LIBS直接測(cè)量輸送帶上原煤煤質(zhì)可行性研究

何勇超，喻子彧，師利寶，覃淮青，周亞寧，張禮峰，莫爵徽，趙 航，姚順春,,4

(1.河北華電石家莊鹿華熱電有限公司，河北 石家莊 050200；2.華南理工大學(xué) 電力學(xué)院，廣東 廣州 510640；3.佛山華譜測(cè)智能科技有限公司，廣東 佛山 528313；4.廣東省能源高效低污染轉(zhuǎn)化與工程技術(shù)研究中心，廣東 廣州 510640)

0 引 言

2019年我國煤炭消費(fèi)比重為57.7%，火力發(fā)電量占比69.6%[1]。煤炭為我國主體能源，以燃煤電廠發(fā)電為主的能源結(jié)構(gòu)在未來一段時(shí)期內(nèi)不會(huì)發(fā)生較大變化。根據(jù)我國節(jié)能減排及可持續(xù)發(fā)展政策的要求，燃煤電廠需進(jìn)一步降低供電標(biāo)準(zhǔn)煤耗，減少污染物排放量。然而我國大部分燃煤電廠存在來煤多變、不同煤種摻燒、入爐煤質(zhì)特性復(fù)雜多樣的實(shí)際情況，導(dǎo)致鍋爐燃燒效率偏低、熱損失增加等諸多問題，直接影響鍋爐安全、高效、經(jīng)濟(jì)運(yùn)行。面對(duì)當(dāng)前電廠實(shí)際運(yùn)行情況，發(fā)展快速響應(yīng)、精準(zhǔn)控制的運(yùn)行優(yōu)化技術(shù)是保障安全生產(chǎn)，實(shí)現(xiàn)節(jié)能減排目標(biāo)的重要舉措。入爐煤質(zhì)特性作為鍋爐運(yùn)行的關(guān)鍵參考指標(biāo)之一，實(shí)現(xiàn)其在線測(cè)量對(duì)推進(jìn)鍋爐燃燒優(yōu)化閉環(huán)控制和智能電站發(fā)展具有重要意義。

近年來以光譜學(xué)為理論基礎(chǔ)的測(cè)量技術(shù)不斷發(fā)展，且廣泛涉及煤質(zhì)特性測(cè)量領(lǐng)域[2]，包括近紅外光譜技術(shù)(NIRS)[3]、X射線熒光光譜分析技術(shù)(XRF)[4]和激光誘導(dǎo)擊穿光譜技術(shù)(LIBS)[5]。此外應(yīng)用于煤質(zhì)特性測(cè)量的還有瞬發(fā)γ射線中子活化分析技術(shù)(PGNAA)[6]和微波分析法[7]等非光譜類測(cè)量技術(shù)。其中LIBS技術(shù)因其系統(tǒng)簡單、快速原位檢測(cè)、多元素同步分析等突出優(yōu)勢(shì)，被認(rèn)為是實(shí)現(xiàn)入爐煤質(zhì)在線分析的可行技術(shù)之一。目前LIBS在煤質(zhì)特性方面的研究仍主要在實(shí)驗(yàn)室開展，測(cè)量模式以煤壓片[8]和煤粉顆粒流[9-10]為主。WANG等[11-12]提出了基于主導(dǎo)因子的偏最小二乘方法，實(shí)現(xiàn)了LIBS對(duì)煤中含碳量、灰分、揮發(fā)分和發(fā)熱量的準(zhǔn)確測(cè)量，表明LIBS在煤質(zhì)檢測(cè)領(lǐng)域具備良好的應(yīng)用前景。ZHANG等[13]設(shè)計(jì)了基于煤壓片測(cè)量模式的LIBS煤質(zhì)分析儀并將其應(yīng)用于電廠的煤質(zhì)檢測(cè)，采用支持向量機(jī)回歸方法結(jié)合主成分分析建立了灰分、揮發(fā)分和發(fā)熱量的定量分析模型，測(cè)量的平均相對(duì)誤差分別為5.48%、4.42%和3.68%。YAO等[14]研發(fā)了基于煤粉顆粒流測(cè)量的快速煤質(zhì)分析儀，結(jié)合聚類分析，采用神經(jīng)網(wǎng)絡(luò)和遺傳算法分析等離子體光譜和煤質(zhì)之間的關(guān)系，得到煤中灰分、揮發(fā)分、固定碳和發(fā)熱量測(cè)量的平均絕對(duì)誤差分別為0.82%、0.85%、0.96%和0.48 MJ/kg，可以對(duì)煤質(zhì)進(jìn)行連續(xù)、可靠和準(zhǔn)確的分析。然而由電廠實(shí)際運(yùn)行情況可知，輸送帶上的原煤經(jīng)除鐵、多級(jí)破碎和研磨等工序，最終送入鍋爐。考慮到電廠輸煤系統(tǒng)實(shí)際運(yùn)行情況和入爐煤質(zhì)特性在線檢測(cè)的基本要求，輸送帶上原煤直接測(cè)量的模式比煤壓片和煤粉顆粒流測(cè)量模式更具現(xiàn)場適用性。

