電力企業(yè)鍋爐水冷壁結(jié)焦?fàn)顟B(tài)預(yù)警分析

高巨賢

（寧夏京能寧東發(fā)電有限責(zé)任公司，寧夏回族自治區(qū) 寧東 750409）

1 概述

近年來利用核、風(fēng)、太陽能等發(fā)電的清潔能源不斷涌現(xiàn)，但火力發(fā)電仍將在長期內(nèi)占據(jù)著發(fā)電領(lǐng)域的主導(dǎo)地位。以煤炭為主的火力發(fā)電產(chǎn)生大量的氮氧化合物、硫氧化合物、碳氧化合物，不僅對大氣環(huán)境與周邊的生活環(huán)境造成危害，并且降低了火力發(fā)電的有效利用率。為了提高鍋爐效率與減少有害物的排放量，鍋爐設(shè)計參數(shù)中的主蒸汽溫度、壓力不斷提升，耐熱、耐溫材料的大量生產(chǎn)，使得超超臨界鍋爐在我國不斷投入使用。而隨著超超臨界火力發(fā)電機(jī)組與取消了汽包直流鍋爐的普及，鍋爐側(cè)“四管漏泄”已經(jīng)成為電廠主要發(fā)電事故之一。據(jù)統(tǒng)計，電廠事故中約62.3%為鍋爐側(cè)事故，而其中84.2%為“四管漏泄”事故。對于電廠，每次“非計劃停運(yùn)”都會帶來巨大的經(jīng)濟(jì)損失和安全隱患。一次停爐事故將會造成幾十萬甚至上百萬的經(jīng)濟(jì)損失，如果“四管漏泄”發(fā)生在爐膛外墻及管道處，將對作業(yè)人員產(chǎn)生致命威脅。所以防止受熱面的工質(zhì)不穩(wěn)定流動、避免傳熱惡化、降低流動阻力以及減少受熱面超溫有重要的意義。

鍋爐水冷壁結(jié)焦?fàn)顟B(tài)在線估計及預(yù)警技術(shù)，能夠幫助電廠運(yùn)行人員定量判斷水冷壁結(jié)焦情況、及時發(fā)現(xiàn)可能因結(jié)焦而產(chǎn)生的安全事故隱患，為鍋爐的運(yùn)行維護(hù)提供決策指導(dǎo)，降低運(yùn)行人員的判斷難度和操作壓力，近年來獲得了國內(nèi)外科研單位的廣泛關(guān)注。鍋爐爐膛內(nèi)的水冷壁作為鍋爐的關(guān)鍵部件之一，所處的工作環(huán)境極其惡劣，同時面臨高溫高壓的運(yùn)行工況以及煤粉顆粒的沖刷。煤炭燃燒向水冷壁的輻射傳熱會導(dǎo)致水冷壁結(jié)焦，導(dǎo)致水冷壁的壁溫及傳熱性能發(fā)生變化。因此，研究水冷壁溫度場可視化分布，從而推算出所要監(jiān)測的點的溫度值，并且對水冷壁的結(jié)焦?fàn)顟B(tài)進(jìn)行診斷和預(yù)警具有重要意義。鍋爐水冷壁結(jié)焦?fàn)顟B(tài)診斷的難度較大，因為鍋爐水冷壁工作環(huán)境惡劣，爐內(nèi)溫度太高、難以測量。

