煤发热量实时校正方法研究

郝晓辉，刘鑫屏，洪雨楠

(华北电力大学 控制与计算机工程学院，河北保定071003)



煤发热量实时校正方法研究

郝晓辉，刘鑫屏，洪雨楠

(华北电力大学 控制与计算机工程学院，河北保定071003)

摘要：为了得到可以实时准确反映实际煤发热量的信号，研究了一种基于卡尔曼滤波的信息融合方法，结合卡尔曼滤波器预估-校正过程，用实验室分析法的化验值校正基于负荷-压力动态模型计算的发热量值，进而减小其静态误差，得到一个动态误差小准确度高的融合结果。经不同工况下机组实际运行数据验证，融合后的信号能实时反映实际煤发热量的变化趋势且能解决模型误差和给煤量波动导致动态法静态精度低的问题，静态误差小于±3%，可以满足现场对信号实时性和准确性的要求。

关键词：煤发热量；实时校正；卡尔曼滤波；信息融合

0引言

煤发热量是评价燃料煤品质的主要指标[1]。煤质的变化会严重影响机组控制系统的调节品质，甚至波及机组运行的稳定性[2]。由于火电厂来煤不稳定，煤发热量变化频繁且缺乏有效的煤发热量在线检测方法，给电厂运行控制带来很多困难。因此，应用新的理论和方法，实时准确的监测煤发热量，提高机组的抗煤质扰动能力非常必要。

目前，煤质在线分析仪可以实现煤发热量实时准确的测量，但由于其价格昂贵，尚未被广泛使用[3]。常规实验室分析法和软测量法无法同时满足实时性和准确性的要求，但各有特点。常规实验室分析得到煤发热量，能准确反映采样时间段内煤发热量的平均值，但不能反映煤质突然变化，存在较大的迟延和动态误差。文献[4]提出的基于机组负荷-压力动态模型的动态煤发热量软测量法，能够实时计算煤发热量动态误差较小，但由于给煤量测量及软测量模型存在误差，静态精度较低。

许多学者研究了信息融合的方法[5-7]，对具有互补特性的信号进行融合，得到实时、准确的控制量。在此，依据实验室分析法和动态软测量法测得信号的特点，研究了基于卡尔曼滤波的信息融合方法，用实验室分析法得到的煤发热量化验值作为该段时间内煤发热量的基准值，校正动态软测量法得到的发热量信号，输出的煤发热量信号实时性好且静态误差小。

1卡尔曼滤波器

卡尔曼滤波器是一种最优化自回归数据处理算法，近年来被应用于组合导航系统信息融合、传感器数据融合等研究领域[8]。卡尔曼滤波器包括两个主要过程：预估与校正。预估过程是利用时间更新方程根据前一时刻的状态估计值推算得到当前时刻的状态变量先验估计值和误差协方差先验估计值；校正过程是利用测量更新方程，在新的量测值及预估过程的先验估计值基础上建立起对当前状态改进的后验估计。这一过程称之为预估-校正过程，因此卡尔曼算法是一个递归的预估-校正方法[9，10]。

卡尔曼滤波器的时间更新方程如下：

(1)

P(k|k-1)=AP(k-1|k-1)AT+R1

(2)

卡尔曼滤波器的状态更新方程如下：

(3)

(4)

(5)

2煤发热量测量方法

2.1实验室分析法

实验室分析法是将一定质量的煤样在氧弹量热计中完全燃烧，燃烧放出的热量被一定量的水和量热计筒体吸收。待系统热平衡后，依据水和量热计筒体的热容量，测出温度的升高值，即可计算出该煤样的发热量。

电厂中一般用采制煤样机通过采样和制样两个过程，得到具有代表性的煤样[11]。采样过程是用安装在输煤皮带上的采样装置，每隔一段时间从皮带上采一定量的煤，并通过采煤管倒入采煤斗中；制样过程是将采煤斗中的煤反复经过破碎、掺合、缩分和过筛后，得到符合要求的最终样品。

实验室分析法得到的煤发热量能准确反映煤样的实际发热量。煤样是一段时间内从输煤皮带上采样、充分混合后，取出的一小部分。因此，通过实验室分析法得到的煤样的发热量值能准确反映该段时间内入炉煤发热量平均值。

2.2动态煤发热量软测量法

文献[4]提出基于机组发电负荷-机前压力简化非线性动态模型的煤发热量软测量方法。此类机组的简化模型可以描述为[12]：

(6)

