煤發(fā)熱量實(shí)時(shí)校正方法研究

郝曉輝，劉鑫屏，洪雨楠

(華北電力大學(xué) 控制與計(jì)算機(jī)工程學(xué)院，河北保定071003)

?

煤發(fā)熱量實(shí)時(shí)校正方法研究

郝曉輝，劉鑫屏，洪雨楠

(華北電力大學(xué) 控制與計(jì)算機(jī)工程學(xué)院，河北保定071003)

摘要：為了得到可以實(shí)時(shí)準(zhǔn)確反映實(shí)際煤發(fā)熱量的信號(hào)，研究了一種基于卡爾曼濾波的信息融合方法，結(jié)合卡爾曼濾波器預(yù)估-校正過程，用實(shí)驗(yàn)室分析法的化驗(yàn)值校正基于負(fù)荷-壓力動(dòng)態(tài)模型計(jì)算的發(fā)熱量值，進(jìn)而減小其靜態(tài)誤差，得到一個(gè)動(dòng)態(tài)誤差小準(zhǔn)確度高的融合結(jié)果。經(jīng)不同工況下機(jī)組實(shí)際運(yùn)行數(shù)據(jù)驗(yàn)證，融合后的信號(hào)能實(shí)時(shí)反映實(shí)際煤發(fā)熱量的變化趨勢(shì)且能解決模型誤差和給煤量波動(dòng)導(dǎo)致動(dòng)態(tài)法靜態(tài)精度低的問題，靜態(tài)誤差小于±3%，可以滿足現(xiàn)場(chǎng)對(duì)信號(hào)實(shí)時(shí)性和準(zhǔn)確性的要求。

關(guān)鍵詞：煤發(fā)熱量；實(shí)時(shí)校正；卡爾曼濾波；信息融合

0引言

煤發(fā)熱量是評(píng)價(jià)燃料煤品質(zhì)的主要指標(biāo)[1]。煤質(zhì)的變化會(huì)嚴(yán)重影響機(jī)組控制系統(tǒng)的調(diào)節(jié)品質(zhì)，甚至波及機(jī)組運(yùn)行的穩(wěn)定性[2]。由于火電廠來煤不穩(wěn)定，煤發(fā)熱量變化頻繁且缺乏有效的煤發(fā)熱量在線檢測(cè)方法，給電廠運(yùn)行控制帶來很多困難。因此，應(yīng)用新的理論和方法，實(shí)時(shí)準(zhǔn)確的監(jiān)測(cè)煤發(fā)熱量，提高機(jī)組的抗煤質(zhì)擾動(dòng)能力非常必要。

目前，煤質(zhì)在線分析儀可以實(shí)現(xiàn)煤發(fā)熱量實(shí)時(shí)準(zhǔn)確的測(cè)量，但由于其價(jià)格昂貴，尚未被廣泛使用[3]。常規(guī)實(shí)驗(yàn)室分析法和軟測(cè)量法無法同時(shí)滿足實(shí)時(shí)性和準(zhǔn)確性的要求，但各有特點(diǎn)。常規(guī)實(shí)驗(yàn)室分析得到煤發(fā)熱量，能準(zhǔn)確反映采樣時(shí)間段內(nèi)煤發(fā)熱量的平均值，但不能反映煤質(zhì)突然變化，存在較大的遲延和動(dòng)態(tài)誤差。文獻(xiàn)[4]提出的基于機(jī)組負(fù)荷-壓力動(dòng)態(tài)模型的動(dòng)態(tài)煤發(fā)熱量軟測(cè)量法，能夠?qū)崟r(shí)計(jì)算煤發(fā)熱量動(dòng)態(tài)誤差較小，但由于給煤量測(cè)量及軟測(cè)量模型存在誤差，靜態(tài)精度較低。

許多學(xué)者研究了信息融合的方法[5-7]，對(duì)具有互補(bǔ)特性的信號(hào)進(jìn)行融合，得到實(shí)時(shí)、準(zhǔn)確的控制量。在此，依據(jù)實(shí)驗(yàn)室分析法和動(dòng)態(tài)軟測(cè)量法測(cè)得信號(hào)的特點(diǎn)，研究了基于卡爾曼濾波的信息融合方法，用實(shí)驗(yàn)室分析法得到的煤發(fā)熱量化驗(yàn)值作為該段時(shí)間內(nèi)煤發(fā)熱量的基準(zhǔn)值，校正動(dòng)態(tài)軟測(cè)量法得到的發(fā)熱量信號(hào)，輸出的煤發(fā)熱量信號(hào)實(shí)時(shí)性好且靜態(tài)誤差小。

