智能燃燒優(yōu)化系統(tǒng)的研究與應(yīng)用

田建勇，郭 濤

(國(guó)家電投集團(tuán)河南電力有限公司開封發(fā)電分公司，河南 開封 475002)

智能燃燒優(yōu)化系統(tǒng)的研究與應(yīng)用

田建勇，郭 濤

(國(guó)家電投集團(tuán)河南電力有限公司開封發(fā)電分公司，河南 開封 475002)

影響火電廠鍋爐性能的因素繁多，很難實(shí)現(xiàn)大量控制對(duì)象的在線優(yōu)化控制。介紹了基于智能技術(shù)開發(fā)的鍋爐燃燒優(yōu)化閉環(huán)控制系統(tǒng)，應(yīng)用該系統(tǒng)對(duì)影響鍋爐燃燒的控制參數(shù)和大量對(duì)象進(jìn)行在線優(yōu)化調(diào)整，實(shí)現(xiàn)了各種運(yùn)行條件下的鍋爐經(jīng)濟(jì)性優(yōu)化運(yùn)行，提高了火電廠自動(dòng)化運(yùn)行水平，起到了節(jié)能降耗作用。

智能燃燒優(yōu)化系統(tǒng)；燃煤鍋爐；閉環(huán)控制；粒子群優(yōu)化

0 概述

鍋爐性能和狀態(tài)監(jiān)測(cè)裝置的開發(fā)和相關(guān)設(shè)備的節(jié)能、低排放改造，在本質(zhì)意義上都可歸入鍋爐燃燒優(yōu)化范疇。但從機(jī)組的運(yùn)行和控制角度來(lái)說(shuō)，鍋爐燃燒優(yōu)化控制多指基于現(xiàn)有監(jiān)測(cè)手段對(duì)燃煤鍋爐的制送粉和配風(fēng)相關(guān)對(duì)象和參數(shù)進(jìn)行建議或控制，以實(shí)現(xiàn)鍋爐的節(jié)能優(yōu)化運(yùn)行。

在這方面，國(guó)外相關(guān)研究和實(shí)踐起步較早，成果較豐富。如美國(guó)的Ultramax系統(tǒng)、NeuSIGHT系統(tǒng)、Power Perfecter系統(tǒng)都是比較典型的燃燒優(yōu)化系統(tǒng)。此外美國(guó)GE公司的KN3系統(tǒng)、艾默生公司的Smart process燃燒優(yōu)化技術(shù)、Neuco公司的Combustionopt燃燒優(yōu)化技術(shù)和英國(guó)Powergen公司的GNOCIS PLUS也是國(guó)外比較成熟的燃燒優(yōu)化系統(tǒng)。這些公司的燃燒優(yōu)化系統(tǒng)比較類似，均采用“黑箱”模型，用于對(duì)鍋爐燃燒模型的訓(xùn)練和修正，需要在被優(yōu)化工況下采集大量的樣本數(shù)據(jù)或DCS歷史數(shù)據(jù)。

國(guó)內(nèi)早期燃燒優(yōu)化控制技術(shù)的研究主要為鍋爐煙氣含氧量的優(yōu)化控制，很多研究采用了煙氣中CO含量與鍋爐效率的關(guān)系作為間接尋優(yōu)煙氣氧量的依據(jù)。此類控制系統(tǒng)簡(jiǎn)單、有效，但是比較粗糙，實(shí)際應(yīng)用很少，主要是受早期鍋爐可控性較差、各種分析測(cè)量?jī)x表尚未成熟的影響。

西安熱工研究院研究出的鍋爐燃燒優(yōu)化指導(dǎo)系統(tǒng)，屬于開環(huán)指導(dǎo)性系統(tǒng)；浙江大學(xué)開發(fā)的基于Internet/Intranet的燃燒優(yōu)化指導(dǎo)系統(tǒng)，也不具備閉環(huán)控制功能；清華大學(xué)開發(fā)的OCP3系統(tǒng)、東南大學(xué)開發(fā)的BCOS-2000/2.0系統(tǒng)都采用神經(jīng)網(wǎng)絡(luò)“黑盒”模型和非線性尋優(yōu)技術(shù)，模型可自修正，可實(shí)現(xiàn)鍋爐燃燒優(yōu)化的閉環(huán)控制。

