鍋爐入爐煤量預測模型研究

谷俊杰，　張　巖，　劉　康，　孫苗青

(華北電力大學 能源動力與機械工程學院，河北保定 071003)

?

鍋爐入爐煤量預測模型研究

谷俊杰，張巖，劉康，孫苗青

(華北電力大學 能源動力與機械工程學院，河北保定 071003)

摘要：設計了煤質自適應前饋校正，以功煤系數(shù)為出發(fā)點，借助組合預測模型的思想建立鍋爐入爐煤量的預測模型，采用方差倒數(shù)法求取前1 h功煤系數(shù)對當前時刻功煤系數(shù)的最優(yōu)權重系數(shù)，實現(xiàn)對入爐煤量和功煤系數(shù)的預測，并利用該模型對某660 MW機組4號鍋爐的入爐煤量進行預測.結果表明：將實時入爐煤量的預測值作為實際入爐煤量，其預測平均準確度能達到97%左右，提高了入爐煤量的預測準確率.

關鍵詞：入爐煤量； 前饋校正； 預測模型； 功煤系數(shù)； 電網(wǎng)調度負荷指令

電廠入爐煤的供應都是以電廠設計煤種為準， 但來煤得不到保證，入爐煤質差、煤質變化頻繁，與設計煤種相差很大，易引起壓力、功率和溫度的波動[1-2].隨著電網(wǎng)容量的增大以及用戶對供電質量要求的提高，電網(wǎng)調度對火電機組負荷變化的要求也越來越高，煤質差、煤質變化頻繁導致很多火電機組的協(xié)調變負荷能力不能適應電網(wǎng)調度的要求，嚴重影響機組的穩(wěn)定性和變負荷能力，也減弱了機組上網(wǎng)競爭的能力[3].

自適應煤質變化協(xié)調控制系統(tǒng)是一項最新的科研成果，通過大型火電機組多年調試經(jīng)驗的積累和獨到的分析，煤質變化對負荷變化的影響小，輸出指令變化平穩(wěn)，設計了簡單易懂的協(xié)調控制策略.各參數(shù)設置原理簡單，具有自適應煤質變化的能力，極大地提高了大型火電機組變負荷能力和機組運行穩(wěn)定性，使得協(xié)調控制系統(tǒng)具備自適應入爐煤質變化的能力[4].

許多學者對機組的煤質自適應控制進行了廣泛深入的研究.楊景祺等[1]指出在目前鍋爐的運行中，多數(shù)不能達到設計煤種的運行要求，并且煤種的變化多樣，因此有必要在眾多的系統(tǒng)設計中考慮熱值(British Thermal Unit, BTU)修正.李必成等[5]通過對燃煤品質大范圍波動工況下的燃燒數(shù)據(jù)進行分析，提出使用關聯(lián)信息算法和非線性映像網(wǎng)絡混合模型預測燃料熱值的變化.劉吉臻等[6]采用煙氣不完全分析方法，構造一個不依賴煙氣二氧化碳含量信號的煤質實時分析模型，實現(xiàn)對鍋爐入爐煤收到基成分的監(jiān)測.羅志浩等[7]在常規(guī)燃煤BTU校正基礎上增加了一個快速計算的PID控制器，設計了穩(wěn)定快速BTU校正回路.蔣欣軍等[8]提出新型串級BTU控制策略.劉友寬等[9]通過構造一種新的熱量信號，建立了BTU校正模型.這些學者對整個鍋爐熱力系統(tǒng)的能耗進行分析并根據(jù)能耗情況開展節(jié)能研究，以準確完成鍋爐在動態(tài)過程的各種指標.