1卡爾曼濾波器

卡爾曼濾波器是一種最優(yōu)化自回歸數(shù)據(jù)處理算法，近年來被應(yīng)用于組合導(dǎo)航系統(tǒng)信息融合、傳感器數(shù)據(jù)融合等研究領(lǐng)域[8]?？柭鼮V波器包括兩個(gè)主要過程：預(yù)估與校正。預(yù)估過程是利用時(shí)間更新方程根據(jù)前一時(shí)刻的狀態(tài)估計(jì)值推算得到當(dāng)前時(shí)刻的狀態(tài)變量先驗(yàn)估計(jì)值和誤差協(xié)方差先驗(yàn)估計(jì)值；校正過程是利用測(cè)量更新方程，在新的量測(cè)值及預(yù)估過程的先驗(yàn)估計(jì)值基礎(chǔ)上建立起對(duì)當(dāng)前狀態(tài)改進(jìn)的后驗(yàn)估計(jì)。這一過程稱之為預(yù)估-校正過程，因此卡爾曼算法是一個(gè)遞歸的預(yù)估-校正方法[9，10]。

卡爾曼濾波器的時(shí)間更新方程如下：

(1)

P(k|k-1)=AP(k-1|k-1)AT+R1

(2)

卡爾曼濾波器的狀態(tài)更新方程如下：

(3)

(4)

(5)

2煤發(fā)熱量測(cè)量方法

2.1實(shí)驗(yàn)室分析法

實(shí)驗(yàn)室分析法是將一定質(zhì)量的煤樣在氧彈量熱計(jì)中完全燃燒，燃燒放出的熱量被一定量的水和量熱計(jì)筒體吸收。待系統(tǒng)熱平衡后，依據(jù)水和量熱計(jì)筒體的熱容量，測(cè)出溫度的升高值，即可計(jì)算出該煤樣的發(fā)熱量。

電廠中一般用采制煤樣機(jī)通過采樣和制樣兩個(gè)過程，得到具有代表性的煤樣[11]。采樣過程是用安裝在輸煤皮帶上的采樣裝置，每隔一段時(shí)間從皮帶上采一定量的煤，并通過采煤管倒入采煤斗中；制樣過程是將采煤斗中的煤反復(fù)經(jīng)過破碎、摻合、縮分和過篩后，得到符合要求的最終樣品。

實(shí)驗(yàn)室分析法得到的煤發(fā)熱量能準(zhǔn)確反映煤樣的實(shí)際發(fā)熱量。煤樣是一段時(shí)間內(nèi)從輸煤皮帶上采樣、充分混合后，取出的一小部分。因此，通過實(shí)驗(yàn)室分析法得到的煤樣的發(fā)熱量值能準(zhǔn)確反映該段時(shí)間內(nèi)入爐煤發(fā)熱量平均值。

2.2動(dòng)態(tài)煤發(fā)熱量軟測(cè)量法

文獻(xiàn)[4]提出基于機(jī)組發(fā)電負(fù)荷-機(jī)前壓力簡(jiǎn)化非線性動(dòng)態(tài)模型的煤發(fā)熱量軟測(cè)量方法。此類機(jī)組的簡(jiǎn)化模型可以描述為[12]：

(6)

(7)

(8)

(9)

(10)

(11)

模型輸入：燃料量uB(kg/s)；汽輪機(jī)調(diào)門開度uT(%)。模型輸出：機(jī)前壓力pt(MPa)；機(jī)組負(fù)荷NE(MW)。模型中間變量：制粉系統(tǒng)延遲時(shí)間τ(s)；實(shí)際進(jìn)入磨煤量rm(kg/s)；制粉系統(tǒng)慣性時(shí)間Tf(s)；鍋爐燃燒率rB(kg/s)；鍋爐蓄熱系數(shù)Cb(MJ/MPa)；汽輪機(jī)增益K3；燃料增益K1；汽包壓力pd(MPa)；過熱器壓降系數(shù)K2；汽輪機(jī)慣性時(shí)間Tt(s)；汽輪機(jī)調(diào)節(jié)級(jí)壓力p1(MPa)。

