基于多過程模型融合的流化床配風解耦燃燒參數預測與優化

狄子琛,常成功,楊鳳玲,吳海濱,程芳琴

(1.山西大學 資源與環境工程研究所,山西 太原 030006;2.清華大學 環境學院,北京 100084)

0 引 言

循環流化床(CFB)在過去20 a被廣泛用于煤炭燃燒[1]。近年來,由于流化床的燃料適用性以及固廢、垃圾、生物質等低品位燃料的熱處理受廣泛關注[2]。現流化床設備用于燃燒不同燃料時需進行適應性改造[3]。通常,鼓風量、一二次風口位置是需要調控的主要參數。準確模擬和預測不同工況下流化床爐內燃燒狀況對其優化設計具有重要價值。

當前對流化床的模擬通常基于熱力學平衡原理[4],將煤分解簡化為元素組分,使用特定反應模塊將其分解為揮發分和固定碳[5],然后采用RGibbs單元模型基于吉布斯自由能最小原理模擬燃燒過程。MOSHI等[6]利用該方法分別模擬了固定床氣化爐和用于褐煤燃燒的CFB鍋爐。PEI等[7]將此方法擴展到300 MW電廠的煤粉燃燒模擬過程,預測富氧燃燒條件下的煙氣量和煙氣組成。研究表明利用RGibbs模型模擬固體燃料燃燒和氣化過程具有可行性。但該方法仍存在一定局限性,由于忽略了氣固流體動力學和化學反應動力學,因此,其僅適用于模擬達到反應平衡的系統,只能用于預測反應最終產物。實際上,由于停留時間的限制,循環流化床內的燃燒反應不易達到熱力學平衡。因此,如SOTUDEH-GHAREBAAGH 等[8]在模擬0.8 MW CFB研究中認為,氣-固流體動力學和燃燒動力學對CFB模擬的準確性至關重要。

另一種方法基于試驗數據,使用收率反應器RYIELD計算產物分布[9]。GUO等[10]開發了基于RYIELD模塊的Aspen Plus仿真模型,對300 MW燃煤發電系統進行優化。產率由Chemkin反應動力學試驗確定。該方法與試驗結果吻合較好;然而,產品產率通常與操作條件密切相關,而流化床內反應條件變化劇烈,這為過程的準確模擬帶來挑戰。

為了更高效耦合動力學模型進行流化床預測,基于RCSTR模塊的動力學模型廣泛發展。LIU等[11]嵌入FORTRAN子程序模擬30 kW循環流化床燃燒室,評估了氣固流體動力學和反應動力學對燃燒過程的影響。PETERS等[12]基于生物質組分熱解動力學方程和化學反應方程建立了生物質動力學模型,并利用RCSTR模型模擬了反應溫度和反應停留時間對燃料轉化的影響。通過與實際運行的流化床進行比較表明,相比基于熱力學平衡和試驗結果的模擬方案而言,該方案具有更高的準確性。但該方法建模過程較復雜。

當前研究普遍基于單一過程模型進行流化床模擬。通常,基于熱力學的模型過度簡化,而基于動力學的模型則往往過于復雜,缺乏靈活性。事實上,不同流化床參數的主要影響因素存在顯著差異。如需氧量通常由燃料中可燃組分含量和燃燒平衡態決定,此時基于熱力學的模擬方法適合;而一、二次風位置與流化床內的解耦燃燒狀態高度關聯,需計算非平衡態下的鍋爐運行狀態,此時需采用動力學模型進行預測[13]。因此,聯合多種建模方法進行流化床模擬,更有利于獲取準確的流化床運行參數;同時,多模型協同可降低對單一模型的要求,從而為模型簡化奠定基礎。

基于此,針對當前流化床模擬模型難以兼顧多參數精準預測的問題,協同構建了基于熱力學和動力學的300 MW流化床過程模型,可實現對需氧量、床層孔隙率、床層溫度、氣體分布等關鍵參數的靈活預測,指導鼓風量、一二次風口位置的設計和改造。

1 工藝設計

1.1 CFB燃燒器的燃煤過程

為便于與實際運行工況對比,選取煤矸石作為模擬對象。某煤電企業300 MW循環流化床燃燒室的結構示意如圖1所示。本研究燃燒室的高14.703 m、寬15.051 m。在燃燒器尾部安裝旋風分離器,用于分離煙氣中的固體顆粒,而在旋風分離器的底部安裝一個U型閥。煤粉自一次風氣體分布板上方的給料口進入燃燒室。一次風被預熱至200 ℃后進入燃燒室;二次風包含上二次風和下二次風,其中,下二次風位于分布板上方1.5 m處,上二次風高于下二次風4.09 m。相應地,鍋爐被分割成不同的燃燒區域:一次風口至下二次風口為密相區,主要發生煤的干燥和熱解;下二次風口以上為稀相區,其中下二次風口至上二次風口之間的區域主要發生揮發分燃燒,上二次風口以上發生焦炭燃燒[14]。

