燃煤電站鍋爐低NOx燃燒運(yùn)行參數(shù)優(yōu)化

李建強(qiáng)，　汪安明，　潘文凱，　陳星旭，　趙　凱

(華北電力大學(xué) 能源動(dòng)力與機(jī)械工程學(xué)院，河北保定 071003)

?

燃煤電站鍋爐低NOx燃燒運(yùn)行參數(shù)優(yōu)化

李建強(qiáng)，汪安明，潘文凱，陳星旭，趙凱

(華北電力大學(xué) 能源動(dòng)力與機(jī)械工程學(xué)院，河北保定 071003)

摘要：針對(duì)某電廠300 MW機(jī)組低NOx燃燒優(yōu)化調(diào)整，結(jié)合NOx生成規(guī)律與數(shù)據(jù)分析方法，篩選原始運(yùn)行數(shù)據(jù)庫，建立二次風(fēng)軟測(cè)量模型與氧量聚類挖掘模型，從而減少原始運(yùn)行參數(shù)數(shù)量，并利用粒子群優(yōu)化Apriori算法，挖掘精簡后的數(shù)據(jù)庫中符合機(jī)組NOx減排要求的各個(gè)參數(shù)的最優(yōu)參考工況.結(jié)果表明：尋優(yōu)后的煙氣含氧量、磨煤機(jī)組合方式、二次風(fēng)門開度和分離燃盡風(fēng)(SOFA)門開度等參數(shù)均符合燃燒調(diào)整試驗(yàn)結(jié)論，尋優(yōu)結(jié)果在保證鍋爐效率的前提下，有效地降低了SCR裝置進(jìn)口NOx質(zhì)量濃度.

關(guān)鍵詞：燃燒優(yōu)化； 數(shù)據(jù)挖掘； NOx； 關(guān)聯(lián)規(guī)則

面對(duì)日趨強(qiáng)化的資源環(huán)境約束，節(jié)能減排已成為國家和社會(huì)關(guān)注的焦點(diǎn).在我國，燃煤電站鍋爐是NOx污染的主要污染源之一.目前，電廠控制NOx排放的手段包括尾部煙氣脫硝和低NOx燃燒技術(shù).煙氣脫硝技術(shù)效率高，但是需要投入設(shè)備和還原劑等；而低NOx燃燒技術(shù)的投資和運(yùn)行成本低，經(jīng)過驗(yàn)證，這一技術(shù)對(duì)NOx的生成具有顯著的抑制作用[1].

周俊虎等[2-3]通過燃燒試驗(yàn)驗(yàn)證了煙氣含氧量等參數(shù)對(duì)NOx排放的影響，肖海平等[4-5]研究了燃盡風(fēng)和上三次風(fēng)等運(yùn)行參數(shù)降低NOx生成的規(guī)律，周志軍等[6]通過旋流燃燒器的試驗(yàn)研究了一、二次風(fēng)速率等特性對(duì)爐膛內(nèi)NOx生成的影響，呂玉坤等[7]采用BP神經(jīng)網(wǎng)絡(luò)建立了低NOx參數(shù)尋優(yōu)模型，王春林等[8]利用支持向量機(jī)建立了NOx排放特性模型，顧燕萍等[9]采用最優(yōu)操作變量(MVs)決策模型對(duì)電廠數(shù)據(jù)庫中低NOx運(yùn)行參數(shù)進(jìn)行數(shù)據(jù)挖掘.

筆者以低NOx燃燒為目標(biāo)，利用火電廠運(yùn)行數(shù)據(jù)的關(guān)聯(lián)特性[10]，對(duì)分散控制系統(tǒng)(DCS)中的運(yùn)行數(shù)據(jù)庫進(jìn)行數(shù)據(jù)挖掘，采用基于粒子群(Particle Swarm Optimization, PSO)的數(shù)據(jù)挖掘算法[11-12]尋找兼顧SCR裝置進(jìn)口NOx質(zhì)量濃度(以下簡稱NOx質(zhì)量濃度)與鍋爐效率等運(yùn)行參數(shù)的最優(yōu)值.

