基于数据融合技术的电站入炉煤水分的测量

司瑞才，张 锷

（1.吉林省电力科学研究院，长春 130021；2.宁夏电力科学研究院，银川 750001）

随着电煤价格矛盾的日益突出，电厂发电用煤来源和成份复杂多变。由于机组运行状态都是根据煤种设计的，煤种变化将造成锅炉运行状态偏离设计值，影响机组的安全性和经济性［1］。在这种情况下，煤质的在线监测就变的很重要。

电站锅炉入炉煤元素含量和发热量的监测一直是一个难题，要实现机组经济指标的实时监测，无论采用正平衡法还是采用反平衡法，必须解决入炉煤品质的在线测量问题。目前国内主要利用双能量射线透射测量的方法，实现非接触式动态在线检测燃煤中的灰分、水分等煤质成分，但这种方法需要增加昂贵的硬件设备，故目前在国内电厂中应用还是比较少。多数电厂不具备在线实时测量煤质情况的条件，对于入炉煤质的检测方法基本上还停留在人工取样、制样、化验的水平，存在着严重的滞后和采样误差［2］。随着能源的紧张，一些电厂开始采用混煤掺烧的燃烧形式，增大了入炉煤质检测的难度。因此，国、内外也不断寻找其它的方法来实现入炉煤元素成分的监测。

燃煤水分、灰分和低位发热量是燃煤的主要性能指标，目前需要找出一种既方便又经济的实时在线检测方法。随着电厂自动化的发展，机组运行数据可以方便地获得，这些运行数据蕴含着丰富的机组状态信息［3］。目前应用较多的是软测量的方法，即采用在线测量的辅助变量和离线分析信息去估计不可测或难测量的变量。目前，大容量锅炉配备了较为齐全的运行监测测点，通过对监测数据的二次处理，可以从中提取更有价值的信息。本系统就是通过建立了入炉煤低位发热量，收到基水分和收到基灰分的软测量模型，充分利用现场监测仪表，挖掘运行参数蕴涵的信息，实现了入炉煤元素和发热量的在线监测。

1 入炉煤水分计算模型

1.1 水分理论计算

磨煤机是制粉系统的主要设备。对于直吹式MPS型中速磨，原煤的磨制和干燥均在磨煤机内进行，以每kg煤为准计算，磨煤机内存在以下的热平衡关系

（1）进入系统的热量有

干燥剂带入的热量

式中C1——干燥剂入口热容量，kJ（kg·℃）

Mf——磨煤机入口风量，kg／s；

Mm——磨煤机的磨煤出力，kg／s；

t1——磨煤机进口风温度，℃。

磨煤机研磨部件的热量

式中knm——中速磨knm=0.6；

W——磨煤机的功率，kW。

制粉系统漏入冷空气的物理热

式中tA——环境温度，℃；

klf——漏风系数；Kw；

C1k——冷空气热空量，kJ（kg·℃）。

原煤的物理热

（2）带出系统的热量有

蒸发煤的水分所消耗的热量

干燥剂带走的热量

式中C2——干燥剂出口热容量，kJ（kg·℃）；

t2——磨煤机出口风粉混合物温度，℃。

加热煤所消耗的热量

式中Mmf——磨煤机出口煤粉所含水分，%；

Crd——干燥基煤的出口热容量，烟煤Crd=1.09，

kJ（kg·℃）。

系统的散热损失

式中Q1q——制粉系统设备散热损失，直吹式系统：；Qin——制粉系统的输入热量。

干燥过程中每1kg原煤所失掉的水分为

式中R90——煤粉细度。

根据能量平衡原理，带入热量=带出热量，即

1.2 简化后的计算公式

鉴于计算煤水分的公式太复杂，在DCS中做组态不方便，所以需要对公式进行简化［4］。因此选择华北某发电厂冬季近10天的数据来分析，由于在近几次的工业分析中煤中的水分保持在12%左右，选择Mar=12%带入磨煤机的输入输出方程中。通过数据来反映磨的输入和输出中各项热量的大小，将其中很小的部分省略掉，以此来简化公式。将Mar=12%带入输入输出方程中可以得到各项热量的图形，如图1、图2所示。

从图1中可以看出，在磨煤机输入热量中漏入冷空气的物理热在0～0.6之间变化，煤的物理热在0～8之间变化，这两项相对于干燥剂的物理热和漏入冷空气的物理热很小，所以在进行水分软测量计算中把这两项忽略。

从图2中可以看出，在磨煤机输出热量中散热损失在0.6～1.1之间变化，相对于其他三项来说都很小，所以在进行水分软测量计算中把这一项忽略。

图1 磨煤机的输入热量

所以根据能量平衡原理，带入热量=带出热量，可以简化为

图2 磨煤机的输出热量

整理后的磨煤机输入输出方程：

1.3 模型不动点迭代计算

式（13）整理后的形式为：

式中A，B，C——在线检测数据及其其他参数的函数的表达式。

式（14）是一个非线性方程，其中需要用到不动点迭代法的求解方法即将f（x）=0改写为等价形式x=φ（x）。因此针对方程应用不动点迭代法得出：

在MATLAB中不动点的迭代计算用Unit Delay模块来实现。其软测量的计算模型如图3所示。

图3 软测量的计算模型

2 模型的实际应用

实际计算中，磨煤机进口干燥剂的质量比热C1、磨出口干燥剂质量比热C2和冷空气的质量比热Clk都是随着温度的变化而变化。在文献［5］中给出了空气的质量比热与温度的关系，同时一般电厂中磨煤机的干燥剂主要是以空气为主。所以将C1、C2和Clk的值分别通过t1、t2和环境温度函数拟合和线性插值的方法得到［6］。其他参数Mf，Mm，t1，t2，tA，W的实时数据从电厂的 DCS控制系统来获得。

