面向復(fù)雜工況的電廠燃料自動(dòng)采樣機(jī)控制研究

摘 要：【目的】電廠燃料質(zhì)量直接影響發(fā)電效率和成本，因此需要對(duì)燃料進(jìn)行準(zhǔn)確的采樣和分析。自動(dòng)采樣機(jī)憑借精確控制，能從大堆燃料中采集代表性樣品，提升采樣準(zhǔn)確性。但復(fù)雜工況下，燃料類(lèi)別復(fù)雜、粒度不均，導(dǎo)致采樣準(zhǔn)確性不高。為此提出了面向復(fù)雜工況的電廠燃料自動(dòng)采樣機(jī)控制方法。【方法】首先，采用支持向量機(jī)分類(lèi)電廠燃料，根據(jù)復(fù)雜工況與分類(lèi)設(shè)置采樣參數(shù)。其次，輸入?yún)?shù)，啟動(dòng)采樣機(jī)，設(shè)計(jì)自適應(yīng)算法，隨工況變化調(diào)整參數(shù)，確保復(fù)雜工況下采樣機(jī)安全穩(wěn)定運(yùn)行。【結(jié)果】應(yīng)用該設(shè)計(jì)方法，熱值誤差被控制在±1%以?xún)?nèi)，灰分誤差被控制在±0.2%以?xún)?nèi)，水分誤差被控制在±1%以?xún)?nèi)，采樣符合度較高，實(shí)際應(yīng)用效果好。【結(jié)論】電廠燃料自動(dòng)采樣機(jī)控制研究實(shí)現(xiàn)了采樣自動(dòng)化、精確化、智能化，提升了采樣準(zhǔn)確性和可靠性，有力地支持了電廠燃料管理。

關(guān)鍵詞：復(fù)雜工況；電廠燃料；自動(dòng)采樣機(jī)控制；支持向量機(jī)；采樣參數(shù)

中圖分類(lèi)號(hào)：TP241" " "文獻(xiàn)標(biāo)志碼：A" " 文章編號(hào)：1003-5168（2025）04-0046-04

DOI：10.19968/j.cnki.hnkj.1003-5168.2025.04.010

Research on Control of Fuel Automatic Sampling Machine for Complex Operating Conditions in Power Plants

SHI Defa

（Guoneng Ningxia Lingwu Power Generation Co.， Ltd.， Yinchuan 751400， China）

Abstract： [Purposes] The quality of fuel in power plants directly affects the efficiency and cost of power generation， so accurate sampling and analysis of fuel are required. The automatic sampling machine， with precise control， can collect representative samples from large piles of fuel， improving sampling accuracy. However， under complex operating conditions， the fuel types are complex and the particle size is uneven， resulting in a decrease in sampling accuracy. A control method for automatic fuel sampling machine in power plants for complex working conditions has been proposed. [Methods] Firstly， this paper uses support vector machine to classify power plant fuels， and sets sampling parameters based on complex operating conditions and classification. Secondly， this paper inputs parameters to start the sampling machine， designs adaptive algorithms， and adjusts parameters according to changes in working conditions to ensure safe and stable operation under complex working conditions. [Findings] Under the application of design methods， the calorific value error is controlled within ± 1%， the ash content error is controlled within ± 0.2%， and the moisture content error is controlled within ± 1%. The sampling accuracy is high， and the practical application effect is good. [Conclusions] The research on the control of automatic fuel sampling machines in power plants has achieved automation， precision， and intelligence in sampling， improving the accuracy and reliability of sampling and providing strong support for fuel management in power plants.

Keywords： complex working conditions; power plant fuel; automatic sampling machine control; support vector machine; sampling parameters

0 引言

在電廠燃料管理過(guò)程中，采樣環(huán)節(jié)是確保煤炭質(zhì)量、優(yōu)化燃燒效率的關(guān)鍵步驟。目前，電廠燃料自動(dòng)采樣機(jī)已經(jīng)在實(shí)際工作中得到了廣泛應(yīng)用，但其控制方法仍面臨諸多挑戰(zhàn)。一方面，煤炭的種類(lèi)和性質(zhì)復(fù)雜多變，不同種類(lèi)的煤炭在粒度、濕度、硬度等方面存在顯著差異，這導(dǎo)致自動(dòng)采樣機(jī)在采樣過(guò)程中容易出現(xiàn)堵塞、磨損和煤樣代表性不足等問(wèn)題［1］；另一方面，電廠運(yùn)行工況復(fù)雜，包括煤流量、輸煤皮帶速度、環(huán)境因素等都會(huì)對(duì)自動(dòng)采樣機(jī)的運(yùn)行產(chǎn)生影響，難以保證采樣機(jī)的穩(wěn)定性和準(zhǔn)確性［2］。傳統(tǒng)的控制方法對(duì)不同工況的適應(yīng)性不強(qiáng)，無(wú)法根據(jù)煤種和工況的變化實(shí)時(shí)調(diào)整采樣策略，不能準(zhǔn)確捕捉煤流和工況的細(xì)微變化，導(dǎo)致采樣效果不佳［3］。因此，本研究開(kāi)展面向復(fù)雜工況的電廠燃料自動(dòng)采樣機(jī)控制方法分析，旨在實(shí)現(xiàn)對(duì)煤種和工況的精確控制，從而確保自動(dòng)采樣機(jī)在不同工況下都能穩(wěn)定、準(zhǔn)確地完成采樣任務(wù)，為電廠的燃料管理和燃燒優(yōu)化提供有力支持。