1數(shù)據(jù)分析及預(yù)處理

以某電廠300 MW機(jī)組為研究對(duì)象，該機(jī)組采用四角切圓燃燒，磨煤機(jī)自下而上編號(hào)為A、B、C、D、E、F，其中ABCDE磨煤機(jī)為主力磨煤機(jī)，F(xiàn)磨煤機(jī)為備用磨煤機(jī)；二次風(fēng)包括4層分離燃盡風(fēng)(SOFA)、6層周界風(fēng)和9層輔助風(fēng).從該電廠廠級(jí)監(jiān)控信息系統(tǒng)(SIS)中提取運(yùn)行參數(shù)數(shù)據(jù)庫，如表1所示，該數(shù)據(jù)庫包含103個(gè)參數(shù)，共138 240組數(shù)據(jù).

表1　某電廠300 MW機(jī)組運(yùn)行參數(shù)數(shù)據(jù)庫

1.1最優(yōu)磨煤機(jī)組合方式

磨煤機(jī)組合方式直接影響到爐膛火焰中心位置和主燃區(qū)上部還原段的長度[3].如圖1所示，運(yùn)行數(shù)據(jù)庫中有5種磨煤機(jī)組合方式，ABCDE磨煤機(jī)組合方式下爐膛火焰中心位置最低，與其他磨煤機(jī)組合方式相比，該組合方式下主燃區(qū)的實(shí)際空氣量最低，且主燃區(qū)上部還原段最長，所以該組合方式下的NOx質(zhì)量濃度最低.該組合方式作為主力磨煤機(jī)組合方式，運(yùn)行時(shí)間長，數(shù)據(jù)量大，適合作為尋優(yōu)對(duì)象.

當(dāng)磨煤機(jī)組合方式為ACDEF時(shí)，在相同配風(fēng)方式下，主燃區(qū)實(shí)際空氣量較高，由于爐膛火焰中心位置較高，主燃區(qū)上部的還原段長度與ABCDE磨煤機(jī)組合方式相比較短，因此該組合方式下的NOx質(zhì)量濃度偏高，不適合作為以低NOx燃燒為目標(biāo)的數(shù)據(jù)挖掘數(shù)據(jù)庫.

圖1　不同磨煤機(jī)組合方式下的NOx質(zhì)量濃度對(duì)比

1.2煙氣含氧量聚類分析

由燃燒試驗(yàn)可得，爐膛內(nèi)部助燃空氣含氧量直接影響燃料型NOx的生成，另外隨著煙氣含氧量的增大，爐膛內(nèi)部燃燒強(qiáng)度增加，熱力型NOx也會(huì)隨之增加[5].通過聚類分析將數(shù)據(jù)庫中煙氣含氧量參數(shù)分為若干類，使得同類中的煙氣含氧量相似度最大.在數(shù)據(jù)挖掘過程中，聚類分析能夠降低煙氣含氧量波動(dòng)對(duì)其他參數(shù)尋優(yōu)的干擾.因此，對(duì)煙氣含氧量進(jìn)行模糊K-均值聚類，聚類算法見式(1)，聚類結(jié)果見表2.

(1)

式中：uik為第k個(gè)樣本歸屬于第i類的隸屬度；xk為數(shù)據(jù)樣本；V={v1,v2,…,vc}為每個(gè)劃分類重心的集合，即聚類中心集合；m為算法指數(shù)權(quán)重；JFCM為最優(yōu)聚類中心評(píng)價(jià)函數(shù)；U為隸屬度矩陣；X為數(shù)據(jù)樣本集合.

由表2可知，聚類1與聚類3的煙氣含氧量偏高，數(shù)據(jù)量偏低，難以滿足低NOx數(shù)據(jù)挖掘過程中的支持度，因此在數(shù)據(jù)庫中剔除包含聚類1和聚類3這2類煙氣含氧量的記錄.

