锅炉入炉煤量预测模型研究

谷俊杰，　张　岩，　刘　康，　孙苗青

(华北电力大学 能源动力与机械工程学院，河北保定 071003)



锅炉入炉煤量预测模型研究

谷俊杰，张岩，刘康，孙苗青

(华北电力大学 能源动力与机械工程学院，河北保定 071003)

摘要：设计了煤质自适应前馈校正，以功煤系数为出发点，借助组合预测模型的思想建立锅炉入炉煤量的预测模型，采用方差倒数法求取前1 h功煤系数对当前时刻功煤系数的最优权重系数，实现对入炉煤量和功煤系数的预测，并利用该模型对某660 MW机组4号锅炉的入炉煤量进行预测.结果表明：将实时入炉煤量的预测值作为实际入炉煤量，其预测平均准确度能达到97%左右，提高了入炉煤量的预测准确率.

关键词：入炉煤量； 前馈校正； 预测模型； 功煤系数； 电网调度负荷指令

电厂入炉煤的供应都是以电厂设计煤种为准， 但来煤得不到保证，入炉煤质差、煤质变化频繁，与设计煤种相差很大，易引起压力、功率和温度的波动[1-2].随着电网容量的增大以及用户对供电质量要求的提高，电网调度对火电机组负荷变化的要求也越来越高，煤质差、煤质变化频繁导致很多火电机组的协调变负荷能力不能适应电网调度的要求，严重影响机组的稳定性和变负荷能力，也减弱了机组上网竞争的能力[3].

自适应煤质变化协调控制系统是一项最新的科研成果，通过大型火电机组多年调试经验的积累和独到的分析，煤质变化对负荷变化的影响小，输出指令变化平稳，设计了简单易懂的协调控制策略.各参数设置原理简单，具有自适应煤质变化的能力，极大地提高了大型火电机组变负荷能力和机组运行稳定性，使得协调控制系统具备自适应入炉煤质变化的能力[4].

许多学者对机组的煤质自适应控制进行了广泛深入的研究.杨景祺等[1]指出在目前锅炉的运行中，多数不能达到设计煤种的运行要求，并且煤种的变化多样，因此有必要在众多的系统设计中考虑热值(British Thermal Unit, BTU)修正.李必成等[5]通过对燃煤品质大范围波动工况下的燃烧数据进行分析，提出使用关联信息算法和非线性映像网络混合模型预测燃料热值的变化.刘吉臻等[6]采用烟气不完全分析方法，构造一个不依赖烟气二氧化碳含量信号的煤质实时分析模型，实现对锅炉入炉煤收到基成分的监测.罗志浩等[7]在常规燃煤BTU校正基础上增加了一个快速计算的PID控制器，设计了稳定快速BTU校正回路.蒋欣军等[8]提出新型串级BTU控制策略.刘友宽等[9]通过构造一种新的热量信号，建立了BTU校正模型.这些学者对整个锅炉热力系统的能耗进行分析并根据能耗情况开展节能研究，以准确完成锅炉在动态过程的各种指标.

大多数研究方法采用BTU校正回路，通过反馈调节进行煤质自适应控制.在汽包炉中，通常用热量信号修正燃料的热值，这种方法主要考虑了锅炉热量信号的整定，使热量信号仅代表燃料的变化，但是BTU校正回路具有一定的迟延，不能及时反映煤质变化.直流炉蓄能较小，无法得到类似于汽包炉的热量信号，因此在直流炉BTU修正中最多的是采用蒸汽流量对热值进行修正，考虑的基本点是根据设计煤种的热值，所燃烧的煤量应该产生的热量与实际煤种产生的热量存在偏差，通过此偏差对燃料进行补偿，这种BTU修正方法在实际应用中往往导致系统不稳定[1].BTU校正在汽包炉与直流炉中均存在缺陷，笔者基于功煤系数[4]设计了煤质自适应前馈回路，对入炉煤量指令进行优化，减小实时入炉煤量与理论入炉煤量之间的偏差，提高了机组自适应煤质变化的能力.

1自适应煤质变化前馈设计

1.1煤质变化性能分析

煤质的好坏直接影响炉膛内燃烧放热量、燃烧稳定性及锅炉效率.对于煤质达不到机组设计要求的来煤，电厂普遍采用配煤掺烧技术，调整入炉煤的品质.配煤掺烧技术主要包括分磨磨制炉内掺烧、煤场配煤混合磨制和煤场混煤炉内掺烧等方法.由于操作水平、环境和来煤情况变化等原因，煤的实际掺混效果并不好，入炉煤质变化很大，增强了对锅炉内部管道的腐蚀和冲刷，导致水煤比失调、主蒸汽温度偏低和主蒸汽压力偏低等[10].

