煙氣排放連續監測系統的煙氣參數在線監測技術研究

李 文

(晉控電力塔山發電山西有限公司，大同 037000 )

0 引 言

燃燒狀態監測對電站鍋爐的安全運行和燃燒調整起著重要作用 。火電廠燃燒狀態監測技術主要包括安裝火災觀測電視、熱電偶測溫點、煙氣成分測量裝置等。然而，隨著光纖、紅外傳感器、激光測量等非接觸式測量技術的發展，鍋爐燃燒狀態監測將朝著多參數、高精度、實時性的新方向發展。在鍋爐燃燒狀態監測的基礎上，通過對歷史數據的分析和處理，再結合預測模型和智能優化算法，找出當前條件下的一系列最佳運行參數，包括二次風、過燃風門調節等可調參數，旨在提高鍋爐燃燒效率，減少鍋爐氮氧化物排放。

本文在 LabVIEW 平臺上設計了鍋爐燃燒狀態監測與優化系統。該系統采用 OPC 通信技術，實現了對鍋爐熱工參數的遠程訪問和鍋爐燃燒狀態的實時監測。同時，系統采用神經網絡預測模型實現了煙氣含氧量、飛灰含碳量、NOx 含量等重要參數的在線軟測量。重要的是，這個預測模型結合了差異進化算法優化算法來尋找鍋爐的最佳運行參數。該系統的應用結果表明，該系統可以精確地監測鍋爐燃燒參數，提高鍋爐燃燒效率，減少 NOx 生成量。

1 LabVIEW 的開發優勢

LabVIEW 可以與傳統的串口和并口儀器進行通信，也支持與先進的自動化設備進行網絡通信。OPC 技術是現代工業控制與計算機通信技術相結合的產物，廣泛應用于工業控制領域，占有較大的市場份額。NI 公司的數據日志和監察(DSC)工具箱以 OPC 通信為核心技術，無縫連接到絕大多數工業控制設備，如各種類型的PLC，它可以通過建立I/O服務器訪問外部設備變量，實現對工業參數和歷史數據跟蹤、事件和報警功能的實時監控。

此外，LabVIEW 是一個虛擬儀器軟件開發平臺，其最突出的特點是工業測量信號的采集和處理。虛擬儀器數據采集系統一般由傳感器、信號調理器、采集卡和測量軟件組成。LabVIEW 作為測量軟件，具有信號分析與處理、數據存儲與顯示、人機交互顯示等功能。因此，LabVIEW 測量系統已經成為硬件和軟件的結合體。用戶可以自定義 LabVIEW 模塊的各種屬性，編寫各種程序實現不同的儀器測量功能。

最后，LabVIEW 使用圖形化編程語言，調用不同的函數，簡單如構建塊，但它并沒有完全拋棄傳統編程語言的優點，相反，LabVIEW 非常注重與腳本編程語言的集成。到目前為止，LabVIEW 提供了外部程序接口，包括 DLL、ActiveX 和.NET 等。Matlab 具有大量的數據處理和分析能力，廣泛應用于高等數學、系統建模、信號處理等領域。LabVIEW 編程語言和 Matlab 語言都是從同一底層語言發展而來的，因此可以建立一個混合編程環節。LabVIEW 提供了一個 Matlab 腳本編程模塊，該模塊作為 LabVIEW 程序中的一個節點，可以用兩種編程語言實現變量值的轉換。LabVIEW 不僅提供了一個集成的項目開發環境，而且在硬件和軟件兩個層次上建立了高效的軟件體系結構，此外，大量的通信選擇將促進項目開發周期的縮短和開發成本的降低。因此，工程師可以很容易地在 LabVIEW 平臺上配置、創建和維護一個高性能、低成本的測量系統。

2 系統過程設計

2.1 系統整體設計

鍋爐燃燒狀態監測與優化系統是電廠分散控制系統(DCS)的插拔系統，總體設計過程中應考慮以下需求分析:

(1)實時性：實時性要求系統根據燃燒狀態的變化快速響應，通信方式應具有傳輸速度快、抗干擾能力強等特點。

(2)穩健性：魯棒性是指系統不能自我崩潰，參數的調整應保持在安全范圍內，具有速度限制的功能。

(3)精確度：精度特性主要指兩個方面，第一個方面是信號傳輸的精度，第二個方面是預測模型的精度。

總體而言，該系統由控制站、狀態監測站和燃燒優化站三部分組成。控制站包括 DCS、測量裝置和 OPC 服務器，負責控制、測量和通信等功能。狀態監測站主要負責 OPC 客戶端傳輸的參數分析和顯示功能。燃燒優化站是系統的核心部分，利用智能優化算法建立預測模型，計算當前工況下的最優輸入參數。

