燃煤電廠煤質成分軟測量技術研究

張 勇，趙永利，朱憲磊，張秋瑤，畢有福，許 濤

（1.內蒙古霍煤鴻駿鋁電有限責任公司 電力分公司，內蒙古自治區 通遼 029200；2.上海發電設備成套設計研究院有限責任公司，上海 200240）

0 引言

煤炭是大部分火力發電廠使用的燃料，煤質成分的變化對鍋爐燃燒有著極大的影響。準確獲得入爐煤質并根據煤質調整配風是提高鍋爐效率及降低NOx生成量的重要手段之一，這對燃煤電廠節能減排，降碳增效運行有著重要意義。煤質成分在線分析裝置主要使用核射線或其他高能束的介入來探測煤炭的內部成分，相關的檢測儀器多依賴進口，其價格昂貴，應用要求高，后期維護投入較大[1]，目前很少有燃煤電廠配備煤質在線檢測裝置。

應對難以直接檢測的情況，工程上通常使用軟測量的方法。軟測量是指通過生產過程機理分析，根據物理、化學原理構建待測的變量與易測的變量間的數學關系模型，根據關系模型，用容易測量的變量值來推斷或者估計出待測變量的值，將原本的硬件測量轉化為軟件的測算。應用軟測量技術獲取電廠的煤質成分有著成本低，響應快，測量可連續的優勢。

目前關于燃煤電廠煤質成分軟測量的研究多集中在單一的方面，對于整個技術框架的總結和綜述性文章還比較少。本文對目前各項煤質成分軟測量技術進行了總結匯總，并探討燃煤電廠煤質成分軟測量技術未來的發展方向。

1 煤質成分及軟測量方法

基于不同的分析方法，煤質成分通常有兩種描述方式，一種是基于工業分析，分析煤炭中水分、灰分、固定碳、揮發分等的含量；另一種是基于元素分析，分析煤炭中可燃性元素碳（C）、氫（H）、氧（O）、氮（N）、硫（S）的含量。針對入爐煤質檢測場景，需要獲取全面的煤質信息，往往將兩種分析方法耦合使用。此外，煤炭的發熱量與發電成本直接掛鉤，電廠對煤的發熱量也格外關注，燃煤的發熱量可分為高位發熱量及低位發熱量，電廠的入爐煤質分析以低位發熱量的分析應用為主[1]。

煤質成分軟測量通常指的是獲取上述的這些反應煤炭品質的組分信息，這類軟測量主要依靠機理分析，通過對電廠整個燃燒過程中環節的分析，構建能量守恒或物質守恒方程，推導待測變量與DCS系統中已有測點的變量間的關系，從而實現煤的水分、元素組成、發熱量及灰分的軟測量。隨著數據分析技術的發展，很多學者應用機器學習方法進行煤種的在線辨識分類，這也可看做是一種廣義上的煤質軟測量技術。本文主要對基于機理分析的煤質成分軟測量技術進行綜述。

2 基于機理分析的煤質成分軟測量技術

基于機理分析的煤質成分軟測量主要用于測量煤中的水分、元素組成、發熱量和灰分，該軟測量技術是基于輸入/損失技術[2]提出的，主要依靠能量、物質守恒構建軟測量所需的關系模型。

2.1 煤質水分軟測量

煤質中水分不是可燃物，對于燃料來說是一種雜質，通常需要采取干燥措施去除。一方面，當水分含量較大時，會吸收煤粉燃燒的一部分熱量，使得著火的熱量增加，不利于煤粉的燃燒，從而使飛灰含碳量變大，進一步導致鍋爐效率降低；另一方面，煤中水分過大，會增加煤粉的粘性，增大堵煤事故的發生概率。因此，需準確測得入爐煤質的水分含量，從而可以進行準確干燥，以去除煤中的絕大部分水分。

電廠入爐煤中的水分通常在制粉環節進行干燥去除，因此軟測量手段通常也是根據制粉環節來制定的。趙征等人[3]根據能量守恒原理，考慮進入制粉系統的總能量應等于系統消耗的能量與帶出系統能量之和來建立煤質水分軟測量模型。具體的思路如下：