为了使得机组协调控制系统能够对煤质的变化及时做出调整，采用功煤系数概念.功煤系数是指单位发电机功率所消耗的实时入炉煤量：

(1)

式中：α为功煤系数，t/(h·MW)；qm为实时入炉煤量，t/h；N为发电机功率，MW.

功煤系数可用来粗略估计进入炉膛的实时煤质，煤质越好(热值越高、水分越少)，功煤系数越小，反之越大.功煤系数与机组负荷和燃料风门开度没有固定关系.

对某660 MW机组4号锅炉某时间段历史数据(见表1)进行计算分析，其功煤系数变化范围为0.350～0.401 t/(h·MW).

表1　某660 MW机组4号锅炉某时间段历史数据

1.2煤质自适应控制策略

电厂入炉煤为设计煤种时，机组协调控制系统如图1左侧所示.根据电网调度负荷指令N0经“负荷-入炉煤量函数f1(x)”计算出设计煤种理论入炉煤量，利用主蒸汽设计压力p0与实际压力pT的差值进行闭环调整，得出设计煤种实际入炉煤量，锅炉主控M/A(M表示手动，A表示自动)利用此信号调整各给煤机的转速，控制实时入炉煤量.

图1　直流炉煤质自适应协调控制系统

在机组实际运行过程中，入炉煤往往不是设计煤种，传统煤质自适应控制大多采用BTU校正，将实际入炉煤校正为设计煤种.传统直流炉BTU校正主要依据负荷(用汽轮机调节级压力p1或总给水流量表示)对应的入炉煤量与校正后的入炉煤量偏差进行反馈校正，如图1中虚线框部分.其校正原理为：在BTU校正回路中，若忽略燃油量，入炉煤量DM等于燃料发热系数kQ乘以由给煤机实测转速信号代表的实际入炉煤量Dn，即

(2)

(3)

式中：DQ为通过直流炉的负荷计算得出的理论入炉煤量，其中直流炉的负荷可用总给水流量或汽轮机第一级压力p1代表，t/h；DM为修正后的入炉煤量，t/h.

当DM与DQ存在偏差时，通过积分功能，增大kQ输出，即增大BTU校正系数.BTU校正正是按照上面的函数关系生成控制回路，把总给水流量或汽轮机第一级压力p1与修正后的入炉煤量偏差限幅后积分输出到BTU校正手操站.

传统BTU控制策略具有参数整定难、对煤种突变适应性差、BTU输出易超限和存在迟延等缺陷[8].对入炉煤量进行前馈设计，把电网调度负荷指令的扰动作为前馈信号，对待测时刻前1 h的燃煤进行分析，预测功煤系数的变化，对入炉煤量指令进行优化，即对图1中“负荷-入炉煤量函数f1(x)”进行优化，减小实时入炉煤量与理论入炉煤量之间的偏差，提高机组自适应煤质变化的能力.

根据当前燃煤的实际情况，为了比较精确地估计当前负荷指令下所需要的燃料指令，采用了功煤系数，使变负荷时燃料指令能够根据当时煤种情况准确变化；负荷不变化时，能够使燃料指令前馈根据煤质变化情况做出相应动作，减小由于燃料变化对能量供需平衡的影响.

2功煤系数的预测模型

2.1组合预测模型

2.1.1组合预测原理

(4)

约束条件如下：

(5)

2.1.2预测方法

采用上述组合预测方法对4号锅炉某时间段历史数据进行分析，分别用拟合优度为1的多项式、傅里叶函数进行拟合，发现预测结果仍然很差，虽然组合预测模型能将历史数据拟合得很好，但是对于功煤系数的预测，其预测准确性很差.因此对于功煤系数的预测问题，采用组合预测模型存在局限性.

针对上述情况，利用组合预测模型的思想，用前1 h的功煤系数对当前时刻功煤系数进行预测，约束条件同式(5).

