熱平衡方程和專家知識確定制粉系統(tǒng)的安全邊界條件，然后采用PSO算法尋找磨煤機運行的最優(yōu)控制策略，以指導磨煤機運行。

3.1 控制策略

根據(jù)不同煤種的煤質(zhì)特性和制粉系統(tǒng)的系統(tǒng)特性，計算制粉系統(tǒng)的安全邊界，包括單臺磨煤機出口溫度上下限、單臺磨煤機最大出力、磨煤機送風量和風煤比等。在保證安全和考慮環(huán)保消耗的前提下，計算不同摻燒比例下的經(jīng)濟效益，并計算出最大摻燒收益下對應的摻燒比例，得出鍋爐制粉系統(tǒng)的最佳摻燒配比方案以指導鍋爐優(yōu)化運行。

3.2 PSO算法

PSO算法[13]是由Kennedy和Eberhart于1995年共同提出，其基本思想是模擬鳥群覓食的行為，通過模擬鳥群覓食過程中的遷徙和群聚行為而提出的一種基于群體智能的全局優(yōu)化算法。

在PSO算法中，每個個體稱為一個粒子，每個粒子可視為D維空間中的一個搜索個體。所有的粒子都由適應度函數(shù)決定它的適值度，每個粒子還有一個速度決定它們飛行的方向和距離。在每次迭代尋優(yōu)過程中，每個粒子通過跟蹤兩類信息來更新自己：一是粒子自身所處的位置以及歷史最優(yōu)位置，二是整個種群中全部粒子所處的最優(yōu)位置。每個粒子的飛行速度和方向由以上兩個參數(shù)決定。在實際應用過程中，其實每個粒子代表著一個潛在的解。

設第i個粒子(i=1,2,…,m)在D維空間中的坐標位置可表示為zi=(zi1,zi2,…,ziD)，vi=(vi1,vi2,…,vid,…,viD)為第i個粒子的飛行速度，即粒子的移動距離，pi=(pi1,pi2,…,pid,…,piD)為單個粒子搜索到的最優(yōu)位置，pg=(pg1,pg2,…,pgd,…,pgD)為整個種群搜索到的最優(yōu)位置[14]。

在每次迭代搜索過程中，粒子根據(jù)式(7)～式(9)更新自己的飛行速度和移動位置。

(7)

(8)

(9)

式中:i=1,2,…,m;d=1,2,…,D;k為當前迭代次數(shù);c1和c2為學習因子，調(diào)節(jié)個體和全局最優(yōu)粒子方向飛行的步長；r1、r2為[0,1]隨機數(shù)；ω為慣性權重。

3.3 基于PSO多目標優(yōu)化方法的制粉系統(tǒng)優(yōu)化

制粉系統(tǒng)優(yōu)化的核心是摻配比例的計算，優(yōu)化的關鍵在于制粉系統(tǒng)優(yōu)化模型的建立。采用PSO多目標優(yōu)化方法來計算摻配比例，算法中每個粒子代表一種潛在可行的摻配比例。針對每種摻配比例，可以計算出相應磨煤機出口溫度、風煤比和摻燒收益等。然后根據(jù)制粉系統(tǒng)優(yōu)化控制問題的數(shù)學模型進行優(yōu)化計算摻配比例。

3.3.1 約束條件

制粉系統(tǒng)的各項特定的技術要求構成了制粉系統(tǒng)的基本約束條件?；烀旱拿嘿|(zhì)指標和各摻配單煤的煤質(zhì)采用加權平均的方式計算[15]。各約束條件如下。

(1)粉管一次風速v。對直吹式制粉系統(tǒng)，粉管一次風速v不能低于18 m/s，即v≥18 m/s;對中儲式制粉系統(tǒng)，干燥劑送粉系統(tǒng)中粉管一次風速不能低于18 m/s，即v≥18 m/s，熱風送粉系統(tǒng)中粉管一次風速不能低于24 m/s，即v≥24 m/s。

(2)磨煤機出口溫度tM。每一種摻燒比例所對應的磨煤機出口溫度值需在磨煤機出口溫度的下限和上限之間。即tMmin

對直吹式中速磨煤機，Vdaf<40%時

tMmax=[(82 -Vdaf)×(5/3)-5]～

[(82-Vdaf)×(5/3)+5] ℃

(10)

Vdaf≥40%時

tMmax= 60～70 ℃

(11)

對鋼球儲倉式磨煤機，根據(jù)煤質(zhì)的不同，磨煤機出口溫度上限不同。

貧煤時，tMmax=100～130 ℃

(12)

煙煤時，tMmax=70～90 ℃

(13)

褐煤時，tMmax=60～70 ℃

(14)

對于雙進雙出鋼球磨直吹式磨煤機根據(jù)煤質(zhì)的不同，磨煤機出口溫度上限不同。

貧煤時，tMmax=100～130 ℃

(15)

煙煤時，tMmax=70～90 ℃

(16)

褐煤時，tMmax=60～70 ℃

(17)

磨煤機出口溫度下限tMmin應大于露點溫度tdp，且不能小于60 ℃，并且取兩者的高值作為下限值。

制粉系統(tǒng)為中儲式制粉系統(tǒng)時，磨煤機出口溫度下限為

tMmin=max(tdp+5,ttp)℃

(18)

制粉系統(tǒng)為直吹式制粉系統(tǒng)時，磨煤機出口溫度下限為

tMmin=max(tdp+2,ttp)℃

(19)