2 應(yīng)用前景

燃煤鍋爐水冷壁結(jié)焦是運(yùn)行中比較普遍的現(xiàn)象，直接影響著鍋爐機(jī)組的安全、經(jīng)濟(jì)、穩(wěn)定運(yùn)行。目前，國內(nèi)外開發(fā)了一系列鍋爐爐膛水冷壁結(jié)焦?fàn)顟B(tài)監(jiān)技術(shù)，主要是利用熱流計或者圖像處理技術(shù)來對鍋爐水冷壁結(jié)焦?fàn)顟B(tài)進(jìn)行在線監(jiān)測，并將計算結(jié)果用于指導(dǎo)鍋爐吹灰及除焦系統(tǒng)優(yōu)化。而基于大數(shù)據(jù)驅(qū)動的水冷壁結(jié)焦?fàn)顟B(tài)智能診斷及預(yù)警技術(shù)是目前最具前景的水冷壁結(jié)焦?fàn)顟B(tài)監(jiān)測技術(shù)之一。它利用人工神經(jīng)網(wǎng)絡(luò)智能算法對鍋爐歷史數(shù)據(jù)進(jìn)行學(xué)習(xí)，通過有限的水冷壁熱電偶溫度傳感器測點數(shù)據(jù)，構(gòu)建水冷壁結(jié)焦?fàn)顟B(tài)診斷模型，實現(xiàn)對多種火電機(jī)組鍋爐水冷壁結(jié)焦?fàn)顟B(tài)的精確判斷。項目所研技術(shù)避免了對爐膛內(nèi)部工況進(jìn)行復(fù)雜的機(jī)理建模，突破機(jī)理建模方法中難以處理爐膛多維狀態(tài)參量間的復(fù)雜耦合關(guān)聯(lián)關(guān)系的困難，避免了系統(tǒng)在解耦過程中因等效逼近造成的機(jī)理誤差，提高對水冷壁的結(jié)焦?fàn)顟B(tài)判斷的準(zhǔn)確度，而且只需水冷壁溫度測點和鍋爐運(yùn)行歷史數(shù)據(jù)的參與，模型構(gòu)建后只需要少量數(shù)據(jù)即可實現(xiàn)不同工況下的結(jié)焦?fàn)顟B(tài)評估，在提升預(yù)測準(zhǔn)確度的基礎(chǔ)上很大程度降低了預(yù)測計算的開銷。因此，該技術(shù)的實現(xiàn)不僅可以有效對鍋爐水冷壁結(jié)交狀態(tài)進(jìn)行估計并預(yù)警，保證生產(chǎn)運(yùn)行的高效和安全；同時能夠幫助電廠運(yùn)行人員定量判斷水冷壁結(jié)焦情況、及時發(fā)現(xiàn)可能因結(jié)焦而產(chǎn)生的安全事故隱患，為鍋爐的運(yùn)行維護(hù)提供決策指導(dǎo)，降低運(yùn)行人員的判斷難度和操作壓力，還可以有效指導(dǎo)鍋爐的日常維護(hù)，避免不必要的維護(hù)支出。

3 結(jié)焦原因分析

爐膛內(nèi)部的水冷壁在煤炭燃燒時，可以吸收高溫火焰的輻射熱，使水冷壁內(nèi)的工質(zhì)吸收熱量后由水逐步變成汽水混合物，完成工質(zhì)的蒸發(fā)過程。同時水冷壁還能夠大量吸收高溫?zé)煔獾臒崃?，可使?fàn)t墻附近和爐膛出口處的煙溫降低到灰的軟化溫度以下，防止?fàn)t墻和受熱面結(jié)渣，提高鍋爐運(yùn)行的安全和可靠性。但是由于爐膛內(nèi)部燃燒火焰中心溫度在1 500~1 700 ℃之間，燃料中的灰分在這樣高的溫度下大多熔化為液態(tài)或呈軟化狀態(tài)。由于水冷壁的吸熱，從火焰中心向外，越接近水冷壁溫度越低。在正常情況下，隨著溫度的降低，灰分將從液態(tài)變?yōu)檐浕癄顟B(tài)進(jìn)一步變成固態(tài)。如果灰分碰到受熱面時還保持著軟化狀態(tài)，就會由于受到冷卻而粘結(jié)在水冷壁上，形成結(jié)焦。水冷壁結(jié)焦大大減少了爐內(nèi)火焰和高溫?zé)煔鈱λ浔诘妮椛鋫鳠?，使得爐膛出口煙氣溫度大幅度升高，造成排煙溫度升高，從而增加了排煙熱損失，降低鍋爐的熱效率。同時由于灰渣導(dǎo)熱系數(shù)很低，水冷壁結(jié)焦會阻礙爐內(nèi)熱量向水冷壁內(nèi)流動工質(zhì)的傳遞，使得結(jié)焦部位水冷壁吸熱量大大減少，蒸汽流速變慢，嚴(yán)重時會造成循環(huán)停滯，水冷壁其他部位就會超溫，長期承受高溫及氧化腐蝕作用使得水冷壁的強(qiáng)度和力學(xué)性能下降，在壓力作用下膨脹變形，最終導(dǎo)致爆管。所以，根據(jù)鍋爐水冷壁溫度測點數(shù)據(jù)，構(gòu)建水冷壁溫度場可視化模型，實現(xiàn)水冷壁結(jié)焦?fàn)顟B(tài)智能診斷及預(yù)警，無論從火電機(jī)組運(yùn)行的安全性還是經(jīng)濟(jì)性角度出發(fā)，都具有極其重要的現(xiàn)實意義。