(6)

2.2最优权重系数的确定

为了提高入炉煤量计算的准确性，利用前1 h的历史数据对当前时刻功煤系数进行估算，具体方法如下：每10 min为一个数据采样点，即根据前6个采样点的运行数据，采用方差倒数法获得每个采样点对当前时刻功煤系数的最优权重系数，力求客观计算功煤系数.

图2给出了电网调度负荷指令与入炉煤量的变化趋势.由图2可以看出，电网调度负荷指令与入炉煤量的变化趋势是一致的，并且第i(i=1，2，…，6)个采样点的电网调度负荷指令与当前时刻电网调度负荷指令的偏差可正可负，因此采用方差倒数法对误差平方和较小的采样点赋以较高权重.最优权重系数计算公式[11]为

(7)

(8)

式中：Di为第i个采样点的电网调度负荷指令与当前时刻电网调度负荷指令的误差平方和，MW2;Ni为待测时刻前(i×10) min的电网调度负荷指令，MW.

图2　电网调度负荷指令与入炉煤量的变化趋势

由式(7)可知，对于不同的待测时刻，其最优权重系数是变化的.因此，所建立的基于功煤系数的预测模型是变权重系数的组合预测模型.

3预测模型的验证与分析

3.1预测模型的验证

实时入炉煤量的预测计算以表1中17:20时刻为例，利用16:20—17:10时刻内6组数据对17：20时刻应该加入的实时入炉煤量进行预测，算法流程见图3.

图3　实时入炉煤量计算流程

待测时刻的功煤系数如式(6)所示，进而可以求出实时入炉煤量的预测值：

(9)

理论入炉煤量为待测时刻的功煤系数与待测时刻电网调度负荷指令的乘积：

(10)

将实时入炉煤量与理论入炉煤量之间的偏差与理论入炉煤量之间的比值定义为待测时刻入炉煤量的偏差.

同理，17：20以后时刻的实时入炉煤量均可以用前6个采样点进行预测，预测结果如表2所示，其中平均误差为3%.

3.2预测模型的结果分析

借助组合预测模型的思想，确定历史采样点对当前采样点的最优权重系数，继而利用历史采样点的功煤系数对当前采样点功煤系数进行预测，求得当前采样点入炉煤量.

由计算结果可以看出：(1)从单个预测结果角度分析，预测模型预测实时入炉煤量的最大误差不超过10%，即实时入炉煤量的准确度能达到90%以上；(2)从所取的所有数据角度分析，预测平均误差为3%，即预测平均准确度能达到97%左右，误差相对较小，验证了预测模型具有较高的预测准确率.

4结论

以功煤系数为出发点，借助组合预测模型的思想，采用方差倒数法求取前1 h入炉煤功煤系数对当前时刻功煤系数的最优权重系数，实现实时入炉煤量的预测，解决了由于入炉煤种热值变化较大而引起的问题.基于功煤系数的入炉煤量预测模型不仅具有较高的预测准确率，而且具有操作简便、实现性强等特点.预测模型的结果表明，模型具有较好的应用价值.此外，可将此方法集成到集散控制系统中，实时修正入炉煤量，以提高入炉煤量控制的准确性.

表2　实时入炉煤量和误差计算结果

参考文献：

[1]杨景祺,戈黎红,凌荣生. 超临界参数机组控制系统的特点及其控制策略[J].动力工程,2005,25(2):221-225.

YANG Jingqi, GE Lihong, LING Rongsheng. Features and strategies for control systems of supercritical pressure sets[J]. Chinese Journal of Power Engineering, 2005, 25(2):221-225.

[2]接建鹏,辛力坚,武文华,等. 利用煤质热值校正对协调控制系统优化的研究[J]. 内蒙古石油化工, 2012(24): 30-32.

JIE Jianpeng, XIN Lijian, WU Wenhua,etal. Study on the optimization of the coordinated control system using coal calorific value correction[J]. Inner Mongolia Petrochemical Industry, 2012(24):30-32.

[3]郭瑞君,秦成果,张澎涛,等. 基于热值校正的适应煤质变化协调控制系统研究[J]. 内蒙古电力技术, 2010,28(4):5-8.

GUO Ruijun, QIN Chengguo, ZHANG Pengtao,etal. Research of coordinated control system adaptation to coal quality variation based on caloricity calibration[J]. Inner Mongolia Electric Power, 2010,28(4):5-8.

[4]胡雄辉,刘武林,李劲柏，等.自适应煤质变化协调控制系统的研究[C]//电站热工控制研讨会暨自动化信息化技术交流年会论文集. 长沙：中国动力工程学会，2008:66-71.

