數(shù)據(jù)驅(qū)動型實時燃燒優(yōu)化控制架構(gòu)及應(yīng)用

吳坡，段松濤，張江南，賀勇，朱峰

(1.國網(wǎng)河南省電力公司電力科學(xué)研究院，河南 鄭州 450052；2.潤電能源科學(xué)技術(shù)有限公司，河南 鄭州 450052)

0 引言

隨著我國能源政策的調(diào)整和電力市場的競爭,能源結(jié)構(gòu)逐步優(yōu)化,需進一步強化對火電機組能效的提升和排放物的治理。因此，發(fā)電企業(yè)迫切需要降本增效，控制排放，以提高企業(yè)競爭力。為實現(xiàn)這些目標(biāo)，鍋爐燃燒技術(shù)優(yōu)化是一種可取的方案，其主要包括設(shè)備改造試驗、運行監(jiān)視指導(dǎo)、自動控制優(yōu)化3個層面：(1) 對燃燒器、風(fēng)門、受熱面等設(shè)備進行改造或試驗來實現(xiàn)鍋爐的燃燒調(diào)整[1—3]；(2) 在線檢測和監(jiān)視飛灰含碳量、火焰強度、溫度分布等鍋爐燃燒參數(shù)，指導(dǎo)運行人員調(diào)節(jié)鍋爐燃燒指令[4]；(3) 在分布式控制系統(tǒng)(distributed control system，DCS)基礎(chǔ)上，采用先進控制算法或人工智能技術(shù)來實現(xiàn)鍋爐的燃燒優(yōu)化控制[5—6]。

鍋爐燃燒調(diào)整試驗雖然可以對機組的個別設(shè)備和工況點進行大致優(yōu)化，但不能系統(tǒng)把控整體燃燒工況，且試驗條件(如長期穩(wěn)定極限負(fù)荷)往往很難滿足。而從控制層面優(yōu)化不需要對鍋爐設(shè)備進行任何改造，能夠充分利用鍋爐運行數(shù)據(jù)、燃燒試驗數(shù)據(jù)和原有DCS控制邏輯，結(jié)合鍋爐實時運行數(shù)據(jù)和先進控制算法對機組進行自動靈活調(diào)節(jié)，不但可以減少運行人員的頻繁操作，而且可以使機組在更寬負(fù)荷范圍內(nèi)安全、高效、環(huán)保運行，因而具有很大的研究價值和應(yīng)用潛力。

目前，DCS控制邏輯中往往通過調(diào)節(jié)一次風(fēng)門、二次風(fēng)門、送風(fēng)機葉片等設(shè)備的開度來實現(xiàn)磨出口溫度、送風(fēng)量、氧量等燃燒關(guān)鍵參數(shù)的閉環(huán)控制，其設(shè)定值根據(jù)鍋爐廠設(shè)計參數(shù)或鍋爐試驗參數(shù)確定，這些參數(shù)會隨著機組長期運行而改變。針對此缺點，雖然已經(jīng)存在少量鍋爐燃燒優(yōu)化控制系統(tǒng)，如NeuSIGHT、Power Perfecter、Ultramax、GNOCIS PLUS等，且近年來燃燒優(yōu)化先進控制技術(shù)的研究得到了長足發(fā)展，但這些成果主要關(guān)注鍋爐燃燒過程的建模和優(yōu)化，對鍋爐燃燒相關(guān)數(shù)據(jù)的利用程度不夠，軟件的可擴展性和適應(yīng)性不強[7—8]。

文中以鍋爐燃燒的歷史運行數(shù)據(jù)、燃燒試驗數(shù)據(jù)和實時運行數(shù)據(jù)為驅(qū)動，在DCS組態(tài)基礎(chǔ)上，綜合運用數(shù)據(jù)處理、數(shù)據(jù)挖掘、統(tǒng)計建模、智能優(yōu)化等技術(shù)，對鍋爐燃燒過程進行優(yōu)化控制，并應(yīng)用于燃煤電廠的實際生產(chǎn)過程，以提高電廠的經(jīng)濟性、靈活性和自動化水平。

