基于神經(jīng)網(wǎng)絡(luò)算法預(yù)測鏈條鍋爐入爐煤水分摻混系統(tǒng)

阮 強，張志剛，陳 卓，武秀玲

(1.呼和浩特市城發(fā)供熱有限公司；2.呼和浩特富泰熱力股份有限公司，內(nèi)蒙古 呼和浩特 010020)

工業(yè)鍋爐是我國北方地區(qū)冬季集中供暖主要方式。我國在用工業(yè)鍋爐約62萬臺。其中燃煤工業(yè)鍋爐約47萬臺，占工業(yè)鍋爐總數(shù)的80%以上，年消耗標準煤約4億t，約占全國煤炭消耗總量的1/4[1]。鏈條爐排鍋爐仍占在用燃煤工業(yè)鍋爐總數(shù)的90%以上[2]，鏈條鍋爐燃燒效率為60%～70%[3，4]。近年來對鏈條爐排鍋爐的增效節(jié)能改造主要針對鍋爐進行強化燃燒、增加二次風或者應(yīng)用飛灰復(fù)燃技術(shù)，改造取得了一定效果。提高鏈條爐排鍋爐燃燒效率，應(yīng)從更全面的燃燒細節(jié)深度挖掘。針對呼和浩特地區(qū)各集中區(qū)域供熱熱源廠的鏈條爐排鍋爐進行調(diào)查分析發(fā)現(xiàn)，鍋爐燃燒效率不高。煤粉燃燒過程中，司爐工要根據(jù)負荷和爐況變化，綜合考慮給煤及鼓風速率、燃料特性、爐膛溫度、煤層厚薄、煙氣含氧率、火焰位置等，給出相應(yīng)的操作。操作是否合理，取決于司爐工的技術(shù)水平和執(zhí)業(yè)狀態(tài)。不同操作班組的鏈條鍋爐熱效率相差5%～10%。在鍋爐入爐煤水分檢測環(huán)節(jié)中，基本通過人為判斷入爐煤質(zhì)水分，控制煤中水分摻混量[10]。由于員工工作環(huán)境質(zhì)量差，人為判定存在諸多主觀因素，而入爐煤水分含量直接影響鍋爐的燃燒效率和經(jīng)濟運行。要保證鏈條鍋爐持續(xù)高效運行，應(yīng)從入爐煤水分摻混自動控制入手，實現(xiàn)環(huán)節(jié)自動檢測自動摻混以提高鍋爐燃燒效率。

1 鏈條鍋爐入爐煤水分含量對鍋爐燃燒影響分析

1.1 鍋爐入爐煤水分含量對燃燒影響分析

煤在爐膛中燃燒，入爐煤水分受熱蒸發(fā)，水蒸氣與灼熱的碳反應(yīng)生成水煤氣，水煤氣中的CO增加了碳粒表面的CO濃度，與空氣中氧氣發(fā)生反應(yīng)放出大量的熱，提高固定碳的燃燒速度。水煤氣的燃燒速度比固定碳的燃燒速度快，燃燒的火焰長度比固定碳燃燒的火焰長度長，火焰能夠更直接與物體進行對流和輻射換熱，提高傳熱效率[5]。在常壓下，由水變成水蒸氣體積要增加1 650倍，水分從煤層中蒸發(fā)出來，在煤層內(nèi)要留下很多空隙，導(dǎo)致煤層疏松，煤粒間空隙加大[11]，有利通風同時降低水分蒸發(fā)通風阻力，達到強化燃燒目的。

煤在爐膛燃燒過程中，初始爐膛溫度低，固定碳燃燒速度慢，入爐煤中含有適當水分，可使碎屑和塊煤粘在一起減少漏煤和飛灰，有效減少加煤時的煤粉飛揚造成的不完全燃燒熱損失，減少黑煙對大氣環(huán)境的污染[11]。對細粉較多、易黏結(jié)的高發(fā)熱值煤加入適當?shù)乃挚墒姑簩硬恢逻^分結(jié)焦。

如果增加入爐煤中水分，煤粉干燥時間增加，水分蒸發(fā)吸收熱量，對煤著火不利；當水分增加時，水蒸氣混合到可燃氣體中，增加燃氣體的熱容量，降低了可燃氣體濃度，不利于可燃氣體燃燒，燃燒室溫度下降；水分增加，煙氣體積增加，造成排煙損失增加。