綜上所述，目前絕大多數(shù)鍋爐燃燒優(yōu)化控制系統(tǒng)都以“黑盒”神經(jīng)網(wǎng)絡(luò)模型為核心模型，以監(jiān)測(cè)數(shù)據(jù)為主要樣本來(lái)源，采用尋優(yōu)和修正技術(shù)，對(duì)該模型進(jìn)行在線修正，優(yōu)化燃燒控制指令，提高鍋爐效率。但由于我國(guó)普遍存在煤質(zhì)變化大、配煤摻燒和磨煤機(jī)運(yùn)行方式多樣的情況，往往無(wú)法滿足各種工況下對(duì)模型不斷訓(xùn)練和修正的要求。

下面開發(fā)的智能燃燒優(yōu)化系統(tǒng)，充分利用鍋爐燃燒調(diào)整原理和經(jīng)驗(yàn)，建立神經(jīng)網(wǎng)絡(luò)模型，將氧量給定、各層二次風(fēng)門開度、燃燼風(fēng)門開度都納入在線燃燒優(yōu)化的控制范圍，實(shí)現(xiàn)爐側(cè)的全面閉環(huán)控制。此外，由于鍋爐系統(tǒng)涉及設(shè)備和工況繁多，在出現(xiàn)特殊情況，使燃燒優(yōu)化的個(gè)別控制回路需切換為手動(dòng)并進(jìn)行人工干預(yù)時(shí)，該系統(tǒng)仍能對(duì)剩余控制回路進(jìn)行優(yōu)化，具有較高的生存能力。

1 系統(tǒng)原理

如圖1所示，智能燃燒優(yōu)化系統(tǒng)核心由神經(jīng)網(wǎng)絡(luò)模塊和粒子群優(yōu)化控制模塊組成。由于該系統(tǒng)受modbus通信速率的限制，需盡可能降低通信點(diǎn)數(shù)以提高運(yùn)算和控制指令周期，將容易在DCS中實(shí)現(xiàn)的優(yōu)化控制在DCS內(nèi)部通過(guò)邏輯修改的方式實(shí)現(xiàn)。另一方面，由于制粉系統(tǒng)配置的靜態(tài)分離器，已通過(guò)前期燃燒調(diào)整試驗(yàn)獲得最佳的分離器擋板開度，各粉管風(fēng)速及出力也已進(jìn)行了試驗(yàn)調(diào)平，運(yùn)行后原則上不再進(jìn)行相關(guān)調(diào)整，因此相關(guān)控制不再參與智能優(yōu)化控制。

圖1 智能燃燒優(yōu)化系統(tǒng)原理

就地測(cè)量信號(hào)經(jīng)直接或間接方式實(shí)時(shí)通過(guò)有效性驗(yàn)證、濾波和數(shù)據(jù)優(yōu)選過(guò)程，送入智能燃燒優(yōu)化系統(tǒng)。通過(guò)優(yōu)選的部分?jǐn)?shù)據(jù)被作為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本，供人工神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)，其余參數(shù)作為神經(jīng)網(wǎng)絡(luò)的輸入信號(hào)供神經(jīng)網(wǎng)絡(luò)模型用于預(yù)測(cè)鍋爐燃燒的效率和排放水平。此外，在目標(biāo)系統(tǒng)中進(jìn)行多負(fù)荷、多磨煤機(jī)組合、多煤種分層配煤摻燒的燃燒調(diào)整試驗(yàn)，對(duì)原有鍋爐系統(tǒng)僅能就地調(diào)整的旋流二次風(fēng)門開度、旋流分離器等進(jìn)行就地調(diào)試和優(yōu)化。以上述燃燒調(diào)整試驗(yàn)結(jié)果和經(jīng)驗(yàn)為基礎(chǔ)，以鍋爐設(shè)備及燃燒特性為根據(jù)，進(jìn)行專屬神經(jīng)網(wǎng)絡(luò)的初始建模，用于模擬鍋爐的燃燒性能。

燃燒系統(tǒng)控制指令輸出由粒子群優(yōu)化控制模塊生成，優(yōu)化模塊采用多目標(biāo)優(yōu)化方式，采用一定數(shù)量的粒子，生成若干控制指令向量，并利用PSO(Particle Swarm Optimization，粒子群優(yōu)化)算法調(diào)用神經(jīng)網(wǎng)絡(luò)模型進(jìn)行粒子的計(jì)算，從而尋找最為合理的控制指令向量，作為控制模塊輸出，送入系統(tǒng)DCS，進(jìn)行鍋爐燃燒的控制。