因此筆者提出一種直接在輸送帶上開展LIBS在線測(cè)量原煤煤質(zhì)特性的新型測(cè)量模式。在輸送帶上方安裝LIBS系統(tǒng)，輸送帶上的原煤塊被激光直接擊穿形成等離子體，等離子體發(fā)射的光譜被LIBS系統(tǒng)采集并實(shí)時(shí)處理得到煤質(zhì)特性。該測(cè)量模式在現(xiàn)場應(yīng)用中面臨以下問題：① 來煤流量不均勻，煤層厚度經(jīng)常變化；② 原煤塊表面不均勻；③ 輸送帶送料中含有非煤物料；④ 輸煤系統(tǒng)現(xiàn)場粉塵濃度高。同時(shí)為LIBS測(cè)量帶來如下挑戰(zhàn)：① 測(cè)量周期內(nèi)激光焦點(diǎn)深度不固定，光譜信號(hào)強(qiáng)度波動(dòng)大；② 采集的LIBS光譜包含部分非煤物料和非正常激發(fā)在內(nèi)的無效光譜；③ 現(xiàn)場測(cè)點(diǎn)粉塵大，影響LIBS光機(jī)器件長期使用的可靠性。為了驗(yàn)證直接測(cè)量輸送帶上原煤煤質(zhì)的可行性，采用長焦聚焦光路和封閉式光機(jī)結(jié)構(gòu)設(shè)計(jì)，搭建了一套適用于直接在輸送帶上測(cè)量的LIBS系統(tǒng)。同時(shí)設(shè)計(jì)加工了一套電廠入爐煤輸送帶模擬平臺(tái)，以電廠采集的實(shí)際原煤為測(cè)量對(duì)象，開展可行性應(yīng)用研究。

1 試驗(yàn)系統(tǒng)

為充分模擬電廠中的實(shí)際測(cè)量工況，設(shè)計(jì)加工了一套電廠入爐煤輸送帶的模擬平臺(tái)，并在此基礎(chǔ)上安裝了LIBS測(cè)量系統(tǒng)進(jìn)行試驗(yàn)。輸送帶模擬平臺(tái)示意如圖1所示，主要由振動(dòng)式給料機(jī)、輸送帶式傳輸裝置和控制模塊組成。原煤不間斷地通過振動(dòng)式給料機(jī)落在輸送帶式傳輸裝置上，然后由輸送帶輸送至LIBS測(cè)量系統(tǒng)下方進(jìn)行LIBS測(cè)量，收集光譜數(shù)據(jù)?？刂颇K負(fù)責(zé)調(diào)節(jié)振動(dòng)式給料機(jī)的出煤量和輸送帶式傳輸裝置的運(yùn)行速度。試驗(yàn)中通過控制模塊不斷調(diào)整給料機(jī)出煤量，因此整條輸送帶上煤層厚度在一定程度上變化，從而模擬出實(shí)際工況下變化的煤層厚度。模擬平臺(tái)的輸送帶運(yùn)行線速度為2.5 m/s，與實(shí)際測(cè)量工況一致。

