基于監測CO的鍋爐燃燒在線控制系統優化

王 立， 王燕晉， 康靜秋， 宋洪鵬， 周新洋

(1. 華北電力科學研究院(西安)有限公司， 西安 710065；2. 華北電力科學研究院有限責任公司， 北京 100045)

當前我國電站鍋爐運行面臨節能降耗和環保減排兩大任務,在線完成電站鍋爐的燃燒優化調整尤為重要。有研究表明，爐內燃燒配風控制是對運行鍋爐提升熱效率最為有效的方式[1]。基于監測CO的鍋爐風量運行優化已經廣泛應用于國外機組[2]，相比基于監測O2的風量修正系統具有靈敏度高、受漏風影響小、修正參考量精確、能反映爐內局部缺風等優勢，對監測和控制過程有益。

1 機組概況

某電廠1號鍋爐開展基于監測 CO的鍋爐燃燒配風控制系統優化。鍋爐為SG-2084/25.4-M979型2 084 t/h超臨界參數變壓螺旋管圈直流爐。通過準確的CO排放在線監測技術，發現該運行機組尾部煙道煙氣中 CO排放質量濃度波動較大，特別是運行煤種變化頻繁或煤量調節頻繁時，CO監測數據波動尤其明顯。僅依靠排煙O2體積分數監測已不能完全反映爐內燃燒情況，筆者利用CO排放質量濃度來調整優化鍋爐運行風量，總結一套可靠有效的控制策略，達到提高鍋爐運行安全性和經濟性的目的。

2 燃燒配風

過量空氣系數α是決定燃燒和燃盡程度的關鍵[3]。如果α過大，鍋爐排煙熱損失將增加，NOx排放量也將增加，但CO排放質量濃度會明顯下降；反之，α過小，鍋爐燃燒惡化，CO排放質量濃度明顯上升，不完全燃燒熱損失將會增大。因此，α存在一個最佳區域(見圖1工況2區域附近)，鍋爐效率最高。

圖1 爐內O2體積分數與CO質量濃度的關系

在圖1中：工況1為燃燒系統存在局部缺風；工況2為推薦氧量控制點；工況3為富氧燃燒，鍋爐熱損失偏大；工況4為煙道漏風量大。

該燃煤機組對風量的控制采用O2修正風煤比的常規策略。由于O2測量對于燃燒反映的滯后性和測量精度低等缺陷，導致鍋爐燃燒的風煤比實際配量并不合適。反映在低負荷階段風量較大，風機電耗增加，NOx排放量較高，排煙損失升高；高負荷階段機組進行自動發電控制(AGC)或協調變負荷動作時，燃料變化迅速，風量補給不及時，導致燃燒局部缺氧，CO 排放質量濃度顯著升高，未燃盡損失增加，鍋爐效率降低(見圖2)。

圖2 試驗前期數據趨勢分析

因此，該鍋爐效率降低的主要原因是：爐內風煤比修正設定不當和動態風量配量不合理，分別導致排煙熱損失和不完全燃燒熱損失升高。通過準確的CO排放監測技術，優化控制策略，可及時在線調整鍋爐運行風量。

3 燃燒調整測試

3.1 熱態試驗

檢查機組現有模擬量控制系統控制策略，主要包括風量控制、氧量控制和二次風控制。磨煤機出力正常、煤粉細度合理，監測磨煤機出口一次風管道風速表，保證磨煤機出口一次風管道風量基本平衡。機組申請退出AGC系統，退出協調控制，燃料開環，保持機組負荷穩定，退出二次風的爐膛壓差自動，風量控制在自動，記錄CO排放質量濃度。采集計算相對鍋爐效率的基本數據，完成相對鍋爐效率計算分析。

由于CO測量對于α的敏感性不同，當α較低時CO排放質量濃度變化較快，當α較高時CO排放質量濃度變化非常緩慢。CO排放質量濃度變化趨勢基本類似不完全燃燒熱損失趨勢，欠氧燃燒時陡增，富氧燃燒時趨于平緩(見圖1)。找到試驗機組的CO排放質量濃度突變靈敏區，即基本找到低過氧風量配量，驗證試驗趨勢同樣反映出CO排放質量濃度突變靈敏區基本靠近了整體燃燒配風的最佳區域(見圖2)。因此，驗證并確定機組CO排放質量濃度靈敏區域成為機組配風總量的一個重要參考指標，當過氧燃燒時降低配風量，當低氧量燃燒時增大配風量。為保障燃燒安全，通過現場數據分析，該機組屬于富氧燃燒配風，具有一定的代表性。保持機組負荷燃料穩定，調配風量，控制機組CO排放質量濃度在40～60 mg/m3。依次選擇增加或減小二次風量60～150 t/h，記錄CO變化質量濃度、脫硝入口處NOx變化質量濃度、O2變化體積分數，當CO監測質量濃度較低時，梯度降低50 t/h風量，每次風量減少后觀察5 min，直到出現CO質量濃度突變。降風量過程中若O2體積分數較低(<2.5%)，適當開啟分隔燃盡風(SOFA)風門補償氧量，記錄CO變化質量濃度、入口修正后NOx變化質量濃度、O2變化體積分數，以及計算鍋爐效率所需要的相關數據。若初始CO監測質量濃度較高，則依據上述步驟，梯度加載50 t/h風量，直到CO排放質量濃度降至60 mg/m3內，記錄相關參數。