[5]李必成,盛赛斌. 一种基于数据挖掘的入炉燃料发热量在线智能软诊断方法研究[J]. 热能动力工程,2007, 22(1):25-28.

LI Bicheng, SHENG Saibin. A study of the method for an on-line intelligent soft diagnosis of in-furnace fuel low heating values based on data-mining[J]. Journal of Engineering for Thermal Energy and Power, 2007, 22(1):25-28.

[6]刘吉臻,刘焕章,常太华,等. 部分烟气信息下的锅炉煤质分析模型[J]. 中国电机工程学报,2007,27(14):1-5.

LIU Jizhen, LIU Huanzhang, CHANG Taihua,etal. Analysis model of coal grade into boilers based on incomplete flue gas information[J]. Proceedings of the CSEE, 2007,27(14):1-5.

[7]罗志浩,陈小强,陈波. 超(超超)临界机组主重要参数控制策略优化[J]. 浙江电力, 2011(6):32-35.

LUO Zhihao, CHEN Xiaoqiang, CHEN Bo. Optimization of control strategy of main parameters for supercritical (ultra supercritical) units[J]. Zhejiang Electric Power, 2011(6):32-35.

[8]蒋欣军,王煜伟,周晓韡. 新型串级热值校正技术在直流锅炉配煤掺烧中的应用[J]. 锅炉技术, 2013,44(6):65-69.

JIANG Xinjun, WANG Yuwei, ZHOU Xiaowei. Application of new type BTU control technology for blended coal combustion in once-through boiler[J]. Boiler Technology, 2013,44(6):65-69.

[9]刘友宽,潘巾杰,田沛,等. 煤质自适应校正方案建模仿真[J]. 热力发电,2014, 43(1):99-105.

LIU Youkuan, PAN Jinjie, TIAN Pei,etal. Simulation of coal quality correction program[J]. Thermal Power Generation, 2014, 43(1):99-105.

[10]张啸海. 煤质变化对机组运行的影响及对策[J]. 科协论坛：下半月,2012(11):48-49.

ZHANG Xiaohai. The influence of coal quality on the operation of the unit and its countermeasures[J]. Science & Technology Association Forum,2012(11):48-49.

[11]张承伟,黄伟,王彤. 短期电力负荷最优组合预测模型的研究[J]. 计算机应用与软件,2010, 27(12):177-180,192.

ZHANG Chengwei, HUANG Wei, WANG Tong. On optimal combined forecasting model for short-term power load[J]. Computer Applications and Software, 2010, 27(12):177-180,192.

[12]孙炯,梁锦强,刘凯. 一种基于最小二乘法的广义加权组合预测模型[J]. 科技通报,2013,29(8):10-12.

SUN Tong, LIANG Jinqiang, LIU Kai. A combined forecasting model based on optimal weighted method and east-squares method[J]. Bulletin of Science and Technology, 2013,29(8):10-12.

Study on Prediction Model for Coal Feed Rate of a Boiler

GUJunjie,ZHANGYan,LIUKang,SUNMiaoqing

(School of Energy, Power and Mechanical Engineering, North China Electric Power University,Baoding 071003, Hebei Province, China)

Abstract：An adaptive feed-forward correction to coal quality was designed, based on which a prediction model was established for the coal feed rate of a boiler considering the power-coal coefficient via the concept of combination model. The optimal weighting factor of last 1 h to current power-coal coefficient was solved by reciprocal method, so as to predict the coal feed rate and power-coal coefficient. The model was applied to the prediction of coal feed rate in No.4 boiler of a 660 MW unit. Results show that the average prediction accuracy on coal feed rate can be improved up to 97% if the predicted value is regarded as the actual coal feed rate.

Key words：coal feed rate； feed-forward correction; prediction model; power-coal coefficient; power grid dispatching load instruction

文章编号：1674-7607(2016)02-0118-05

中图分类号：TK229.2

文献标志码：A学科分类号：470.30

作者简介：谷俊杰(1959-)，男，河北定州人，教授，硕士，主要从事火电机组优化与控制等方面的研究.张岩(通信作者)，男，硕士研究生，电话(Tel.)：18331125716；E-mail：yanzhang_2014@163.com.

基金项目：河北省教育厅科学研究指导性资助项目(z2007414)

收稿日期：2015-06-01

修订日期：2015-06-26