燃燒優(yōu)化控制指令的生成是根據(jù)控制指令優(yōu)化PSO算法，采用訓(xùn)練好的人工神經(jīng)網(wǎng)絡(luò)，用以在尋優(yōu)空間內(nèi)智能搜索對(duì)應(yīng)最優(yōu)經(jīng)濟(jì)性的控制指令組合。PSO是一種智能搜索算法，該算法源于模仿鳥群、魚群、蜂群或蟻群等生物種群在未知區(qū)域的探索和覓食方式。即種群中的一只“鳥”被看做一個(gè)粒子，描述其所在位置的n維向量包含1個(gè)目標(biāo)問(wèn)題候選解的n個(gè)元素，這些粒子不斷地根據(jù)自己的搜索經(jīng)歷和種群中其他粒子的搜索經(jīng)歷來(lái)更新它們的位置，并向最終的優(yōu)化目標(biāo)移動(dòng)。種群中的每一個(gè)粒子通過(guò)給定的適應(yīng)度函數(shù)判斷所到位置的“食物豐富程度”，也即問(wèn)題解的適應(yīng)度；并在它們的移動(dòng)過(guò)程中記錄它們?cè)?jīng)到過(guò)的最佳位置，該最佳位置向量被稱為個(gè)體最優(yōu)位置。與此同時(shí)，整個(gè)種群會(huì)記錄整個(gè)種群搜索到的最優(yōu)個(gè)體的最優(yōu)位置，該位置向量被稱為整體最優(yōu)位置。每一個(gè)粒子便根據(jù)當(dāng)前的運(yùn)動(dòng)慣性、個(gè)體最優(yōu)位置和整體最優(yōu)位置來(lái)修改下一個(gè)時(shí)刻的搜索方向和行進(jìn)速度。這樣，任何一個(gè)具有n個(gè)參數(shù)的搜索或者優(yōu)化問(wèn)題便可以轉(zhuǎn)化為一定數(shù)量的粒子種群在n維空間內(nèi)進(jìn)行的智能搜索。

假設(shè)搜索或優(yōu)化空間為n維，則t時(shí)刻第i個(gè)粒子的位置向量為：

該粒子當(dāng)前的速度向量為：

該粒子到過(guò)的最優(yōu)位置被記錄為：

整個(gè)粒子群的最優(yōu)位置向量為：

這樣，每一個(gè)粒子便可以根據(jù)式(5)和(6)更新其下一時(shí)刻的速度和下一時(shí)刻的位置。

式中：

Iw——慣性質(zhì)量；

c1——認(rèn)知加速度(cognitive acceleration)，一般取值為2；

c2——社會(huì)加速度(social acceleration)，一般取值為2；

r1，r2——[0，1]區(qū)間的隨機(jī)數(shù)。

當(dāng)然，由于給定搜索空間的限制，一般還會(huì)設(shè)置一個(gè)最大速度限制Vmax；當(dāng)某一粒子速度的大小超過(guò)該最大速度限制時(shí)，強(qiáng)制令該速度等于最大速度限制。

從式(5)可見，粒子速度的更新包括慣性項(xiàng)、認(rèn)知項(xiàng)和社會(huì)項(xiàng)3部分。式(5)中的第1項(xiàng)為慣性項(xiàng)，代表粒子會(huì)在一定程度上保留上一時(shí)刻的運(yùn)動(dòng)；第2項(xiàng)為認(rèn)知項(xiàng)，代表粒子會(huì)有一定的幾率朝自己到過(guò)的最優(yōu)位置移動(dòng)；第3項(xiàng)為社會(huì)項(xiàng)，代表粒子會(huì)有一定的幾率朝向整個(gè)種群的最優(yōu)位置移動(dòng)。后2項(xiàng)主要代表粒子群的智能搜索能力，第1項(xiàng)則使粒子群具備一定的隨機(jī)搜索能力。

已有相關(guān)研究經(jīng)驗(yàn)表明，粒子群算法較之常規(guī)的遺傳算法傾向于利用較少的系統(tǒng)資源，尤其適用于復(fù)雜模型的多維空間尋優(yōu)，且避免了遺傳算法編碼解碼造成的尋優(yōu)精度限制。粒子群算法的尋優(yōu)搜索空間具有給定邊界，因此可避免常規(guī)算法的發(fā)散和無(wú)效解的出現(xiàn)；而且動(dòng)態(tài)邊界的設(shè)置還可以疊加已有控制經(jīng)驗(yàn)；此外其高效的搜索效率和優(yōu)良的穩(wěn)定性使之更適合工業(yè)控制應(yīng)用。

圖2給出了基于PSO優(yōu)化算法的控制指令生成流程。粒子群中每個(gè)粒子的空間坐標(biāo)代表一組控制指令組合，通過(guò)訓(xùn)練好的燃燒優(yōu)化神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換為每個(gè)粒子的適應(yīng)度輸出，這樣PSO算法就可以根據(jù)每個(gè)粒子的適應(yīng)度分布，智能尋找最優(yōu)的空間坐標(biāo)，也即最優(yōu)的控制指令向量，輸出優(yōu)化控制參數(shù)組合。