大多數(shù)研究方法采用BTU校正回路，通過反饋調節(jié)進行煤質自適應控制.在汽包爐中，通常用熱量信號修正燃料的熱值，這種方法主要考慮了鍋爐熱量信號的整定，使熱量信號僅代表燃料的變化，但是BTU校正回路具有一定的遲延，不能及時反映煤質變化.直流爐蓄能較小，無法得到類似于汽包爐的熱量信號，因此在直流爐BTU修正中最多的是采用蒸汽流量對熱值進行修正，考慮的基本點是根據(jù)設計煤種的熱值，所燃燒的煤量應該產(chǎn)生的熱量與實際煤種產(chǎn)生的熱量存在偏差，通過此偏差對燃料進行補償，這種BTU修正方法在實際應用中往往導致系統(tǒng)不穩(wěn)定[1].BTU校正在汽包爐與直流爐中均存在缺陷，筆者基于功煤系數(shù)[4]設計了煤質自適應前饋回路，對入爐煤量指令進行優(yōu)化，減小實時入爐煤量與理論入爐煤量之間的偏差，提高了機組自適應煤質變化的能力.

1自適應煤質變化前饋設計

1.1煤質變化性能分析

煤質的好壞直接影響爐膛內(nèi)燃燒放熱量、燃燒穩(wěn)定性及鍋爐效率.對于煤質達不到機組設計要求的來煤，電廠普遍采用配煤摻燒技術，調整入爐煤的品質.配煤摻燒技術主要包括分磨磨制爐內(nèi)摻燒、煤場配煤混合磨制和煤場混煤爐內(nèi)摻燒等方法.由于操作水平、環(huán)境和來煤情況變化等原因，煤的實際摻混效果并不好，入爐煤質變化很大，增強了對鍋爐內(nèi)部管道的腐蝕和沖刷，導致水煤比失調、主蒸汽溫度偏低和主蒸汽壓力偏低等[10].

為了使得機組協(xié)調控制系統(tǒng)能夠對煤質的變化及時做出調整，采用功煤系數(shù)概念.功煤系數(shù)是指單位發(fā)電機功率所消耗的實時入爐煤量：

(1)

式中：α為功煤系數(shù)，t/(h·MW)；qm為實時入爐煤量，t/h；N為發(fā)電機功率，MW.

功煤系數(shù)可用來粗略估計進入爐膛的實時煤質，煤質越好(熱值越高、水分越少)，功煤系數(shù)越小，反之越大.功煤系數(shù)與機組負荷和燃料風門開度沒有固定關系.

對某660 MW機組4號鍋爐某時間段歷史數(shù)據(jù)(見表1)進行計算分析，其功煤系數(shù)變化范圍為0.350～0.401 t/(h·MW).

表1　某660 MW機組4號鍋爐某時間段歷史數(shù)據(jù)

1.2煤質自適應控制策略

電廠入爐煤為設計煤種時，機組協(xié)調控制系統(tǒng)如圖1左側所示.根據(jù)電網(wǎng)調度負荷指令N0經(jīng)“負荷-入爐煤量函數(shù)f1(x)”計算出設計煤種理論入爐煤量，利用主蒸汽設計壓力p0與實際壓力pT的差值進行閉環(huán)調整，得出設計煤種實際入爐煤量，鍋爐主控M/A(M表示手動，A表示自動)利用此信號調整各給煤機的轉速，控制實時入爐煤量.

圖1　直流爐煤質自適應協(xié)調控制系統(tǒng)

在機組實際運行過程中，入爐煤往往不是設計煤種，傳統(tǒng)煤質自適應控制大多采用BTU校正，將實際入爐煤校正為設計煤種.傳統(tǒng)直流爐BTU校正主要依據(jù)負荷(用汽輪機調節(jié)級壓力p1或總給水流量表示)對應的入爐煤量與校正后的入爐煤量偏差進行反饋校正，如圖1中虛線框部分.其校正原理為：在BTU校正回路中，若忽略燃油量，入爐煤量DM等于燃料發(fā)熱系數(shù)kQ乘以由給煤機實測轉速信號代表的實際入爐煤量Dn，即

(2)

(3)

式中：DQ為通過直流爐的負荷計算得出的理論入爐煤量，其中直流爐的負荷可用總給水流量或汽輪機第一級壓力p1代表，t/h；DM為修正后的入爐煤量，t/h.

