基于功煤系数的煤质自适应控制策略研究

刘 康

（华北电力大学能源动力与机械工程学院，河北保定071003）

基于功煤系数的煤质自适应控制策略研究

刘 康

（华北电力大学能源动力与机械工程学院，河北保定071003）

通过分析机组协调控制系统的原理和局限性，设计了自适应煤质前馈校正。根据锅炉燃烧的延迟特性，引入功煤系数的概念，建立了基于功煤系数的组合预测模型，并对机组的协调控制系统进行优化。以某超临界机组的运行数据为例，对模型的预测效果进行验证分析。计算结果表明，该模型的平均预测精度约为97%，可有效降低校正回路信号的波动性，提高了机组对煤质的自适应能力。

机组；煤质；自适应；控制；功煤系数；预测；模型；校正

0 概 述

由于地域原因，很多机组燃用的煤种不能达到设计煤种的要求，即使采用配煤掺烧[1]技术，入炉煤质的变化仍比较大，影响锅炉的稳定燃烧和机组辅助设备的正常运行[2]。当前，随着单元制火力发电机组参数的不断提高，煤质变化产生的影响越来越明显[3]。另一方面，随着电网容量的增大、用户对供电质量要求的提高，电网调度对火电机组变负荷性能的要求也越来越高，而煤质差及煤质的变化，将导致很多火电机组协调变负荷能力不能适应电网调度的要求，减弱了机组上网竞争力[4]。为保证电厂的安全、经济运行，需要对机组进行煤质自适应控制。

目前，高参数机组的CCS系统普遍采用BTU校正技术实现煤质自适应控制[1]。当配煤效果不好、机组负荷变化过快时，传统的BTU技术普遍存在超限和延迟现象，难以满足目前电网对机组控制的要求[1]。基于此，相关学者已广泛开展BTU技术的研究，并取得了一定的成果。在对入炉煤质热值预测方面，朱林忠[5]提出等效相对热值的思想，Kelei Sun[6]使用混合线性回归的方法，李必成[7]提出了关联信息算法和非线性映像网络混合模型，Jiang W[8]、刘林[9]分别使用SVM和LSSVM算法，倪敏[10]则提出新的热值校正关系。在控制策略方面，罗志浩[11]设计了稳定快速BTU校正回路，蒋欣军[1]提出了新型串级热值校正技术，刘友宽[12]、王磊[13]、黄卫剑[14]则研究了煤质自适应的AGC系统。这些研究成果，对锅炉热力系统的能耗分析[15]、节能研究[16]以及准确实现锅炉在动态过程的各种指标[17]具有重要意义。

与大多数研究不同，本文在研究CCS系统的基础上，较充分地考虑了锅炉的延迟特性，设计了自适应煤质前馈校正回路，建立基于功煤系数[18]的组合预测模型，估计当前中调指令下的燃料量信号，减少燃料量信号与理论燃煤量之间的偏差，增强机组自动适应煤质变化的能力。

1 煤质自适应控制的理论分析

1.1 煤质变化性能分析

煤质的优劣直接影响锅炉燃烧的稳定性和效率。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，调整入炉燃煤的品质。由于受来煤情况和外界环境的影响，配煤掺烧的实际效果并不好，入炉煤质变化很大，主蒸汽参数随着燃烧工况的改变，出现了不可避免的波动，使发电质量下降，有时，甚至会危及机组的正常运行。

为了获得高品质的煤质自适应控制，采用功煤系数概念。功煤系数是指单位功率所消耗的实时煤量[18]，其数学表达式为：

式（1）中：α为功煤系数；M为入炉煤量，t/h；N为发电机功率，MW。

在CCS系统的作用下，入炉煤量受多种因素的综合影响。当电网中调指令不变时，入炉煤质是影响燃烧的主要因素。因此，功煤系数用于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。某660 MW超临界机组在某时间段的运行数据，如表1所示。

