水冷壁多維度監測系統在超臨界機組的應用研究

呂向東，張興龍，張美君，徐希玉，閆超，任學佳

（1.華電國際電力股份有限公司十里泉發電廠，山東 棗莊 277103；2.中科軟科技股份有限公司，北京 100080）

1 研究背景

隨著“3060”國家戰略的提出，燃煤火電機組日益肩負起調峰和保障基礎電源的任務。然而，機組同時面臨著煤質變化、電力調峰靈活響應和運行小時數降低等多重挑戰，使得超臨界火力發電機組的運行偏離設計工況已成為常態。

尤其是近年來隨著煤炭價格的迅速攀升，電廠為保持經濟性不得不頻繁更換煤種，非常容易導致鍋爐水冷壁出現沾污和結渣問題，而對機組的快速響應和低負荷穩燃等要求，則會造成鍋爐水冷壁出現應力疲勞和傳熱不均等問題；以上問題容易導致水冷壁出現安全事故或降低傳熱效率，從而影響機組出力。為此，需要開發對水冷壁溫度、熱流密度、積灰結渣的多維度變量在線監測手段，以保證鍋爐受熱面能夠高效安全地運行。

十里泉電廠與中科軟、清華大學等企業和高校通過機理研究、技術開發結合現場應用等手段，提出了基于水冷壁背火側安裝熱流計結合歷史數據分析算法建立了一種爐膛水冷壁多維度監測系統，并進行了現場應用，取得了滿意的效果。

2 系統設計

本系統基于水冷壁背火側壁面溫差法測量熱流密度，并使用神經網絡算法對歷史測量數據及鍋爐運行數據進行結果分析。主要目標是研發基于熱流計測溫模塊的水冷壁多維度監測預警系統，通過建立CFD模擬方法及傳熱模型以降低數據分析誤差，利用實時運行數據及測量數據建立數據庫，利用大數據分析的相關算法提取水冷壁熱流監測的多維度參數，引入與專家模型相結合的機器學習模型，使系統具備智能監測和預警水冷壁運行狀態的能力。

水冷壁背火側壁面溫差法是一種間接測量熱流密度的方法。它可以利用水冷壁背火側相鄰兩個冷熱點溫度和電廠提供的運行數據來預測對應位置水冷壁向火側的渣層厚度、實際傳熱熱流密度、工質溫度和清潔因子等關鍵運行參數。而通過神經網絡算法則可以將大量不同位置的實時測量數據匯總分析，實現整體監測，并提前對水冷壁非健康狀態、灰渣嚴重沾污等問題進行預警。下面簡述其原理。

爐膛內部的燃料燃燒產生高溫火焰，通過輻射傳熱將熱量通過水冷壁傳遞給水冷壁管內流動的冷卻工質，根據一維傳熱的傅里葉定律，水冷壁特定位置相鄰高溫、低溫測點的溫差與穿過水冷壁的熱流密度成正比，因此可以通過測量此溫差間接得到熱流。

超臨界機組普遍采用膜式水冷壁，由管子和鰭片管組成，基于前人學者的研究可知，當穿過水冷壁管的熱流密度發生變化時，也會使得水冷壁背火側不同位置點溫度及溫差發生變化，研究表明，水冷壁背火側鰭片管中心點處的高溫測點與同一高度處位于水冷壁管背火側中心處的低溫測點之間的溫度差，也與水冷壁管的熱流密度密切相關，并且這一溫差與熱流密度近似呈線性函數關系。然而，該溫差也同時受到結渣厚度、水冷壁結構、管內工質溫度分布等多種因素的影響。通過對水冷壁開展二維傳熱的CFD數值模擬，可分別求出在不同結渣厚度、工質溫度、熱物性條件下冷熱溫度測點溫差與熱流密度間的函數關系，并建立數據庫，就可基于此數據庫求出每個實時測量溫差條件下的渣層厚度及熱流密度，這就是該方法的基本原理。

通過在爐膛水冷壁關鍵位置處安裝上述熱流測點，即可監測覆蓋整個爐膛的水冷壁的溫度數據及溫差數據，并通過對現場運行數據的分析，結合傳熱模型，合理判斷出覆蓋整個爐膛水冷壁的熱流密度分布、水冷壁內工質溫度、爐膛積灰結渣情況，以及水冷壁金屬溫度的應力和健康狀態。具體算法如圖1所示。

圖1 基于運行數據挖掘的多維度監測算法

首先，對實時測量數據的波動特征進行分析及篩選：燃燒不穩定引起的溫度的波動是以秒為單位的，屬于短期波動；機組工況變化引起的溫度波動以分鐘為單位，屬于中期波動；積灰、結渣引起的傳熱波動以小時為單位，屬于長期波動，并且該波動會在吹灰、結渣脫落時發生突變；基于以上分析，首先，對測量數據按10min區間取平均，略去火焰脈動的影響，隨后，基于高溫測點可獲得水冷壁最大溫度位置隨時間和工況的變化幅度，當該幅度超過閾值時，或最大壁溫超過閾值時，將觸發水冷壁超溫報警，并同時提供水冷壁出現安全隱患的位置；在此基礎上將運行及測量數據按負荷分檔，在給定負荷及給煤條件下，每個測點處的溫差值變化就反映出當地的積灰、結渣特征，再基于前述CFD算法建立的數據庫，即可確定測點處的熱流密度和灰渣厚度等信息。