式中：tdp為露點溫度，℃，ttp=60 ℃。

(3)磨煤機內(nèi)風量Qv。磨煤機內(nèi)最高風量不超過磨煤機設計的最大通風量Qvs，即Qv≤Qvs。

(4)風煤比g1。磨煤機在運行區(qū)間保持風煤比g1的范圍為1.8～2.5。

(5) 摻配比例約束。各煤種的摻燒比例為正值，且總和為1。假設共n種煤進行摻燒，第i種煤的摻燒比例設定為xi，則

(20)

3.3.2 多目標數(shù)學模型的建立

制粉系統(tǒng)優(yōu)化的核心目標滿足用戶燃煤質(zhì)量和出力要求的前提下追求最佳的經(jīng)濟方案，也就是配煤的總成本最低。有些配煤方案考慮優(yōu)質(zhì)高價煤或緊缺煤配比最小或低價廉價煤或供應充足的煤配比最大[16]。以兩個目標值即摻燒收益最大[17]和磨煤機干燥出力最小為目標為目標函數(shù)，建立的制粉系統(tǒng)多目標優(yōu)化數(shù)學模型如下。

目標函數(shù)：

maxg(Ps,bf,bg,bmw,bzw,Pso2,…)

(21)

式(21)中：g(Ps,bf,bg,bmw,bzw,Pso2,…)為摻燒收益，不僅要考慮原煤標單Ps，發(fā)電煤耗bf和供電煤耗bg，主減溫水影響供電煤耗bmw，再減溫水影響供電煤耗bzw的摻燒收益的影響，還要考慮脫硫物料消耗量Pso2對成本的影響等。

min|qin-qout|

(22)

式(22)中：qin為制粉系統(tǒng)輸入總的熱量；qout為制粉系統(tǒng)干燥磨制1 kg煤帶出和消耗的熱量。

約束條件見3.3.1節(jié)。

4 摻燒收益模塊

為獲得機組摻燒的最終收益，應建立評價涉及全 廠的經(jīng)濟性模型[18]，混煤摻燒系統(tǒng)經(jīng)濟性分析評估以影響發(fā)電生產(chǎn)成本的因素為評價對象，將燃料采購及生產(chǎn)數(shù)據(jù)、機組運行數(shù)據(jù)等作為評價指標[19]。摻燒收益模塊綜合考慮摻燒前、摻燒后和脫硫物耗對經(jīng)濟性計算的影響。

摻燒經(jīng)濟性計算如下:

g(Ps,bf,bg,bmw,bzw,Pso2,…)=

(23)

式(23)中：bgq、bmwq、bzwq分別為摻燒前的供電煤耗、主減溫水影響供電煤耗和再減溫水影響供電煤耗；bgh、bmwh、bzwh分別為摻燒后的供電煤耗、主減溫水影響供電煤耗和再減溫水影響供電煤耗。煤耗成本具體計算公式參考文獻[20]。

5 應用實例

設計的火電機組混煤摻燒與優(yōu)化系統(tǒng)采用Windows操作系統(tǒng)，開發(fā)環(huán)境為Visual Studio 2015，編程語言采用C#，數(shù)據(jù)庫采用MySQL。系統(tǒng)在某電廠 600 MW 機組鍋爐進行應用，鍋爐為 HG-2008/17.4-YM5 型單爐膛Π 型爐，鍋爐采用中速磨煤機正壓直吹制粉系統(tǒng)。進廠煤種為6種煤，其煤質(zhì)參數(shù)如表1所示。

表1 輔機設計電機容量

圖1所示為系統(tǒng)中儲煤方案，按照2.2節(jié)設計的儲煤規(guī)則，共分為8個區(qū)，其中煤種1、2和煤種4應該儲存在1區(qū)，煤種3在8區(qū)，煤種5在5區(qū)。通過智能儲煤系統(tǒng)，對不同煤種進行合理分區(qū)儲存，為后續(xù)配煤摻燒提供便利。

圖1 儲煤方案Fig.1 Coal storage scheme

圖2 制粉系統(tǒng)輸入?yún)?shù)Fig.2 Input parameters pulverizing system

圖2所示為制粉系統(tǒng)優(yōu)化中制粉系統(tǒng)參數(shù)輸入情況，可通過該界面輸入管道截面積、管道煤氣體靜壓、溫度等制粉系統(tǒng)優(yōu)化計算相關參數(shù)。

根據(jù)制粉優(yōu)化結果，可看到制粉優(yōu)化建議及當前的風煤比曲線。如圖3所示，煤種1和煤種2的摻燒建議分別為60%和40%，風煤比在1.8～2，符合約束條件。

圖3 制粉系統(tǒng)優(yōu)化建議Fig.3 Suggestions on optimization of pulverizing system

根據(jù)系統(tǒng)投產(chǎn)運行分析，2018年某電廠公司共摻燒劣質(zhì)煤總量630.5萬t，摻燒比例為37.69%，標煤降價貢獻為26.15元/t，摻配效益達25 403萬元。

6 結論

設計的火電機組混煤摻燒與優(yōu)化系統(tǒng)通過智能儲煤模塊實現(xiàn)了煤場的數(shù)字化、智能化管理，通過制粉系統(tǒng)優(yōu)化模塊為配煤決策提供重要的決策依據(jù)，不僅考慮煤種價格還考慮了環(huán)保因素，對配煤摻燒進行經(jīng)濟性分析。通過應用證明，該系統(tǒng)可對各個煤種進行分類儲煤，并得到最佳摻配方案保證了摻燒過程中機組的安全、平穩(wěn)運行，未發(fā)生由于摻燒帶來的降負荷、停機等事件；指導了摻燒收益的實時計算，確保了機組按經(jīng)濟效益最大化進行深度摻燒工作。