火力發(fā)電廠分時(shí)線性智能吹灰模型的應(yīng)用

馬曉春, 劉相宏, 陳 晶, 鄭云林, 郭 麗, 趙滔滔, 趙偉杰

(1. 新疆維吾爾自治區(qū)計(jì)量測(cè)試研究院, 烏魯木齊 830011;2. 上海新華控制技術(shù)集團(tuán)科技有限公司, 上海 200241)

火力發(fā)電廠鍋爐的爐膛受熱面積灰結(jié)渣是生產(chǎn)運(yùn)行中普遍存在的問題。煤粉燃燒放熱的過程中,爐膛各區(qū)域受熱面會(huì)不間斷地積累不同程度的灰焦[1-2]。受熱面管束發(fā)生積灰,會(huì)導(dǎo)致過熱、再熱蒸汽溫度降低,鍋爐出力受到限制,風(fēng)煙溫度升高,造成熱能浪費(fèi)。同時(shí),過熱器、再熱器熱偏差的增加會(huì)影響受熱面安全[3-4]。積灰還會(huì)增加換熱管束的通風(fēng)阻力,進(jìn)而增加引風(fēng)機(jī)的負(fù)擔(dān),影響鍋爐的安全經(jīng)濟(jì)運(yùn)行[5-6]。

從燃料經(jīng)濟(jì)性出發(fā),我國(guó)火力發(fā)電廠所用煤的品質(zhì)參差不齊,灰、硫含量較高,導(dǎo)致爐膛內(nèi)受熱面積灰嚴(yán)重。處理積灰的經(jīng)典方案是對(duì)爐膛內(nèi)壁的各個(gè)部位進(jìn)行定時(shí)定量吹掃,但是該方案基于積灰結(jié)渣過程是時(shí)間的線性函數(shù),具有一定的盲目性和不科學(xué)性,具體為:未考慮到不同局部區(qū)域的實(shí)際吹灰需求,吹灰收益與能耗相比得不償失;爐膛內(nèi)壁缺乏有效的積灰情況測(cè)量手段,無法直接判斷積灰程度;對(duì)于某些不易積灰的部位,定時(shí)吹灰會(huì)加劇金屬消耗,減薄受熱面,甚至可能導(dǎo)致爆管。針對(duì)上述問題,許多電廠采用智能控制方案優(yōu)化吹灰系統(tǒng)[7-10]。

國(guó)外對(duì)智能吹灰方案的研究起步較早,并且開發(fā)出一些先進(jìn)吹灰控制軟件,如美國(guó)電力研究協(xié)會(huì)的ISB、瑞士ABB公司的OPTIMAX、美國(guó)通用電氣公司的OPTIFIRE、美國(guó)西屋-艾默生公司的Smart Process和德國(guó)西門子公司的Profi等,這些軟件已成功應(yīng)用于工程實(shí)際中爐膛內(nèi)灰焦的吹掃控制系統(tǒng)[11-12]。近年來,國(guó)內(nèi)研究在積灰監(jiān)測(cè)和吹灰策略方面取得了一些豐富的研究成果。曲慶功[10]提出將吹灰凈收益值作為積灰監(jiān)測(cè)參數(shù),并且采用基于模糊神經(jīng)網(wǎng)絡(luò)的監(jiān)測(cè)方法,計(jì)算機(jī)仿真表明該方法可提高鍋爐受熱面換熱效率。在吹灰策略方面,俞海淼等[13]設(shè)計(jì)出一種水冷灰污熱流計(jì),通過讀取熱流計(jì)的溫度,可以對(duì)熱流密度進(jìn)行監(jiān)測(cè),進(jìn)而了解爐膛的積灰結(jié)渣情況。該方法不受爐膛燃燒特性的干擾,具有一定的通用性,但是需要新增大量熱流計(jì)儀表實(shí)現(xiàn)對(duì)爐膛積灰結(jié)渣程度的監(jiān)測(cè),初始投資較高,并且增加了水冷壁的焊口,對(duì)鍋爐的安全運(yùn)行有一定的影響。總體而言,國(guó)內(nèi)智能優(yōu)化吹灰系統(tǒng)的相關(guān)功能和應(yīng)用范圍還有很大的發(fā)展空間[14-15]。

