一种改进烟气含氧量软测量建模方法与仿真

陈彦桥, 郭 一, 刘建民, 刘金琨

(1.北京航空航天大学 自动化科学与电气工程学院,北京100191;2.国电科学技术研究院,南京210031)

保持锅炉燃烧过程的最佳状态和经济性是锅炉燃烧过程自动控制的重要任务.工程上通过测量与过量空气系数密切相关的烟气中O2的体积分数(含氧量)φ(O2)来间接反映燃料风量配比的好坏.但是,目前测量烟气含氧量的氧量分析仪精度不高、投资大、使用寿命短,而且测量滞后较大,不利于过程的在线监视和提供在线闭环控制所需的反馈信号,从而直接影响锅炉的经济燃烧.

近年来,软测量技术的研究十分活跃.软测量技术是利用一些较易在线测量(与被测变量联系密切)的辅助变量,通过在线分析,去估计不可测或难测变量的方法.目前存在的氧量软测量模型大多采用与神经网络或支持向量机相结合的软测量建模方法[1-3],但神经网络是“黑箱”结构,预测合理与否不清楚.机理模型的工程背景明确,相应的软测量模型也较简单,是工程界最容易接受的软测量方法[4],但模型的有些机理不能完全透彻分析.采用统计分析方法获得软测量模型是当前的一个热点研究方向,它主要依靠对现场收集到的试验和历史数据进行统计分析,发现数据间的潜在规律和关系,建立预测模型[5].氧量软测量模型可以进一步应用于构造热量信号[6]以及分析汽包蓄热系数[7].

本文在对烟气含氧量测量过程机理分析的基础上,结合统计分析建模的优点,建立烟气含氧量的软测量模型.首先用数据统计与拟合方法对炉膛总风量进行了修正;然后用幅值限制滤波器对热量信号中的汽包压力进行滤波;最后采用统计分析技术对单位热量所消耗的标准状态下的最佳过量空气系数KR进行了寻优和改进.修正后的氧量软测量模型测量精度明显提高,并有一定的信号超前度.该软测量模型不仅可以取代现有的氧量监测设备,还可以与燃烧自动控制系统相结合,用于燃烧调整.

1 烟气软测量模型的基本原理

以在线测量得到的锅炉烟气含氧量计算氧量,其原理是利用DCS系统中已有的信号,通过建立锅炉燃烧过程动态模型,并采用信息融合技术将静态模型和动态模型结合,计算得到氧量[4].

锅炉烟气含氧量是由进入锅炉的煤量和风量确定的.煤量的意义包括煤的质量流量和煤的化学成分,风量为参与燃烧的总风量,包括锅炉的一次风、二次风、负压运行制粉系统的漏风和炉膛漏风等.氧量模型计算的关键是获得准确的煤量及风量.

锅炉烟气含氧量φ(O2)的计算公式为

式中:Qs为锅炉静态有效吸热量;KR为单位热量所消耗的标准状态下的过量空气系数;V0为标准状态下的空气量.

对于投油助燃的机组

式中:K0为油产生的单位热量耗氧量;q0为油质量流量;R0为油发热量.

KR的计算公式为

式中:C m为碳的分子质量;H m为氢的分子质量;q c为碳发热量;qh为氢发热量;Kch为碳氢质量比;Vmol为分子体积.

式中KR计算结果约为0.26,根据实际测量情况可能需要调整.

锅炉有效吸热量计算

式中:qss为过热蒸汽流量;qrs为再热蒸汽流量;hss为过热蒸汽焓;hw为给水焓;hrs为再热蒸汽焓;hhs为高压缸排汽焓.

式中:cp为烟气的比定压热容;ρ为烟气密度;Ty为排烟温度.

送风量折成标准状况下的风量为

式中:p、V、T分别为实际测量状况下的压力、体积流量和温度;p0、V0、T0分别为折算成标准状况下的压力、体积流量和温度,V0的单位为km3/h(标准状况压力为101.3 k Pa).

为加快氧量对燃料的动态响应速度,加入热量信号的锅炉吸热量公式为

式中:K为平衡系数;Ts为滤波系数;Qd为DEB热量信号.

2 烟气含氧量软测量模型的改进

2.1 漏风量的修正

由于差压的存在和系统不可能在完全密封的状态下运行,所以锅炉系统存在各种漏风,主要有空气预热器漏风、制粉系统漏风和炉膛漏风.由于漏风的存在使实际进入炉膛参与燃烧的总空气量发生变化,影响燃烧过程的稳定性和经济性,相应地也就改变了尾部烟气含氧量的值.