1 燃燒優(yōu)化控制系統(tǒng)技術(shù)框架

燃燒優(yōu)化自動控制的技術(shù)框架如圖1所示。燃燒優(yōu)化系統(tǒng)與DCS之間進行雙向可靠通信，將從DCS歷史庫和實時庫中提取的相關(guān)運行數(shù)據(jù)和燃燒試驗數(shù)據(jù)作為數(shù)據(jù)源輸入到燃燒優(yōu)化系統(tǒng)；從燃燒優(yōu)化系統(tǒng)計算得到運行控制基準(zhǔn)值和實時控制增量輸出到DCS。

圖1 燃燒優(yōu)化控制總體技術(shù)框架示意Fig.1 Schematic diagram of overall framework for combustion optimization

從歷史運行數(shù)據(jù)出發(fā)，通過穩(wěn)態(tài)檢測技術(shù)得到鍋爐不同穩(wěn)定運行時刻的系列運行數(shù)據(jù)(如給煤量、風(fēng)門開度等)，同時與試驗測量參數(shù)(如燃煤發(fā)熱量、漏風(fēng)率等)一起計算得到對應(yīng)穩(wěn)定運行時刻的鍋爐效率。之后，對歷史數(shù)據(jù)集中的運行參數(shù)、鍋爐效率和試驗參數(shù)進行統(tǒng)計、人工智能等方法的訓(xùn)練，可以構(gòu)建得到鍋爐燃燒模型。另外，對由運行參數(shù)和鍋爐效率組成的數(shù)據(jù)集進行數(shù)據(jù)挖掘，得到各燃燒參數(shù)之間的關(guān)聯(lián)性、鍋爐燃燒運行模式和基于長期實際運行數(shù)據(jù)的基本運行參考曲線，作為自動燃燒優(yōu)化過程中的運行控制基準(zhǔn)。

從實時運行數(shù)據(jù)出發(fā)，通過實時濾波和其他數(shù)據(jù)處理技術(shù)，可以剔除實時運行數(shù)據(jù)的跳變和頻繁波動，得到便于計算的可靠實時參數(shù)；同時，通過鍋爐效率在線計算方法得到實時鍋爐效率。然后，根據(jù)實時參數(shù)、實時鍋爐效率和鍋爐燃燒模型，采用尋優(yōu)算法進行實時控制參數(shù)優(yōu)化，得到實時控制增量并輸出到DCS，用于對機組運行過程中鍋爐的燃燒參數(shù)進行實時校正。

總體技術(shù)框架中的主要技術(shù)模塊有數(shù)據(jù)處理、鍋爐效率計算、運行數(shù)據(jù)挖掘、建模及優(yōu)化等。首先，處于穩(wěn)態(tài)工況下的各參數(shù)間才具有較強的狀態(tài)關(guān)聯(lián)性，基于時間序列數(shù)據(jù)的穩(wěn)態(tài)檢測模塊對形成有效數(shù)據(jù)集十分必要。其次，在應(yīng)用實時運行數(shù)據(jù)進行參數(shù)優(yōu)化和數(shù)據(jù)分析前，需要采用濾波模塊對不同波動幅度和波動時間的參數(shù)進行實時處理。其三，鍋爐效率計算模塊為了得到主要評價指標(biāo)，須兼顧算法的有效性和輸入?yún)?shù)的可獲取性。其四，在剔除離群數(shù)據(jù)和無效數(shù)據(jù)的基礎(chǔ)上，通過數(shù)據(jù)挖掘模塊可以得到各變量間的特征，為運行控制基準(zhǔn)提供依據(jù)。其五，燃燒建模得到燃燒輸入變量與輸出變量之間的關(guān)系，需解決小樣本、非線性和高維等問題，優(yōu)化模塊須兼顧快速性和有效性特征。最后，為使機組安全運行，須保證通信可靠，也要注意控制投切條件和限制。