表2　煙氣含氧量聚類結(jié)果

1.3二次風(fēng)量軟測(cè)量模型

由伯努利方程可知：

(2)

式中:pv為動(dòng)壓頭；p為全壓頭；ps為靜壓頭；ρ為工質(zhì)密度；v為工質(zhì)流速.

工質(zhì)體積流量為

(3)

式中：qV為工質(zhì)體積流量；D為管道通流截面積.

聯(lián)立式(2)和式(3)可以得到：

(4)

由式(4)可以得到二次風(fēng)量軟測(cè)量模型：

(5)

式中：Qv為二次風(fēng)量軟測(cè)量值；K為調(diào)整系數(shù)；∑?為各個(gè)二次風(fēng)與SOFA風(fēng)門開度反饋之和；Δp為爐膛風(fēng)箱壓差.

隨機(jī)抽取5天機(jī)組實(shí)際運(yùn)行數(shù)據(jù)來驗(yàn)證上述軟測(cè)量模型，并計(jì)算每組數(shù)據(jù)的平均相對(duì)誤差λ與相關(guān)系數(shù)γ，計(jì)算結(jié)果見表4.

平均相對(duì)誤差λ為

(6)

圖2　二次風(fēng)量軟測(cè)量值與實(shí)測(cè)值的對(duì)比

名稱假設(shè)方差相等假設(shè)方差不相等方差方程的Levene檢驗(yàn)均值方程的t檢驗(yàn)F檢驗(yàn)顯著性t檢驗(yàn)顯著性(雙側(cè))差分的95%置信區(qū)間下限差分的95%置信區(qū)間上限14.275-0--1.366-1.3660.1720.172-1.230-1.2300.2200.220

相關(guān)系數(shù)γ為

(7)

從表4可以看出，該軟測(cè)量模型得到的軟測(cè)量值與實(shí)測(cè)值呈現(xiàn)出強(qiáng)相關(guān)性，并且平均相對(duì)誤差λ在4%以內(nèi)，由此可以驗(yàn)證由軟測(cè)量模型得到的二次風(fēng)量的可行性.

表4　軟測(cè)量模型驗(yàn)證結(jié)果

2數(shù)據(jù)挖掘

Apriori算法是一種尋找布爾型變量關(guān)聯(lián)特性的數(shù)據(jù)挖掘算法，應(yīng)用在數(shù)值型數(shù)據(jù)庫中，需要對(duì)數(shù)據(jù)庫進(jìn)行歸一化、離散化.將數(shù)據(jù)庫中數(shù)據(jù)歸一化在[0，1]，避免不同參數(shù)間的量綱影響尋優(yōu)結(jié)果.為了軟化劃分邊界，依據(jù)隸屬度函數(shù)將參數(shù)劃分為低、較低、中、較高和高5個(gè)布爾值[10].

經(jīng)過數(shù)據(jù)歸一化、離散化后的優(yōu)化參數(shù)包括主蒸汽質(zhì)量流量、煙氣含氧量、擺動(dòng)燃燒器執(zhí)行器反饋、爐膛風(fēng)箱壓差及各二次風(fēng)門開度.考慮到Apriori算法的局限性和多目標(biāo)數(shù)據(jù)挖掘的復(fù)雜性，結(jié)合粒子群算法來提升關(guān)聯(lián)規(guī)則挖掘算法的性能，尋找符合要求的最優(yōu)工況，并且采用如式(8)所示的評(píng)價(jià)函數(shù)Fc，分別將鍋爐效率與NOx質(zhì)量濃度乘以權(quán)重，再線性求和，將雙目標(biāo)簡化為單目標(biāo)優(yōu)化.

(8)

式中：η為鍋爐效率；ρ(NOx)為SCR裝置進(jìn)口NOx質(zhì)量濃度；K1和K2為權(quán)重系數(shù)，K1+K2=1，由試驗(yàn)得到K1=0.3，K2=0.7時(shí)能夠較好地兼顧鍋爐效率與NOx質(zhì)量濃度[7].