1 電廠燃料分類(lèi)

本研究系統(tǒng)性地收集電廠所使用的各類(lèi)燃料的詳細(xì)數(shù)據(jù)，利用這些數(shù)據(jù)搭建燃料數(shù)據(jù)集，以此為后續(xù)分析與研究奠定重要的數(shù)據(jù)基礎(chǔ)。數(shù)據(jù)集包含的關(guān)鍵信息有燃料的化學(xué)成分[H]、物理性質(zhì)[W]和燃料的來(lái)源地[L]等關(guān)鍵信息。通過(guò)整理，形成以下結(jié)構(gòu)化數(shù)據(jù)集，見(jiàn)式（1）。

[S=NiH，W，L]" " " " "（1）

式中：[N]為燃料樣本的總數(shù)；i為燃料樣本編號(hào)。

基于上述燃料數(shù)據(jù)集，本研究構(gòu)建了燃料分類(lèi)的預(yù)測(cè)模型。該模型采用支持向量機(jī)（SVM）算法，其原理為通過(guò)構(gòu)建超平面最大化燃料樣本間隔，實(shí)現(xiàn)高效分類(lèi)。SVM模型的決策函數(shù)可以表示為式（2）。

[f=signi=1NαiyiKSxi，Sx+b] （2）

式中：[f]為輸出的燃料分類(lèi)結(jié)果；[αi]為拉格朗日乘子；[yi]為對(duì)應(yīng)的類(lèi)別標(biāo)簽（+1或-1）；[KSxi，Sx]為核函數(shù)；[Sxi]為數(shù)據(jù)集中的訓(xùn)練樣本；[Sx]為待分類(lèi)的燃料樣本；[b]為偏置項(xiàng)。

采用大量已知類(lèi)別的燃料樣本作為訓(xùn)練集，通過(guò)反復(fù)迭代學(xué)習(xí)，使模型學(xué)習(xí)到不同燃料類(lèi)別的特征［4］。訓(xùn)練后，模型通過(guò)公式（2）分類(lèi)新樣本，為后續(xù)采樣參數(shù)的設(shè)置奠定基礎(chǔ)。

2 面向復(fù)雜工況的采樣參數(shù)設(shè)置

在電廠燃料分類(lèi)的基礎(chǔ)上，針對(duì)不同工況和類(lèi)別燃料設(shè)置不同的采樣參數(shù)，確保采樣機(jī)控制順利。深入分析電廠的實(shí)際運(yùn)行工況，如燃料流量（100～800 t/h）、批煤量（60～4 000 t）、粒度（粒徑一般要求小于100 mm）、溫度（通常為氣溫±30 ℃）、濕度（一般在5%～30%之間波動(dòng)）等，設(shè)計(jì)合理采樣參數(shù)，以保證采樣機(jī)在極端條件下準(zhǔn)確高效采樣。

考慮到燃料在輸送過(guò)程中的均勻性和代表性，本研究根據(jù)燃料流量和輸送時(shí)間，采用時(shí)間基多點(diǎn)分布式采樣策略。流量大時(shí)（gt;400 t/h），由于燃料輸送速度快，為確保采集到不同時(shí)間段的燃料樣本，設(shè)定在采樣周期內(nèi)至少均勻分布5個(gè)采樣時(shí)間點(diǎn)；流量小時(shí)（lt;400 t/h），由于輸送速度相對(duì)較慢，可以適當(dāng)減少采樣時(shí)間點(diǎn)的數(shù)量，但確保每個(gè)采樣時(shí)間點(diǎn)都能充分反映該時(shí)段內(nèi)燃料的特性［5］。采樣時(shí)間點(diǎn)的具體位置通過(guò)式（3）計(jì)算得出。

[Li=i?1n?G+??0（i=1，2，…，n）] （3）

式中：[Li]為第[i]個(gè)采樣時(shí)間點(diǎn)的時(shí)刻；[G]為整個(gè)燃料輸送周期的總時(shí)間；[n]為采樣時(shí)間點(diǎn)的數(shù)量；[??0]為一個(gè)可選的初始時(shí)間偏移量，用于調(diào)整采樣時(shí)間點(diǎn)的起始時(shí)刻。

