超超臨界機組智能灰污檢測系統設計研究

李洪濤,何修年,釗學明

(華電鄒縣發電有限公司，山東鄒城 273522)

現代大型火力燃煤發電企業具有技術復雜度高、生產連續性強、負荷變化大等特點。為對電廠生產過程進行有效的檢測和控制，火電廠一般都具有較高的自動化水平，若將產生的大量結構化和非結構化數據與目前火熱的數據分析、機器學習、云計算等技術相結合，將有利于機組的安全經濟運行。

在鍋爐燃燒的過程中，燃煤中的堿金屬化合物等會在燃燒后隨煙氣進入尾部煙道并在遇到溫度較低的受熱面時與受熱面或煙氣反應，生成硫酸鹽等化合物附著在煙道壁上，從而產生灰污堆積、結焦，引起受熱面受熱不均，增加煙氣流動阻力，增大受熱面的熱阻和排煙溫度，降低鍋爐燃燒效率，對機組的安全性、經濟性都有一定的影響[1-2]。因此，對煙道受熱面的灰污檢測研究受到了很多企業和單位的重視。

目前，對鍋爐爐膛水冷壁表現的灰污狀態檢測，主要分為爐膛出口煙氣溫度法[3]、聲學法[4-5]、熱流密度檢測法和潔凈因子法[6-8]。潔凈因子法通過分析鍋爐運行中的各項實時參數，得到機組的潔凈因子；聲學法通過超聲波等對水冷壁表面直接進行檢測，檢測結果較為直觀，但存在的問題是受煤粉、飛灰、噪聲、高溫等因素影響，檢測準確性較低，并且設備使用壽命較短，尤其是面對大容量燃煤鍋爐，鍋爐體積大，超聲波無法準確覆蓋整個鍋爐并準確地提供檢測結果。

為了使鍋爐達到最佳運行狀態，必須對受熱面的清潔度進行控制，限制沾污和結焦的發展。傳統的定時定量吹灰方式無法適應燃料的改變。為了使鍋爐有更高的效率和性能，需要探索更有效的智能灰污檢測系統，減少吹灰頻次，節省吹灰介質，降低管壁的腐蝕和磨損。

筆者結合超超臨界機組鍋爐受熱面積灰結渣危害程度的實際情況，利用大數據技術，在受熱面增設熱流密度計，通過開發受熱面灰污動態檢測模型，構建超超臨界機組智能灰污檢測系統，達到實時監視鍋爐各受熱面灰污狀況的效果，實時掌握結焦情況，及時發現傳熱惡化，保證鍋爐穩定燃燒。

1 熱流密度計測溫系統

1.1 系統結構

熱流密度計測溫系統主要由熱流密度技術單元、數據采集卡構成(見圖1)，能夠實時檢測壁面的熱流密度，并進行儲存。

MIS—工業以太網；SIS—火電廠廠級監控信息系統；PI—實時生產信息系統。圖1 熱流密度計測溫系統

每處測點設有2根熱流密度計(見圖2)，可通過鰭片與鰭片管之間的溫差計算得到熱流密度。

1—水冷壁；2—基座；3—滑塊；4—保護套管；5—彈簧基座；6—彈簧套筒；7—熱電偶；8—彈簧限位件；9—彈簧；10—螺釘；11—鰭片；12—鰭片管。圖2 熱流密度計示意圖

熱流密度計的各部件采用焊接與螺紋等方式固定，并通過機械結構實現不停爐更換。

1.2 熱流密度計導熱計算方法

在水冷壁不同的熱流密度條件下，導熱部件的溫度分布近似為一維分布特征[9],在以下假設條件下可對水冷壁受熱面進行一維導熱分析：(1)熱流密度計冷端溫度不變，且為室溫；(2)熱流密度計熱端為黑體輻射壁面,滿足黑體輻射定律；(3)熱流密度計導熱部件內的傳熱為一維導熱,滿足傅里葉定律。

熱流密度計熱端的基本傳熱公式為：

(1)

熱流密度計冷端的基本傳熱公式為：

(2)

式(2)可變形為：

(3)

對流傳熱系數計算公式為：

(4)