由于電廠的數(shù)據(jù)量過大，運(yùn)行工況復(fù)雜，作為Apriori算法的評(píng)價(jià)標(biāo)準(zhǔn)之一的支持度約束性下降，為了保證關(guān)聯(lián)規(guī)則的可靠性，筆者提升了置信度的約束性.

2.1算法流程

圖3　數(shù)據(jù)挖掘算法流程

2.2各個(gè)工況下的尋優(yōu)結(jié)果

火電機(jī)組中，在主蒸汽壓力與真空不變的情況下，主蒸汽質(zhì)量流量與發(fā)電負(fù)荷成正比，因此在數(shù)據(jù)庫中用主蒸汽質(zhì)量流量參數(shù)來表示發(fā)電負(fù)荷.由經(jīng)驗(yàn)可知，主蒸汽質(zhì)量流量的變化在30 t/h內(nèi)時(shí)，可視為同一數(shù)據(jù)挖掘工況，因此將主蒸汽質(zhì)量流量劃分為3個(gè)工況：950～980 t/h(工況1)、980～1 010 t/h(工況2)和1010～1040 t/h(工況3)，分別尋優(yōu)這3個(gè)工況下各個(gè)參數(shù)的最優(yōu)值.表5給出了3個(gè)工況的評(píng)價(jià)函數(shù)Fc.

表5　3個(gè)工況的評(píng)價(jià)函數(shù)Fc

從表5可以看出，根據(jù)評(píng)價(jià)函數(shù)，3個(gè)工況下最優(yōu)煙氣含氧量的聚類均為聚類6.由此可以得到各個(gè)工況下燃燒參數(shù)的尋優(yōu)結(jié)果，如表6所示.

從表6可以看出，煙氣含氧量優(yōu)化值為2.6%，擺動(dòng)燃燒器執(zhí)行器反饋的優(yōu)化值為50%左右，爐膛風(fēng)箱壓差優(yōu)化值為0.6 kPa左右，二次風(fēng)門開度呈束腰形分布，能夠?qū)Ox質(zhì)量濃度由160～230 mg/m3優(yōu)化為160～180 mg/m3，并且兼顧鍋爐效率維持在93.0%左右.

3各個(gè)工況下尋優(yōu)結(jié)果的對(duì)比及分析

由尋優(yōu)結(jié)果可知，相同工況下煙氣含氧量越低，NOx質(zhì)量濃度越低，工況3中聚類2與聚類6相比，煙氣含氧量降低了0.5%，NOx質(zhì)量濃度降低27.66 mg/m3，并且負(fù)荷越高，最優(yōu)煙氣含氧量越低.

擺動(dòng)燃燒器執(zhí)行器反饋影響爐膛內(nèi)主燃區(qū)位置，鍋爐負(fù)荷越高，最優(yōu)擺動(dòng)燃燒器執(zhí)行器反饋越小，主燃區(qū)越靠近爐膛下部.

表6　3個(gè)工況下燃燒參數(shù)的尋優(yōu)結(jié)果

圖4～圖6給出了3個(gè)工況下的SOFA風(fēng)門開度、周界風(fēng)門開度和輔助風(fēng)門開度.由圖4可知，3個(gè)工況下的SOFA風(fēng)門開度分布趨勢(shì)一致.鍋爐運(yùn)行過程中，SOFA二層、三層風(fēng)門開度全開，根據(jù)運(yùn)行情況調(diào)節(jié)SOFA一層、四層風(fēng)門開度.