采樣頻率和采樣量的設(shè)定則根據(jù)燃料的穩(wěn)定性、工況的變化速度、燃料的粒度分布及密度設(shè)置，具體見(jiàn)表1。

通過(guò)綜合考慮燃料分類(lèi)、工況參數(shù)和采樣需求，本研究設(shè)計(jì)了合理的采樣參數(shù)，這些參數(shù)的設(shè)定確保了采樣機(jī)在各種工況下都能準(zhǔn)確、高效地采集到具有代表性的燃料樣本。

3 電廠燃料自動(dòng)采樣機(jī)自適應(yīng)控制

在設(shè)置采樣參數(shù)后，設(shè)計(jì)了電廠燃料自動(dòng)采樣機(jī)的自適應(yīng)控制算法，該算法能實(shí)時(shí)監(jiān)測(cè)燃料流量、溫度等工況參數(shù)，并根據(jù)其變化智能調(diào)整采樣參數(shù)，以適應(yīng)復(fù)雜工況。

首先，利用高精度的傳感器實(shí)時(shí)監(jiān)測(cè)燃料流量的動(dòng)態(tài)變化，設(shè)計(jì)自適應(yīng)采樣點(diǎn)移動(dòng)算法。該算法通過(guò)式（4）計(jì)算采樣點(diǎn)的最優(yōu)位置。

[Lo，i=f?Qfn?v?Li+?La] （4）

式中：[Lo，i]為第[i]個(gè)采樣點(diǎn)的最優(yōu)位置；[Qf]為燃料流量；[v]為燃料的平均流速；n為采樣時(shí)間點(diǎn)的數(shù)量；[?La]為根據(jù)工況變化進(jìn)行的微調(diào)量。

其次，為了應(yīng)對(duì)燃料溫度等參數(shù)的變化，本研究設(shè)計(jì)了自適應(yīng)采樣頻率調(diào)整算法。該算法根據(jù)溫度的變化速率和燃料的穩(wěn)定性，動(dòng)態(tài)調(diào)整采樣頻率［6］。基于采樣頻率調(diào)整電廠燃料自動(dòng)采樣機(jī)自適應(yīng)控制的計(jì)算見(jiàn)式（5）。

[fn=Lo，ifb?1+kt??T?t+ks?σf] （5）

式中：[fb]為基礎(chǔ)采樣頻率；[kt]和[ks]分別為溫度波動(dòng)和燃料穩(wěn)定性對(duì)采樣頻率影響的權(quán)重系數(shù)；[?T?t]為溫度的變化速率；[σf]為燃料的穩(wěn)定性指標(biāo)。當(dāng)溫度波動(dòng)較大（gt;50 ℃/h）或燃料穩(wěn)定性較差時(shí)（元素含量波動(dòng)gt;2%），算法將提高采樣頻率；反之，則降低采樣頻率。

最后，在電廠燃料自動(dòng)采樣機(jī)運(yùn)行過(guò)程中，不斷收集采樣機(jī)數(shù)據(jù)和結(jié)果，按自適應(yīng)控制算法全方位控制，以確保采樣機(jī)在復(fù)雜工況下穩(wěn)定準(zhǔn)確工作。

4 試驗(yàn)分析

4.1 試驗(yàn)準(zhǔn)備

該試驗(yàn)選擇某電廠的燃料自動(dòng)采樣機(jī)作為研究對(duì)象，燃料自動(dòng)采樣機(jī)如圖1所示，設(shè)備參數(shù)見(jiàn)表2。

將該采樣機(jī)安裝在電廠的輸煤皮帶上，對(duì)進(jìn)入電廠的煤炭進(jìn)行自動(dòng)采樣。采樣機(jī)采用皮帶中部旋轉(zhuǎn)刮掃式采樣方式，具有2級(jí)破碎、2級(jí)縮分功能，能夠?qū)崿F(xiàn)對(duì)煤流的全斷面采樣，并確保采樣精度符合GB/T 19494的要求。該試驗(yàn)使用的物料為商品煤，原料粒度≤80 mm，原料水分≤15.0%。

該試驗(yàn)工作環(huán)境的相對(duì)濕度為10%～95%，溫度為-30～70 ℃。在試驗(yàn)過(guò)程中，應(yīng)確保采樣機(jī)穩(wěn)定運(yùn)行，不出現(xiàn)堵塞、磨損等異常情況。