4 基于采樣矩陣的鍋爐水冷壁溫度場可視化

根據(jù)水冷壁熱電偶溫度傳感器位置建立分布矩陣，運(yùn)用有限元分析方法求解基于離散測點溫度的水冷壁壁面溫度連續(xù)分布曲線。基于MATLAB庫函數(shù)生成網(wǎng)格采樣點并構(gòu)建MeshGrid網(wǎng)格矩陣，在考慮水冷壁溫度變化的連續(xù)性和水冷壁溫度場中任意點截面曲線的連續(xù)可導(dǎo)性的基礎(chǔ)上，研究網(wǎng)格矩陣輸入的離散熱電偶溫度實測數(shù)據(jù)作為模型基點構(gòu)建溫度連續(xù)分布光滑曲線和三維溫度場的可視化方法，提出基于鍋爐水冷壁溫度按需最小分辨值的水冷壁溫度場三維高度變化方法，構(gòu)建基于有限元或有限體積法的鍋爐水冷壁傳熱模型，研究溫度矩陣的自適應(yīng)優(yōu)化計算方法，運(yùn)用人工智能交互技術(shù)和增強(qiáng)現(xiàn)實技術(shù)構(gòu)建鍋爐水冷壁溫度場三維可視化模型。現(xiàn)有鍋爐水冷壁上的溫度測點有限，相對于大面積的水冷壁，測點的溫度只能反映其中的一小部分，無法給出一個直觀的整體溫度分布，但整體的溫度分布卻是判斷鍋爐水冷壁的結(jié)焦?fàn)顟B(tài)基礎(chǔ)。因此通過構(gòu)建水冷壁熱電偶溫度傳感器的位置分布矩陣，運(yùn)用有限元分析方法求解基于離散測點溫度的水冷壁壁面溫度連續(xù)分布曲線對后續(xù)工作的開展尤為關(guān)鍵。

5 水冷壁溫度數(shù)據(jù)特征分析

5.1 第一次數(shù)據(jù)

此次數(shù)據(jù)含有爆管信息，可以對數(shù)據(jù)進(jìn)行分類標(biāo)注，通過梯度提升決策樹（GBDT）對各類數(shù)據(jù)的特征重要性進(jìn)行篩選，以求得到此次爆管的重要特征，分析爆管與特征的規(guī)律。

將數(shù)據(jù)分為三類：爆管前、即將爆管和爆管后，以GBDT模型的表現(xiàn)為準(zhǔn)，分析特征重要性。分別取爆管前后數(shù)據(jù)，總量分別為3 000、1 000、500、100，通過逐漸提高即將爆管數(shù)據(jù)的占比來鎖定與爆管潛在相關(guān)的因素，每組實驗重復(fù)3次，取均值后對每組特征的重要性進(jìn)行排序，詳見圖1~圖4。

圖1 數(shù)據(jù)量為3000時，特征重要性分析結(jié)果

圖4 數(shù)據(jù)量為100時，特征重要性分析結(jié)果

在數(shù)據(jù)量很大時，從圖1、圖2、圖3可以看出，有3個測點的特征重要程度很高：3BTEFSHTEMP-36-49.UNIT3@W3、3BTE-FSHTEMP-36-50.UNIT3@W3、3BTE-FSHTEMP-37-49.UNIT3@W3；而隨著數(shù)據(jù)量不斷減少，即將爆管數(shù)據(jù)占比不斷增加，這些測點的重要性略有降低，從圖4可以看出，測點3BTE-FSHTEMP-33-50.UNIT3@W3的重要性不斷提高。推測該測點與爆管有緊密聯(lián)系。

圖2 數(shù)據(jù)量為1000時，特征重要性分析結(jié)果

圖3 數(shù)據(jù)量為500時，特征重要性分析結(jié)果

5.2 第二次數(shù)據(jù)

數(shù)據(jù)為正常運(yùn)行所測，共計1 012個測點，其中310個屬于水冷壁壁溫測點。

分析思路：水冷壁結(jié)焦會對壁溫造成較大影響，壁溫特征作為優(yōu)選特征已無可置疑。以其他測點數(shù)據(jù)與壁溫數(shù)據(jù)的關(guān)聯(lián)度，推測其他與結(jié)焦?fàn)顟B(tài)可能存在較大關(guān)系的測點。