圖1 輸送帶模擬平臺(tái)Fig.1 Simulation platform of coal-conveyor belt

LIBS測(cè)量系統(tǒng)固定安裝在輸送帶式傳輸裝置上方，其內(nèi)部結(jié)構(gòu)如圖2所示，實(shí)物如圖3所示。其內(nèi)部主要包括Nd:YAG激光器(DPS-1064-BS-D，長春新產(chǎn)業(yè))、四通道光譜儀(AvaSpec-2048-4，Avantes)、光機(jī)結(jié)構(gòu)、電源及控制模塊和工控機(jī)。激光器垂直于水平面安裝，脈沖激光經(jīng)過擴(kuò)束鏡擴(kuò)束后穿過二向色鏡M1(DMLP805R，Thorlabs，截止波長805 nm)，由聚焦透鏡L1(LA4158-UV，Thorlabs，焦距250 mm)垂直聚焦至煤層表面。激光誘導(dǎo)等離子體的發(fā)射光譜經(jīng)過同向收光結(jié)構(gòu)聚焦至光纖耦合器，光譜信號(hào)由光纖傳輸?shù)剿耐ǖ拦庾V儀中分析，激光器直接觸發(fā)光譜儀收光，延時(shí)為1 μs。

圖2 LIBS測(cè)量系統(tǒng)示意Fig.2 Schematic diagram of LIBS system

為減小煤層厚度波動(dòng)對(duì)光譜測(cè)量的影響，一方面采用長焦距的聚焦鏡片L1，減小焦深變化對(duì)激光燒蝕量的影響，另一方面以二向色鏡M1代替?zhèn)鹘y(tǒng)同向收光結(jié)構(gòu)中的穿孔反射鏡，彌補(bǔ)長光程條件下光譜強(qiáng)度弱的問題。此外實(shí)際工況中粉塵濃度高，易損壞光機(jī)結(jié)構(gòu)。因此設(shè)計(jì)了圖3(a)的封閉式光機(jī)結(jié)構(gòu)，將重要光機(jī)部件密封并外接氣體，始終保持封閉部分氣壓略高于外部氣壓，防止大量粉塵進(jìn)入。試驗(yàn)中激光器能量設(shè)為60 mJ，脈沖頻率為1 Hz，每個(gè)煤樣持續(xù)測(cè)量30 min以獲取足夠的有效光譜數(shù)據(jù)。

圖3 LIBS系統(tǒng)實(shí)物Fig.3 Picture of real LIBS system

為盡可能模擬實(shí)際測(cè)量工況，試驗(yàn)煤樣由河北華電鹿華電廠提供，煤樣通過采煤設(shè)施直接從輸煤系統(tǒng)輸送帶上采集，試驗(yàn)前未對(duì)煤樣進(jìn)行干燥和破碎處理。本文選擇煤炭的灰分、揮發(fā)分和發(fā)熱量作為煤質(zhì)特性指標(biāo)。由于煤樣為收到基煤樣，因此根據(jù)GB/T 211—2017《煤中全水分的測(cè)定方法》、GB/T 212—2008《煤的工業(yè)分析方法》、GB/T 213—2008《煤的發(fā)熱量測(cè)定方法》測(cè)量煤樣的全水分、工業(yè)分析和發(fā)熱量，并統(tǒng)一轉(zhuǎn)算為收到基數(shù)值。

試驗(yàn)所用34個(gè)煤樣的灰分、揮發(fā)分和發(fā)熱量見表1，基本覆蓋常見煤種煤質(zhì)特性。其中煤樣C1～C30為定標(biāo)集，用于建立定量分析模型；煤樣V1～V4作為預(yù)測(cè)集，用于評(píng)估定量分析模型的預(yù)測(cè)效果。