2.1 模型在某一工况下应用

将上述模型应用到某一个工况下，根据该模型得到的水分的值与监测值进行比较。

该工况数据来自华北某发电厂，该电厂锅炉为亚临界压力、一次中间再热、固态排渣、单炉膛、Π型布置、全钢构架悬吊结构、半露天布置、控制循环汽包炉。采用三分仓回转式空气预热器，平衡通风，摆动式燃烧器四角切圆燃烧。设计燃料为准格尔烟煤。6套制粉系统为正压直吹式制粉系统，配置ZGM-123型中速磨煤机。

该厂的煤粉细度R90=23，该电厂使用的是准格尔烟煤，根据文献［5］烟煤的干燥物理热一般取Crd=1.09，磨得漏风系数Klf=0.03，磨输入功率转化为热量的系数Knm=0.6。这些离线参数设定为固定值。表1给出了某工况下实时参数的取值情况。

表1 某工况下实时数据取值

从 MATLAB的workspace中输入，t1=［1216.25］，t2= ［180.659］，Mm= ［142.228］，Mf=［177.55］，tA=［1 -0.253］，W=［1319.79］，在Simulink中运行得到如图4所示曲线。

图4显示水分测量值为11.6%，在试验期间，通过这个时段的工业分析，收到基水分均值在12%左右，该模型基本满足要求。

2.2 模型在多工况下应用

在某工况下应用成功后，现将该方法应用到连续的工况中。同样采用此电厂的数据。上面规定的离散数据设定为固定值。C1、C2和Clk的值分别通过t1、t2和环境温度函数拟合和线性插值方法得到。其他的一些实时在线的数据取自电厂的DCS。

图4 某工况下的水分运行曲线

实时数据取该电厂某年3月1日0时～3月3日0时近2天的相关运行数据，取5min的均值。在使用中，将有异常工况的点剔除，数据以矩阵形式输入到工作空间中并保存，再使用时点击MATLAB的workspace中的import data输入数据到计算模型中。运行后在该时段的燃煤水分值如图5所示。

图5 多工况下的水分运行曲线

表2 入炉煤的收到基水分和上煤量

由表2和图5可知，建立的水分测量模型计算出的煤水分和每天8小时的煤质工业分析报告的数据基本一致，基本上能够反映煤质的变化规律。但是电厂日均烧煤近万吨，每次做分析用煤仅几毫克，这种采样误差存在可想而知。同时，从分析结果看，水分变化范围也较大，水分受外界影响较大，所以仅靠每天3次的工业分析结果，是远远不能满足要求的。所以还需要采用一些先进的数据预处理来处理电厂中的数据，有效的去除一些噪声信号，从而得到更加真实有用的结论。

3 结语

本文根据机理分析并且依据DCS组态要求通过简化计算公式来建立了燃煤水分的软测量模型。该方法根据不同使用目的，可以通过DCS组态实现，也可以通过计算机编程实现，其计算结果与实际煤质工业分析报告数据变化规律相符，能满足现场工作人员使用要求，达到实时监测水分的目的，相较于以往的工业分析和人工分析来说，具有实时性监测的优点。同时还需要将机理分析与数据融合，小波分析和主元分析等数据处理技术结合起来对已有实时数据进行预处理，从而得到更可靠的结论，具有跟可靠的现场实时要求。

［1］ 刘福国.电站锅炉入炉煤元素分析和发热量的软测量实时监测技术［J］.中国电机工程学报，2005，25（6）：139-145.LIU Fu-guo.Real time identification technique for ultimate analysis and calorific value of burning coal in utility boiler［J］.Proceedings of the CSEE，2005，25（6）：139-145.

［2］ 赵征.基于信息融合的锅炉燃烧状态参数检测技术研究［D］.保定：华北电力大学，2007.

［3］ 李海青，黄志尧.软测量技术原理及应用［M］.北京：化学工业出版社，2000.

［4］ 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，ZENG De-liang，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.

［5］ 贾鸿祥.制粉系统设计与运行［M］.北京：水利电力出版社，1994.

［6］ 刘福国，郝卫东，韩小岗，等.基于烟气成分分析的电站锅炉入炉煤质监测模型［J］.燃烧科学与技术，2002，8（5）：441-445.LIU Fu-guo，HAO Wei-dong，HAN Xiao-gang，et al.Model of monitoring coal grade for utility boiler basing on flue gas compositional measurement［J］.Journal of Combustion Science and Technology，2002，8（5）：441-445.