1.2 鍋爐入爐煤水分對鍋爐運行影響分析

鍋爐入爐煤水分含量是鍋爐的重要參數(shù)指標。鍋爐入爐煤水分含量影響煤的低位發(fā)熱量。煤樣的全水分值(質(zhì)量分數(shù))每變化1%，其收到基低位熱值將變化209J/g～293J/g。相同質(zhì)量入爐煤，水分含量高，可燃物比例小，低位發(fā)熱量低。在燃燒過程中，入爐煤水分含量高，水分蒸發(fā)吸收汽化潛熱多，煤的低位發(fā)熱量降低。相同負荷條件下高入爐煤水分含量燃煤耗量增加。運煤設(shè)備、碎煤機、磨煤機等相應(yīng)輔助設(shè)備需要加工處理更多煤量，與此相對應(yīng)的一次風機需要提供更多風量，廠用電量消耗增加。此外，如果入爐煤水分含量增加，輸煤管和其他的輸煤通道可能會結(jié)冰、堵塞，增加運行成本。

綜上所述，鏈條鍋爐入爐煤水分對鏈條爐燃燒效率影響至關(guān)重要。如何通過入爐煤水分測試優(yōu)化分析調(diào)整控制入爐煤水分含量備受關(guān)注，建模預(yù)測入爐煤水分作為鏈條鍋爐優(yōu)化燃燒控制基礎(chǔ)，應(yīng)進行深入研究。然而，鍋爐爐膛內(nèi)的燃燒及入爐煤水分測試所涉及影響因素較多，難以建立鏈條鍋爐燃燒可調(diào)變量與水分測試機理模型。智能算法建模無須考慮輸入?yún)?shù)和輸出參數(shù)之間的測試機理，在建模預(yù)測方面應(yīng)用廣泛[6，7]。因此，本文提出基于BP神經(jīng)網(wǎng)絡(luò)算法建立鏈條鍋爐燃燒效率與入爐煤水分關(guān)系的預(yù)測模型，以該預(yù)測模型為基礎(chǔ)設(shè)計入爐煤測試摻混系統(tǒng)，實現(xiàn)入爐煤水分自動檢測尋優(yōu)為目的，為通過調(diào)整入爐煤水分控制燃燒，提高鏈條鍋爐燃燒效率提供理論依據(jù)[12]。

2 BP神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)(Neural Networks)是基于人腦并從人腦神經(jīng)網(wǎng)絡(luò)的機制原理開始，最終映射出與之相近的神經(jīng)網(wǎng)絡(luò)模型[8]。學(xué)習(xí)是神經(jīng)網(wǎng)絡(luò)的主要特點。BP神經(jīng)網(wǎng)絡(luò)由三部分組成，即輸入、輸出層以及隱含層。如圖1對外部環(huán)境提供的模式樣本進行學(xué)習(xí)訓(xùn)練，存儲這種模式(稱為感知器)；對外部環(huán)境有適應(yīng)能力，能自動提取外部環(huán)境變化特征(稱為認知器)。在神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)中由外部提供的模式樣本信號(稱為教師信號)，BP神經(jīng)網(wǎng)絡(luò)需要有教師信號進行學(xué)習(xí)，如圖2[13，14]。 BP網(wǎng)絡(luò)是一種對非線性可微分函數(shù)進行權(quán)值訓(xùn)練的多層網(wǎng)絡(luò)，它的最大特點是僅借助樣本數(shù)據(jù)，無須建立系統(tǒng)的數(shù)學(xué)模型就可對系統(tǒng)實現(xiàn)由若干輸入神經(jīng)元的模式向量P組成的pm空間到y(tǒng)n空間n(為輸出節(jié)點數(shù))的高度非線性映射。為解決多層前向神經(jīng)網(wǎng)絡(luò)權(quán)系數(shù)優(yōu)化提出BP算法，其拓撲結(jié)構(gòu)是一種無反饋的多層前向網(wǎng)絡(luò)。輸入部接收外來的輸入樣本X，由訓(xùn)練部進行網(wǎng)絡(luò)的權(quán)系數(shù)W調(diào)整，然后由輸出部輸出結(jié)果[15]。在BP神經(jīng)網(wǎng)絡(luò)計算過程中，期望輸出信號可以作為教師信號輸入，由該師信號與實際輸出進行比較，產(chǎn)生的誤差去控制修改權(quán)系數(shù)W。學(xué)習(xí)機構(gòu)可用圖3來表示[9]。神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)需要多次重復(fù)訓(xùn)練，使誤差值逐漸向零趨近，最后到達零，獲得輸出與期望一致目標[16]。