2 燃燒優(yōu)化控制系統(tǒng)主要技術(shù)

2.1 數(shù)據(jù)處理

已有的穩(wěn)態(tài)檢測方法主要可分為3類：基于統(tǒng)計理論、基于趨勢提取和基于機理分析[9]。作為基于趨勢提取的方法之一，基于分段曲線擬合可以被用于機組工況穩(wěn)定狀態(tài)的有效檢測。首先，將歷史數(shù)據(jù)按點數(shù)進行有重疊地分段，在各分段內(nèi)進行低次多項式的最小二乘法擬合，得到各分段的擬合曲線；其次，對各分段間的重疊部分進行加權(quán)平滑處理，以得到連續(xù)的擬合信號f(t)；同樣按加權(quán)方法計算得到各采樣時刻的一階導(dǎo)數(shù)f′(t)和二階導(dǎo)數(shù)f″(t)。一種穩(wěn)態(tài)判斷條件如下：

|f′(t)|<σ1

(1)

|f″(t)|<σ2

(2)

式中：σ1，σ2分別為歷史穩(wěn)態(tài)數(shù)據(jù)基準(zhǔn)經(jīng)擬合后得到的一階導(dǎo)數(shù)方差和二階導(dǎo)數(shù)方差。

按波動幅度可將濾波算法分為2類：對克服大脈沖干擾有效的方法主要有限幅濾波法、中值濾波法，可采用這類方法對燃燒過程中的CO排放量數(shù)據(jù)進行濾波；對抑制小幅度高頻噪聲較好的方法主要有算術(shù)平均法、滑動平均法、加權(quán)滑動平均法、一階滯后法等，可采用這類方法對運行中的功率、氧量等數(shù)據(jù)進行濾波。

2.2 鍋爐效率計算

考慮在線計算參數(shù)的可獲取性和有效性，采用熱損失法在線計算鍋爐效率[10]。簡化計算如下：

η=100-q2-q3-q4-q5-q6

(3)

q2=(k1+k2αpy)(tpy-tref)/100

(4)

q3=k3Φ(CO)/Qnet,ar

(5)

(6)

q5=qeDed/D

(7)

(8)

αpy=21/[21-Φ(O2)]

(9)

式中：η為鍋爐效率；q2為排煙熱損失；q3為化學(xué)未完全燃燒熱損失；q4為機械未完全燃燒熱損失；q5為鍋爐散熱損失；q6為灰渣物理熱損失；k1，k2均為系數(shù)，對于煙煤和無煙煤，k1=0.4，k2=3.55，對于褐煤，k1=1.0，k2=3.7；αpy為排煙過量空氣系數(shù)；tpy為排煙溫度；tref為環(huán)境參考溫度；k3為系數(shù)；Φ(CO)為CO的排放質(zhì)量分?jǐn)?shù)，mg/m3；Qnet,ar為燃煤應(yīng)用基低位發(fā)熱量，kJ/kg；Asd為收到基灰分；αfh，αlz分別為飛灰和爐渣量占入爐總灰量的份額；Cfh,c，Clz,c分別為飛灰含碳量和爐渣含碳量；qe為鍋爐額定負(fù)荷下的散熱損失；Ded為鍋爐額定負(fù)荷；D為鍋爐實際負(fù)荷，t/h；cfh，clz分別為飛灰比熱容和爐渣比熱容；tlz為爐膛排出的爐渣溫度；Φ(O2)為排煙氧量。