圖4　3個(gè)工況下SOFA風(fēng)門開度尋優(yōu)值對(duì)比

SOFA風(fēng)門開度越大，爐膛內(nèi)主燃區(qū)實(shí)際空氣量會(huì)相對(duì)降低，同時(shí)降低了爐膛內(nèi)煤粉燃燒強(qiáng)度和火焰溫度，熱力型 NOx生成量減少，但鍋爐效率也會(huì)隨之降低.由尋優(yōu)結(jié)果可知，隨著負(fù)荷的升高，SOFA一層、四層風(fēng)門開度可適量開大，以降低尾部煙道出口NOx質(zhì)量濃度.工況3下SOFA一層、四層風(fēng)門開度略小于工況2下，這是由于在優(yōu)化工況中，工況3的爐膛風(fēng)箱壓差略大于工況2，即工況3的二次風(fēng)速大于工況2.

由于優(yōu)化工況中F磨煤機(jī)停運(yùn)備用，所以F層與FF層二次風(fēng)門開度處于關(guān)閉狀態(tài)，而AA層與A層二次風(fēng)在鍋爐運(yùn)行過程中通常不進(jìn)行調(diào)整，因此這2層的二次風(fēng)門開度變化不大.

圖5　3個(gè)工況下周界風(fēng)門開度尋優(yōu)值對(duì)比

圖6　3個(gè)工況下輔助風(fēng)門開度尋優(yōu)值對(duì)比

從圖5可以看出，3個(gè)工況下的周界風(fēng)門開度呈束腰形分布，由燃燒試驗(yàn)可得，束腰形分布有利于降低主燃區(qū)氧量，抑制NOx的生成[13-14]，并且隨著負(fù)荷的升高，周界風(fēng)門開度逐漸關(guān)小.這是由于周界風(fēng)的作用除了冷卻燃燒器噴嘴外，還能為燃料燃燒提供一部分空氣，隨著負(fù)荷的升高，爐膛內(nèi)部的燃料型NOx含量增加，因此需要減少周界風(fēng)量，降低與煤粉混合的空氣量，維持一定的還原性氣氛.

從圖6可以看出，3個(gè)工況下的輔助風(fēng)門開度分布趨勢(shì)一致，呈束腰形分布，且隨著負(fù)荷的升高而開大.輔助風(fēng)的作用為調(diào)節(jié)爐膛風(fēng)箱壓差，隨著負(fù)荷的升高，二次風(fēng)量會(huì)隨燃料量的增加而增大.由此可知，適當(dāng)開大輔助風(fēng)門開度能夠避免減少周界風(fēng)量導(dǎo)致的爐膛風(fēng)箱壓差過大.

4結(jié)論

(1)磨煤機(jī)組合方式與擺動(dòng)燃燒器執(zhí)行器反饋影響鍋爐主燃區(qū)位置.ABCDE磨煤機(jī)組合方式作為主力磨煤機(jī)組合方式，運(yùn)行時(shí)間長，數(shù)據(jù)量大，并且主燃區(qū)內(nèi)空氣量較低，主燃區(qū)上部還原段較長，NOx質(zhì)量濃度最低.擺動(dòng)燃燒器執(zhí)行器反饋越小，主燃區(qū)位置越靠近爐膛下部，隨著負(fù)荷的升高，最優(yōu)擺動(dòng)燃燒器執(zhí)行器反饋減小.

(2)煙氣含氧量越低，NOx質(zhì)量濃度越低，最優(yōu)煙氣含氧量為2.6%左右，并且負(fù)荷越高，最優(yōu)煙氣含氧量越低.

(3)負(fù)荷越高，最優(yōu)SOFA風(fēng)門開度越大；最優(yōu)周界風(fēng)門開度與輔助風(fēng)門開度呈束腰形分布，并且負(fù)荷越高，周界風(fēng)門開度越小.

(4)尋優(yōu)結(jié)果表明，采用ABCDE磨煤機(jī)組合方式，周界風(fēng)門開度和輔助風(fēng)門開度均呈束腰形分布，SOFA一層、四層風(fēng)門開度分別為50%和60%左右，擺動(dòng)燃燒器執(zhí)行器反饋在50%左右，能夠有效降低SCR裝置進(jìn)口NOx質(zhì)量濃度.數(shù)據(jù)挖掘結(jié)果顯示，NOx質(zhì)量濃度約為167 mg/m3，鍋爐效率為93.0%左右.