3 組件安裝及算法布置

整個測量系統分為現場測量單元、數據通信單元和數據及模型處理單元。

現場測量單元主要是由高精度熱流計、用于固定熱流計的機械定位結構和連接熱流計的數據線組成。高精度熱流計由底座、定位導軌和滑塊以及特別設計的鎧裝K型熱電偶組成，具有機械強度高，定位準確、易于安裝更換的優點，適合在運行環境惡劣的鍋爐環境中使用。熱電偶測溫范圍為0～800℃，測溫精度0.10℃，滿足對爐膛水冷壁溫度范圍需求。熱流計采用彈簧與螺母自壓緊結構設計，具有安裝更換方便的特點。

對爐膛水冷壁可安裝幾十支至上百支熱流計，以獲得覆蓋整個爐膛水冷壁的關鍵溫度數據。每10支熱流計連接至一個數據智能前端，各智能前端采用485線連接及進行數據通信，最終將100支熱流計的實時測量溫度數據通過光電轉換單元和光纖通信傳輸至電廠數據管理系統。實時測量的數據取樣及更新頻率可達5Hz，滿足了對爐膛熱流監測數據的取樣頻率。

采樣數據被存入數據庫后，將于電廠DCS數據協同管理。在此基礎上，開發了基于電廠運行數據的水冷壁多維度數據監測算法。該算法的特點是將專家模型和神經網絡模型相結合，以保證水冷壁多維度參數的預測精度，并及時過濾測量異常數據。該算法的過程如下：

（1）采用箱型圖數據篩選方法過濾監測異常數據，并根據12min時均數據進行后繼算法求解。

（2）在訓練模式下，對歷史數據在不同給煤模式和負荷區間內進行分檔，各分檔內的測量數據作為進行模型訓練的基礎數據；利用傅里葉傳熱模型及能量守恒原理建立溫差與灰渣厚度、清潔因子、熱流密度等關鍵參數函數關系，并通過神經網絡算法確定模型待定參數，以及確定偏離函數關系的報警信息。

（3）確定模型的待定參數后，將轉入實時監測模式，該模式下輸入的參數為實時測量數據和鍋爐負荷、吸熱量、給煤等實時數據，并實時預報鍋爐監測點的水冷壁工質溫度、熱流密度、灰渣厚度、清潔因子以及工質干濕點高度等多維度參數。

（4）將實時預測的數據存入數據庫，并根據水冷壁溫度隨時間變化的關系，求出水冷壁應力變化指標，進而獲得一定時間段內水冷壁的健康狀況。

（5）對超過預警限的多維度參數進行報警。

4 多維度監測的報警方案

由于本系統可實時監測覆蓋鍋爐爐膛水冷壁的熱流密度、水冷壁及工質溫度、灰渣厚度、清潔因子、干濕區變化等關鍵信息，通過對以上信息的數據挖掘和進一步分析處理，即可獲得有用的多維度報警監測信息。目前該系統的主要報警策略包括：

（1）水冷壁壁溫超限。當水冷壁壁溫超限時，可依據當地熱流密度和灰渣程度的輔助數據，提供水冷壁壁溫超限信息，并判斷出該水冷壁超限是由于當地燃燒強度過大還是水動力不均所致。

（2）熱流密度超限。當水冷壁工質溫度未超限，而熱流密度超限時，產生原因主要是由于當地燃燒強度過大導致的，據此應當進行相應的燃燒調整。

（3）水冷壁溫差過低。水冷壁溫差過低意味著當地熱流密度低，即水冷壁傳熱效率不佳，可進一步根據當地灰渣厚度信息和工質溫度信息判斷出是燃燒不佳導致還是發生了局部積灰結渣。

（4）水冷壁健康因子超限。水冷壁健康因子表征了過去一段時間內當地水冷壁溫度波動的情況，健康因子超限。

（5）干濕區高度變化。通過水冷壁工質沿程溫度的變化，可預測出工質達到擬臨界點（超臨界壓力下）或者發生蒸發（亞臨界壓力下）的位置，該位置過低，或者該位置波動過大，是水冷壁及水動力安全的重要表征指標，當干濕區高度變化值超限時，將會給出報警信息，提醒應進行燃燒調整或者關注水動力安全。

5 多維度監測系統的現場應用

本文搭建的超臨界機組水冷壁多維度監測系統在山東十里泉電廠9號機組進行了安裝及應用。為了將熱流計測點覆爐膛水冷壁的四面爐墻，設計了100個爐膛熱流計測點安裝位置，前墻布置35個測點，兩側墻布置58個測點，后墻布置7個測點。實時數據經數據傳輸系統進入電廠MISS系統，并存儲于自建數據庫中。整個系統構架如圖2所示。

圖2 水冷壁多維度監測系統硬件構架

利用在線監測系統獲得了四面爐墻的水冷壁熱流密度云圖、灰渣厚度云圖以及清潔因子云圖，使得運行人員第一時間能夠掌握爐膛水冷壁的吸熱情況和水動力安全特性，便于及時開展燃燒、吹灰或給水調整。

6 結語

本文設計了適用于監測超臨界鍋爐機組水冷壁安全的實時在線水冷壁多維度監測系統，并在十里泉電廠得到了應用，得到以下主要成果：

（1）設計的水冷壁多維度監測系統可實時監測鍋爐水冷壁的燃燒、傳熱及水動力安全。

（2）通過采用歷史數據訓練模式和在線監測兩種模式相結合的算法，可快速準確地基于熱流計測點監測爐膛全水冷壁的熱流密度、工質溫度、灰渣厚度、清潔因子及干濕區轉換高度等關鍵參數。

（3）提出了在線報警策略，便于運行人員及時發現鍋爐運行問題，保證了機組在寬負荷、變煤種運行條件下的爐膛水冷壁安全及高效傳熱。