筆者基于長(zhǎng)短期記憶(LSTM)算法對(duì)結(jié)渣過程進(jìn)行建模,開發(fā)爐膛水冷壁結(jié)渣監(jiān)測(cè)模型,并且開發(fā)了基于分散控制系統(tǒng)(DCS)的鍋爐智能吹灰系統(tǒng),探究局部受熱面上的時(shí)間-壁溫-阻熱程度的關(guān)系函數(shù),通過在線實(shí)時(shí)監(jiān)測(cè)壁溫測(cè)點(diǎn)的數(shù)值,智能判斷積灰結(jié)焦的程度,從而在最恰當(dāng)程度進(jìn)行局部吹掃。

1 分時(shí)線性智能吹灰方法

吹灰是為了提高換熱介質(zhì)的導(dǎo)熱效率、減少蒸汽的熱能浪費(fèi)和降低受熱金屬壁面的吹損減薄程度,從而提高機(jī)組的整體能量轉(zhuǎn)化效率和經(jīng)濟(jì)效益。在吹灰蒸汽額定壓力和吹灰器程序控制指令固定的情況下,吹灰頻次與蒸汽耗量及受熱面吹損減薄程度總體呈一次線性關(guān)系,但吹灰效益與吹灰頻次之間的函數(shù)關(guān)系較復(fù)雜。吹灰頻次過低,會(huì)浪費(fèi)較多燃煤能量;吹灰頻次過高,會(huì)浪費(fèi)較多蒸汽能量,并且影響燃燒穩(wěn)定性和受熱面壽命。智能吹灰方法依據(jù)吹灰坐標(biāo)位置的具體工況,選擇是否觸發(fā)吹灰程序,做到無必要不吹灰、有必要立即吹灰,吹灰器組不進(jìn)行統(tǒng)一步序。

科學(xué)吹灰的前提是精確地判斷吹掃處積灰的程度和趨勢(shì)。當(dāng)無法直接測(cè)量灰焦積累的嚴(yán)重程度時(shí),如何通過相關(guān)物理量呈現(xiàn)出灰焦積累狀態(tài),是智能吹灰方法的技術(shù)關(guān)鍵。

采集壁溫、主蒸汽流量、省煤器出口溫度等關(guān)鍵數(shù)據(jù),進(jìn)行分時(shí)拆解,并且采用神經(jīng)網(wǎng)絡(luò)模型進(jìn)行回歸分析,求解出具體位置壁溫與時(shí)間、主蒸汽流量等關(guān)鍵物理量的映射關(guān)系,進(jìn)而分析受熱面灰沉積特性。

某熱電廠機(jī)組爐膛某處壁溫的歷史數(shù)據(jù)見圖1(時(shí)間序列對(duì)應(yīng)的時(shí)間步長(zhǎng)為10 s)。壁溫從虛線處隨時(shí)間呈規(guī)律性衰減,并且在下一條虛線位置突然階躍回升至衰減之前的溫度。自然脫落和蒸汽吹灰使局部積累的灰焦在短時(shí)間內(nèi)被剝離,壁面的熱阻瞬間降低,從而引起壁溫的突變。隨著灰焦的繼續(xù)堆積,該處熱阻逐漸增加,直至一定時(shí)間或積累到一定程度后,灰焦被再次剝離。

圖1 機(jī)組爐膛某處壁溫時(shí)間序列曲線

將圖1中溫度衰減的局部過程進(jìn)行分時(shí)拆解,得到溫度隨時(shí)間的變化曲線見圖2(橫縱坐標(biāo)與圖1相同)。初步比對(duì)不同時(shí)段的衰減曲線,發(fā)現(xiàn)這些曲線全部符合同一條衰減函數(shù)曲線(類似于負(fù)指數(shù)函數(shù)),只是不同時(shí)段的采樣曲線對(duì)應(yīng)衰減函數(shù)曲線的不同階段,衰減特性蘊(yùn)含了結(jié)渣導(dǎo)致熱傳導(dǎo)受阻特性。依據(jù)擬合出的衰減特性曲線,可以由溫度衰減的前半程預(yù)測(cè)后續(xù)的溫度變化趨勢(shì),并且依據(jù)后續(xù)溫度變化趨勢(shì)判斷是否需要觸發(fā)局部吹灰程序。