3.2 數據分析

該試驗鍋爐在不同工況下試驗運行參數見表1。機組負荷不變，隨著風量的增加，排煙O2體積分數呈現逐漸增大的趨勢，飛灰可燃物和CO排放質量濃度則都呈現逐漸減小的趨勢，而風機電耗明顯升高，計算出的鍋爐相對效率在CO排放質量濃度高于 80 mg/m3時都是隨風量增大呈逐漸升高的趨勢。380 MW 負荷(低負荷區)時，CO排放質量濃度較低(40 mg/m3左右)，降低同樣幅度的風量時，CO排放質量濃度雖有升高趨勢，但幅度較小，此時的CO排放一直保持較低的水平，即在低CO區段，降低風量，風機電流雖減小明顯，而飛灰含C量和CO排放質量濃度均沒有明顯成比例上升。因此要保持CO排放質量濃度在一定范圍內，各負荷區風煤量并非成定比關系。通過參考CO排放質量濃度，可進一步精確定量各負荷下O2體積分數需求，優化后的煙氣O2體積分數集中在3.2%～5.5%。可見通過合理優化控制爐內風煤曲線，可以有效控制鍋爐CO排放和爐內過氧量處于合理水平，保證鍋爐較高的熱效率。

表1 變風量試驗參數

每當升負荷時，協調控制系統加載燃料前饋，超調8～15 t/h燃料量，此時風量指令并未進行同步增加，因此出現CO排放質量濃度大幅度增大現象。為避免該現象出現，就要對風量指令進行必要處理，需要在燃料前饋動作時同比增大風量調節強度，完成升降負荷時的動態配風優化。反之同理可知，該機組燃料超調強度不宜超過10 t/h，優化燃料控制邏輯，限定燃料前饋量在一定范圍內。

空氣預熱器入口A側、B側CO監測質量濃度與濕法煙氣脫硫(FGD)處CO監測質量濃度同步參考，僅出現2 min的純滯后。A側、B側采集的數據之間也略有差異，但趨勢趨同。

4 控制策略優化

該電廠1號鍋爐在空氣預熱器入口加裝了CO測點，結合尾部煙道FGD處CO測點，對鍋爐燃燒控制系統進行邏輯參數優化，包括各臺磨煤機一次風量對應關系、風量對燃料量交叉限制、SOFA開度尋優、風量指令動態處理、鍋爐負荷與總風量對應曲線配置、CO對風量的閉環修正等項目(見圖3)。整體控制策略見圖4。

圖3 鍋爐燃燒控制策略優化程序圖

圖4 基于監測CO的燃燒控制策略

4.1 風煤曲線優化

風煤曲線是穩定工況下的燃料和總風量配量關系。試驗保持煤質穩定，制粉系統工況穩定。依據試驗數據，將CO排放質量濃度控制在40～60 mg/m3，O2體積分數、NOx質量濃度控制在合理范圍內且工況穩定。在50%～100%發電機額定功率重新定義風量配量(見圖5)。優化過后的風量較前值在低負荷區略有升高，高負荷區風量設定值略有下降。意味著高負荷段原有風量配量較大，O2體積分數較高，排煙損失較大，風機電耗較大。新優化后的風量定值在降低排煙損失、降低廠用電耗的基礎上，依然保證了未完全燃燒損失在一定范圍內。

圖5 風量優化對比

4.2 O2配置曲線優化

負荷越高，需要的氧量越低，實際試驗當O2體積分數降至3.2%以下時，受漏風率等因素的影響，其測量數值變化呈現較強的非線性，變化趨緩。而 CO排放質量濃度的設定值和負荷無關，高負荷和低負荷時的設定值幾乎不變。將CO排放質量濃度控制在40～60 mg/m3，記錄各負荷段O2體積分數定值，優化O2體積分數設定曲線,f(x1)=(0，300，330，600，660；6，5.5，5.5，3.4，3.2)。保留優化前O2體積分數對風量的修正控制回路，修正強度為當前風量的0.8～1.2倍。