對(duì)于粒子群算法而言，尋優(yōu)解空間的合理給定是提高尋優(yōu)效率和成功率的重要一環(huán)。燃燒優(yōu)化控制系統(tǒng)?？稍谇捌谌紵{(diào)整試驗(yàn)獲得的靜態(tài)優(yōu)化曲線兩側(cè)選取合理的浮動(dòng)優(yōu)化空間，供智能算法進(jìn)行尋優(yōu)。一方面，采用試驗(yàn)獲得的優(yōu)化曲線，可保證尋優(yōu)結(jié)果不會(huì)偏離至不安全或不穩(wěn)定的區(qū)域；另一方面，實(shí)際最優(yōu)控制目標(biāo)應(yīng)不會(huì)偏離試驗(yàn)得到的優(yōu)化結(jié)果很遠(yuǎn)，因此這樣的尋優(yōu)空間設(shè)置可使尋優(yōu)粒子更接近最優(yōu)的目標(biāo)位置，大幅提升尋優(yōu)效率。

圖2 基于PSO算法的控制指令生成流程

由于系統(tǒng)燃燒特性的精確評(píng)估往往需精確的實(shí)驗(yàn)測(cè)點(diǎn)和所投入煤質(zhì)的元素分析，這無(wú)法從現(xiàn)場(chǎng)表計(jì)中全部獲得，因此將鍋爐燃燒優(yōu)化試驗(yàn)的結(jié)果作為多個(gè)原始樣本，是形成智能人工神經(jīng)網(wǎng)絡(luò)的初始根據(jù)。系統(tǒng)在運(yùn)行過(guò)程中不斷根據(jù)預(yù)設(shè)的樣本采集系統(tǒng)模塊，收集滿足要求的實(shí)測(cè)數(shù)據(jù)向量作為學(xué)習(xí)樣本并進(jìn)行存儲(chǔ)，當(dāng)樣本更新至一定的程度后自動(dòng)啟動(dòng)自學(xué)習(xí)模塊，更新用于控制的神經(jīng)網(wǎng)絡(luò)。

2 智能燃燒優(yōu)化系統(tǒng)應(yīng)用

某公司2號(hào)機(jī)組(600 MW)采用的超臨界鍋爐(2號(hào)爐)系東方鍋爐廠制造的DG1900/25.4-Ⅱ1型鍋爐，燃燒采用正壓直吹式制粉系統(tǒng)，中速磨煤機(jī)配旋流燃燒器，前后墻各3排對(duì)沖燃燒，每排4只，共24只燃燒器。鍋爐制粉系統(tǒng)采用中速磨正壓直吹式冷一次風(fēng)制粉系統(tǒng)，共配有6臺(tái)磨煤機(jī)(5臺(tái)運(yùn)行，1臺(tái)備用)。DCS控制系統(tǒng)采用北京ABB貝利公司的Symphony分散控制系統(tǒng)(DCS)，該系統(tǒng)是一套機(jī)組各項(xiàng)控制功能完善、軟硬件一體化完全成套的控制系統(tǒng)。

2015-11-10，智能燃燒優(yōu)化自動(dòng)控制系統(tǒng)在該公司2號(hào)機(jī)組前后墻對(duì)沖鍋爐完成配置，對(duì)鍋爐設(shè)備進(jìn)行了靜態(tài)的調(diào)整優(yōu)化，并安裝調(diào)試。截至2016-05-07投入全部主要閉環(huán)優(yōu)化運(yùn)行回路，完成在287—622 MW負(fù)荷區(qū)間實(shí)施連續(xù)穩(wěn)定控制，使全部二次風(fēng)門、燃燼風(fēng)門和氧量實(shí)現(xiàn)實(shí)時(shí)智能優(yōu)化控制。

初步估算系統(tǒng)投運(yùn)后的運(yùn)行數(shù)據(jù)，與2號(hào)爐燃燒優(yōu)化前性能對(duì)比，智能燃燒優(yōu)化系統(tǒng)投運(yùn)后，鍋爐熱效率平均提高了0.77 %，省煤器出口實(shí)測(cè)NOx濃度平均降低了31.5 mg/m3，年平均節(jié)約標(biāo)煤8 370 t，折合人民幣500萬(wàn)元以上。