上述公式可同時用于計算歷史鍋爐效率和實時鍋爐效率。首先，在計算實時鍋爐效率時，可從DCS實時獲取的數(shù)據(jù)變量主要有氧量、排煙溫度、鍋爐實際負(fù)荷等，計算前，需要采集多路冗余數(shù)據(jù)并進行質(zhì)量判斷和擇優(yōu)處理。其次，需要人工輸入一些經(jīng)驗參數(shù)或離線檢測結(jié)果，諸如燃料低位發(fā)熱量、收到基灰分等，這些參數(shù)可以基于鍋爐燃燒運行數(shù)據(jù)和歷史試驗數(shù)據(jù)進行匹配輸入。另外，可以通過軟測量方法來獲取效率計算公式中難以從DCS實時測量的參數(shù)[11—12]，如飛灰含碳量。

當(dāng)DCS直接測量的氧量為省煤器出口氧量時，基于鍋爐試驗中得到的不同負(fù)荷工況下空預(yù)器漏風(fēng)率數(shù)據(jù)，通過下式校正排煙氧量：

(10)

式中：Rky為空預(yù)器漏風(fēng)率，%；Φeco(O2)為省煤器出口氧量，%。

2.3 運行數(shù)據(jù)挖掘

在得到鍋爐效率、NOx排放、風(fēng)機功耗等參數(shù)隨著負(fù)荷的增加所呈現(xiàn)的變化關(guān)系后，沿鍋爐效率關(guān)系圖中數(shù)據(jù)點的上包絡(luò)線可以得到不同負(fù)荷工況下的最高鍋爐效率，沿排放關(guān)系圖中數(shù)據(jù)點的下包絡(luò)線可以得到不同負(fù)荷工況下的最低排放量，進而可以確定運行最優(yōu)的數(shù)據(jù)點，這些數(shù)據(jù)點所在時刻的各狀態(tài)數(shù)據(jù)即為燃燒優(yōu)化狀態(tài)基準(zhǔn)。

另外，通過改進最小二乘法、極大似然法等方法從歷史數(shù)據(jù)中辨識出鍋爐的特征運行狀態(tài)和燃用煤種信息，可以指導(dǎo)鍋爐燃燒過程在線調(diào)整[13]。其一，通過關(guān)聯(lián)負(fù)荷、主汽壓力、爐膛溫度、排煙溫度、給煤機出口溫度、計算煤耗等數(shù)據(jù)，可以將鍋爐燃用煤辨識為幾種特征模型，以此修正給煤量、一次風(fēng)量、磨出口溫度等可調(diào)量。其二，通過鍋爐運行主要參數(shù)(如負(fù)荷、主汽壓力)，可以判斷啟、停磨煤機的時機和高、低負(fù)荷的燃燒穩(wěn)定性，進而調(diào)整燃燒優(yōu)化參數(shù)和限值。其三，結(jié)合鍋爐運行狀態(tài)(如風(fēng)壓)，通過分析各大風(fēng)機的功率損耗和空預(yù)器進出口差壓，可以分別判斷各大風(fēng)機的運行狀態(tài)和空預(yù)器堵塞情況。

2.4 燃燒建模和優(yōu)化

由于鍋爐燃燒是一個多變量、強耦合、非線性、多干擾的復(fù)雜過程，不宜用常規(guī)的數(shù)學(xué)模型(如代數(shù)方程、傳遞函數(shù))來表征[14—17]，往往采用模糊算法、人工神經(jīng)網(wǎng)絡(luò)、支持向量機等建模方法。相較而言，支持向量機在解決小樣本、非線性和高維模式識別問題中表現(xiàn)出許多特有的優(yōu)勢，且能有效克服欠學(xué)習(xí)、過學(xué)習(xí)和局部極小缺陷；最小二乘支持向量機(least squares support vector machine，LSSVM)又通過不等式約束轉(zhuǎn)化方式降低了求解復(fù)雜性。LSSVM建模方法如下：

(11)

(12)

(13)