當DM與DQ存在偏差時，通過積分功能，增大kQ輸出，即增大BTU校正系數(shù).BTU校正正是按照上面的函數(shù)關系生成控制回路，把總給水流量或汽輪機第一級壓力p1與修正后的入爐煤量偏差限幅后積分輸出到BTU校正手操站.

傳統(tǒng)BTU控制策略具有參數(shù)整定難、對煤種突變適應性差、BTU輸出易超限和存在遲延等缺陷[8].對入爐煤量進行前饋設計，把電網(wǎng)調度負荷指令的擾動作為前饋信號，對待測時刻前1 h的燃煤進行分析，預測功煤系數(shù)的變化，對入爐煤量指令進行優(yōu)化，即對圖1中“負荷-入爐煤量函數(shù)f1(x)”進行優(yōu)化，減小實時入爐煤量與理論入爐煤量之間的偏差，提高機組自適應煤質變化的能力.

根據(jù)當前燃煤的實際情況，為了比較精確地估計當前負荷指令下所需要的燃料指令，采用了功煤系數(shù)，使變負荷時燃料指令能夠根據(jù)當時煤種情況準確變化；負荷不變化時，能夠使燃料指令前饋根據(jù)煤質變化情況做出相應動作，減小由于燃料變化對能量供需平衡的影響.

2功煤系數(shù)的預測模型

2.1組合預測模型

2.1.1組合預測原理

(4)

約束條件如下：

(5)

2.1.2預測方法

采用上述組合預測方法對4號鍋爐某時間段歷史數(shù)據(jù)進行分析，分別用擬合優(yōu)度為1的多項式、傅里葉函數(shù)進行擬合，發(fā)現(xiàn)預測結果仍然很差，雖然組合預測模型能將歷史數(shù)據(jù)擬合得很好，但是對于功煤系數(shù)的預測，其預測準確性很差.因此對于功煤系數(shù)的預測問題，采用組合預測模型存在局限性.

針對上述情況，利用組合預測模型的思想，用前1 h的功煤系數(shù)對當前時刻功煤系數(shù)進行預測，約束條件同式(5).

(6)

2.2最優(yōu)權重系數(shù)的確定

為了提高入爐煤量計算的準確性，利用前1 h的歷史數(shù)據(jù)對當前時刻功煤系數(shù)進行估算，具體方法如下：每10 min為一個數(shù)據(jù)采樣點，即根據(jù)前6個采樣點的運行數(shù)據(jù)，采用方差倒數(shù)法獲得每個采樣點對當前時刻功煤系數(shù)的最優(yōu)權重系數(shù)，力求客觀計算功煤系數(shù).

圖2給出了電網(wǎng)調度負荷指令與入爐煤量的變化趨勢.由圖2可以看出，電網(wǎng)調度負荷指令與入爐煤量的變化趨勢是一致的，并且第i(i=1，2，…，6)個采樣點的電網(wǎng)調度負荷指令與當前時刻電網(wǎng)調度負荷指令的偏差可正可負，因此采用方差倒數(shù)法對誤差平方和較小的采樣點賦以較高權重.最優(yōu)權重系數(shù)計算公式[11]為

(7)

(8)

式中：Di為第i個采樣點的電網(wǎng)調度負荷指令與當前時刻電網(wǎng)調度負荷指令的誤差平方和，MW2;Ni為待測時刻前(i×10) min的電網(wǎng)調度負荷指令，MW.

圖2　電網(wǎng)調度負荷指令與入爐煤量的變化趨勢

由式(7)可知，對于不同的待測時刻，其最優(yōu)權重系數(shù)是變化的.因此，所建立的基于功煤系數(shù)的預測模型是變權重系數(shù)的組合預測模型.

3預測模型的驗證與分析

3.1預測模型的驗證

實時入爐煤量的預測計算以表1中17:20時刻為例，利用16:20—17:10時刻內(nèi)6組數(shù)據(jù)對17：20時刻應該加入的實時入爐煤量進行預測，算法流程見圖3.