圖2 壁溫曲線的階躍-衰減特性分時(shí)拆解

在應(yīng)用數(shù)學(xué)層面,可以通過各種數(shù)值方法擬合得到圖2中虛線,如采用負(fù)指數(shù)函數(shù)、拋物線函數(shù)、三角函數(shù)等常規(guī)函數(shù)進(jìn)行擬合,或采用人工神經(jīng)網(wǎng)絡(luò)模型進(jìn)行非函數(shù)化擬合。壁溫除受時(shí)間的影響外,還受主蒸汽流量、燃燒器擋板開度等參數(shù)的影響,屬于多解釋變量的映射關(guān)系擬合,人工神經(jīng)網(wǎng)絡(luò)模型適用于多變量之間錯(cuò)綜復(fù)雜關(guān)系的擬合。研究采用適宜擬合時(shí)序問題的LSTM神經(jīng)網(wǎng)絡(luò)模型。

LSTM神經(jīng)網(wǎng)絡(luò)是一種特殊的循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN),能學(xué)習(xí)數(shù)據(jù)流的長(zhǎng)期時(shí)序規(guī)律。它最早由Hochreiter和Schmidhuber于1997年提出,后經(jīng)眾多學(xué)者的提煉和推廣,被廣泛用于天然氣負(fù)荷預(yù)測(cè)、股票市場(chǎng)預(yù)測(cè)、語言建模和機(jī)器翻譯等序列任務(wù)。梯度消失的主要限制是模型無法學(xué)習(xí)長(zhǎng)期的依賴關(guān)系。與常規(guī)RNN相比,LSTM神經(jīng)網(wǎng)絡(luò)可以存儲(chǔ)更多的歷史時(shí)序信息,以避免梯度消失。與僅維護(hù)單個(gè)隱藏狀態(tài)的RNN相比,LSTM神經(jīng)網(wǎng)絡(luò)可以儲(chǔ)存更多參數(shù),因此可以更自如地保存或丟棄指定時(shí)長(zhǎng)的時(shí)序數(shù)據(jù)。

2 測(cè)試與分析

選取該機(jī)組某處壁溫的歷史數(shù)據(jù),采樣步長(zhǎng)為10 s,采樣總次數(shù)為65 000。根據(jù)階躍過程最長(zhǎng)時(shí)間為100 s、壁溫的連續(xù)落差不小于50 K進(jìn)行分時(shí)拆解,分別提取出各段溫度隨時(shí)間的衰減歷程。將各段數(shù)據(jù)用于訓(xùn)練LSTM神經(jīng)網(wǎng)絡(luò)模型,得到重構(gòu)曲線,結(jié)果見圖3(前10 000次采樣)。LSTM重構(gòu)曲線與歷史采樣曲線的平均相對(duì)誤差為11.3%,絕對(duì)誤差的標(biāo)準(zhǔn)差為26.5 K。LSTM重構(gòu)曲線較好地呈現(xiàn)了壁溫的變化趨勢(shì),說明對(duì)壁溫的時(shí)序曲線進(jìn)行精準(zhǔn)拆解后可以準(zhǔn)確提取灰焦隨時(shí)間的積累特性。

圖3 分時(shí)拆解后的LSTM擬合-重構(gòu)效果

3 實(shí)際應(yīng)用

3.1 測(cè)點(diǎn)布置

基于提出的分時(shí)線性智能模型,設(shè)計(jì)并開發(fā)了整套機(jī)組的智能吹灰系統(tǒng),探究其在該機(jī)組DCS中的應(yīng)用效果。

該機(jī)組的鍋爐為330 MW亞臨界參數(shù)汽包爐,采用自然循環(huán)、一次中間再熱、單爐膛、四角切圓燃燒方式、平衡通風(fēng)、固態(tài)排渣、全鋼懸吊結(jié)構(gòu)、露天布置,工作負(fù)荷率在80%左右。

鍋爐爐膛壁面的溫度測(cè)點(diǎn)全部布置在爐膛墻式吹灰器的吹灰范圍內(nèi)。溫度測(cè)點(diǎn)的布置見圖4,爐膛內(nèi)按照8層(第5層無觀火孔)布置,共安裝88臺(tái)墻式吹灰器,在前墻最下層吹灰器標(biāo)高位置開始布置測(cè)點(diǎn)(采用逆時(shí)針螺旋上升式布置),依次對(duì)測(cè)點(diǎn)進(jìn)行編號(hào),保證每臺(tái)墻式吹灰器至少對(duì)應(yīng)1個(gè)溫度測(cè)點(diǎn)。