由于鍋爐的結(jié)構(gòu)特性、運行狀態(tài)逐漸變化，不僅要對燃燒模型定期調(diào)整，也要對可調(diào)變量的設(shè)定值不斷優(yōu)化。傳統(tǒng)的優(yōu)化算法(如牛頓法、梯度法)無法解決有些強約束、多極值、多目標(biāo)的鍋爐燃燒優(yōu)化問題，而需要采用蟻群算法、遺傳算法、粒子群(particle swarm optimization，PSO)算法等[18—21]。其中PSO算法模仿鳥群飛行覓食行為，通過更新位置和速度實現(xiàn)全局尋優(yōu)，可調(diào)參數(shù)少，受維數(shù)影響小，算法易實現(xiàn)且效率高。可采用慣性因子修正方法避免傳統(tǒng)PSO算法存在的局部最優(yōu)、后期振蕩等缺陷。一種改進的PSO算法如下：

vij(t+1)=ω(t)vij(t)+c1r1[Pij(t)-zij(t)]+
c2r2[Pgj(t)-zij(t)]

(14)

zij(t+1)=zij(t)+vij(t+1)

(15)

(16)

式中：vij(t)，zij(t)分別為t代時粒子i的第j維速度分量和位置分量；c1，c2均為加速因子；r1，r2均為區(qū)間[0,1]內(nèi)均勻分布的隨機數(shù)；Pij(t)，Pgj(t) 分別為直到t代時粒子i和整個粒子群的最優(yōu)位置的第j維分量；ω(t)，ωmax，ωmin分別為t代時的慣性因子、慣性因子最大值和最小值；tmax為最大迭代次數(shù)。

2.5 安全性措施

在實際應(yīng)用過程中，需保證燃燒優(yōu)化系統(tǒng)與DCS之間通信的可靠性和及時性，也要保證實時控制的不間斷性和靈活性[22]。

投入燃燒優(yōu)化系統(tǒng)的前提應(yīng)至少包括：電源正常、通信信號正常、被調(diào)量在自動狀態(tài)、被調(diào)設(shè)備無故障、負(fù)荷高于穩(wěn)燃條件(如高于滿負(fù)荷的50%)、未發(fā)生RUN BACK事件、畫面上選擇“投入”。當(dāng)上述任一條件不滿足，將自動退出燃燒優(yōu)化系統(tǒng)。其中通信信號異常的判斷條件可以包括：0/1“心跳”信號停止時間足夠長、應(yīng)該持續(xù)變化的信號保持時間足夠長、系統(tǒng)硬件故障信號等。當(dāng)系統(tǒng)間通信出現(xiàn)異常時，需要先保持從燃燒優(yōu)化系統(tǒng)到DCS的信號，以免將DCS中的關(guān)鍵指令誤置為零，圖2以風(fēng)門開度指令為例示意了信號保持邏輯。

圖2 通信異常時DCS中風(fēng)門開度指令保持邏輯Fig.2 Logic diagram of damper command in DCS during abnormal communication

另外，燃燒優(yōu)化系統(tǒng)在實時控制過程中，應(yīng)能實現(xiàn)投入、退出的無擾切換，即在切換瞬間不能發(fā)生控制指令的跳變，這一方面需要保證上述系統(tǒng)間信號的不間斷性，另一方面要采用手動指令和自動指令相互跟蹤的邏輯控制方式。其次，在DCS的控制邏輯中要對從燃燒優(yōu)化系統(tǒng)輸入的指令信號進行增量幅度限制和變化速率限制，以防止控制不當(dāng)導(dǎo)致的燃燒失穩(wěn)風(fēng)險。為了實現(xiàn)燃燒優(yōu)化的靈活性，一方面增加運行人員的手動可操作范圍，可以進行手動與自動切換、手動偏置指令、可調(diào)量偏置設(shè)定、限制條件更改等；另一方面，根據(jù)鍋爐特征運行狀態(tài)進行靈活自動控制，在負(fù)荷穩(wěn)定狀態(tài)中合理設(shè)置風(fēng)門指令動作死區(qū)，以避免頻繁操作且保持燃燒過程控制的穩(wěn)定性，而在負(fù)荷大幅變化過程中動態(tài)響應(yīng)速度要快。