參考文獻(xiàn)：

[1]張曉輝, 孫銳, 孫紹增, 等. 燃盡風(fēng)與水平濃淡燃燒聯(lián)用對(duì)NOx生成的影響[J]. 中國電機(jī)工程學(xué)報(bào), 2007, 27(29): 56-61.

ZHANG Xiaohui, SUN Rui, SUN Shaozeng,etal. Effects of combined application of OFA and horizontal bias burner on NOxemission characteristics[J]. Proceedings of the CSEE, 2007, 27(29): 56-61.

[2]周俊虎, 趙琛杰, 許建華, 等. 電站鍋爐空氣分級(jí)低NOx燃燒技術(shù)的應(yīng)用[J]. 中國電機(jī)工程學(xué)報(bào), 2010, 30(23): 19-23.

ZHOU Junhu, ZHAO Chenjie, XU Jianhua,etal. Application of air-staged and low NOxemission combustion technology in plant boiler[J]. Proceedings of the CSEE, 2010,30(23): 19-23.

[3]費(fèi)俊, 孫銳, 張曉輝, 等. 不同燃燒條件下煤粉鍋爐NOx排放特性的試驗(yàn)研究[J]. 動(dòng)力工程, 2009，29(9): 813-817.

FEI Jun, SUN Rui, ZHANG Xiaohui,etal. Characteristics of NOxemission in pulverized coal fired boiler under different combustion conditions[J]. Journal of Power Engineering, 2009，29(9): 813-817.

[4]肖海平, 張千, 王磊, 等. 燃燒調(diào)整對(duì)NOx排放及鍋爐效率的影響[J]. 中國電機(jī)工程學(xué)報(bào), 2011, 31(8): 1-6.

XIAO Haiping, ZHANG Qian, WANG Lei,etal. Effect of combustion adjustment on NOxemission and boiler efficiency[J]. Proceedings of the CSEE, 2011, 31(8): 1-6.

[5]張惠娟, 惠世恩, 周屈蘭, 等. 300 MW 煤粉鍋爐低NOx正反切同軸燃燒試驗(yàn)研究[J]. 中國電機(jī)工程學(xué)報(bào), 2005, 25(15): 116-120.

ZHANG Huijuan, HUI Shien, ZHOU Qulan,etal. Experiment study of low NOxpositive/opposing concentric tangential firing system in a 300 MW pulverized fuel boiler[J]. Proceedings of the CSEE, 2005, 25(15): 116-120.

[6]周志軍, 周叢叢, 許建華, 等. 低NOx旋流燃燒器一, 二次風(fēng)混合特性分析[J]. 中國電機(jī)工程學(xué)報(bào), 2010，30(11): 8-14.

ZHOU Zhijun, ZHOU Congcong, XU Jianhua,etal. Analysis of the mixing between primary air and secondary air in a low NOxswirl burner[J]. Proceedings of the CSEE, 2010, 30(11): 8-14.

[7]呂玉坤, 彭鑫, 趙鍇. 電站鍋爐熱效率和NOx排放混合建模與優(yōu)化[J]. 中國電機(jī)工程學(xué)報(bào), 2011, 31(26): 16-22.

Lü Yukun, PENG Xin, ZHAO Kai. Hybrid modeling optimization of thermal efficiency and NOxemission of utility boiler[J]. Proceedings of the CSEE, 2011, 31(26): 16-22.

[8]王春林, 周昊, 李國能, 等. 基于遺傳算法和支持向量機(jī)的低NOx燃燒優(yōu)化[J]. 中國電機(jī)工程學(xué)報(bào), 2007, 27(11): 40-44.

WANG Chunlin, ZHOU Hao, LI Guoneng,etal. Support vector machine and genetic algorithms to optimize combustion for low NOxemission[J]. Proceedings of the CSEE, 2007, 27(11): 40-44.