圖1 300 MW循環流化床示意Fig.1 Schematic illustration of a 300 MW circulating fluidized bed

1.2 基于熱力學方法的CFB燃燒室模擬

燃燒過程需氧量、氣體產生量等參數可依據熱力學平衡狀態確定。基于熱力學方法建立的Aspen Plus模型流程如圖2所示。以煤矸石為例進行建模,原料來源于某煤矸石電廠。在模型中,煤矸石被定義為非常規成分,其組成基于元素分析確定,見表1。選取4種煤矸石進行分析,在較大的煤質變化范圍內估計模擬結果的準確性。

圖2 基于熱力學方法的循環流化床Aspen Plus過程模擬Fig.2 Aspen plus process simulation sheet of CFB based on thermodynamic method

表1 基于熱力學分析的煤矸石化學成分Table 1 Chemical compositions of used coal gangue based on thermodynamics analysis %

嵌入FORTRAN子程序采用RSTOIC模塊模擬干燥過程。HE等[15]研究中該反應可表示為mCOAL=0.055 508 4m(H2O),其中,mCOAL為煤的質量,m(H2O)為水的質量。水分和干燥煤通過SEP模塊分離。干燥后的煤矸石進入RYIELD反應器簡化表示為元素形式,將其分解為C、H、O、N、S和灰分等組分。在與二次風混合后,固體顆粒和揮發分在RGibbs模型中轉化為氣體產物和煤灰。根據吉布斯自由能最小原理,采用HCOALGEN模型和PR-BM函數分別計算了常規組分的物性和焓值。模擬模型所涉及的模塊及參數見表2。主要假設如下:① 不考慮焦油;② 反應過程趨于熱力學平衡狀態。

表2 模擬模型涉及的模塊及參數Table 2 Initial values of related parameters in each module for simulation

1.3 基于動力學模型的循環流化床燃燒室模擬

除需氧量、氣體產生量等參數外,很多過程參數與非平衡條件下的燃燒狀態有關,如床層空隙率、不同床層高度的氣體分布等。這些參數直接決定鍋爐解耦燃燒狀態,對于調控一、二次風進風位置至關重要,而這些參數的確定依賴非平衡態下的鍋爐運行狀態,此時需采用動力學模型進行預測。基于動力學模型的模擬流程如圖3所示。在該模型中,物性方法采用RK-SOAVE。將煤定義為非常規組分,采用COALGEN和DCOALIGT模型分別計算焓和密度。模擬矸石的化學組成見表3。為表征煤矸石轉化過程中產生的半焦和灰分,基于試驗確定半焦和灰分的工業分析和元素分析結果。

表3 基于動力學分析的燃料化學組成Table 3 Chemical compositions of bituminous coal based on kenitic analysis %

圖3 基于動力學模型的循環流化床Aspen Plus過程仿真Fig.3 Aspen plus process simulation sheet of CFB based on kinetic model

當燃料沿燃燒室向上移動時,依次發生干燥、熱解、揮發分燃燒和焦炭燃燒。各模塊相關參數的作用及初始值見表4。在干燥(DRIER)和分解(DECOMP)模塊中,與熱力學模擬模塊相似。熱解過程中,煤被分解為揮發分、焦炭和焦油(C6H6),其中揮發分由CO、H2、CO2、H2O、H2S、N2、CH4組成。根據熱解反應試驗結果確定各熱解產物和產量。需特別指出的是,試驗未考慮含N、S物質的排放,這部分工作將在后續工作中進行詳細研究。為確保模擬熱解產物燃燒過程的準確性,本研究通過嵌入的FORTRAN子程序提出了動力學模型[16-17]見表5。利用連續的RCSTR模型分別計算揮發分和焦炭的燃燒過程。每個RCSTR模型體積相同,即整個燃燒室容積/串聯的RCSTR數量。

表4 模型涉及的模塊及參數Table 4 Initial values of related parameters in each module for simulation

表5 燃燒階段反應動力學方程Table 5 Chemical reaction kinetic equation for describing combustion of pyrolysis products

2 結果與討論

循環流化床鍋爐的設計和優化需確定需氧量、一次風和二次風分布等關鍵參數。具體而言,需氧量主要由燃料類型決定,可用熱力學方法計算。然而,確定一次風和二次風的分布可能相對復雜,與燃燒狀態以及床層高度密切相關,需建立燃燒動力學模型。為便于實際應用,筆者建立了熱力學和動力學相結合的煤燃燒過程的簡化模型,初步計算需氧量隨燃料變化的曲線以及空隙率和溫度沿床層高度變化的曲線。

2.1 不同燃料燃燒的需氧量預測

與試驗或直接測量相比,模擬是確定不同煤種需氧量更有效的方法,模擬結果如圖4所示。研究采用CO和CO2的流量反映完全燃燒程度。在整個燃燒過程中,不同種類的煤矸石隨供氧量增加而呈現規律基本一致,即氧氣不足時,一部分煤被氧化為CO,隨氧氣持續供應,燃燒繼續進行,最終全部轉化為CO2。因此,在氧氣過剩時,CO流速為0,所需的最小供氧量與理論需氧量相同。據此推算,4種煤完全燃燒的需氧量分別為15.17、4.00、4.47、6.20 kg/h,這主要與表3的煤種碳含量有關。因此,可相對準確建立煤種與理論需氧量之間的關系,從而幫助設計風機功率、風量等相關參數。