圖3　實時入爐煤量計算流程

待測時刻的功煤系數(shù)如式(6)所示，進而可以求出實時入爐煤量的預測值：

(9)

理論入爐煤量為待測時刻的功煤系數(shù)與待測時刻電網(wǎng)調度負荷指令的乘積：

(10)

將實時入爐煤量與理論入爐煤量之間的偏差與理論入爐煤量之間的比值定義為待測時刻入爐煤量的偏差.

同理，17：20以后時刻的實時入爐煤量均可以用前6個采樣點進行預測，預測結果如表2所示，其中平均誤差為3%.

3.2預測模型的結果分析

借助組合預測模型的思想，確定歷史采樣點對當前采樣點的最優(yōu)權重系數(shù)，繼而利用歷史采樣點的功煤系數(shù)對當前采樣點功煤系數(shù)進行預測，求得當前采樣點入爐煤量.

由計算結果可以看出：(1)從單個預測結果角度分析，預測模型預測實時入爐煤量的最大誤差不超過10%，即實時入爐煤量的準確度能達到90%以上；(2)從所取的所有數(shù)據(jù)角度分析，預測平均誤差為3%，即預測平均準確度能達到97%左右，誤差相對較小，驗證了預測模型具有較高的預測準確率.

4結論

以功煤系數(shù)為出發(fā)點，借助組合預測模型的思想，采用方差倒數(shù)法求取前1 h入爐煤功煤系數(shù)對當前時刻功煤系數(shù)的最優(yōu)權重系數(shù)，實現(xiàn)實時入爐煤量的預測，解決了由于入爐煤種熱值變化較大而引起的問題.基于功煤系數(shù)的入爐煤量預測模型不僅具有較高的預測準確率，而且具有操作簡便、實現(xiàn)性強等特點.預測模型的結果表明，模型具有較好的應用價值.此外，可將此方法集成到集散控制系統(tǒng)中，實時修正入爐煤量，以提高入爐煤量控制的準確性.

表2　實時入爐煤量和誤差計算結果

參考文獻：

[1]楊景祺,戈黎紅,凌榮生. 超臨界參數(shù)機組控制系統(tǒng)的特點及其控制策略[J].動力工程,2005,25(2):221-225.

YANG Jingqi, GE Lihong, LING Rongsheng. Features and strategies for control systems of supercritical pressure sets[J]. Chinese Journal of Power Engineering, 2005, 25(2):221-225.

[2]接建鵬,辛力堅,武文華,等. 利用煤質熱值校正對協(xié)調控制系統(tǒng)優(yōu)化的研究[J]. 內(nèi)蒙古石油化工, 2012(24): 30-32.

JIE Jianpeng, XIN Lijian, WU Wenhua,etal. Study on the optimization of the coordinated control system using coal calorific value correction[J]. Inner Mongolia Petrochemical Industry, 2012(24):30-32.

[3]郭瑞君,秦成果,張澎濤,等. 基于熱值校正的適應煤質變化協(xié)調控制系統(tǒng)研究[J]. 內(nèi)蒙古電力技術, 2010,28(4):5-8.

GUO Ruijun, QIN Chengguo, ZHANG Pengtao,etal. Research of coordinated control system adaptation to coal quality variation based on caloricity calibration[J]. Inner Mongolia Electric Power, 2010,28(4):5-8.

[4]胡雄輝,劉武林,李勁柏，等.自適應煤質變化協(xié)調控制系統(tǒng)的研究[C]//電站熱工控制研討會暨自動化信息化技術交流年會論文集. 長沙：中國動力工程學會，2008:66-71.

[5]李必成,盛賽斌. 一種基于數(shù)據(jù)挖掘的入爐燃料發(fā)熱量在線智能軟診斷方法研究[J]. 熱能動力工程,2007, 22(1):25-28.

LI Bicheng, SHENG Saibin. A study of the method for an on-line intelligent soft diagnosis of in-furnace fuel low heating values based on data-mining[J]. Journal of Engineering for Thermal Energy and Power, 2007, 22(1):25-28.