[9]顧燕萍, 趙文杰, 吳占松. 采用最優(yōu) MVs 決策模型的電站鍋爐燃燒優(yōu)化[J]. 中國電機(jī)工程學(xué)報(bào), 2012，32(2): 39-44.

GU Yanping, ZHAO Wenjie, WU Zhansong. An optimal MVs decision-model for boiler combustion optimization[J]. Proceedings of the CSEE, 2012，32(2): 39-44.

[10]李建強(qiáng), 劉吉臻, 張欒英, 等. 基于數(shù)據(jù)挖掘的電站運(yùn)行優(yōu)化應(yīng)用研究[J]. 中國電機(jī)工程學(xué)報(bào), 2006, 26(20): 118-123.

LI Jianqiang, LIU Jizhen, ZHANG Luanying,etal. The research and application of fuzzy association rule mining in power plant operation optimization[J]. Proceedings of the CSEE, 2006, 26(20): 118-123.

[11]NATARAJAN U, PERIASAMY V M, SARAVANAN R. Application of particle swarm optimisation in artificial neural network for the prediction of tool life[J]. The International Journal of Advanced Manufacturing Technology, 2007, 31(9/10): 871-876.

[12]LIU B, WANG L, JIN Y H,etal. Improved particle swarm optimization combined with chaos[J]. Chaos, Solitons & Fractals, 2005, 25(5): 1261-1271.

[13]鄒磊, 梁紹華, 岳峻峰, 等. 1 000 MW 超超臨界塔式鍋爐NOx排放特性試驗(yàn)研究[J]. 動(dòng)力工程學(xué)報(bào), 2014, 34(3): 169-175.

ZOU Lei, LIANG Shaohua, YUE Junfeng,etal. Experimental study on NOxemission of a 1 000 MW ultra supercritical tower type boiler[J]. Journal of Chinese Society of Power Engineering, 2014, 34(3): 169-175.

[14]李德波, 宋景慧, 徐齊勝, 等. 660 MW 超超臨界旋流對(duì)沖燃煤鍋爐NOx分布數(shù)值模擬[J]. 動(dòng)力工程學(xué)報(bào), 2013, 33(12): 913-919.

LI Debo, SONG Jinghui, XU Qisheng,etal. Numerical simulation on NOxdistribution in a 660 MW ultra supercritical opposed firing boiler[J]. Journal of Chinese Society of Power Engineering, 2013, 33(12): 913-919.

Operating Parameters Optimization for Low NOxCombustion of Coal-fired Boilers

LIJianqiang,WANGAnming,PANWenkai,CHENXingxu,ZHAOKai

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

Abstract：To satisfy the low-NOx combustion adjustment requirement of a 300 MW unit, a soft measurement model of secondary air and a clustering model of oxygen content in the flue gas were built up based on the NOx formation rules and data analysis method by filtering the data in original database of the power plant to reduce the number of operating parameters, after which various parameters in the simplified database were optimized using Aprior algorithm improved with particle swarm optimization, so as to achieve the reduction of NOx emission. Results show that all the optimized parameters are in accordance with the combustion adjustment test, such as the oxygen content in flue gas, combination mode of coal mills, and opening degree of both the secondary air damper and SOFA air damper, etc., indicating that the NOx concentration can be effectively reduced at the inlet of SCR facility on the premise of ensuring the thermal efficiency of boiler.

Key words：combustion optimization; data mining; NOx; association rule

收稿日期：2015-07-13

修訂日期：2015-08-25

作者簡介：李建強(qiáng)(1976-)，男，河北晉州人，副教授，博士，主要從事數(shù)據(jù)挖掘在電站優(yōu)化運(yùn)行方面的研究.

文章編號(hào)：1674-7607(2016)05-0337-06中圖分類號(hào)：TK229.2

文獻(xiàn)標(biāo)志碼：A學(xué)科分類號(hào)：470.30

汪安明(通信作者)，男，碩士研究生，電話(Tel.)：13833235919；E-mail：ismellmagic@sina.com.