進(jìn)而得到煤發(fā)熱量的計(jì)算公式：

(12)

(13)

式(12)和式(13)中：Qard為動(dòng)態(tài)煤發(fā)熱量軟測(cè)量法得到的煤低位發(fā)熱量(MJ/kg)；K1為單位燃料量對(duì)應(yīng)的機(jī)組負(fù)荷；ηu為機(jī)組發(fā)電效率；T0為時(shí)間常數(shù)。

根據(jù)式(13)和以上模型結(jié)構(gòu)，得到計(jì)算燃料量增益K1的組態(tài)實(shí)現(xiàn)圖，如圖1所示。為了便于DCS中組態(tài)，圖中用高階慣性環(huán)節(jié)代替純遲延環(huán)節(jié)。根據(jù)機(jī)組運(yùn)行數(shù)據(jù)，實(shí)時(shí)計(jì)算煤發(fā)熱量[13]。

圖1　燃料量增益計(jì)算組態(tài)圖

通過以上分析，該軟測(cè)量方法可以實(shí)現(xiàn)煤發(fā)熱量的實(shí)時(shí)測(cè)量且煤發(fā)熱量信號(hào)可以實(shí)時(shí)反映實(shí)際煤發(fā)熱量的變化趨勢(shì)，但由于給煤量測(cè)量、模型的簡(jiǎn)化、建立時(shí)存在一定誤差以及組態(tài)實(shí)現(xiàn)時(shí)系統(tǒng)的近似等價(jià)，使得該方法存在較大的靜態(tài)誤差，不能準(zhǔn)確反映實(shí)際煤發(fā)熱量。

3卡爾曼濾波信息融合

實(shí)驗(yàn)室分析法得到化驗(yàn)值能準(zhǔn)確反映該采樣時(shí)間段內(nèi)的煤發(fā)熱量平均值；動(dòng)態(tài)軟測(cè)量法測(cè)得的煤發(fā)熱量信號(hào)能實(shí)時(shí)反映煤發(fā)熱量的變化趨勢(shì)，但存在較大的靜態(tài)誤差。結(jié)合實(shí)驗(yàn)室分析法和動(dòng)態(tài)軟測(cè)量法得到煤發(fā)熱量的特點(diǎn)以及卡爾曼濾波器預(yù)估-校正的過程，用實(shí)驗(yàn)室分析法得到的煤發(fā)熱量化驗(yàn)值作為卡爾曼濾波器的預(yù)估值校正動(dòng)態(tài)軟測(cè)量法的輸出，進(jìn)而減小動(dòng)態(tài)軟測(cè)量法的靜態(tài)誤差，最終得到一個(gè)實(shí)時(shí)性好且準(zhǔn)確度高的煤發(fā)熱量信號(hào)?？柭鼮V波整體框圖如圖2所示。

圖2　卡爾曼濾波整體框圖

采樣段N時(shí)卡爾曼濾波的時(shí)間和狀態(tài)更新方程如下：

時(shí)間更新方程：

(14)

(15)

狀態(tài)更新方程：

(16)

(17)

(18)

(19)

給定卡爾曼濾波器所需的初值，以及動(dòng)態(tài)法和實(shí)驗(yàn)室法獲得的煤發(fā)熱量數(shù)據(jù)，依據(jù)上述卡爾曼濾波過程，即可將融合后的結(jié)果輸出。

4實(shí)驗(yàn)驗(yàn)證

針對(duì)DTⅡ電廠600MW直冷式空冷機(jī)組，鍋爐型號(hào)DG2060/17.6-∏1，汽輪機(jī)型號(hào)NZK600-16.7/538/538。根據(jù)設(shè)計(jì)參數(shù)和擾動(dòng)實(shí)驗(yàn)確定機(jī)組模型為：

(20)

(21)

(22)

pt=pd-0.000 134(10.48rB)1.5

(23)

(24)

根據(jù)式(13)和以上確定的機(jī)組模型，利用機(jī)組運(yùn)行時(shí)給煤量、機(jī)組負(fù)荷和汽包壓力的數(shù)據(jù)，計(jì)算得到動(dòng)態(tài)軟測(cè)量法輸出的煤發(fā)熱量值。對(duì)應(yīng)的實(shí)驗(yàn)室化驗(yàn)值由電廠提供的入爐煤分析報(bào)告中給出，部分?jǐn)?shù)據(jù)如下表1所示。