(7)

(8)

(9)

(10)

(11)

模型输入：燃料量uB(kg/s)；汽轮机调门开度uT(%)。模型输出：机前压力pt(MPa)；机组负荷NE(MW)。模型中间变量：制粉系统延迟时间τ(s)；实际进入磨煤量rm(kg/s)；制粉系统惯性时间Tf(s)；锅炉燃烧率rB(kg/s)；锅炉蓄热系数Cb(MJ/MPa)；汽轮机增益K3；燃料增益K1；汽包压力pd(MPa)；过热器压降系数K2；汽轮机惯性时间Tt(s)；汽轮机调节级压力p1(MPa)。

进而得到煤发热量的计算公式：

(12)

(13)

式(12)和式(13)中：Qard为动态煤发热量软测量法得到的煤低位发热量(MJ/kg)；K1为单位燃料量对应的机组负荷；ηu为机组发电效率；T0为时间常数。

根据式(13)和以上模型结构，得到计算燃料量增益K1的组态实现图，如图1所示。为了便于DCS中组态，图中用高阶惯性环节代替纯迟延环节。根据机组运行数据，实时计算煤发热量[13]。

图1　燃料量增益计算组态图

通过以上分析，该软测量方法可以实现煤发热量的实时测量且煤发热量信号可以实时反映实际煤发热量的变化趋势，但由于给煤量测量、模型的简化、建立时存在一定误差以及组态实现时系统的近似等价，使得该方法存在较大的静态误差，不能准确反映实际煤发热量。

3卡尔曼滤波信息融合

实验室分析法得到化验值能准确反映该采样时间段内的煤发热量平均值；动态软测量法测得的煤发热量信号能实时反映煤发热量的变化趋势，但存在较大的静态误差。结合实验室分析法和动态软测量法得到煤发热量的特点以及卡尔曼滤波器预估-校正的过程，用实验室分析法得到的煤发热量化验值作为卡尔曼滤波器的预估值校正动态软测量法的输出，进而减小动态软测量法的静态误差，最终得到一个实时性好且准确度高的煤发热量信号。卡尔曼滤波整体框图如图2所示。

图2　卡尔曼滤波整体框图

采样段N时卡尔曼滤波的时间和状态更新方程如下：

时间更新方程：

(14)

(15)

状态更新方程：

(16)

(17)

(18)

(19)

给定卡尔曼滤波器所需的初值，以及动态法和实验室法获得的煤发热量数据，依据上述卡尔曼滤波过程，即可将融合后的结果输出。

4实验验证

针对DTⅡ电厂600MW直冷式空冷机组，锅炉型号DG2060/17.6-∏1，汽轮机型号NZK600-16.7/538/538。根据设计参数和扰动实验确定机组模型为：

(20)

(21)

(22)

pt=pd-0.000 134(10.48rB)1.5

(23)

(24)

根据式(13)和以上确定的机组模型，利用机组运行时给煤量、机组负荷和汽包压力的数据，计算得到动态软测量法输出的煤发热量值。对应的实验室化验值由电厂提供的入炉煤分析报告中给出，部分数据如下表1所示。

表1　部分实验室入炉煤分析数据

在此，截取不同工况下的实际运行数据来验证该基于卡尔曼滤波的信息融合方法。工况Ⅰ：取稳定高负荷运行工况下煤发热量波动较小时的运行数据，如图3所示。融合前后的煤发热量曲线对比图如图4所示。

工况Ⅱ：取变负荷运行工况下的运行数据，如图5所示。融合前后的煤发热量曲线对比图如图6所示。

由图4和图6融合前后煤发热量曲线的对比可以发现：融合后的煤发热量基本趋势和动态法一致，且每个采样时间段的平均值更接近该采样时间段内实验室的化验值。动态响应时间不超过90s；与动态法相比，静态误差由±8%减小到±3%。

工况Ⅲ：取稳定高负荷运行工况下煤发热量发生突变时的运行数据，如图7所示。融合前后的煤发热量曲线对比图如图8所示。

图3　工况Ⅰ运行数据图

图4　工况Ⅰ煤发热量曲线对比图

图5　工况Ⅱ运行数据图

图6　工况Ⅱ煤发热量曲线对比图

图7　工况Ⅲ运行数据图

图8　工况Ⅲ煤发热量曲线对比图

当煤发热量发生较大突变时，实验室化验值与实际煤发热量值的偏差很大，与化验值相比，动态法得到的煤发热量值更能准确反映实际煤发热量。由图8中曲线对比可见，融合后的煤发热量与动态法变化趋势一致且误差不超过±4%。

