烟气含氧量软测量方法研究

李　健　张彬文

(华北电力大学控制与计算机工程学院，北京　102206)

烟气含氧量软测量方法研究

李健张彬文

(华北电力大学控制与计算机工程学院，北京102206)

摘要：针对火电厂烟气含氧量测量过程中存在的一些问题，分析了氧化锆氧分析器运行中的主要影响因素。软测量技术为烟气含氧量提供了新的测量手段。给出了常见的烟气含氧量软测量建模方法，并且重点分析了软测量建模过程中辅助变量的选取与处理、样本的选择与处理、主导变量的校准以及模型的更新校正等关键技术。分析表明，尽管软测量模型具有较高的精度和动态响应速度，但是现有的研究并不能完全解决直接测量结果误差大、滞后等问题。由于软测量模型以硬件测量作为参考，因此应首先考虑从硬件方面提升测量的精准度和响应速度。

关键词：火电厂烟气含氧量氧化锆软测量传感器辅助变量样本选择模型校正

0引言

电站锅炉一般采用锅炉尾部烟气含氧量来计算过量空气系数，从而判断燃烧状态、控制进入炉膛的空气量，以实现燃烧过程中风煤比的有效调整，保持锅炉在最佳状态运行燃烧。如果氧量测量不准确，将带来机组风机电耗增加、排烟温度升高、锅炉效率下降等一系列问题。文献[1]建立了烟气含氧量对灰渣平均含碳量、烟气中一氧化碳含量、排烟温度以及送引风机电耗等热经济性指标的微增量方程；文献[2]研究了不同工况条件下运行氧量对锅炉热效率、风机电耗以及NOx排放量的影响；文献[3]指出，烟气含量不足不但会增加飞灰含碳量，还会使炉膛产生还原性气氛，导致结焦等。

考虑到整个锅炉燃烧的经济性和安全性，对于烟气含氧量的在线监测和控制，要求其检测传感器具有准确、稳定、响应快并且耐用等性能。本文就这些性能，对硬件测量和软测量方法作了简要分析。

1氧化锆传感器

目前，电厂使用的直接测量烟气含氧量的传感器主要为氧化锆传感器，采用能斯特方程测量通过氧化锆的氧离子浓度，如式(1)所示。

(1)

式中：R为理想气体常数；F为法拉第常数；n为电化学反应常数；T为绝对温度；PR为参考氧量浓度；PM为被测氧量浓度。

氧化锆氧分析器一般由陶瓷过滤器、氧化锆元件、加热器、测温热电偶等组成，系统结构简单、灵敏度高，可以在高温环境下使用。由式(1)可知，传感器温度的变化将引起输出电势的偏差，因此在使用过程中必须先通过热电偶标定温度。同时，由于在非理想状态下会引入附加电动势，因此在使用过程中须由校正模块对式(1)进行修正。

由于测量环境中含有CO等未燃尽气体，NOx、SOx等腐蚀性气体以及水滴、灰尘、颗粒等物质，会影响甚至损坏传感器；而烟气流量、取样方式也会影响测量的精度和使用寿命，因此氧量测量传感器面临着需要经常检定或者更换的问题。

目前我国关于氧化锆氧分析器的检定采用JJG535-2004规程，检定的项目主要包括示值误差、重复性、响应时间和漂移等。表1列出了几种氧化锆氧分析器的主要性能参数对比，最后一行为检定规程中的计量性能要求。

表1　氧化锆氧分析器能参数对比

2软测量建模方法

如表1所示，尽管氧化锆氧分析器能够满足检定规程中的计量性能要求，但是依然存在易烧坏、成本高以及实时性差等缺点。目前很多研究试图通过软测量方法实现烟气含氧量的测量。基于机理分析建立的数学模型背景清晰、结构简单，在工程上更容易被接受。如文献[4]利用煤的燃烧原理，建立了烟气含氧量的计算公式。

(2)

式中：QV、BV分别为进入炉膛的总风量和总煤量；QT、QFT分别为单位入炉煤完全燃烧所需的理论空气量和产生的理论烟气量。

文献[5]通过建立锅炉燃烧过程的动态模型，由进入锅炉的煤量和风量确定烟气含氧量。

(3)

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。

更多的软测量建模方法，从机理分析的角度出发，选择辅助变量，采用神经网络方法[6]、自适应神经模糊推理方法[7]、案例推理方法[8]、支持向量机[9]、核偏最小二乘[10]等，建立了软测量模型。

3软测量建模关键技术分析

3.1变量选取与处理

由于对烟气含氧量的机理分析已经比较成熟，因此在选取辅助变量方面，各种软测量方法几乎没有太大区别。文献[4]、文献[5]考虑了煤质、漏风对于氧量测量的影响；文献[6]、文献[7]都是选择主蒸汽流量、给水流量、燃料量、排烟温度、送风量、送风机电流、引风量、引风机电流；文献[8]由各给煤机转速确定给煤量，并引入燃煤质量指标；文献[9]认为炉膛负压作为送风量和引风量的函数，本身灵敏度高并能实时反映炉膛与烟道的漏风情况，因此，采用蒸汽压力和流量反映锅炉负荷的变化情况，并选择给煤量、炉膛温度、热风温度和排烟温度作为模型的输入；文献[10]选择主蒸汽温度、主蒸汽压力、总风量、引风机出口烟温、引风机电流、引风机入口导页位置、送风机电流、送风机动叶位置、炉膛负压、给水流量和燃料量作为输入变量。