4.3 風煤動態配量優化

增加主蒸汽流量對風量的保護回路。試驗時同樣記錄各穩定工況主蒸汽流量與風量關系，記錄曲線，并將該曲線的風量設定值統一降低200 t/h，作為動態風量保護低限。調用該信號與風煤曲線設計值選大作為最終的實際風量設定值，確保該負荷下燃燒所需的最低風量。

4.4 CO排放質量濃度對風量的修正

利用CO排放質量濃度靈敏度高、受漏風影響小、能反映爐內局部缺風、受負荷及煤質變化影響小等優點，設計策略讓CO參與風量指令修正。在風量控制回路之上，設計基于CO的O2校正控制策略，測試CO監測質量濃度與燃燒惡化的傳遞時間(三階慣性)，構建CO對于O2體積分數的需求模型f(x2)，利用該模型模糊控制校正O2設定曲線，綜合動態修正模塊和風量交叉限制，最終在線校正風煤配量曲線。CO 排放質量濃度控制的調節死區設定為40～60 mg/m3。

系統測量的CO排放質量濃度實質是燃燒工況1～2 min前的燃燒反映。若燃燒惡化工況持續發生，即CO排放質量濃度超出優控范圍(40～60 mg/m3)時，并不說明當前風煤配量不合理，而是一定時間前燃燒惡化的反映。因此有必要記錄CO排放質量濃度，實時計算前15 min內CO排放質量濃度均值，當其出現較長的時間(>3 min)的偏差，才能確定是風煤匹配不合適造成燃燒惡化，利用CO排放質量濃度進行的風量修正。因此對參控的CO排放質量濃度測量值進行在線均值計算和三階慣性處理，防止該修正回路調節過于靈敏而造成燃燒系統配風振蕩。

4.5 一次風量的修正和風煤交叉限制

若磨煤機一次風量與燃料配量不合適，同樣會造成未完全燃燒損失加大。在各負荷點的穩定工況下，保持穩定的一次風壓頭，對單臺磨煤機的一次風量進行定量試驗。

燃燒優化還要加強燃料管理，在保證協調控制調節品質的同時，保持燃燒高效。參考CO排放質量濃度，重新調節鍋爐主控中的燃料加載速度和前饋強度，對于快速增減燃料必須輔以必要的風量，否則燃燒效率將大大降低。試驗證明，機組變負荷時燃料前饋較大，應對其做必要的限定，增減負荷時，該機組燃料超前調節不宜大于12 t/h，否則易于出現CO排放質量濃度突升。

5 結果與分析

該機組構建的在線優化模塊與算法均可在機組分布式控制系統(DCS)內部構建，實現便捷，管理維護簡單。在優化試驗后，整體CO排放質量濃度控制在40～60 mg/m3，啟停磨煤機工況或在高負荷工況時，偶爾出現小于200 mg/m3的波動，通過風量迅速調整，持續2～5 min而后恢復到合理范圍內。當負荷處于變負荷工況時，優控系統投入前后調控效果對比明顯，CO排放質量濃度有效控制在一定范圍內(見圖6)。

圖6 優化前后對比趨勢

需要指出的是燃燒優化對于AGC二項細則考核有著較為明顯的影響，O2體積分數、風量和燃料量的配量優化使鍋爐熱負荷增減更為高效和線性化，有利于主蒸汽壓力控制，幫助改善考核細則中負荷調節速率測評和負荷靜態偏差指標；燃燒優化中動態配風邏輯很好地匹配了燃料的超調量，在線實現了升負荷優先加風，降負荷滯后減風的理論配風邏輯改善了鍋爐負荷響應時間指標；設計的燃燒優化試驗也能測試當前煤質下鍋爐負荷最大升負荷率，從而限定燃料階躍加載幅值，保證了燃燒安全和效率。該電廠優化試驗于2016年3月底完成，AGC考核綜合系數K由1.2提升到2.8，效果明顯(見圖7)。

圖7 燃燒優化后的二項細則K趨勢

6 結語

(1) CO排放質量濃度變化對于鍋爐效率或煤耗影響顯著，CO排放質量濃度突變靈敏區對于在線燃燒優化有參考價值。

(2) 通過合理控制爐內風量，可以控制鍋爐CO排放處于合理水平，降低NOx排放量。

(3) 構建CO排放質量濃度對于風量的需求模型，合理處理CO排放質量濃度采樣信號，采用模糊校正氧量曲線，結合動態風煤校正模塊和風煤交叉限制的控制策略，完善基于監測CO 的鍋爐燃燒控制系統。試驗數據表明，該控制策略可以保證鍋爐運行安全穩定，有效提高鍋爐燃燒效率。