由表1可知，电网中调指令的波动幅度较大。在17：40～18：50时间段，机组由稳定的高负荷降为稳定的低负荷工况，同时，入炉煤量也随之波动。

表1 660 MW机组在某时间段的运行数据

1.2 煤质自适应控制策略

若不考虑锅炉燃油，当入炉煤质为设计煤种时，煤质自适应控制策略，如图1右侧所示。根据电网调度指令NE经“负荷-燃煤量函数f1（x）”计算出设计煤种理论燃煤量DE0，利用主蒸汽设计压力P0与实际压力PT的差值进行调整，得出设计煤种实际燃煤量DE，锅炉主控M/A利用此燃料量信号，调整各给煤机的转速，控制入炉煤量。

在实际运行中，入炉的煤种往往不是设计煤种，需要利用BTU校正回路，修正设计煤种的实际燃煤量信号DE，实现煤质的自适应控制。当图1右侧系统执行完毕后，BTU校正回路开始工作。汽轮机第一级压力信号P1代表锅炉蒸发量，经“函数f3（x）”转换为以设计煤种为基准的燃煤量DQ，再与调节前实际煤种实际燃料量信号DM的差值经积分运算后，被送至乘法器对燃料信号DM进行修正，利用DE与修正后的DM的差值，调整各给煤机的转速，完成入炉煤量的修正。

应收账款在建筑企业管理中占据重要地位，其各项工作的合理开展可以保障建筑企业流动资产的稳定性，在提高建筑企业资金的利用效率、帮助企业创造更高的经济效益等方面具有重要意义。但是当前建筑企业在应收账款管理工作开展过程中存在一定的问题，例如风险管理意识较弱，导致企业受到影响。

图1 煤质自适应协调控制系统

由于锅炉燃烧的延迟特性，煤质变化引发炉内热量变化的过程存在较大延迟，因此，BTU校正回路中PID控制器的积分时间设置值较大（通常为1 800～3 600 s），对煤种突变的适应性差，只有在稳态工况下才具有实际意义[1]。电厂来煤的煤质一般低于设计煤质，采用传统的BTU控制策略，很容易使BTU的输出值超限，尤其是在配煤掺烧的工况下。总之，传统的煤质自适应协调控制系统有其一定的局限性，需要对系统进行优化。常见的煤质自适应协调控制系统，如图1所示。

考虑锅炉燃烧的延迟特性，应对入炉煤量做一前馈设计，对预测时刻前的燃烧煤种进行分析，预测功煤系数的变化。利用基于功煤系数的组合预测模型优化入炉煤量指令，即对图1中“中调指令-煤量转化函数f1（x）”进行优化。根据电网调度指令NE，经组合预测模型，预估以实际煤种为基准的燃煤量信号DE，锅炉主控M/A利用此信号控制各给煤机的转速，然后通过BTU校正回路的负反馈信号，修正燃料量信号，调节各给煤机的转速，控制入炉煤量。

2 基于功煤系数的组合预测模型

2.1 组合预测模型原理

组合预测模型广泛应用于电力行业[19-22]。利用组合预测模型进行数据预测，可综合各预测基函数的优点，得到更为准确的预测结果[19]。表示第i种预测基函数对问题的预测值，wi表示第i种预测基函数的权重系数表示n种预测基函数对问题的组合预测值，则

2.2 预测方法

在17：40～18：50时间段，电网中调指令的波动幅度、煤质变化范围均较大。运用MATLAB对该时段的功煤系数进行拟合预测[23，24]，拟合优度R2∈（0.93，1）。结果表明，虽然基于基函数的组合预测模型能将历史数据拟合的很好，但其预测的准确性较差。

在研究组合预测模型的基础上，建立了基于功煤系数的组合预测模型，利用待预测时刻前一个小时的功煤系数，预测该点的功煤系数，然后根据式（4），求得预测燃煤量。

式（4）中，M′表示预测燃煤量表示当前待预测时刻的预测功煤系数。

将待预测时刻前一个小时的历史数据，进行编号处理，待预测时刻编号为0，前10分钟时刻编号为1，前20分钟时刻编号为2，以此类推，离待预测时刻越远，编号越大。

预测模型的计算式如下，约束条件同式（3）。

由于锅炉延迟特性的存在，距离当前时刻越近，两时刻的锅炉运行工况越接近，历史时刻对当前时刻的影响越大，因此，该历史时刻的权重系数也越大。为体现以上物理意义，应保证：