3 燃燒優(yōu)化控制系統(tǒng)應(yīng)用實例

3.1 系統(tǒng)應(yīng)用前機組控制

某660 MW燃煤機組鍋爐燃燒系統(tǒng)為前后墻對沖燃燒方式，前、后墻各分3層布置12只低氮燃燒器；在前、后墻最上層共相向布置有12只燃盡風(fēng)噴口。制粉系統(tǒng)設(shè)計為6臺中速磨，每臺磨對應(yīng)前墻或后墻的一層燃燒器。原DCS中主要燃燒控制原理為：(1) 鍋爐主控指令經(jīng)風(fēng)煤交叉限制后作為燃料量的指令信號，各層給煤機通過改變轉(zhuǎn)速調(diào)節(jié)給煤量；(2) 通過改變2臺一次風(fēng)機的動葉開度調(diào)節(jié)一次風(fēng)壓；(3) 通過改變各磨熱風(fēng)擋板開度調(diào)節(jié)磨入口一次風(fēng)量；(4) 通過改變各磨冷風(fēng)擋板開度調(diào)節(jié)磨出口溫度，磨出口溫度調(diào)節(jié)采用串級調(diào)節(jié)方式，主調(diào)節(jié)器控制磨出口溫度，串級調(diào)節(jié)器控制磨入口溫度；(5) 通過改變2臺送風(fēng)機的動葉調(diào)節(jié)二次風(fēng)壓，氧量偏差信號經(jīng)氧量校正調(diào)節(jié)器運算產(chǎn)生二次風(fēng)壓校正系數(shù)；(6) 通過改變?nèi)紶a風(fēng)擋板開度調(diào)節(jié)燃燼風(fēng)量；(7) 通過改變2臺引風(fēng)機的靜葉調(diào)節(jié)爐膛壓力。

3.2 系統(tǒng)應(yīng)用技術(shù)特點

依據(jù)上述燃燒優(yōu)化控制架構(gòu)，在該電廠外置獨立的控制器，通過可靠方式與DCS進行數(shù)據(jù)通信，以實現(xiàn)燃燒優(yōu)化控制功能。

采用分段曲線擬合法進行時間序列歷史數(shù)據(jù)的穩(wěn)態(tài)檢測，能有效克服數(shù)據(jù)噪聲影響；在用DCS采集的氧量、功率等參數(shù)進行計算前，采用不同時間尺度的滑動均值法進行濾波處理。

采用上述鍋爐效率公式在線計算效率，計算所用的排煙氧量為經(jīng)過空預(yù)器漏風(fēng)率校正的氧量值。灰渣含碳量暫時基于從DCS界面輸入的定期試驗檢測結(jié)果，并隨著煤質(zhì)的變化而稍作修正，后期采用含碳量在線檢測裝置將使結(jié)果更加準(zhǔn)確。煤質(zhì)參數(shù)基于煤質(zhì)辨識模塊：首先將近兩年的所有煤質(zhì)化驗數(shù)據(jù)進行統(tǒng)計，通過關(guān)聯(lián)分析挖掘出受煤質(zhì)影響的主要運行參數(shù)(如負(fù)荷、主汽溫、主汽壓、主汽流量、爐膛溫度、排煙溫度等)，將煤質(zhì)劃分為十余種樣本，并基于樣本集建立煤質(zhì)辨識模塊。在運行過程中，若辨識出的煤質(zhì)參數(shù)與某樣本中的參數(shù)相近，系統(tǒng)就自動將樣本中的煤質(zhì)參數(shù)輸入到效率計算公式中；若辨識出的煤質(zhì)參數(shù)與各樣本中的參數(shù)都相差太大，系統(tǒng)會選擇與之最接近的樣本煤質(zhì)參數(shù)輸入效率計算公式，并發(fā)出新型煤樣告警，提醒運行人員確認(rèn)，當(dāng)確認(rèn)所有樣本參數(shù)與新的測試報告不符時，需人工將測試報告中的參數(shù)輸入系統(tǒng)，系統(tǒng)自動更新樣本集。