对于选择的辅助变量，要求易于测量且准确度高，但这一要求在实际的测量过程中并不能保证。如目前对于大管径风量仍缺乏准确、有效的测量手段，通常利用相关变量，先建立辅助变量的软测量模型或用其他更加准确的变量代替。如文献[10]就采用了送风机电流、送风机动叶位置、引风机电流、引风机入口导页位置等变量。

在现有的文献研究中，软测量建模过程中主导变量都采用了已安装的氧化锆氧分析器的数据。因此，为保证软测量的精度，在采集数据或者选择样本之前，应当先对该仪器进行校准。

3.2样本选取与处理

由前文的分析可知，可将烟气含氧量软测量看作一个多传感器信息融合的过程，因此需要考虑各传感器数据在时间上的滞后问题，并且考虑实时性要求。按照响应时间5 s来分析，根据香农采样定理，则采样间隔应当在2.5 s以内。

在软测量模型建立过程中，文献[5]并未给出具体的采样信息，但是给出了模型计算值比测量值超前半分钟的动态特性图；文献[6]在80%满负荷下连续采样实测100组数据，但并未提到采样间隔；文献[7]选出不同负荷下的600对样本，采样间隔5 s；文献[10]选用机组DCS中采样间隔时间为60 s的历史数据。

在得到训练或学习样本后，须先经过一定的筛选，才能开始建模。一些文献还对样本进行了降维处理。

3.3模型在线校正

为满足实时控制的需要，软测量模型需进行在线修正。一般每过一段时间即采样新的样本数据，对模型进行离线修正，或者利用实时数据进行在线修正。

综上所述，建立氧量软测量模型的步骤如下。

①根据使用要求，确定模型的性能参数。

②确定所使用的软测量模型。

③选取模型的辅助输入变量，分析辅助变量测量的准确度。

④根据选取的辅助变量和氧量，从现场选择样本数据，并按模型要求对数据进行预处理。

⑤将预处理后的数据代入模型，确定模型的参数。

⑥利用新的样本数据对模型进行验证，如不满足性能参数，则调整辅助变量或软测量模型；如满足性能要求，则将新的样本数据带入模型进行参数修正。

4结束语

烟气含氧量的软测量建模技术为火电机组的氧量测量提供了新的方法，对于实时监测以及燃烧系统优化调整具有重要的意义，尤其是可以在硬件测量出现故障时，为工程实施提供重要的参考。尽管获得了很好的动态响应特性，但是在精度方面，由于目前软测量预测结果仍然是以现场用氧量分析仪测量得到的数据作为参考，因此并不能得出软测量可以取代硬件测量结果的结论。目前，氧化锆氧分析器仍是国际公认的锅炉节能和环保的主要装置，因此笔者认为研究者应

该更多地从材料和硬件制作工艺方面考虑，改善测量的精准度和响应速度。

参考文献

[1] 谷俊杰，孔德奇，高大明,等．电站锅炉燃烧优化中最佳烟气含氧量设定值的计算[J]．华北电力大学学报，2007，34(6)：61-65.

[2] 周新刚，张文奎，郝卫东,等．超临界600MW机组锅炉运行氧量优化试验研究[J]．热力发电，2012，41(10)：28-31.

[3] 龙文，梁昔明，龙祖强．基于混合PSO优化的LSSVM锅炉烟气含氧量预测控制[J]．中南大学学报(自然科学版)，2012，43(3)：980-986.

[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)：7-15.

[5] 陈彦桥，郭一，刘建民,等．一种改进烟气含氧量软测量建模方法与仿真[J]．动力工程学报，2011，31(1)：12-17.

[6] 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]．信息控制，2001，30(2)：189-192.

[7] 刘千，韩璞，王东风．基于ANFIS模型的烟气含氧量建模和预测[J]．计算机仿真，2014，31(10)：437-441.

[8] 湛腾西，郭观七．电厂烟气含氧量的智能混合预测方法[J]．仪器仪表学报，2010，31(8)：1826-1833.

[9] 徐巧玲，林伟豪，赵超,等．基于KPCA-LS-SVM的工业锅炉烟气含氧量预测[J]．计算机与应用化学，2012，29(7)：834-838.

[10]张曦，陈世和，陈锐民,等．基于核偏最小二乘的电厂热力参数预测与估计[J]．中国电机工程学报，2011,05(31):127.

ResearchontheSoftSensingMethodsofOxygenContentinFlueGas

Abstract：For solving some problems in detection process of the oxygen content in flue gas, the main factors influencing measurement of Zirconia analyzer are analyzed. Soft measurement technology provides a new measuring method for Oxygen content in flue gas. The common seen modeling methods for soft sensing of oxygen content in flue gas are given, and the key technologies including selection and processing of secondary variables, selection and processing of samples, calibration of dominant variable, and model updating and correction, etc., are analyzed emphatically. The analysis shows that although the soft sensing model offers higher accuracy and higher dynamic response speed, some of the problems in direct measurement still cannot be resolved, such as big error, time lagging and so on. Because of hardware measurement is used as a reference of soft measurement model, the aspects of hardware should be firstly considered in improving measurement precision and speed accordingly.

Keywords:Fossil-fired power plantOxygen content in flue gasZirconia oxygenSoft-sensingSensorSecondary variableSample selectionModel correction

中图分类号：TH83;TP216+.3

文献标志码：A

DOI:10.16086/j.cnki.issn 1000-0380.201606021

中央高校基本科研业务费专项基金资助项目(编号：2015MS26)。

修改稿收到日期：2015-12-10。

第一作者李健(1988-)，男，2011年毕业于华北电力大学检测技术与自动化装置专业，获硕士学位，工程师；主要从事检测技术与数据分析方向的研究。