圖1 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)系統(tǒng)

圖2 三層BP網(wǎng)絡(luò)結(jié)構(gòu)

圖3 學(xué)習(xí)機構(gòu)

信號的前向傳播過程中，隱含層第i個節(jié)點輸入為：

(1)

隱含層第i個節(jié)點輸出為：

(2)

輸出層第k個節(jié)點的輸入nk為：

(3)

輸出層第k個節(jié)點的輸出nk為：

(4)

誤差的反向傳播過程對于樣本P的誤差準則函數(shù)Ep為：

(5)

系統(tǒng)對P個樣本總誤差準則數(shù)為：

(6)

式中：Wij為輸入層中，第j個節(jié)點到隱含層第i個節(jié)點之間的權(quán)值，Wki代表的是隱含層與輸出層之間，第i個節(jié)點到第k個節(jié)點的權(quán)值，xj代表的是輸入層的第j個節(jié)點的輸入；代表的是隱含層第i個節(jié)點的閾值；ak代表的是輸出層第k個節(jié)點的閾值；ok代表的是輸出層第k個節(jié)點的輸出值[13]。

3 基于BP神經(jīng)網(wǎng)絡(luò)算法優(yōu)化的鏈條鍋爐入爐煤水分摻混系統(tǒng)

通過BP神經(jīng)網(wǎng)絡(luò)算法以呼和浩特氣象條件X1、采暖負荷X2、儲煤倉溫濕度X3、進廠煤質(zhì)水分含量X4、入爐煤水分摻混量X5以及鏈條鍋爐燃燒效率測試日時均值為輸入樣本信號，將數(shù)據(jù)分為訓(xùn)練樣本、驗證樣本、測試樣本進行訓(xùn)練。使用MATLAB軟件編程建立訓(xùn)練樣本，設(shè)置隱含層為8層，學(xué)習(xí)率為0.035。訓(xùn)練函數(shù)設(shè)置為train，設(shè)置50 000次訓(xùn)練。由訓(xùn)練部進行網(wǎng)絡(luò)權(quán)系數(shù)調(diào)整，輸入樣本信號Xi量化至區(qū)間[0，1]。隱含層輸出為：

hj=fh(nj+bj)

(7)

式中：hj為隱含層第j個節(jié)點的輸出；wij為輸入層的第i節(jié)點至隱含層的第j節(jié)點的權(quán)重；bj為隱含層第j的偏置量；xi為輸入層的第i個分量；fh為輸出層到隱含層的激活函數(shù)，文中選擇雙曲函數(shù)。

輸出層的輸出為：

(8)

鏈條爐排鍋爐入爐煤水分摻混量預(yù)測模型以呼和浩特氣象條件、采暖負荷、儲煤倉溫濕度、進廠煤質(zhì)水分含量、入爐煤水分摻混量等變量為輸入?yún)?shù)，入爐煤摻水量為輸出參數(shù)。在試驗得到的數(shù)據(jù)中，隨機選取若干組作為訓(xùn)練樣本，其余作為測試樣本。通過BP神經(jīng)網(wǎng)絡(luò)算法確定入爐煤水分摻混量預(yù)測值。

4 結(jié)論

通過入爐煤摻水量預(yù)測模型對訓(xùn)練樣本和測試樣本的預(yù)測結(jié)果。設(shè)計與入爐煤水分采集裝置及控制系統(tǒng)。建立入爐煤水分摻混系統(tǒng)流程，如圖4所示。

圖4 入爐煤水分摻混系統(tǒng)流程

基于BP神經(jīng)網(wǎng)絡(luò)算法建立的鏈條鍋爐入爐煤水分含量預(yù)測模型與自動水分摻混控制裝置可以為企業(yè)節(jié)約人工成本，提高企業(yè)經(jīng)濟效益，為進一步優(yōu)化鏈條鍋爐燃燒效率提供了理論試驗基礎(chǔ)。