2.1.1 锅炉系统漏风的组成

(1)空气预热器漏风

回转式空气预热器的漏风包括直接漏风和携带漏风.直接漏风量的大小与空气侧和烟气侧的压差的平方根成正比,即

式中:QD为直接漏风量;K为泄漏系数,与受热面及罩壳间的间隙面积和灰阻系数有关;pA和pB分别为烟气侧和空气侧压力.

(2)炉膛和制粉系统漏风

炉膛及制粉系统中漏入的空气所占的比例很小,负压运行的锅炉,漏入冷风的绝对量只与炉膛负压有关,与锅炉的负荷无关.

(3)水平烟道和尾部烟道漏风

由于锅炉水平烟道和尾部烟道的漏风不参与燃烧,对实际燃烧风煤配比没有影响,所以本文不考虑其对尾部烟气含氧量的影响.

总漏风量Qt为

式中:Q L为漏入炉膛的风量;Q Z为制粉系统的漏风量.

2.1.2 修正方法

(1)漏风的影响主要反映在参与燃烧的总风量的改变,因而引入漏风率的概念:

式中:β为漏风率;V为传感器测量得到的风量;V′为软测量模型计算出的风量.

(2)根据锅炉烟气含氧量计算公式可得

或

式中:φ(O2)为实测氧量,%.

(4)定义修正风量V 1的计算公式

由式(14)获得修正以后的风量,并进行氧量软测量计算.

2.1.3 保证软测量精度的措施

由式(12)或式(13)可知,风量修正的正确性很大程度取决于实测氧量的准确性.由于磨损、腐蚀以及老化等原因,氧量表在长期使用中测量精度会逐渐下降.充分考虑这种情况,应对实测氧量的数据加以限制,可以设置一个时间开关,选取新表1年内或者旧表检修后3个月内测得的氧量进行风量修正,以保证软测量的精度.

2.2 幅值限制滤波器(ALF)的使用

因为热量信号中使用了汽包压力,但是汽包压力受到的干扰比较大,所以需要对汽包压力使用一种特殊的滤波器,它的原理框图见图1.

图1 幅值限制滤波器原理图Fig.1 Principle of Amplitude Limiting Filter

对于方框图中的输出Y(k),其滤波性能与K2的大小有关.合适的K2既可以滤掉工频干扰,又能保证信号在正常波动时,使具有足够变化速度的扰动信号通过,从而真实地反映锅炉汽包压力的变化.

2.3 系数K R的修正

KR是由煤的碳氢比决定的.虽然煤的成分差别较大,但碳氢比还是比较一致的,根据统计数据,大致分布在15∶1～20∶1之间[4].当煤的碳氢比为18∶1时,KR大致为0.26;当碳氢比在15∶1～20∶1之间变化时,此系数的误差小于1%.

由于目前火电厂用煤品质难以保证,煤质相差很大,煤的碳氢比超出15∶1～20∶1范围的可能性非常大.但是煤的碳氢比需要煤质化验才能得到,不能实时进入DCS或者SIS系统中,因此,本文考虑采用相对煤质系数来代替煤的碳氢比,进而通过历史数据挖掘得到相对煤质系数和KR之间的关系曲线,以便根据煤的碳氢比(或相对煤质系数)实时修正KR.

式中，⊗为一种模糊关系运算方式，一般有3种运算形式，本文采用加权平均法进行对应的模糊运算； fi为驾驶员对象相对于驾驶行为评价集指标的隶属度.

相对煤质系数的定义如下:

式中:Kmz为相对煤质系数;N为机组实际负荷;B为机组总给煤量.

首先根据相对煤质系数的变化范围,划分成变化较小的区间,然后在每个小的变化区间内对各个连续时间段进行K R寻优,以软测量氧量和实测氧量的方差最小为标准,最后对每个相对煤质系数及其对应的最佳KR进行拟合,获得近似关系式:

拟合曲线见图2.

图2 煤质系数与K R的拟合曲线Fig.2 Fitting curve of coal quality coefficient and K R

2.4 测量滞后的改进

传统工艺上,采用氧化锆传感器等氧量测量仪表直接测量氧量,这种方法存在测量滞后的问题.软测量不采用直接的物理传感器实体,不涉及化学反应,利用软测量的方法可以弥补传统氧量表的这一缺点,能比较真实地反应氧量的实时变化趋势.