表1 煤樣灰分、揮發(fā)分和發(fā)熱量化驗(yàn)值

2 試驗(yàn)方法與結(jié)果

光譜數(shù)據(jù)處理是LIBS技術(shù)測(cè)量的關(guān)鍵環(huán)節(jié)，其目的是構(gòu)建LIBS光譜與煤質(zhì)特性指標(biāo)之間的關(guān)聯(lián)。煤的成分十分復(fù)雜，含有碳、氫、氧、氮、硫、鋁、硅、鐵、鈣等元素。煤的灰分主要為礦物元素和金屬元素的氧化物，故灰分含量與礦物元素和金屬元素特征譜線強(qiáng)度相關(guān)[15]。揮發(fā)分主要為水分、氫氣、氮氧化合物和碳?xì)浠衔颷16]，而發(fā)熱量主要與煤中有機(jī)物和礦物含量有關(guān)[17]。煤的LIBS光譜中包含了上述元素的多條特征譜線，因此通常結(jié)合多元回歸分析方法，以LIBS光譜為輸入變量，建立良好的煤質(zhì)特性分析模型。此外在輸送帶上直接測(cè)量的LIBS光譜信號(hào)波動(dòng)較大，且存在部分異常光譜數(shù)據(jù)。因此在建立煤質(zhì)特性分析模型前還需對(duì)光譜數(shù)據(jù)進(jìn)行預(yù)處理，以提升煤質(zhì)特性分析效果。數(shù)據(jù)處理流程如圖4所示。

圖4 數(shù)據(jù)處理流程Fig.4 Data processing flowchart

2.1 光譜篩選

獲取的大量原始光譜中存在部分無法準(zhǔn)確反映煤樣元素信息的無效光譜。若無效光譜用于建立定量分析模型，會(huì)嚴(yán)重影響模型的準(zhǔn)確性，因此需采用合適的光譜篩選方法剔除無效光譜。在輸送帶上直接測(cè)量煤塊產(chǎn)生的無效光譜主要有2類：第1類是由于激光焦點(diǎn)高于煤層表面導(dǎo)致空氣而非煤樣被擊穿，光譜中缺少煤的特征譜線；第2類是由于激光焦深過大導(dǎo)致特征譜線信噪比遠(yuǎn)低于正常值。

基于無效光譜的特點(diǎn)，提出以CN 388.176 nm特征峰信號(hào)噪聲比(Signal to Noise Ratio，SNR)為指標(biāo)的光譜篩選方法：以365～370 nm波段為背景信號(hào)，計(jì)算單個(gè)光譜CN 388.176 nm的SNR值，若光譜的SNR值小于2.5則判定為無效光譜并剔除。以待測(cè)樣品主量元素特征峰SNR作為指標(biāo)是一種常用的光譜篩選方法[18]，通過這種光譜篩選方法，不僅可以剔除第1類和第2類無效光譜，還可以有效識(shí)別非煤雜物(金屬碎屑、編織袋、草甸等)受激發(fā)產(chǎn)生的光譜，從而減小其對(duì)煤質(zhì)特性測(cè)量結(jié)果產(chǎn)生的偏差。

2.2 有效光譜平均

在剔除無效光譜后，對(duì)有效光譜進(jìn)行平均。平均大量光譜是LIBS技術(shù)常用的光譜數(shù)據(jù)預(yù)處理方法，目的在于減小測(cè)量誤差。直接在輸送帶上測(cè)量原煤塊具有以下2個(gè)特點(diǎn)：首先輸送帶上的煤層厚度在一定范圍內(nèi)變化，導(dǎo)致LIBS光譜中各條特征譜線的信號(hào)強(qiáng)度在一定范圍內(nèi)波動(dòng)；其次輸送帶運(yùn)行速度快，且以原煤塊為主要測(cè)量對(duì)象，試驗(yàn)測(cè)量的煤量遠(yuǎn)大于煤壓片或煤粉顆粒流。平均大量的有效光譜，一方面是為了減小煤層厚度變化對(duì)光譜信號(hào)強(qiáng)度的影響，另一方面是為了能充分表征單批煤樣的總體煤質(zhì)特性指標(biāo)。試驗(yàn)中每個(gè)煤樣平均1 000個(gè)有效光譜，得到1個(gè)平均光譜用于后續(xù)光譜的處理。