將特征數(shù)據(jù)分為兩類——壁溫數(shù)據(jù)和其他測點數(shù)據(jù)，使用kendall（圖5）和spearman（圖6）兩種關(guān)聯(lián)分析方法分別對兩類數(shù)據(jù)進(jìn)行關(guān)聯(lián)性分析，取其他數(shù)據(jù)對壁溫數(shù)據(jù)關(guān)聯(lián)度的絕對值的均值，將結(jié)果按降序排序后取關(guān)聯(lián)度較大的點。

圖5 Kendall關(guān)聯(lián)分析結(jié)果

圖6 Spearman關(guān)聯(lián)分析結(jié)果

圖中所示測點與壁溫有較高關(guān)聯(lián)性，故推測與結(jié)焦?fàn)顟B(tài)也有一定關(guān)聯(lián)。

6 基于多維特征的水冷壁結(jié)焦?fàn)顟B(tài)估計

基于水冷壁不同結(jié)焦?fàn)顩r下，水冷壁壁溫和鍋爐運(yùn)行的歷史數(shù)據(jù)，建立不同規(guī)模下水冷壁結(jié)焦?fàn)顟B(tài)的分類評價標(biāo)準(zhǔn)，實現(xiàn)對水冷壁結(jié)焦?fàn)顟B(tài)這一模糊數(shù)據(jù)的分類量化。通過對水冷壁在不同結(jié)焦?fàn)顟B(tài)下的多點壁溫數(shù)據(jù)進(jìn)行分析，提取水冷壁壁溫多維變化特征，辨識水冷壁結(jié)焦?fàn)顟B(tài)影響因子，運(yùn)用機(jī)器學(xué)習(xí)方法構(gòu)建水冷壁局部結(jié)焦?fàn)顟B(tài)預(yù)測模型，實現(xiàn)對水冷壁局部結(jié)焦?fàn)顟B(tài)的評估。綜合運(yùn)用分類回歸樹 、梯度提升決策樹和支持向量機(jī)在內(nèi)的大數(shù)據(jù)挖掘方法，從鍋爐結(jié)焦成因、結(jié)焦影響和運(yùn)行控制因素三個方面，挖掘水冷壁結(jié)焦?fàn)顟B(tài)與水冷壁壁溫、鍋爐出口煙溫、爐膛出力、爐膛溫度、減溫水流量等多維狀態(tài)參量數(shù)據(jù)的內(nèi)在關(guān)聯(lián)關(guān)系，選取與水冷壁結(jié)焦?fàn)顟B(tài)高關(guān)聯(lián)度的特征組合，根據(jù)該特征組合的歷史數(shù)據(jù)，訓(xùn)練水冷壁大規(guī)模結(jié)焦?fàn)顟B(tài)機(jī)器學(xué)習(xí)預(yù)測模型，實現(xiàn)對水冷壁大規(guī)模結(jié)焦?fàn)顟B(tài)的評估。

7 擬采取的研究方法和技術(shù)路線

具體的研究方案和技術(shù)路線如下（圖7）：

圖7 項目整體技術(shù)路線圖

（1）基于鍋爐水冷壁熱電偶溫度傳感器測點位置，建立離散溫度測點位置分布矩陣運(yùn)用MATLAB庫函數(shù)生成網(wǎng)格采樣點并構(gòu)建MeshGrid網(wǎng)格矩陣。

（2）將水冷壁熱電偶溫度傳感器測得的數(shù)據(jù)輸入網(wǎng)格矩陣，使用三次樣條插值法獲得水冷壁溫度分布曲線，運(yùn)用二維插值法實現(xiàn)三維溫高的連續(xù)變化并求取可視最小分辨溫度。

（3）運(yùn)用有限元方法計算網(wǎng)格矩陣連續(xù)溫度分布，采用智能交互技術(shù)繪制鍋爐水冷壁三維溫度場可視化模型。

（4）根據(jù)水冷壁正常狀態(tài)運(yùn)行時和出現(xiàn)結(jié)焦事故時不同的結(jié)焦?fàn)顩r，結(jié)合現(xiàn)場運(yùn)行人員經(jīng)驗，建立水冷壁結(jié)焦?fàn)顟B(tài)的分類評價標(biāo)準(zhǔn)。