表1　部分實(shí)驗(yàn)室入爐煤分析數(shù)據(jù)

在此，截取不同工況下的實(shí)際運(yùn)行數(shù)據(jù)來驗(yàn)證該基于卡爾曼濾波的信息融合方法。工況Ⅰ：取穩(wěn)定高負(fù)荷運(yùn)行工況下煤發(fā)熱量波動(dòng)較小時(shí)的運(yùn)行數(shù)據(jù)，如圖3所示。融合前后的煤發(fā)熱量曲線對(duì)比圖如圖4所示。

工況Ⅱ：取變負(fù)荷運(yùn)行工況下的運(yùn)行數(shù)據(jù)，如圖5所示。融合前后的煤發(fā)熱量曲線對(duì)比圖如圖6所示。

由圖4和圖6融合前后煤發(fā)熱量曲線的對(duì)比可以發(fā)現(xiàn)：融合后的煤發(fā)熱量基本趨勢(shì)和動(dòng)態(tài)法一致，且每個(gè)采樣時(shí)間段的平均值更接近該采樣時(shí)間段內(nèi)實(shí)驗(yàn)室的化驗(yàn)值。動(dòng)態(tài)響應(yīng)時(shí)間不超過90s；與動(dòng)態(tài)法相比，靜態(tài)誤差由±8%減小到±3%。

工況Ⅲ：取穩(wěn)定高負(fù)荷運(yùn)行工況下煤發(fā)熱量發(fā)生突變時(shí)的運(yùn)行數(shù)據(jù)，如圖7所示。融合前后的煤發(fā)熱量曲線對(duì)比圖如圖8所示。

圖3　工況Ⅰ運(yùn)行數(shù)據(jù)圖

圖4　工況Ⅰ煤發(fā)熱量曲線對(duì)比圖

圖5　工況Ⅱ運(yùn)行數(shù)據(jù)圖

圖6　工況Ⅱ煤發(fā)熱量曲線對(duì)比圖

圖7　工況Ⅲ運(yùn)行數(shù)據(jù)圖

圖8　工況Ⅲ煤發(fā)熱量曲線對(duì)比圖

當(dāng)煤發(fā)熱量發(fā)生較大突變時(shí)，實(shí)驗(yàn)室化驗(yàn)值與實(shí)際煤發(fā)熱量值的偏差很大，與化驗(yàn)值相比，動(dòng)態(tài)法得到的煤發(fā)熱量值更能準(zhǔn)確反映實(shí)際煤發(fā)熱量。由圖8中曲線對(duì)比可見，融合后的煤發(fā)熱量與動(dòng)態(tài)法變化趨勢(shì)一致且誤差不超過±4%。

5結(jié)論

采用基于卡爾曼濾波的信息融合方法，結(jié)合卡爾曼濾波預(yù)估-校正的過程，用實(shí)驗(yàn)室化驗(yàn)值作為一個(gè)基準(zhǔn)值校正基于負(fù)荷-壓力動(dòng)態(tài)模型的動(dòng)態(tài)軟測(cè)量法的輸出，通過截取三天的歷史運(yùn)行數(shù)據(jù)，選取六組典型工況下的數(shù)據(jù)進(jìn)行實(shí)驗(yàn)驗(yàn)證，得到如下結(jié)論：

(1)在穩(wěn)定負(fù)荷和變負(fù)荷運(yùn)行工況下，融合后的煤發(fā)熱量能夠?qū)崟r(shí)反映實(shí)際煤發(fā)熱量的變化趨勢(shì)；融合后的煤發(fā)熱量靜態(tài)誤差由±8%減小到±3%。

(2)煤發(fā)熱量發(fā)生較大突變時(shí)，融合后的煤發(fā)熱量能跟隨較準(zhǔn)的動(dòng)態(tài)法的輸出值，誤差不超過±4%。

(3)融合后的煤發(fā)熱量信號(hào)動(dòng)態(tài)響應(yīng)時(shí)間少于90s，可以滿足現(xiàn)場(chǎng)對(duì)信號(hào)實(shí)時(shí)性和準(zhǔn)確性的要求。

參考文獻(xiàn):

[1]武現(xiàn)聰. 基于狀態(tài)觀測(cè)器的熱工參數(shù)軟測(cè)量方法研究[D].保定：華北電力大學(xué)，2014.