5结论

采用基于卡尔曼滤波的信息融合方法，结合卡尔曼滤波预估-校正的过程，用实验室化验值作为一个基准值校正基于负荷-压力动态模型的动态软测量法的输出，通过截取三天的历史运行数据，选取六组典型工况下的数据进行实验验证，得到如下结论：

(1)在稳定负荷和变负荷运行工况下，融合后的煤发热量能够实时反映实际煤发热量的变化趋势；融合后的煤发热量静态误差由±8%减小到±3%。

(2)煤发热量发生较大突变时，融合后的煤发热量能跟随较准的动态法的输出值，误差不超过±4%。

(3)融合后的煤发热量信号动态响应时间少于90s，可以满足现场对信号实时性和准确性的要求。

参考文献:

[1]武现聪. 基于状态观测器的热工参数软测量方法研究[D].保定：华北电力大学，2014.

[2]乔弘，周黎辉，潘卫华，等.基于参数自适应SVR的火电厂热工参数软测量[J].华北电力大学学报(自然科学版)，2008，35(2)：94-97.

[3]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.

[4]刘鑫屏，田亮，曾德良，等.基于机组负荷-压力动态模型的燃煤发热量实时计算方法[J].动力工程学报，2008，28(1)：50-53.

[5]苏保光，田亮，王琪，等.一种在线煤质软测量方法[J].电力科学与工程，2011，27(7)：32-36.

[6]张锷，田亮，付恩狄，等.煤质劣化对锅炉热量分配影响的机理分析[J].华北电力大学学报(自然科学版)，2010，37(4)：67-71.

[7]于达仁，范轶，徐志强.基于分布信息融合的直流锅炉燃料量信号重构[J].中国电机工程学报，2004，24(2)：191-195.

[8]张开禾，富立，范耀祖.基于卡尔曼滤波的信息融合算法优化研究[J].中国惯性技术学报，2006，14(5)：32-35.

[9]李振茂.700MW机组锅炉配煤掺烧试验及效益分析[J].电力科学与工程，2014，30(6)：6-10.

[10]邹波，张华，姜军.多传感信息融合的改进扩展卡尔曼滤波定姿[J].计算机应用研究，2014，31(4)：1035-1038.

[11]曹长武.电厂入炉煤采制煤样机简介[J].华东电力，2001，29(7)：52-54.

[12]田亮，曾德良，刘鑫屏，等.500MW机组简化的非线性动态模型[J].动力工程学报，2004，24(4)：522-525.

[13]张锐锋，安波，李小军，等.基于模型煤发热量软测量的BTU校正方法分析[J].热力发电，2015，44(11)：43-47.

Study on Real-time Correction Method of Coal Calorific Value

HAOXiaohui，LIUXinping，HONGYunan

(SchoolofControlandComputerEngineering，NorthChinaElectricPowerUniversity，Baoding071003，China)

Abstract：To get the signal which reflects the actual real-time coal calorific value with accuracy, a new information fusion method based on Kalman filter is proposed. By combining predictor-corrector process of Kalman filter, the calorific value based on load-pressure dynamic model is calibrated by assay value obtained from laboratory analytical method. So that the static error is reduced and a fusion result with little dynamic error and high accuracy is obtained. Verified by actual operation data under different cases, the signal after fusion can reflect the actual real time coal calorific value and solve the problem of low accuracy of dynamic method caused by the model error and the coal quantity fluctuation is also solved. What’s more, static error is less than 3%, which can meet the requirements of dynamic response speed and static precision.

Keywords：coal calorific value；real-time correction；Kalman filter；information fusion

收稿日期：2016-03-17。

基金项目：国家重点基础研究发展计划(973计划)资助项目(2012CB215203)；中央高校基本科研业务费专项资金资助(2014MS145)。

作者简介：郝晓辉(1992-)，女，硕士研究生，研究方向为数据融合技术，E-mail：1360716194@qq.com。

中图分类号:TM73

文献标识码:A

DOI:10.3969/j.issn.1672-0792.2016.05.011