3 結(jié)論

該智能燃燒優(yōu)化系統(tǒng)采用人工智能神經(jīng)網(wǎng)絡(luò)與多目標(biāo)PSO控制算法，基于燃燒優(yōu)化試驗(yàn)與實(shí)時(shí)測(cè)量數(shù)據(jù)進(jìn)行神經(jīng)網(wǎng)絡(luò)建模，利用試驗(yàn)確定的優(yōu)化基準(zhǔn)采用PSO算法在給定的優(yōu)化范圍內(nèi)進(jìn)行優(yōu)化控制，實(shí)現(xiàn)燃燒效率的提高和排放的降低。智能燃燒優(yōu)化系統(tǒng)自實(shí)施以來(lái)，效果較好，對(duì)節(jié)能減排具有重要的意義。

1 陳彥橋，劉建民，曾德良，等．火電機(jī)組燃燒優(yōu)化的研究現(xiàn)狀及展望[J]．華東電力，2010，38(10)：1 599-1 603.

2 劉海波，周 洪，林光銳．神經(jīng)元控制在鍋爐燃燒系統(tǒng)中的應(yīng)用研究[J]．電力科學(xué)與工程， 2004，20(1)：32-34.

3 孔 亮，張 毅，丁艷軍，等．電站鍋爐燃燒優(yōu)化控制技術(shù)綜述[J]．電力設(shè)備，2006，7(2):19-22.

4 應(yīng) 劍，徐旭，王新龍．基于閉環(huán)控制系統(tǒng)的電站鍋爐燃燒優(yōu)化[J]．華東電力，2007，35(1)：69-72．

5 孫巧玲，沈 炯，李益國(guó)．基于遺傳算法的燃煤電站鍋爐整體燃燒優(yōu)化方法研究[J]．熱能動(dòng)力工程，2004，19(1)：85-88．

華能集團(tuán)全力以赴確保安全防洪度汛

近期，我國(guó)南方遭遇大范圍持續(xù)暴雨襲擊，多條河流出現(xiàn)超警戒水位，泥石流、山體滑坡等災(zāi)害隱患突出，防洪度汛工作形勢(shì)嚴(yán)峻。中國(guó)華能集團(tuán)公司認(rèn)真學(xué)習(xí)貫徹習(xí)近平總書記關(guān)于安全生產(chǎn)工作的系列重要指示批示精神，進(jìn)一步落實(shí)國(guó)務(wù)院、上級(jí)有關(guān)部門部署要求，提前謀劃、加強(qiáng)領(lǐng)導(dǎo)，立即組織、及時(shí)動(dòng)員，備足物資、加強(qiáng)巡查，精心操作、確保設(shè)備和人員安全。特別是在湖南、廣西、江西、廣東、湖北等受災(zāi)較為嚴(yán)重的省份，集團(tuán)公司各企業(yè)密切關(guān)注汛情，積極應(yīng)對(duì)洪澇災(zāi)害，第一時(shí)間啟動(dòng)應(yīng)急預(yù)案，加強(qiáng)24 h值班值守和巡查排查，健全上下貫通、指揮順暢、運(yùn)轉(zhuǎn)高效的組織領(lǐng)導(dǎo)體系，全力以赴確保安全防洪度汛。截至目前，集團(tuán)公司安全生產(chǎn)平穩(wěn)進(jìn)行，所有機(jī)組保持穩(wěn)定運(yùn)行。

在湖南，6月22日至7月2日的11天時(shí)間里，全省降雨量高達(dá)287 mm，降雨量之多、強(qiáng)度之大，歷史罕見。2017-07-03T08:00，岳陽(yáng)電廠城陵磯超警戒水位1.84 m，湘祁水電站所在湘江祁陽(yáng)段超警戒水位6.11 m。汛情發(fā)生以來(lái)，華能湖南分公司高度重視防洪度汛工作，進(jìn)一步壓緊壓實(shí)防汛工作責(zé)任，做到防洪度汛工作分工明確、責(zé)任到人、落實(shí)到位，切實(shí)加強(qiáng)值班值守，認(rèn)真落實(shí)領(lǐng)導(dǎo)帶班24 h值班制；確保防洪度汛工作萬(wàn)無(wú)一失。

廣西、江西、廣東、湖北等省分公司也都啟動(dòng)相應(yīng)防汛預(yù)警，加強(qiáng)值守，確保廠房及水電站設(shè)施安全。

（來(lái)源：中國(guó)華能集團(tuán)公司網(wǎng)站 2017-07-03）

2017-01-19；

2017-03-22。

田建勇(1961—)，男，工程師，主要從事火力發(fā)電廠熱工專業(yè)技術(shù)管理工作，email：TJYWJY@126.com。

郭 濤(1975—)，男，工程師，主要從事火力發(fā)電廠熱電管理工作。