圖4 爐膛壁面溫度測(cè)點(diǎn)的布置

采用分時(shí)線性智能模型對(duì)每個(gè)溫度測(cè)點(diǎn)單獨(dú)進(jìn)行分時(shí)拆解,并且采用LSTM算法進(jìn)行建模,將模型與壁溫、過熱器焓增、煙氣溫差和煙氣壓差等參數(shù)進(jìn)行比較,得出爐膛內(nèi)各個(gè)部位的吹灰需求。

3.2 被監(jiān)測(cè)變量與相關(guān)運(yùn)行參數(shù)模型

采用主元分析法在歷史生產(chǎn)數(shù)據(jù)中篩選出被監(jiān)測(cè)變量和各個(gè)運(yùn)行參數(shù)在新映射空間的變量,然后采用LSTM算法建立模型,其中包括:

(1) 建立與爐膛壁溫從衰減到完全回升的運(yùn)行時(shí)間、蒸汽流量、省煤器出口給水溫度、各燃燒器輔助風(fēng)擋板指令等運(yùn)行參數(shù)相關(guān)的67個(gè)8維模型。

(2) 建立與低溫過熱器蒸汽焓增、低溫再熱器蒸汽焓增、高溫再熱器蒸汽焓增、吹灰后運(yùn)行時(shí)間、蒸汽流量、再熱蒸汽溫度調(diào)節(jié)擋板開度比和煙氣溫度等運(yùn)行參數(shù)相關(guān)的6個(gè)5維模型。

(3) 建立與屏式過熱器蒸汽焓增、高溫過熱器蒸汽焓增、吹灰后運(yùn)行時(shí)間、蒸汽流量、再熱蒸汽溫度調(diào)節(jié)擋板開度比、煙氣溫度和減溫器出口溫度等運(yùn)行參數(shù)相關(guān)的2個(gè)6維模型。

(4) 建立與省煤器中給水焓增、運(yùn)行時(shí)間、蒸汽流量、再熱蒸汽溫度調(diào)節(jié)擋板開度比、煙氣溫度、省煤器出口給水焓等運(yùn)行參數(shù)相關(guān)的1個(gè)6維模型。

(5) 建立與空氣預(yù)熱器進(jìn)出口煙氣壓差、壁溫從衰減到完全回升的運(yùn)行時(shí)間、蒸汽流量、再熱蒸汽溫度調(diào)節(jié)擋板開度比和空氣預(yù)熱器入口煙氣壓力等運(yùn)行參數(shù)相關(guān)的2個(gè)5維模型。

(6) 預(yù)設(shè)歷史生產(chǎn)數(shù)據(jù)服從正態(tài)分布,依據(jù)被監(jiān)測(cè)變量偏離正態(tài)分布中心的具體情況,設(shè)置觸發(fā)吹灰條件的合適閾值,求出觸發(fā)吹灰條件的閾值。

3.3 智能吹灰控制流程

按煙氣流向進(jìn)行吹灰,煙氣依次流過爐膛、屏式過熱器、高溫過熱器、高溫再熱器、低溫再熱器、低溫過熱器、省煤器、空氣預(yù)熱器。智能吹灰控制流程見圖5。

圖5 智能吹灰控制流程

3.4 智能吹灰控制原理

結(jié)合受熱面對(duì)應(yīng)的動(dòng)態(tài)沾污模型,開發(fā)基于DCS的智能吹灰系統(tǒng)。智能吹灰控制原理見圖6。吹灰優(yōu)化總控制模塊根據(jù)吹灰需求、吹灰后運(yùn)行時(shí)間、疏水溫度和中停條件控制各單元的智能吹灰。

圖6 智能吹灰控制原理

4 投運(yùn)效果分析

4.1 直接經(jīng)濟(jì)效益

(1) 減少吹灰蒸汽消耗量。

智能吹灰系統(tǒng)投運(yùn)后168 h測(cè)試期間與投運(yùn)前的數(shù)據(jù)對(duì)比結(jié)果見表1,智能吹灰系統(tǒng)投運(yùn)后吹灰蒸汽消耗量(質(zhì)量流量)降低總量為1 014.7 t/a(該機(jī)組2021年的運(yùn)行時(shí)間約為7 699.52 h,折合320.8 d,平均負(fù)荷率為 71.2%)。