2.2 狀態監測站的設計

狀態監測站的重點是 OPC 通信的設置。OPC 服務器位于 DCS 主機上，可以讀取采集系統的數據，或者寫入控制系統的操作參數。OPC 客戶端位于狀態監測站。OPC 服務器設置中最重要的步驟是建立參數標記，每個標記對應一個參數，這個參數有自己的物理地址和數據類型。多維參數，如二次空氣和過燃空氣油門開放可以定義為一個陣列，以便方便地管理這個標簽 。

2.3 燃燒優化站設計

鍋爐燃燒優化站的設計主要包括三個步驟:優化目標設計、預測模型設計和優化算法設計。當前發電企業面臨著激烈的市場競爭，主要目標是降低煤耗，提高鍋爐燃燒效率，同時，電廠也面臨著嚴格的大氣污染物排放限制政策，許多電廠都在試圖控制煤燃燒階段的氮氧化物排放量，這可以大大節省煙氣脫硝的成本。為此，提出了一個既考慮鍋爐燃燒效率又考慮氮氧化物生成量的多目標優化函數，并用一個加權因子來平衡兩個具體指標。進一步設計預測模型，鍋爐燃燒系統具有非線性、多參數、強耦合等特點，理論建模效果不理想。目前，以神經網絡為代表的機器學習模型具有很強的自適應和非線性擬合能力，是電站鍋爐燃燒系統建模的理想工具。在鍋爐燃燒系統中，影響燃燒狀況的輸入參數有兩類，一類是人工不可調參數，如鍋爐負荷、總風量、總燃料量、煤質特性、燃燒器類型和燃燒方式等;另一類是人工可調參數，如二次風、過燃空氣開口、各給煤機給煤量、過剩空氣系數等。

本文選擇三層 BP 神經網絡作為預測模型，選取13個燃燒系統的輸入參數作為神經網絡的輸入。用于評價鍋爐燃燒效率的輸出參數有鍋爐尾氣溫度、氧含量和飛灰含碳量三個，表征污染物排放量為脫硝前的氮氧化物含量。

2.4 人機界面設計

LabVIEW具有人機界面設計靈活的優點。在人機界面設計過程中，考慮了軟件的機密性和權限，設計了用戶登錄和管理功能。只有當用戶登錄到系統時，他或她才有權使用系統。四個功能接口:狀態監測，燃燒優化，圖表和指示幫助開發。

3 應用結果及分析

應用實例是一臺600 MW 超臨界燃煤鍋爐，該鍋爐為單爐型，ii 型布置，全懸浮結構，鍋爐燃燒系統由6層低氮燃燒器和2層過燃空氣燃燒器組成，這種燃燒器布置在爐膛的四個角落。四角切圓燃煤鍋爐具有空氣與煤粉混合強、點火迅速、燃燒路徑延長等優點，但也存在著火焰中心偏移、煙溫偏差、NOx 濃度過高等問題。針對上述問題，我們在該鍋爐上實現了該系統，并在以下兩個部分給出了應用結果。

首先，將鍋爐尾部煙道鎳鉻鎳硅熱電偶煙溫點、管式氧化鋯氧濃度測量點、煙道碳含量和氮氧化物濃度分析儀測量點的測量數據傳送到遠程監測站，并利用 LabVIEW 波形圖實時顯示鍋爐燃燒狀況的重要參數。

其次，對于燃燒優化的結果進行分析能夠得出，鍋爐在40% 負荷下進行燃燒優化調整后，采用寶塔式布風方式，其優點是提高了煤粉的截留能力，改善了煤粉的著火性能，同時適當增加過燃空氣量有助于NOx的燃燒和降低排放。雖然氧含量增加了0.4%，但煙氣溫度、飛灰含碳量和NOx含量分別下降了31.5 ℃、0.31%和51 mg/m3。當鍋爐接近滿負荷運行時，六層燃燒器全部投入運行，二次風門開度由77%降至29%，兩層過燃風門開度分別增加9%和12%。在此期間，鍋爐尾煙溫下降了43.8 ℃，飛灰含碳量下降了0.77%，NOx含量下降了71 mg/m3。

4 結束語

綜上，本文設計了一個基于LabVIEW開發平臺的燃燒狀態監測與優化系統。LabVIEW具有許多工程開發的優點，極大地提高了系統開發的效率，節省了系統測試和維護的時間。從某600 MW機組的應用結果可以看出，該系統實現了對重要參數的燃燒狀態監測，通過優化二次風和過燃空氣分布，有效地控制了鍋爐尾煙溫度、氧含量、飛灰含碳量和NOx排放。