4.2 控制結(jié)果分析

準(zhǔn)備真實(shí)煤質(zhì)樣本，并測(cè)量其化學(xué)成分，具體為水分（A1）為20.5%，干基灰分（A2）為14.8%、熱值為4 050 kcal/kg等關(guān)鍵參數(shù)作為基準(zhǔn)值。啟動(dòng)采樣機(jī)，利用上文提出的控制方法，對(duì)采樣機(jī)實(shí)施控制后按照設(shè)定的參數(shù)進(jìn)行采樣。記錄采樣時(shí)間，計(jì)算每次采樣結(jié)果與真實(shí)煤質(zhì)之間的誤差，并統(tǒng)計(jì)采樣誤差的分布情況，對(duì)應(yīng)用了本研究提出的面向復(fù)雜工況的電廠燃料自動(dòng)采樣機(jī)控制方法的采樣機(jī)進(jìn)行采樣精度評(píng)估，結(jié)果見(jiàn)表3。

由表3可以看出，采樣機(jī)的采樣誤差與波動(dòng)范圍均較小，具體來(lái)說(shuō)，化學(xué)成分A1的采樣誤差為-0.5%～0.6%，化學(xué)成分A2的采樣誤差為-0.15%～+0.13%，熱值的采樣誤差為-30～25 kcal/kg。通過(guò)這些結(jié)果證明，本研究的控制方法提高了采樣精度，確保了結(jié)果的準(zhǔn)確性和可靠性，證明該控制方法在復(fù)雜工況下具有應(yīng)用優(yōu)勢(shì)，為電廠燃料管理和燃燒優(yōu)化提供了有力的技術(shù)支持。

為進(jìn)一步驗(yàn)證所提出方法的控制性能，采用對(duì)比試驗(yàn)，將該方法設(shè)置為試驗(yàn)組，將鄭偉［1］、付高見(jiàn)等［2］提出的兩種傳統(tǒng)控制方法分別設(shè)置為對(duì)照組1與對(duì)照組2。分別使用3種控制方法對(duì)采樣機(jī)進(jìn)行配置，記錄每種方法所采集的樣本與實(shí)際煤質(zhì)之間的偏差，計(jì)算出每種控制方法在不同采樣量下的采樣誤差，以評(píng)估采樣的準(zhǔn)確性。對(duì)比結(jié)果如圖2所示。

由圖2可知，對(duì)本研究提出的控制方法進(jìn)行應(yīng)用后，燃料自動(dòng)采樣機(jī)在所有采樣時(shí)間段均表現(xiàn)出更低的采樣誤差。這一結(jié)果證明了本研究提出的控制方法在提升采樣準(zhǔn)確性方面具有顯著優(yōu)勢(shì)。且更低的采樣誤差意味著更高的樣本代表性，對(duì)保證電廠燃料管理和燃燒優(yōu)化的有效性具有重要意義。因此，建議在實(shí)際應(yīng)用中優(yōu)先采用本研究提出的控制方法，以提高電廠燃料自動(dòng)采樣機(jī)的整體性能和采樣的可靠性。

5 結(jié)語(yǔ)

本研究提出的面向復(fù)雜工況的電廠燃料自動(dòng)采樣機(jī)控制方法，考慮了采樣過(guò)程中的各種影響因素，實(shí)現(xiàn)了對(duì)采樣機(jī)的有效控制，并通過(guò)試驗(yàn)證實(shí)了該方法在提升采樣精度、加快采樣速度方面均表現(xiàn)出色。盡管本研究取得了顯著的成果，但仍在有些方面有待進(jìn)一步深入探索。例如，如何更好地適應(yīng)不同種類(lèi)的煤炭、進(jìn)一步優(yōu)化控制方法以提高采樣效率、降低設(shè)備維護(hù)成本等，都是未來(lái)研究的重要方向。

參考文獻(xiàn)：

［1］鄭偉.火電廠提高汽車(chē)煤采樣機(jī)采樣代表性的研究 ［J］. 煤炭加工與綜合利用，2023（10）： 64-66.

［2］付高見(jiàn)，沈思賢，涂攀，等. 基于DCS控制的燃料智能化管控系統(tǒng)分析與應(yīng)用［J］.電氣技術(shù)與經(jīng)濟(jì)，2023， （7）：86-90.

［3］郝新飛. 選煤廠輸煤皮帶采樣機(jī)的自動(dòng)化設(shè)計(jì)［J］. 當(dāng)代化工研究，2023（13）：168-170.

［4］詹志明，陳宏勝.煤炭采樣機(jī)電液控制回路設(shè)計(jì) ［J］. 安徽科技學(xué)院學(xué)報(bào)，2021，35（4）：89-94.

［5］王和平，朱學(xué)海，張國(guó)光. 無(wú)膠帶一體式全自動(dòng)智能火車(chē)采樣機(jī)在陽(yáng)煤集團(tuán)的應(yīng)用［J］.煤質(zhì)技術(shù)，2020，35 （6）： 52-57.

［6］紀(jì)長(zhǎng)順，戴昭斌，任祥軍. 煤礦輸送帶中部采樣機(jī)精密度與偏倚試驗(yàn)研究［J］.礦山機(jī)械，2020，48（8）：60-63.