基于復合模型的氧量定值優化技術在火電機組中的應用

國能智深控制技術有限公司/北京市電站自動化工程技術研究中心 王 瞳

影響火電機組運行經濟效益的因素有很多，其中起到決定性作用的參考指標就是鍋爐燃燒效率。鍋爐尾部煙氣含氧量作為燃燒調整的重要參數，實時監測鍋爐爐膛內煤粉的燃燒狀況，代表了爐膛整體的配風水平，氧量過高會造成氮氧化物濃度增加，而氧量過低會造成不充分燃燒，增加熱損失。因此對鍋爐氧量定值優化技術的研究及應用具有重要現實意義。

1 基于復合模型的氧量定值優化技術概述

基于復合模型的氧量定值優化技術包括鍋爐尾部煙氣含氧量模型建立及最優氧量設定值計算兩部分內容。鍋爐尾部煙氣含氧量模型建立的研究方法主要有兩種，分別為基于機理模型和基于數值模型的研發方法。其中機理模型研究方法是對煙氣含氧量通過機理分析提出一種機理模型，根據氧量測量方式的不同分為干、濕氧量兩種形式的機理模型。由于鍋爐燃燒系統是十分復雜的，很難建立完備的機理模型來準確反映氧量、配風及鍋爐效率之間的關系，借助軟測量技術進行動態補償以提升模型的測量精度。較為精確的機理模型能夠具備較高的精度，但動態特性方面較差，需根據現場工況定期進行調整；數值模型研究方法是采用隨機取樣的方法從電廠實際的歷史數據庫中采集多組不同工況下的運行數據，通過對上述多組歷史數據進行訓練，建立了煙氣含氧量最小二乘支持向量機模型。最小二乘支持向量機模型訓練時間比較長，一般為離線學習，對訓練數據的的質量和全面性要求比較高，如果訓練數據不能遍歷存在不穩定性。

綜合上述兩種建模方法的優劣性，建立基于機理和數值模型相結合的煙氣含氧量復合模型。基于此復合模型的氧量定值優化技術，把鍋爐效率提升作為尋優的性能指標，采用遺傳算法算出不同工況下的煙氣含氧量最優設定值，將其代入閉環控制，提高調節品質，為電廠的經濟性穩定運行創造條件。

2 氧量復合模型原理

從DCS 系統中采集主汽流量、主汽溫度、主汽壓力、給水溫度、再熱蒸汽溫度、再熱蒸汽壓力、高壓排氣溫度、高壓排氣壓力、排煙溫度、冷風溫度、總風量、給水流量、泵出口溫度、油流量、給煤量、機組功率等相關變量測點信息，如有些數據無法直接通過測量裝置采集，則通過軟測量技術尋找多個關聯變量以數據擬合的方式得出，作為氧量復合模型建立的基礎數據。

鍋爐總熱量是鍋爐有效吸熱量、排煙熱損失量、固體未完全燃燒熱損失量及其他散熱損失熱量的總和。其中排煙熱損失量計算所需要的變量為煙氣含氧量。煙氣含氧量機理模型鍋爐總熱量計算所需的輸入變量采用最小二乘支持向量機模型的氧量輸出值，最終復合模型的預測輸出值為機理模型的氧量輸出值與數值模型的氧量輸出值按照公式加權求和得出，具體公式為O2=WLO2L+WMO2M，式中O2作為氧量復合模型的輸出變量，單位為百分比；WL作為氧量數值模型輸出變量權重，無量綱；O2L作為氧量數值模型輸出變量，單位為百分比；WM作為氧量機理模型輸出變量權重，無量綱；O2M作為氧量機理模型輸出變量，單位為百分比。基于復合模型的氧量設定值通過遺傳算法優化計算獲得最優設定值，具體計算流程圖如圖2。

圖1 氧量復合模型結構示意圖

圖2 氧量最優設定值計算流程圖

3 基于復合模型的氧量定值優化技術應用實例

以某300MW 燃煤電廠為例，該廠控制系統已進行了智能化改造，現控制系統采用智深公司的岸石智能發電運行控制系統(ICS)，該控制系統具有良好的開放性，支持將第三方的先進控制算法以高級控制算法模塊的形式封裝在ICS 系統內，通過標準化的組態方式進行實現，氧量定值優化亦是采用上述模式，其現場組態策略如圖3。氧量定值優化控制人機界面如圖4，可實現閉環控制，支持無擾切換。氧量定值優化系統投運后，優化效果如圖5。

圖3 氧量定值優化組態圖

圖4 氧量定值優化人機界面圖

圖5 氧量定值優化效果圖

投入氧量定值優化系統并進行閉環控制后，機組氧量由實際值3%降低至最佳氧量值2.6%，鍋爐排煙熱損失下降0.2%，鍋爐效率提升0.2%，結果表明：通過對鍋爐運行氧量的閉環優化調節，在保證煤粉顆粒可以達到完全燃燒的狀態下可有降低鍋爐排煙熱損失，提升鍋爐效率。

4 結語

隨著智能發電技術的推廣，借助大數據分析、機器學習、人工智能等技術，給一些基于機理建模的優化技術帶來了新的設計思路，彌補了原技術動態特性欠佳的短板。隨著計算機技術的發展，基于對歷史數據挖掘的數值建模精度和穩定性越來越高，二者相結合的復合型模型能夠取長補短，更具優勢。在鍋爐燃燒過程中通過計算鍋爐燃燒效率最優的氧量定值改變鍋爐風量，是提高鍋爐效率進而提高電廠經濟性的重要手段，具有重要的研究意義。該技術在某火電廠的成功應用，降低了鍋爐排煙熱耗，提高了鍋爐燃燒效率，達到了節能增效的目標，具有很好的推廣示范作用。