式中：ε為傳熱面灰污系數；將導熱部件離散為0至n節點,T0、Tn分別為導熱部件熱端溫度和冷端溫度，K；k為時間疊迭次數；Tf為高溫煙氣的等效黑體輻射溫度,K；σ為斯特藩-玻耳茲曼常數,5.67×10-8W/(m2·K4)；ρ為導熱部件的密度,kg/m3；cp為導熱部件的比定壓熱容,kJ/(kg·K)；λ為導熱部件的導熱系數,W/(m·K)；Δτ為時間步長，s；Δx為空間步長，mm；h為對流傳熱系數，W/(m2·K)；Tb為冷卻水溫度,K；Bi為畢渥數；Fo為傅里葉數；α為導熱部件的熱擴散系數,m2/s；Reb為冷端冷卻水的雷諾數；Prb為冷端冷卻水的普朗特數。

1.3 熱流密度計性能分析

熱流密度計測量誤差與精度受測量分辨率的影響，利用上述建立的導熱模型對熱流密度計的性能進行分析計算，得到熱流密度計熱端溫度與熱流密度和導熱部件厚度之間的關系(見圖3)。

圖3 熱流密度計熱端溫度與熱流密度和導熱部件厚度之間的關系

由圖3可以看出：當金屬導熱部件厚度固定為3 mm時，熱流密度每增加10 kW/m2，熱端溫度上升13 K；當金屬導熱部件的厚度固定為12 mm時，熱流密度每增加10 kW/m2，熱端溫度上升29 K。當熱電偶的溫度測量精度相同時，熱流密度的測量誤差隨著導熱部件厚度的提升而減小。

熱流密度計金屬導熱部件的熱阻大小，不僅對熱流密度計的分辨率造成影響，還決定熱流密度計的響應時間，即灰污檢測系統的時效性。利用一維導熱模型對不同響應時間下的熱流密度計熱端溫度、冷端溫度和熱流密度等參數進行計算，計算結果見表1，此時熱流密度計導熱部件的厚度為8 mm。

表1 不同響應時間下熱流密度計關鍵參數

由表1可以看出：熱、冷兩端溫度和熱流密度的變化趨勢基本一致，當響應時間≥50 s時，各參數基本達到穩態；當3個參數中的某個參數接近穩態值時，另外2個參數也幾乎達到穩態值。故選取熱端溫度作為熱流密度計是否達到穩態的判斷依據，從而進一步確定熱流密度計的響應時間。

熱流密度計冷、熱兩端的溫度差在不同高溫煙氣和導熱部件厚度下響應時間的變化見圖4。

圖4 熱流密度計響應時間

由圖4可以看出：熱流密度響應時間受高溫煙氣的影響較小，主要隨導熱部件厚度的提高而提高。當導熱部件厚度為6 mm時，熱流密度的響應時間為25 s；厚度為8 mm時，響應時間為48 s；厚度大于10 mm時，響應時間超過60 s。因此，在實際工程中需要綜合考慮熱流密度計的響應時間和分辨率。綜合該工程現場實際情況，選取導熱部件厚度為8 mm。

2 灰污計算模型

2.1 輻射式受熱面灰污計算方法

爐膛輻射受熱面灰污檢測：在爐膛吹灰器區域安裝爐膛水冷壁熱流密度計約50支，其中，前墻、兩側墻各12～15支，后墻10～12支。該熱流密度計可檢測水冷壁熱流密度及工質溫度。結合鍋爐運行數據，建立熱流密度及灰污染程度預測算法，協助指導爐膛吹灰器工作。

熱流密度為：

q=f((T2-T1),T1,T2,C,Bj)

(5)

式中：q為熱流密度；T1和T2分別為熱流密度計測得的熱端溫度和冷端溫度；C為負荷；Bj為與燃料消耗量及燃料有關的特性參數。

由式(5)可見，熱流密度與測量參數、裝置熱負荷及燃料特性密切相關，而鍋爐負荷和燃料特性是基本的運行參數，可通過電廠數據系統在線獲得，這樣就可建立熱流密度與熱流密度計測量溫度的對應關系，進而反映出測量點位置的灰污染程度。在掌握熱流密度的基礎上，還可獲得爐膛整體吸熱量的變化特征，進而獲得爐膛出口處煙溫的變化情況，進一步加強對流式受熱面灰污染程度的檢測，并提供了相應的校準依據。