3 仿真研究

利用某电厂历史数据进行仿真验证.首先将未改进时的软测量氧量与实测氧量作对比;再将修正总风量后的软测量氧量与实测氧量作对比.在此基础上,再对动态信号中的汽包压力进行滤波并将按此方法计算得到的氧量与实测氧量作对比.最后,在前面工作的基础上对KR进行修正,并与实测氧量进行对比.

每次对比都获得最大偏差、均方差和相关系数.设X为计算氧量,Y为实测氧量,n为采样点数量.

(1)最大偏差λ为

(2)均方差σ为

σ可反映计算值相对于测量值的整体偏离程度.

(3)协方差为

(4)相关系数为

γ可反映计算值与测量值的关联程度.

仿真结果见图3～图5,获得的各项指标见表1.

图3 修正风量后计算氧量与实测氧量对比图Fig.3 Comparison between calculated oxygen content by air flow correction and actual oxygen content

图4 ALF滤波后计算氧量与实测氧量对比图Fig.4 Comparison between calculated oxygen content with ALF and actual oxygen content

图5 修正K R后计算氧量与实测氧量对比图Fig.5 Comparison between calculated oxygen content by K R correction and actual oxygen content

表1 各项指标对比表Tab.1 Comparison of various indices

从仿真结果看,风量修正后各项指标均有改善,其中均方差指标的改善明显.对热量信号中的汽包压力进行滤波后,虽然最大偏差有微小增大,但另两项指标都有所改善.修正KR后,最大偏差明显改善,另两项指标也有改善.

此外,模型改进后,动态特性也有所改善,计算值比测量值约有半分钟的超前,能弥补传感器测量滞后的不足,见图6.

图6 氧量对比局部放大图Fig.6 Lacal zoom out drawing of oxygen content comparison

4 结 论

对炉膛总风量进行修正,使用幅值限制滤波器对热量信号中的汽包压力进行滤波以改善氧量测量过程的动态响应,通过数据挖掘方法确定单位热量所消耗的标准状态下的最佳过值空气系数.通过仿真,证明了氧量软测量模型改进的有效性,改进后的软测量模型具备较高的计算精度和较快的响应速度,可为锅炉送风和燃烧优化系统提供有益的帮助.

[1] 韩璞,王东风,翟永杰.基于神经网络的火电厂烟气含氧量软测量[J].信息与控制,2001,30(2):189-192. HAN Pu,WANG Dongfeng,ZHAI Yongjie.Softsensing of O2content in flue gas of power plant based on neural networks[J].Information and Control, 2001,30(2):189-192.

[2] 熊志化,邵惠鹤,张卫庆.基于支持向量机的火电厂烟气含氧量软测量[J].测控技术,2004,23(8):15-16. XIONG Zhihua,SHAO Huihe,ZHANG Weiqing.SVM-based soft sensor applied to O2content in flue gas in the power plant[J].Measurement&Control Technology,2004,23(8):15-16.

[3] 赵成玉.300 MW机组锅炉烟气含氧量逻辑计算探讨[J].华北电力技术,2007,37(8):12-15. ZHAO Chengyu.Discussion on calculation of oxygen content in boiler flue gas for 300 MW unit[J].North China Electric Power,2007,37(8):12-15.

[4] 卢勇,徐向东.烟气含氧量软测量新方法研究[J].热能动力工程,2002,17(6):614-617. LU Yong,XÜ Xiangdong.The study of a new method incorporating the soft sensing of oxygen-content in flue gases[J].Journal of Engineering for Thermal Energy and Power,2002,17(6):614-617.

[5] 赵征,曾德良,田亮,等.基于数据融合的氧量软测量研究[J].中国电机工程学报,2005,25(7):7-12. ZHAO Zheng,CENG Deliang,TIAN Liang,et al.Research on soft-sensing of oxygen content based on data fusion[J].Proceedings of the CSEE,2005,25(7):7-12.

[6] 刘鑫屏,田亮,赵征,等.汽包锅炉蓄热系数的定量分析[J].动力工程,2008,28(2):216-220. LIU Xinping,TIAN Liang,ZHAO Zheng,et al.The quantitative analysis of the drum boiler heat storage coefficien[J].Journal of Power Engineering,2008,28(2):216-220.

[7] 张建生,曾德良,赵征,等.协调控制系统能量指令及参数整定分析[J].华北电力大学学报,2002,29(4):60-64. ZHANG Jiansheng,CENG Deliang,ZHAO Zheng,et al.Energy demand and parameter adjustment of DEB400 coordinated contol system[J].Journal of North China Electric Power University,2002,29(4):60-64.