1kg原煤經過制粉系統研磨，輸入制粉系統的總能量qin（kJ/kg）計算如公式（1）所示。

式（1）中：qag1為干燥劑的物理熱（kJ/kg）；qrc為原煤物理熱（kJ/kg）；qmac為磨煤機研磨煤粉所產生的熱量（kJ/kg）；qs為密封風的物理熱（kJ/kg）；qle為漏入冷風的物理熱（kJ/kg）。

1kg原煤經過制粉系統研磨，被消耗及帶出的總熱量qout（kJ/kg）計算如公式（2）所示。

根據能量平衡qin=qout，帶入各項得到式（3）：

其中，qrc、qev、qf3個變量計算式中都包含煤水分Mar，將這3項移到等式一邊得到式（4）：

帶入每個子項后，可以獲得一個關于煤質水分Mar的一元二次方程。解此方程，其中在0%～100%范圍的實根即為煤質的水分含量。

該方法也經過了許多學者的驗證，劉蘋稷[4]參考此方法建立了類似的水分軟測量模型，其實驗結果顯示求取模型的結果和化驗值的變化趨勢基本一致，具有可行性與實用性；李峰等人[5]指出，由能量平衡建立的關系模型為靜態平衡關系，在大范圍變出力時，由于制粉慣性的存在，會造成入口和出口測量數據存在暫時的不匹配現象，從而導致計算結果會出現異常。為此文獻[5]的研究者添加了低通濾波器對軟測量得出的煤質水分信號進行濾波，有效克服了測量信號擾動對燃煤水分質量分數信號造成的擾動。

2.2 煤質元素成分軟測量

煤炭在鍋爐中燃燒，最終的燃燒產物為煙氣，根據物質守恒的原理，煙氣的氣體成分能夠反映入爐煤的元素組成信息（C、H、O、N、S）。劉福國[6]基于物質守恒原理和煤炭燃燒過程的化學分析，總結了如下方程組：

式中，γCO2、γSO2分別為煙氣中CO2、SO2的體積分數；a1、a2、b1、b2為回歸系數，根據電廠常用煤的收到基成分進行擬合。

解上述6條方程組成的方程組即可獲得煤炭的元素成分信息，在進行元素分析軟測時，煤質水分應為已知值，收到基數據與干燥無灰基數據可按照指定公式進行換算，方程組中的各系數計算此處不作展開。

在上述基礎上，很多學者展開了進一步的研究：米翠麗等人[7]引入鍋爐效率作為中間量，通過正、反平衡兩種計算方法建立鍋爐效率等式，而等式中包含有入爐煤成分和煙氣成分的相關變量，以此獲得煤質元素成分的軟測量關系模型。實驗結果表明，這一改進的煤質元素成分軟測量模型計算得到的煤質參數與試驗結果的相對誤差在±5%以內。劉福國等人[8]研究利用日常煤質數據來預測煤的元素成分，采用工業分析成分和元素分析成分之間的關聯式以及發熱量和元素成分之間的關聯式構建預測模型，其預測頻率受電廠日常檢測周期限制，無法給出連續的實時值，但由于僅需要日常的檢測數據，該方法比較適合現場實施。

2.3 煤質發熱量軟測量

煤的發熱量即為單位質量煤粉燃燒所能釋放的熱量，準確獲取煤的發熱量并匹配與之對應的最佳的風量，是燃燒優化調整的重要手段。目前，現場主要采用間接矯正的方法來表征煤發熱量變化，例如超臨界機組通常將主蒸汽流量作為實際負荷參考值與負荷指令進行對比修正燃料發熱量[1]，但是校正的精度有限，較難適應頻繁變動的煤質信息，因此針對煤的發熱量制定軟測量方法是十分必要的。