2.3 內(nèi)標(biāo)方法

由于試驗(yàn)所用34個(gè)煤樣的灰分、揮發(fā)分及發(fā)熱量差異較大，各煤樣平均光譜的光譜信號(hào)強(qiáng)度相差較大。直接采用未處理的平均光譜建立定量分析模型將影響模型對(duì)未知樣品的預(yù)測(cè)效果。為此，LIBS技術(shù)通常采用內(nèi)標(biāo)法進(jìn)一步處理平均光譜[19-20]。首先選擇合適的特征譜線作為內(nèi)標(biāo)譜線，計(jì)算內(nèi)標(biāo)譜線的強(qiáng)度，然后將平均光譜各波長的強(qiáng)度除以內(nèi)標(biāo)譜線的強(qiáng)度，最后得到內(nèi)標(biāo)處理后的光譜。具體計(jì)算為

(1)

其中，Iin為內(nèi)標(biāo)處理后的光譜強(qiáng)度；Ij為初始光譜強(qiáng)度；IN為內(nèi)標(biāo)強(qiáng)度。根據(jù)內(nèi)標(biāo)譜線的選擇方法，應(yīng)該選擇煤中主要元素的特征譜線，且該特征譜線在所有煤樣光譜中具有明顯的特征峰。據(jù)此選擇CN 388.176 nm 特征譜線作為內(nèi)標(biāo)譜線，將其特征峰所在波段387.413～389.105 nm的信號(hào)強(qiáng)度之和作為內(nèi)標(biāo)強(qiáng)度。

2.4 PLS模型建立

偏最小二乘法(Partial Least Square，PLS)作為常用的多元回歸分析方法之一，已廣泛應(yīng)用于光譜技術(shù)分析測(cè)量之中[15，21-22]。本文采用PLS方法，以內(nèi)標(biāo)處理后的平均光譜數(shù)據(jù)為模型輸入變量。通過優(yōu)化模型的輸入變量，選擇最優(yōu)的PLS因子數(shù)量，分別建立具有良好預(yù)測(cè)性能的煤炭灰分、揮發(fā)分和發(fā)熱量定量分析模型。

試驗(yàn)中獲取的每個(gè)光譜包含了7 912個(gè)波長點(diǎn)，波長在220～860 nm。光譜不僅含有煤中元素的多條特征譜線，還包含了背景與噪聲波段。若以全譜作為模型的輸入變量，不僅會(huì)降低模型的分析效果，還會(huì)增加模型的計(jì)算量。優(yōu)化輸入變量一方面是將與煤質(zhì)特性無關(guān)的背景及噪聲波段剔除，另一方面是確定與煤質(zhì)特性指標(biāo)密切相關(guān)的光譜波段，從而提升PLS模型對(duì)未知樣品預(yù)測(cè)能力。首先以全波段光譜數(shù)據(jù)作為輸入變量，分別以灰分、揮發(fā)分、發(fā)熱量為因變量，建立以全譜為輸入變量的PLS模型。然后根據(jù)模型結(jié)果中各輸入變量的得分因子系數(shù)，剔除得分因子系數(shù)低的波段，保留得分因子系數(shù)高的波段，得到優(yōu)化后的模型輸入變量波段。

經(jīng)優(yōu)化后輸入模型中的主要光譜波段為250～840 nm，在該波段內(nèi)包含了煤中主要元素的特征譜線、CN分子波段和C2分子波段。從煤化學(xué)理論分析，該波段反映出的元素信息與煤炭灰分、揮發(fā)分及發(fā)熱量密切相關(guān)。

在確定優(yōu)化的輸入變量后采用留一交叉驗(yàn)證的方法，選擇最優(yōu)的PLS因子數(shù)。以定標(biāo)集樣品交叉驗(yàn)證的均方根誤差(Root Mean Square Error of Cross Validation，RMSECV)為指標(biāo)，選擇RMSECV最小的PLS因子數(shù)為最優(yōu)[20]。