[2]喬弘，周黎輝，潘衛(wèi)華，等.基于參數(shù)自適應(yīng)SVR的火電廠熱工參數(shù)軟測(cè)量[J].華北電力大學(xué)學(xué)報(bào)(自然科學(xué)版)，2008，35(2)：94-97.

[3]劉福國(guó).電站鍋爐入爐煤元素分析和發(fā)熱量的軟測(cè)量實(shí)時(shí)監(jiān)測(cè)技術(shù)[J].中國(guó)電機(jī)工程學(xué)報(bào)，2005，25(6)：139-145.

[4]劉鑫屏，田亮，曾德良，等.基于機(jī)組負(fù)荷-壓力動(dòng)態(tài)模型的燃煤發(fā)熱量實(shí)時(shí)計(jì)算方法[J].動(dòng)力工程學(xué)報(bào)，2008，28(1)：50-53.

[5]蘇保光，田亮，王琪，等.一種在線煤質(zhì)軟測(cè)量方法[J].電力科學(xué)與工程，2011，27(7)：32-36.

[6]張鍔，田亮，付恩狄，等.煤質(zhì)劣化對(duì)鍋爐熱量分配影響的機(jī)理分析[J].華北電力大學(xué)學(xué)報(bào)(自然科學(xué)版)，2010，37(4)：67-71.

[7]于達(dá)仁，范軼，徐志強(qiáng).基于分布信息融合的直流鍋爐燃料量信號(hào)重構(gòu)[J].中國(guó)電機(jī)工程學(xué)報(bào)，2004，24(2)：191-195.

[8]張開禾，富立，范耀祖.基于卡爾曼濾波的信息融合算法優(yōu)化研究[J].中國(guó)慣性技術(shù)學(xué)報(bào)，2006，14(5)：32-35.

[9]李振茂.700MW機(jī)組鍋爐配煤摻燒試驗(yàn)及效益分析[J].電力科學(xué)與工程，2014，30(6)：6-10.

[10]鄒波，張華，姜軍.多傳感信息融合的改進(jìn)擴(kuò)展卡爾曼濾波定姿[J].計(jì)算機(jī)應(yīng)用研究，2014，31(4)：1035-1038.

[11]曹長(zhǎng)武.電廠入爐煤采制煤樣機(jī)簡(jiǎn)介[J].華東電力，2001，29(7)：52-54.

[12]田亮，曾德良，劉鑫屏，等.500MW機(jī)組簡(jiǎn)化的非線性動(dòng)態(tài)模型[J].動(dòng)力工程學(xué)報(bào)，2004，24(4)：522-525.

[13]張銳鋒，安波，李小軍，等.基于模型煤發(fā)熱量軟測(cè)量的BTU校正方法分析[J].熱力發(fā)電，2015，44(11)：43-47.

Study on Real-time Correction Method of Coal Calorific Value

HAOXiaohui，LIUXinping，HONGYunan

(SchoolofControlandComputerEngineering，NorthChinaElectricPowerUniversity，Baoding071003，China)

Abstract：To get the signal which reflects the actual real-time coal calorific value with accuracy, a new information fusion method based on Kalman filter is proposed. By combining predictor-corrector process of Kalman filter, the calorific value based on load-pressure dynamic model is calibrated by assay value obtained from laboratory analytical method. So that the static error is reduced and a fusion result with little dynamic error and high accuracy is obtained. Verified by actual operation data under different cases, the signal after fusion can reflect the actual real time coal calorific value and solve the problem of low accuracy of dynamic method caused by the model error and the coal quantity fluctuation is also solved. What’s more, static error is less than 3%, which can meet the requirements of dynamic response speed and static precision.

Keywords：coal calorific value；real-time correction；Kalman filter；information fusion

收稿日期：2016-03-17。

基金項(xiàng)目：國(guó)家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃(973計(jì)劃)資助項(xiàng)目(2012CB215203)；中央高?；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金資助(2014MS145)。

作者簡(jiǎn)介：郝曉輝(1992-)，女，碩士研究生，研究方向?yàn)閿?shù)據(jù)融合技術(shù)，E-mail：1360716194@qq.com。

中圖分類號(hào):TM73

文獻(xiàn)標(biāo)識(shí)碼:A

DOI:10.3969/j.issn.1672-0792.2016.05.011