2.2 對流式受熱面灰污計算方法

針對對流式受熱面結構復雜、形式多樣、面積大、分布廣的特點，采用整體檢測方法。通過編制鍋爐熱力校核程序，在實際煤種及受熱面結構條件下獲得各受熱面工質和煙氣的進、出口溫度；將校核模型數據與運行數據進行比較及分析，利用傳熱模型及大數據分析相關算法，可獲得受熱面傳熱及潔凈因子Ψ作為吹灰的判據。潔凈因子為沾污受熱面傳熱系數K與潔凈受熱面傳熱系數K0之比，即

(6)

式中：Rd、Rt和Rw分別為對流傳熱、管壁傳熱和工質傳熱的熱阻。

在給定管壁結構參數、初始灰層條件，以及工質側流量、流速條件下，可獲得特定受熱面在各工況下的潔凈受熱面傳熱系數，沾污受熱面傳熱系數則可通過工質吸熱量等運行數據結合傳熱模型計算獲得:

(7)

式中：Qy為工質側吸熱量，W，通過計算進口焓及質量流量得到；Δt為工質與煙氣的溫差，K；H為煙氣的受熱面面積，m2。

2.3 空氣預熱器灰污計算方法

根據流體力學基本原理，空氣預熱器進出口煙氣壓差可以反映阻力系數，從而進一步反映灰污染程度。但煙氣流量和過量空氣系數變化也會對壓差產生影響，使壓差無法直接反映灰污染程度的變化。因此，提出折算壓差的概念，將在不同負荷和過量空氣系數下的實測壓差均折算到額定負荷、某一煙氣含氧量的特定工況條件下，從而具有可比性，折算時認為煙氣物理特性不隨工況變化。

(8)

式中：Δpz、Δpj分別為折算后的壓差與實際壓差，Pa；α0、αj分別為標準狀態下和實測時煙氣中過量空氣系數，可根據煙氣含氧量推算，%；Bv0、Bvj分別為額定工況與實際工況下的燃料質量流量，可根據燃料實時分析數據獲得，kg/s。

3 灰污檢測模型研究

根據灰污檢測的需求，進行了數據分析建模以對現場采集的數據進行缺失值補齊及異常值剔除，灰污檢測模型主要由輻射式受熱面灰污檢測模型、對流式受熱面灰污檢測模型、空氣預熱器灰污檢測模型組成。

3.1 輻射式受熱面灰污檢測模型

熱流密度計測量值主要受熱輻射與灰污染程度影響，隨著水冷壁積灰，熱流密度計測量值會較清潔時的熱流密度明顯降低[10]，因此根據該特性，采用受熱面沾污時熱流密度與受熱面清潔時熱流密度的比值衡量灰污染程度。

(9)

式中：CF為灰污染程度對熱量傳遞的影響因子；q0為機組測量的實時熱流密度；qclear為機組當前工況下對應的受熱面清潔時的熱流密度。

根據一維導熱計算方法，采用計算流體動力學(CFD)方法對熱流密度計的冷熱端溫差進行模擬，得到該測點處的熱流密度分布。以吹灰完成時的熱流密度作為受熱面潔凈數據，以經過異常處理后的數據為基礎，以機組負荷、燃料量、冷熱端溫度為輸入，建立支持向量回歸(SVR)模型可以對當前工況下對應的清潔熱流密度qclear進行預測，將熱流密度計測量得出的實時熱流密度q0與預測值qclear進行對比，即可得到受熱面灰污染程度對受熱面傳熱效率的影響。

3.2 對流式受熱面灰污檢測模型

對流式受熱面灰污染測模型與輻射式受熱面灰污檢測模型的主要區別在于其對灰污染程度的檢測是基于過熱器、再熱器、省煤器等機組各結構進行的整體檢測。

以省煤器為例，根據式(7)可以計算得到省煤器傳熱系數實時值，再根據式(6)即可計算得到省煤器的潔凈因子。根據該潔凈因子實現對灰污染程度的檢測。圖5為潔凈因子檢測效果。