依據(jù)各負(fù)荷工況下歷史最高效率數(shù)據(jù)點，得到燃燒優(yōu)化基準(zhǔn)曲線。運行過程中部分參數(shù)間的關(guān)聯(lián)信息如圖3、圖4所示。圖3中，A、B、E、OFA分別表示底層、中層、上層、燃盡風(fēng)層風(fēng)門開度。由圖可見，隨著負(fù)荷增加，各層風(fēng)門開度都有增大的趨勢。從同一負(fù)荷工況下各層風(fēng)門開度的對比可知，底層風(fēng)門開度最高，在負(fù)荷高于350 MW時接近100%狀態(tài)；中層風(fēng)門開度較小，多數(shù)在10%～60%；上層風(fēng)門開度最小，在負(fù)荷低于400 MW時為0，這與相應(yīng)給煤機啟動時的負(fù)荷相符。燃盡風(fēng)門開度保持在20%～60%，且隨負(fù)荷變化有不明顯的正相關(guān)變化趨勢。總體上，爐膛中呈“縮腰型”配風(fēng)方式。從圖4可以看出，隨著負(fù)荷的增加，氧量呈下降趨勢，且下降幅度由大轉(zhuǎn)小，在負(fù)荷高于500 MW后在一定范圍內(nèi)(3%～4%)保持平穩(wěn)。

圖3 各層二次(燃盡)風(fēng)門開度與負(fù)荷的關(guān)系Fig.3 Diagram of correlation between damper states and load

圖4 氧量與負(fù)荷的關(guān)系Fig.4 Diagram of correlation between oxygen concentration and load

在對比了幾種建模方法的基礎(chǔ)上，采用以徑向基函數(shù)為核函數(shù)的LSSVM方法進行建模。模型輸入變量包括機組負(fù)荷、燃料灰分、燃料揮發(fā)分、低位發(fā)熱量、環(huán)境溫度、氧量、一次風(fēng)壓、各二次風(fēng)門開度、各燃盡風(fēng)門開度等，模型輸出變量為鍋爐效率、脫硝入口NOx質(zhì)量分?jǐn)?shù)、風(fēng)機總功率。利用長期積累的歷史穩(wěn)態(tài)數(shù)據(jù)集，可不定期進行模型的自適應(yīng)訓(xùn)練和更新。

在進行運行參數(shù)優(yōu)化時，依據(jù)目標(biāo)函數(shù)中權(quán)重的大小將鍋爐效率作為主要優(yōu)化目標(biāo)，NOx排放和風(fēng)機功耗作為次要優(yōu)化目標(biāo)。優(yōu)化算法基于改進PSO算法，隨著迭代次數(shù)的增加對速率慣性權(quán)重(0.4～0.9)進行二次型遞減處理，局部加速因子(從大到小)和全局加速因子(從小到大)的線性變化區(qū)間為(0.5,2.5)，粒子的初始位置基于Logistic映射對應(yīng)的混沌序列。對優(yōu)化得到的實時控制增量進行限幅處理，限幅范圍隨著實時功率的增加而擴大。