電廠主要關注燃料的低位發熱量，可表示為單位燃料量所釋放出的熱量。從鍋爐熱量傳遞視角看，煤粉入爐后燃燒所釋放的熱量大部分被各換熱器內的循環工質吸收，主要表現為主蒸汽與再熱蒸汽吸收的熱量；剩下的熱量表現為以排煙熱損失為主的各項損失熱量，根據能量守恒原理，可得煤粉燃燒釋放熱量等于主、再熱蒸汽吸收熱量加上損失的熱量。根據蒸汽壓力、溫度測點信息可以計算蒸汽的焓值，各項損失也有相應的計算方法，合起來就可以表征煤粉燃燒釋放的熱量，結合這段時間進入鍋爐的燃料量，即可求取入爐煤的低位發熱量，煤的低位發熱量計算公式如式（11）所示：

式（11）中，Qr為煤粉燃燒釋放的總熱量，kJ；K為與效率相關的系數，一般取K=1；Bv為進入爐膛的總煤量，kg/s；Qnet,ar為煤的低位發熱量，kJ/kg。

式（12）中，Q1為鍋爐有效吸熱，kJ；Q2為排煙熱損失，kJ；Q3為化學未完全燃燒熱損失，kJ；Q4為機械未完全燃燒熱損失，kJ；Q5為鍋爐散熱損失，kJ；Q6為灰渣物理熱損失，kJ。

式（13）中，Dgr為主蒸汽流量，kg/s；igr為主蒸汽焓，kJ/kg；Dgs為給水流量，kg/s；igs為給水焓，kJ/kg；Djws為減溫水流量，kg/s；ijws為減溫水焓，kJ/kg；Dzr為再熱蒸汽熱量，kg/s；izr為再熱蒸汽焓，kJ/kg；igp為高壓缸排氣焓，kJ/kg。各焓值可根據壓力、溫度按照汽水熱力特性IFC97計算獲得。

在已知煤元素成分含量及水分含量的基礎上，也可用門捷列夫公式計算煤發熱量，煤發熱量與煤收到基元素成分含量間的統計公式如下：

李儼等人[9]采用煙氣成分推算煤的元素組成后，根據門捷列夫公式計算煤的低位發熱量并采用電廠實際的檢測數據優化修正系數，最后將軟測量得出的低位發熱量數據引入機組協調控制系統，實現機組煤質自適應控制。

2.4 煤質灰分軟測量

煤炭中的灰分和水分類似也是一種無法燃燒的雜質，在上述水分、元素成分和低位發熱量均可通過軟測量手段得出的基礎上，煤質灰分的軟測量通常通過總給煤量進行校驗。劉福國[6]總結了一種電廠常用的灰分的校正方法：在入爐煤的低位發熱量已知的情況下，煤燃燒釋放總能量取決于總給煤量；假定煤炭中的灰分含量，即可計算煤炭除去灰分后的總質量；同時通過實際鍋爐工質吸收熱量及損失的熱量及煤的低位發熱量可以計算實際的耗煤量；然后根據兩者的差值對假定的灰分進行校正，其流程圖如圖1。

圖1 基于給煤量校驗的灰分迭代計算過程Fig.1 The iterative calculation process of ash content based on the verification of coal feeding quantity

上述煤質的軟測量本質上是一種計算校驗的方法，其精度受到水分、元素組成、低位發熱量的軟測量精度的影響，通常應使用穩態數據來進行校正計算，動態數據波動大，各軟測量的可靠性較低，會降低灰分校正的準確度。

3 結語

煤質成分軟測量經過幾十年的發展已較為成熟，本文對燃煤電廠常用的基于機理分析的煤質參數軟測量方法進行了簡要的綜述。隨著大數據和機器學習技術的不斷發展，越來越多的學者將研究重點轉移到基于數據驅動的軟測量方法上，但需要注意的是：單純依靠數據分析有可能會出現嚴重的原理性錯誤，而基于機理分析的軟測量方法有著明晰的物理、化學原理作為支撐，可以保證避免原理性的錯誤。另一方面，數據建模在結構上比機理模型簡單很多，能更好地適應實時檢測的需求。因此，未來的煤質成分軟測量發展方向應是以機理分析為基礎，融合大數據建模手段的綜合性軟測量。