圖4 供氧量對碳流量的影響Fig.4 Effect of oxygen supply on carbon flow rate

2.2 床層空隙率對碳流量的影響

床層空隙率對碳流量的影響如圖5所示,采用10個串聯的RCSTR模型對2種情況進行研究,一種情況是將床層空隙率恒定保持在0.4,另一種是將床層空隙率由0.4逐漸增至0.7。當CFB的空隙率為0.4時,隨床層高度由0增至14.703 m,碳流量由3.23 kg/s降至0。當設置床層空隙率在0.4 ～ 0.7呈線性增加,碳流量速率下降較慢。這是因為增加床層空隙率導致反應器單位體積的顆粒數量減少,進而降低反應器的碳消耗率,最終導致更高的碳含量流量[18]。可知設置床層空隙率的精準性對模擬結果有一定影響。KRISHNUDU等[19]通過試驗證實床層空隙率呈線性變化。因此,在本模型中采用第2種情況下的床層空隙率設置。

圖5 床層空隙率對碳流量的影響Fig.5 Effect of bed voidage on carbon flow rate

2.3 CFB溫度隨床層高度的變化

循環流化床溫度隨床層高度的變化情況如圖6所示。床層高度由底部增至3.0 m過程中,溫度迅速升高,最大值達1 081 ℃。繼續增加CFB高度,溫度開始逐漸降低,最終維持在885 ℃左右。這是由于密相區氧氣不足,溫度最初較低。當煤進入稀相區時,二次風迅速提供燃燒所需的氧氣。此時,熱解階段產生的揮發分與新供給的氧氣迅速反應。因為是放熱反應且反應速率較快,故溫度迅速上升。煤繼續向鍋爐頂部移動,此時主要是未燃燒的焦炭在燃燒。由于焦炭燃燒相對緩慢,加上床層空隙率增加,溫度開始逐漸下降并趨于穩定。這些結果與LIU等[20]的模擬結果和JI等[21]的CFB實際運行數據吻合程度較好,因此說明所建立的模型能夠較準確模擬鍋爐溫度狀態。

圖6 溫度隨床層高度的變化Fig.6 Profile of temperature along with the height of the bed

2.4 CO和CO2摩爾分數隨床層高度的變化

CO和CO2摩爾分數隨床層高度的變化如圖7所示。隨CFB高度增加,CO的摩爾分數先上升至0.13 mol/mol,然后逐漸下降至0.08 mol/mol,這與溫度隨高度增加的變化趨勢相似,說明燃燒氣氛的分布與煤在鍋爐內的解耦燃燒過程密切相關。在整個燃燒過程中,CO2摩爾分數從鍋爐底部向鍋爐頂部單調增長,上升速率初始升高較慢,隨后快速上升。

圖7 CO和CO2摩爾分數隨床層高度的變化Fig.7 Mole fraction of CO and CO2 along with the height of the bed

這是由于在鍋爐底部的初始流化階段,床層孔隙率較低,且空氣供應不足,此時主要表現為不完全燃燒,這一階段煤主要進行熱解,碳沒有完全氧化[21],因而CO2上升趨勢最初較緩慢。隨二次風引入,有足夠的氧氣完全燃燒CO和焦炭。模擬結果與鍋爐試驗[22]趨勢一致性較好,計算結果可靠。

上述結果表明,所建立的模型能較好模擬煤從鍋爐底部向鍋爐頂部移動的燃燒過程,可為設計一次和二次出風口位置分布提供參考。

3 結 論

1) 構建基于熱力學的過程模型,準確預測了4種煤矸石的理論需氧量。當燃料碳含量為74.05%、17.71%、24.27%、34.01%時,理論需氧量分別為15.17、4.00、4.47、6.20 kg/h。計算結果較準確建立了煤種與理論需氧量的關系,幫助設計風機功率、風量等相關參數。

2) 在此基礎上,通過串聯10個RCSTR動力學模塊,并嵌入FORTRAN動力學子程序,實現不同床層空隙率、床層溫度、氣體分布等關鍵參數計算。模擬結果表明,床層空隙率對碳流量影響較大。空隙率設置為0.4時,隨床層高度由0增至14.703 m,碳流量由3.23 g/s降至0;設置床層空隙率在0.4～0.7線性增加時,碳流量速率下降較慢,反映溫度、氣體分布隨床層高度變化更準確。

3) 溫度和氣氛分布與氧含量和解耦燃燒過程密切相關。通過本研究構建的模型可實現趨勢準確預測,單點參數誤差低于15%,可有效指導燃料變換時一、二次風進風位置和進風量調節。