圖5 潔凈因子檢測效果圖

3.3 空氣預熱器灰污檢測模型

圖6為空氣預熱器灰污預測效果。

圖6 空氣預熱器灰污預測

空氣預熱器灰污檢測模型主要由機理模型與數理模型兩部分構成。機理模型通過空氣預熱器壓差折算值計算公式(式(8))，使用機組在相應負荷下對應的額定參數進行修正，得到實時壓差折算值，從而推出空氣預熱器實時灰污染程度。數理模型基于梯度下降樹(GBDT)方法使用空氣預熱器進出口壓力、機組負荷、風量、燃料量的DCS歷史數據上訓練優化得到了空氣預熱器灰污染程度預測模型。空氣預熱器灰污檢測模型實現了機理模型與數理模型的雙重預測，通過該模型可以對空氣預熱器積灰堵塞情況進行檢測并計算吹灰經濟性。

4 智能灰污檢測平臺架構

鍋爐爐內燃燒工況復雜，爐膛內部的灰污染一直是影響鍋爐安全穩定運行的重要問題。基于微型高精度熱流密計診斷方法，采用熱有效系數構建灰污檢測模型，對灰污進行有效檢測。該灰污檢測系統的主體部分包括現場數據采集、模型中臺、吹灰輸出、熱流密度分布四個部分(見圖7)。

圖7 智能灰污檢測系統結構

現場數據采集部分主要依托機組DCS及加裝的熱流密度計獲取數據。

模型中臺部分是該系統的核心，該部分從DCS中獲取機組實時生產數據，主要是根據PI中采集得到的原始熱工數據，即進出口溫度、負荷、燃料量、含氧量等，并通過已經建立的機理模型與數理模型進行機組熱流密度分布的分析，建立的機理模型主要基于輻射式受熱面、對流式受熱面、空氣預熱器等不同的受熱面，以基于支持向量機(SVM)建立的熱量實時檢測模型為數理模型，從而指導各受熱面的吹灰。圖8為模型中臺部分架構。

圖8 模型中臺部分架構

吹灰輸出與熱流密度分布可視化是該系統的最終輸出部分，吹灰輸出主要依托機組已經建設的各受熱面的吹灰器進行，根據目前的吹灰器型號、狀態，吹灰蒸汽壓力、流量等信息，通過傳輸控制協議/網際協議(TCP/IP)實現了輸出信號的傳輸，從建立的智能灰污檢測系統平臺輸出吹灰信號至吹灰可編程控制器件(PLC)系統，從而使吹灰方式更精細化，降低吹灰蒸汽消耗，提高機組傳熱效率。圖9為智能吹灰執行網絡結構。

圖9 智能吹灰執行網絡結構

熱流密度分布可視化則是根據熱流密度測點建立的受熱面整體熱流密度檢測系統，便于運行人員實現對熱流密度分布的監控和燃燒調節。

5 項目實施案例

該項目主要的硬件實施部分為熱流密度計的現場安裝，通過在鍋爐多個位置安裝熱流密度計，實現各個關鍵位置的熱流密度測量。該項目的硬件安裝效果圖見圖10。

圖10 熱流密度計安裝示意圖

最終的平臺可視化部分預期能夠達到依托數據平臺計算出的熱流密度分布進行畫面熱流密度顯示升級，從而使運行人員更加直觀地了解當前時間各受熱面的熱流密度分布，使運行人員根據當前工況調整鍋爐燃燒，提高機組運行效率。

該項目預期效果能夠依托高速發展的數據處理技術與機理分析模型，通過加裝熱流密度計的方式對受熱面進行檢測，建立智能灰污檢測系統，兼顧吹灰的經濟性與安全性，實現機組的智能化吹灰。

6 結語

基于建立智能灰污檢測系統對超超臨界機組各受熱面狀況進行了分析，并通過熱流密度計性能分析和灰污計算實現機組的智能灰污檢測研究。

針對超超臨界鍋爐受熱面布置的特點，研究了超超臨界鍋爐爐膛特有的輻射式受熱面灰污檢測模型、對流式受熱面灰污檢測模型及空氣預熱器灰污檢測模型。

設計的鍋爐智能灰污檢測系統可以對各主要受熱面的積灰結渣、爐膛出口煙氣溫度進行在線檢測和分析計算，實現受熱面灰污染程度的可視化。