圖5為燃燒優(yōu)化控制的主界面，在畫面中按照爐膛內(nèi)的布局顯示了各二次風(fēng)門開度及其對應(yīng)的給煤量、風(fēng)量等參數(shù)。在畫面上方，一方面顯示了氧量、鍋爐效率、脫硝出/入口NOx質(zhì)量分?jǐn)?shù)、CO排放質(zhì)量分?jǐn)?shù)的優(yōu)化目標(biāo)值和實際值，以供運行人員參考；另一方面顯示了風(fēng)量、煤耗、風(fēng)機功耗等鍋爐燃燒主要參數(shù)，以實時反映鍋爐燃燒運行狀態(tài)。另外，在畫面中可以點擊 “輸入輸出”、“參數(shù)配置”、“優(yōu)化曲線”各層風(fēng)門圖標(biāo)和優(yōu)化按鈕等動態(tài)圖例，以進入具體的操作面板或畫面。

圖5 燃燒優(yōu)化控制主界面Fig.5 Main interface of combustion optimization system

3.3 系統(tǒng)應(yīng)用前后對比

經(jīng)過現(xiàn)場實施和調(diào)試后，該燃燒優(yōu)化系統(tǒng)已在電廠運行近一年。運行過程中能夠?qū)崟r為氧量、二次風(fēng)門開度、燃盡風(fēng)門開度等可調(diào)量提供優(yōu)化后的目標(biāo)值，為煤耗、功耗、空預(yù)器堵塞、污染物排放等鍋爐運行狀態(tài)提供監(jiān)控和深度分析的平臺，且各二次風(fēng)門和燃盡風(fēng)門在正常運行工況下可投入燃燒優(yōu)化自動控制狀態(tài)。燃燒優(yōu)化前后鍋爐效率對比見圖6，可見在不同負(fù)荷工況下，鍋爐效率較系統(tǒng)應(yīng)用前的平均水平升高了近0.4%，且脫硝入口NOx和其他成本指標(biāo)都控制在較低的范圍內(nèi)。

圖6 燃燒優(yōu)化前后的鍋爐效率對比Fig.6 Boiler efficiencies before and after combustion optimization

為了驗證系統(tǒng)應(yīng)用效果，選取3個不同工況，在系統(tǒng)應(yīng)用前后開展了鍋爐燃燒性能試驗，對比結(jié)果如表1所示。

表1 優(yōu)化前后3種工況下試驗結(jié)果及計算結(jié)果對比表Table 1 Comparison of test and calculation results under three working conditions before and after optimization

試驗鍋爐效率和計算鍋爐效率的誤差小于0.15%，可見文中在線效率計算的準(zhǔn)確性。從優(yōu)化前后的變量對比來看，風(fēng)門開度、總?cè)剂狭可杂形⒄{(diào)，氧量、總風(fēng)量可適當(dāng)減小；化學(xué)未完全燃燒損失稍有提升，排煙損失和灰渣熱損失普遍減小；同時實現(xiàn)了鍋爐效率提升和NOx減小。

為安全起見，在機組的一些特殊工況下(如接近穩(wěn)燃負(fù)荷、磨煤機檢修等)切為手動控制，上述方法計算得到的指令僅作為參考值，因為文中控制架構(gòu)只是基于常規(guī)運行工況下的數(shù)據(jù)。因此當(dāng)特殊工況數(shù)據(jù)充足時，可以進一步擴大自動控制的范圍。

4 結(jié)語

基于穩(wěn)態(tài)檢測、效率在線計算、非線性建模、智能優(yōu)化等技術(shù)，提出了以鍋爐歷史運行數(shù)據(jù)和實時運行數(shù)據(jù)為出發(fā)點、以輸入到DCS進行靈活可靠控制的運行控制基準(zhǔn)和實時控制增量指令為落腳點的燃燒優(yōu)化控制系統(tǒng)架構(gòu)，并將其應(yīng)用于實際燃煤電廠，實現(xiàn)了鍋爐燃燒的在線優(yōu)化、二次風(fēng)門的自動控制和燃燒狀態(tài)的實時監(jiān)控與分析。文中系統(tǒng)架構(gòu)和應(yīng)用實踐可為不同爐型、不同燃燒方式、不同DCS的燃燒優(yōu)化自動控制研究和應(yīng)用提供參考。