[6]劉吉臻,劉煥章,常太華,等. 部分煙氣信息下的鍋爐煤質分析模型[J]. 中國電機工程學報,2007,27(14):1-5.

LIU Jizhen, LIU Huanzhang, CHANG Taihua,etal. Analysis model of coal grade into boilers based on incomplete flue gas information[J]. Proceedings of the CSEE, 2007,27(14):1-5.

[7]羅志浩,陳小強,陳波. 超(超超)臨界機組主重要參數(shù)控制策略優(yōu)化[J]. 浙江電力, 2011(6):32-35.

LUO Zhihao, CHEN Xiaoqiang, CHEN Bo. Optimization of control strategy of main parameters for supercritical (ultra supercritical) units[J]. Zhejiang Electric Power, 2011(6):32-35.

[8]蔣欣軍,王煜偉,周曉韡. 新型串級熱值校正技術在直流鍋爐配煤摻燒中的應用[J]. 鍋爐技術, 2013,44(6):65-69.

JIANG Xinjun, WANG Yuwei, ZHOU Xiaowei. Application of new type BTU control technology for blended coal combustion in once-through boiler[J]. Boiler Technology, 2013,44(6):65-69.

[9]劉友寬,潘巾杰,田沛,等. 煤質自適應校正方案建模仿真[J]. 熱力發(fā)電,2014, 43(1):99-105.

LIU Youkuan, PAN Jinjie, TIAN Pei,etal. Simulation of coal quality correction program[J]. Thermal Power Generation, 2014, 43(1):99-105.

[10]張嘯海. 煤質變化對機組運行的影響及對策[J]. 科協(xié)論壇：下半月,2012(11):48-49.

ZHANG Xiaohai. The influence of coal quality on the operation of the unit and its countermeasures[J]. Science & Technology Association Forum,2012(11):48-49.

[11]張承偉,黃偉,王彤. 短期電力負荷最優(yōu)組合預測模型的研究[J]. 計算機應用與軟件,2010, 27(12):177-180,192.

ZHANG Chengwei, HUANG Wei, WANG Tong. On optimal combined forecasting model for short-term power load[J]. Computer Applications and Software, 2010, 27(12):177-180,192.

[12]孫炯,梁錦強,劉凱. 一種基于最小二乘法的廣義加權組合預測模型[J]. 科技通報,2013,29(8):10-12.

SUN Tong, LIANG Jinqiang, LIU Kai. A combined forecasting model based on optimal weighted method and east-squares method[J]. Bulletin of Science and Technology, 2013,29(8):10-12.

Study on Prediction Model for Coal Feed Rate of a Boiler

GUJunjie,ZHANGYan,LIUKang,SUNMiaoqing

(School of Energy, Power and Mechanical Engineering, North China Electric Power University,Baoding 071003, Hebei Province, China)

Abstract：An adaptive feed-forward correction to coal quality was designed, based on which a prediction model was established for the coal feed rate of a boiler considering the power-coal coefficient via the concept of combination model. The optimal weighting factor of last 1 h to current power-coal coefficient was solved by reciprocal method, so as to predict the coal feed rate and power-coal coefficient. The model was applied to the prediction of coal feed rate in No.4 boiler of a 660 MW unit. Results show that the average prediction accuracy on coal feed rate can be improved up to 97% if the predicted value is regarded as the actual coal feed rate.

Key words：coal feed rate； feed-forward correction; prediction model; power-coal coefficient; power grid dispatching load instruction

文章編號：1674-7607(2016)02-0118-05

中圖分類號：TK229.2

文獻標志碼：A學科分類號：470.30

作者簡介：谷俊杰(1959-)，男，河北定州人，教授，碩士，主要從事火電機組優(yōu)化與控制等方面的研究.張巖(通信作者)，男，碩士研究生，電話(Tel.)：18331125716；E-mail：yanzhang_2014@163.com.

基金項目：河北省教育廳科學研究指導性資助項目(z2007414)

收稿日期：2015-06-01

修訂日期：2015-06-26