最終不同煤質(zhì)特性指標(biāo)PLS模型的輸入變量個(gè)數(shù)和最優(yōu)PLS因子數(shù)見表2。

表2 不同煤質(zhì)特性指標(biāo)PLS模型的輸入變量個(gè)數(shù)

2.5 PLS模型結(jié)果

為分析模型的定量分析效果，采用定標(biāo)集的回歸系數(shù)R2、均方根誤差(Root Mean Square Error of Calibration，nRMSEC)和預(yù)測(cè)集的均方根誤差(Root Mean Square Error of Prediction，nRMSEP)、平均絕對(duì)誤差(Mean Absolute Error，nMAE)作為驗(yàn)證指標(biāo)，可分別由式(2)～(5)計(jì)算得到。

(2)

(3)

(4)

(5)

R2表征參考值與預(yù)測(cè)值之間線性關(guān)系，R2越接近1，兩者間的線性關(guān)系越強(qiáng)。nRMSEP用于衡量參考值和預(yù)測(cè)值之間的偏差，nMAE表示預(yù)測(cè)值與參考值之間絕對(duì)誤差的平均值，nRMSEP值和nMAE值越小說明模型的預(yù)測(cè)效果越好。

煤質(zhì)特性定量分析模型結(jié)果如圖5所示，可知灰分、揮發(fā)分和發(fā)熱量模型的R2分別達(dá)到了0.98、0.97和0.97，而nRMSEC分別為0.70%、0.77%和0.48 MJ/kg。

圖5 定標(biāo)集煤質(zhì)特性分析結(jié)果Fig.5 Quantitative analysis of coal properties for calibration collection

表3總結(jié)了模型的預(yù)測(cè)效果，其中煤的灰分、揮發(fā)分和發(fā)熱量的預(yù)測(cè)集nMAE分別為1.24%、0.97%和0.88 MJ/kg，而nRMSEP分別為1.33%、1.03%和1.11 MJ/kg。上述結(jié)果表明模型涵蓋的煤質(zhì)特性范圍廣且定量分析效果良好，初步驗(yàn)證了LIBS在輸送帶上直接測(cè)量原煤的灰分、揮發(fā)分和發(fā)熱量具有可行性。

表3 模型預(yù)測(cè)指標(biāo)結(jié)果Table 3 Results of model prediction performance

從nMAE和nRMSEP結(jié)果來看，當(dāng)前方法對(duì)煤質(zhì)特性的分析效果與其他在線檢測(cè)方法處于同一水平[23-25]，可以滿足電廠對(duì)輸煤系統(tǒng)進(jìn)煤煤種識(shí)別的基本需求。

3 結(jié) 論

1)提出了一種LIBS在線檢測(cè)電廠輸送帶上入爐煤質(zhì)特性的新型測(cè)量方案。通過有效光譜篩選、光譜平均、內(nèi)標(biāo)處理的光譜預(yù)處理過程，結(jié)合PLS方法測(cè)量煤炭的灰分、揮發(fā)分和發(fā)熱量。

2)煤炭灰分、揮發(fā)分和發(fā)熱量定量分析結(jié)果良好，模型的回歸系數(shù)分別為0.98、0.97和0.97，定標(biāo)均方根誤差分別為0.70%、0.77%和0.48 MJ/kg，預(yù)測(cè)集均方根誤差分別為1.33%、1.03%和1.11 MJ/kg，平均絕對(duì)誤差分別為1.24%、0.97%和0.88 MJ/kg。

3)定量分析結(jié)果可滿足電廠對(duì)入爐煤種及煤質(zhì)特性在線測(cè)量的基本需求，驗(yàn)證了LIBS直接測(cè)量入爐煤輸送帶上原煤煤質(zhì)的可行性，為電廠提供了可行的煤質(zhì)特性在線分析方案，為鍋爐優(yōu)化運(yùn)行提供關(guān)鍵參數(shù)，具備較好的實(shí)用價(jià)值。