表1 智能吹灰系統(tǒng)投運(yùn)前、后數(shù)據(jù)對(duì)比

在額定功率工況下,煤耗量(質(zhì)量流量)為140.64 t/h,對(duì)應(yīng)標(biāo)準(zhǔn)煤的煤耗量為100.5 t/h,主蒸汽質(zhì)量流量為1 048 t/h,標(biāo)準(zhǔn)煤?jiǎn)蝺r(jià)為1 300元/t,按吹灰蒸汽比焓與主蒸汽比焓之比(0.919 4)折算吹灰蒸汽的煤耗量,計(jì)算智能吹灰系統(tǒng)投運(yùn)后通過減少吹灰蒸汽消耗量可實(shí)現(xiàn)直接經(jīng)濟(jì)效益約11.6萬元/a。

(2) 降低排煙溫度。

智能吹灰系統(tǒng)投運(yùn)后,經(jīng)測(cè)試,鍋爐排煙溫度降低約2.24 K,對(duì)應(yīng)鍋爐效率提高0.11個(gè)百分點(diǎn),供電煤耗率降低0.391 g/(kW·h),可實(shí)現(xiàn)直接經(jīng)濟(jì)效益約92.0萬元/a。

4.2 間接經(jīng)濟(jì)效益

智能吹灰系統(tǒng)投運(yùn)后的間接經(jīng)濟(jì)效益如下:

(1) 有效避免由爐膛水冷壁結(jié)渣、掉渣導(dǎo)致的安全事故。

(2) 有助于對(duì)鍋爐燃煤方案、燃燒運(yùn)行參數(shù)的調(diào)整,進(jìn)而可以提高鍋爐運(yùn)行的安全性、經(jīng)濟(jì)性。

(3) 避免吹灰器頻繁動(dòng)作對(duì)受熱面金屬材料壽命的影響,降低爆管概率,進(jìn)而減少受熱面維護(hù)、更換費(fèi)用。

(4) 降低吹灰器投運(yùn)頻次,從設(shè)備使用的角度考慮,能夠較大程度地降低缺陷產(chǎn)生的可能性,減少作業(yè)人員消除缺陷的工作量,降低安全隱患。

(5) 在降低煤耗量的同時(shí),可以有效減少電廠在生產(chǎn)運(yùn)行過程中產(chǎn)生的二氧化硫、氮氧化物、一氧化碳、二氧化碳等氣體和顆粒粉塵,提高鍋爐環(huán)保排放特性。

機(jī)組采用分時(shí)線性智能吹灰系統(tǒng),經(jīng)過168 h的測(cè)試后,日均吹灰次數(shù)從141降低至102,吹灰頻次降低約27.71%,達(dá)到了降低25%以上的技術(shù)指標(biāo)要求,具有一定的經(jīng)濟(jì)效益。

5 結(jié)語

鍋爐爐膛受熱面的積灰結(jié)渣是生產(chǎn)運(yùn)行中普遍存在的現(xiàn)象,對(duì)機(jī)組的安全性、經(jīng)濟(jì)性有不可忽略的負(fù)面影響。研究從受熱面的積灰特性著手,將歷史壁溫曲線依照階躍-衰減特性進(jìn)行分時(shí)拆解,結(jié)合LSTM算法對(duì)結(jié)渣過程進(jìn)行建模,開發(fā)爐膛水冷壁結(jié)渣監(jiān)測(cè)模型;同時(shí),結(jié)合屏式過熱器、高溫過熱器、高溫再熱器、低溫再熱器、低溫過熱器、省煤器和空氣預(yù)熱器對(duì)應(yīng)的動(dòng)態(tài)沾污模型,開發(fā)基于DCS的鍋爐智能吹灰系統(tǒng)。系統(tǒng)實(shí)現(xiàn)了鍋爐日常運(yùn)行過程中“按需適量”的智能吹灰、自動(dòng)疏水、自動(dòng)投停,保證了鍋爐受熱面的安全。該系統(tǒng)已在某熱電廠實(shí)地投運(yùn),通過實(shí)際試驗(yàn)得出,啟用智能吹灰方法后,有效地降低了吹灰器投運(yùn)頻次和吹灰蒸汽消耗量,降低了排煙溫度。該智能吹灰系統(tǒng)對(duì)燃煤電廠鍋爐的吹灰系統(tǒng)智能化運(yùn)行具有重要意義。