2.3 权重系数的确定

组合预测模型常采用最小二乘准则确定最优权重系数，由于最小二乘准则下得到的最优权重系数可能出现负值，一些学者采用方差倒数法获得权重系数，其计算公式为[19]：

式（7）中，Di为第i个基函数的预测误差平方和。

方差倒数法对预测误差平方和较小的基函数赋以较高的权重系数，实现式（6）所体现的物理意义。因此，将方差倒数法的思想，引入基于功煤系数的组合预测模型，得到权重系数的计算公式：

由式（8）可知，对于不同的待预测时刻，其权重系数是固定不变的。因此，基于功煤系数的预测模型是定权重系数的组合预测模型。

3 实例计算

基于功煤系数的组合预测模型的计算流程，如图2所示。

图2 基于功煤系数的组合预测模型计算流程图

实时入炉煤量的预测计算，采用了表1中的历史运行数据，验证基于功煤系数的组合预测模型的实用性。计算结果，如表2所示。

表2 基于功煤系数的组合预测模型计算结果

图3 预测误差变化趋势

在16：20～17：40时间段，机组处于较稳定的高负荷工况，入炉煤质的变化不大，模型预测的误差很小。在17：40～18：50时间段，是电网调峰阶段，机组负荷快速降低，入炉煤质也有较大范围的波动。组合预测模型属于趋势分析法，因此，模型的预测精度降低。在18：50～19：10时间段，虽然机组的负荷趋于稳定，但由于入炉煤质的波动和锅炉延迟特性的存在，预测误差仍较大；在19：10～20：10时间段，机组处于稳定的低负荷工况，锅炉燃烧的延迟特性对调峰时产生的影响逐渐减弱，模型的预测误差降低，与16：20～17：40时间段相比，入炉煤质的波动较大，因此，预测误差比16：20～17：40时间段的误差大。

根据分析，可以得出预测结果的评估。

（1）从所取的数据分析，预测平均误差为2.857 3%，误差相对较小。验证了基于功煤系数的组合预测模型具有较高的预测准确率。

（2）预测模型的最大误差不超过10%，表明BTU校正回路工作之前，即使机组处于负荷和入炉煤质均较大范围波动的工况下，燃料量信号DE已经很接近理论燃煤量，从而减少了BTU校正回路的工作量，提高了校正的准确性和反应速度，增强了机组自动适应煤质变化的能力。

4 结 语

通过分析CCS系统的原理和局限性，设计了自适应煤质的前馈校正量，较充分地考虑了锅炉燃烧的延迟特性，引入功煤系数的概念后，利用基于基函数的组合预测模型、方差倒数法的思想，建立了基于功煤系数的组合预测模型，对预测时刻前的燃烧煤种进行分析，预测功煤系数的变化，估计中调指令下的燃料量信号。

根据某660 MW超临界机组的历史运行数据，对模型的预测效果进行验证分析。计算结果表明，该模型的平均预测精度约为97%，比较精确地估计了当前中调指令下的燃料量信号，减少了燃料量信号DE与理论燃煤量之间的偏差，降低了输入BTU校正回路的信号的波动性，减少了BTU校正回路中PID控制器的积分时间设置，提高了系统的自适应能力。

根据公式的计算条件，仍存有一定的局限性，主要体现在：

（1）模型验证时使用的660 MW超临界机组运行数据，其煤质的波动范围相比某些机组[17]较小。因此，当煤质波动范围很大时，该预测模型的计算是否有效，需要进一步计算验证。

（2）确定权重系数时，采用了方差倒数法，也考虑了锅炉的运行特性，但得到的权重系数是固定不变的，即对于不同的预测时刻，其权重系数为定值，显然这是有误差的。因此，如何得到更为科学的权重系数，还需要进一步的研究。

[1]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（06）：65-69.