（5）運(yùn)用鍋爐燃燒機(jī)理分析方法，結(jié)合現(xiàn)場運(yùn)行人員經(jīng)驗，分別從鍋爐結(jié)焦成因、結(jié)焦影響和運(yùn)行控制因素三個方向，分析可能與水冷壁結(jié)焦存在耦合關(guān)系的特征數(shù)據(jù)，得出水冷壁結(jié)焦?fàn)顟B(tài)預(yù)測候選特征。

（6）從電廠DCS中導(dǎo)出水冷壁不同結(jié)焦?fàn)顟B(tài)下，候選特征測點的歷史數(shù)據(jù)，通過序號編碼、獨(dú)熱編碼在內(nèi)的機(jī)器學(xué)習(xí)分類編碼方式對歷史數(shù)據(jù)各時間段對應(yīng)的水冷壁結(jié)焦?fàn)顟B(tài)進(jìn)行標(biāo)注，得到候選特征原始數(shù)據(jù)集。

（7）使用包括線性插值、重采樣的均勻化方法，補(bǔ)充原始數(shù)據(jù)中缺失的數(shù)據(jù)，規(guī)整原始數(shù)據(jù)的時序分布狀態(tài)。利用包括濾波器、離群點檢測在內(nèi)的數(shù)據(jù)清洗方法，對原始數(shù)據(jù)中的異常值進(jìn)行辨別和處理。經(jīng)過上述時序規(guī)整和數(shù)據(jù)清洗，得到一致性和完整度更高的特征數(shù)據(jù)集。

（8）通過數(shù)據(jù)可視化方法對上述數(shù)據(jù)集進(jìn)行先驗分析，基于可視化分析得到的數(shù)據(jù)先驗知識，對部分特征數(shù)據(jù)進(jìn)行組合運(yùn)算或高階變換，提取出一批新的候選特征。綜合運(yùn)用分類回歸樹、梯度提升決策樹和支持向量機(jī)在內(nèi)的數(shù)據(jù)挖掘方法，分析水冷壁結(jié)焦?fàn)顟B(tài)標(biāo)簽數(shù)據(jù)與所有候選特征的關(guān)聯(lián)性，得到與水冷壁結(jié)焦?fàn)顟B(tài)關(guān)聯(lián)度最高的多維特征組合。

（9）將最優(yōu)多維特征組合的數(shù)據(jù)集劃分為訓(xùn)練集、驗證集、測試集三個部分，運(yùn)用包含XGBoost、LightGBM、LSTM在內(nèi)的機(jī)器學(xué)習(xí)方法對水冷壁結(jié)焦?fàn)顟B(tài)進(jìn)行建模。基于訓(xùn)練集和驗證集數(shù)據(jù)對模型參數(shù)進(jìn)行優(yōu)化調(diào)整，通過測試集數(shù)據(jù)評估模型效果，最終得到準(zhǔn)確且泛化能力好的水冷壁結(jié)焦?fàn)顟B(tài)預(yù)測模型。

（10）將預(yù)測模型及對應(yīng)的特征生成和輸出解碼算法封裝為預(yù)測模塊，將其部署到云端或本地服務(wù)器。設(shè)計包含重采樣、缺失值補(bǔ)充、異常值處理功能的實時數(shù)據(jù)采集與傳輸模塊，將現(xiàn)場DCS測點實時數(shù)據(jù)處理后與預(yù)測模塊對接。設(shè)計數(shù)據(jù)回傳模塊，將預(yù)測輸出數(shù)據(jù)實時回傳到水冷壁結(jié)焦?fàn)顟B(tài)監(jiān)測平臺。

（11）根據(jù)實際運(yùn)行情況，更新特征組合，優(yōu)化預(yù)測模型。

8 結(jié)語

由于水冷壁結(jié)焦是一個長期的過程，水冷壁結(jié)焦?fàn)顟B(tài)的診斷與預(yù)測應(yīng)從其造成的影響入手。從同組壁溫變化趨勢差異的上進(jìn)行分析，雖然沒有得到預(yù)計的效果，但對數(shù)據(jù)進(jìn)行多階導(dǎo)數(shù)和高階變換后的數(shù)據(jù)仍不失為一種額外的特征。目前可以確定，壁溫將是水冷壁結(jié)焦診斷與預(yù)測中至關(guān)重要的一點。從數(shù)據(jù)的結(jié)果分析可以推測，潛在的爆管威脅或許能夠在爆管位置附近的部分壁溫測點的變化中得到體現(xiàn)，可以同理擴(kuò)展到結(jié)焦?fàn)顟B(tài)的預(yù)測。