[2]接建鹏，辛力坚，武文华，陈刚.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，2012，38（24）：30-32.

[3]刘友宽，李长更，唐立军，杜景琦.煤质自适应控制在超临界机组的应用[J].云南电力技术，2014（02）：48-52.

[4]郭瑞君，秦成果，张澎涛，辛晓钢.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（04）：5-8.

[5]朱林忠，周昊，岑可法.引入等效相对热值的锅炉燃料控制系统[J].中国电机工程学报，2002（12）：157-161.

[6]Kelei Sun，Xiaojuan Zhu，Huaping Zhou，et al.Research on new nonlinear method applied on coal calorific value prediction[C]. Advances in mechatronics and control engineering，2013：904-908.

[7]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（01）：25-108.

[8]Jiang W，Hongqi W，Qu T.Prediction of the calorific value for coal based on the SVM with parameters optimized by genetic algorithm[J].Thermal Power Generation，2011（40）：14-19.

[9]刘林，王朋，翟永杰，周杰联.基于算法的煤质发热量预测[J].热力发电，2015（02）：47-51.

[10]倪敏，魏向国，张明法.超临界空冷机组协调控制中新型热值校正方法的研究与应用[J].热力发电，2014（01）：46-51.

[11]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（06）：32-35.

[12]刘友宽，卢勇，苏适，董均宇.煤质自适应的火电机组AGC控制仿真与应用[J].云南电力技术，2010（02）：19-22.

[13]王磊.煤质自适应的煤粉炉机组AGC控制策略研究[D].华北电力大学（保定），2009.

[14]黄卫剑，张曦，朱亚清，潘凤萍.火电机组燃料品质自适应性优化控制策略研究[J].中国电力，2012（06）：43-46.

[15]李蔚，任浩仁，盛德仁，陈坚红，李斌.300MW火电机组在线能耗分析系统的研制[J].中国电机工程学报，2002（11）：154-156.

[16]杨勇平，杨昆.火电机组节能潜力诊断理论与应用[J].中国电机工程学报，1998（02）：60-63.

[17]任浩仁，李蔚，盛德仁，陈坚红，李剑日，卢学峰，朱伟杭.火电机组变工况下运行指标应达值的分析[J].中国电机工程学报，1999，19（09）：51-57.

[18]胡雄辉，刘武林，李劲柏.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.2008：66-71.

[19]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（12）：177-192.

[20]张国强，张伯明.基于组合预测的风电场风速及风电机功率预测[J].电力系统自动化，2009（18）：92-95.

[21]李晋伟，王奇，何红太，裴冠荣.基于EMD与ELM的输电线路山火蔓延速度组合预测模型[J].电力建设，2015（03）：27-32.

[22]孟安波，陈育成.基于虚拟预测与小波包变换的风电功率组合预测[J].电力系统保护与控制，2014（03）：71-76.

[23]周品，赵新芬.MATLAB数理统计分析[M].北京：国防工业出版社，2009.

[24]宋叶志.MATLAB数值分析与应用[M].北京：机械工业出版社，2014.

The Study of Coal Quality Adaptive Control Strategy Based on Coefficient of Power Coal

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

Forward feedback correction of adaptive coal is designed through analysis of the principle and limitations of the coordinated control system（CCS）.Fully considering the delay characteristic of the boiler，the combined forecasting model based on coefficient of power coal is established by using the concept of power coefficient of coal，the coordinated control system of the unit is also optimized.Using the operation data of a supercritical power plant to validate the model prediction effect，the results show that the average prediction accuracy of the model is about 97%. Thus，the model established effectively reduces the volatility of input signals in BTU correction circuit and enhances coal adaptive capacity of the unit.

unit；coal quality；adaptive；control；coefficient of power coal；forecasting；model；correction

TK227 61

A

1672-0210（2016）02-0031-05

2016-01-22

2016-01-26

刘康（1991-），男，硕士研究生，主要从事火电机组节能方面的研究。