基于燃料全过程的在线配煤掺烧系统

蒙 毅，赵 越，李仁义，黄廷辉，王 毅



基于燃料全过程的在线配煤掺烧系统

蒙 毅，赵 越，李仁义，黄廷辉，王 毅

（西安热工研究院有限公司，陕西 西安 710054）

本文在现有燃料信息化管理平台的基础上，开发了以广义配煤掺烧技术为核心，集燃料计划、入厂、场存、堆取、配煤、掺烧、优化运行与达标排放为一体的模块化、商业化在线配煤掺烧系统软件，该软件包括配煤掺烧预测模块、燃料配煤管理模块、掺烧方案评估模块、来煤堆煤建议模块、购煤建议管理模块等，可以长期、实时地指导电厂进行科学的煤炭掺烧管理。该系统软件已经实现商业应用，可为发电企业提供科学的评估与决策平台。

配煤掺烧；在线配煤；掺烧方案；掺烧预测；燃煤采购；应用软件；模块化

我国煤炭资源分布不均、种类繁多。火力发电企业为了保障生产或提高经营效益，往往被动或主动掺烧非设计煤。配煤掺烧技术已成为提高火力发电机组运行安全性、环保性、经济性的重要手段。随着国家节能减排政策的进一步推进，建设智能、实时在线的配煤掺烧决策平台，推动电厂燃料侧的信息集成与智能化，实现配煤掺烧的精细化管理，已经成为每一个火力发电厂的迫切要求[1–3]。

目前国内已开展了较多的优化配煤算法研究，并取得了一定成果[4–7]，但大多研究成果未被应用在电厂实际生产过程中。电厂在配煤过程中一般仅控制混煤的发热量、水分、灰分、挥发分、硫分等几种参数，使其尽可能达到设计值或目标值来满足燃烧要求[8–10]。这种配煤方式主要通过简单计算即可给出掺配方案，对掺烧运行有一定指导作用，但考虑的影响因素较少，不能从根本上保证混煤的适用性，容易导致安全生产隐患和环保排放超标，并且经济性较差[11–14]。因此亟需研发一套科学有效、功能齐全、操作简单的软件系统用于指导电厂配煤掺烧运行，达到缩短配煤时间，降低运行人员工作强度等目的。

本文基于燃料全过程管理系统，在以往配煤掺烧研究基础上，结合厂级监控信息系统（SIS），以广义配煤掺烧技术为核心，研发了涵盖购煤、堆煤、配煤、上煤、燃烧、排放等燃料全过程的模块化、商业化在线配煤掺烧系统软件。该软件以锅炉设计参数、来煤信息、负荷分布、煤场库存、历史掺配评价、设备运行工况等条件预测满足机组安全性、环保性与经济性的最佳掺配方案，并获取SIS监控数据对实际掺烧情况进行在线评估，跟踪掺配执行效果并反馈优化掺配模型，同时指导燃料采购、堆存，实现配煤掺烧的闭环管理。

1 广义配煤掺烧技术

广义配煤掺烧技术是在传统配煤掺烧技术基础上，结合电厂燃料全过程管理与运行监控系统，研究配煤掺烧与燃料全过程管理的关键影响因素及其优化模型。图1为广义配煤掺烧技术管理流程。

图1 广义配煤掺烧技术管理流程

广义配煤掺烧技术具体业务流程如下。

1）购煤 依据煤炭市场信息及当前库存情况等，通过煤质数据库、配煤掺烧预测平台及掺烧经验库进行优化决策，在保障机组安全环保运行的基础上，给出最经济购煤方案。

2）堆煤 根据采购的煤源结构和已制定的配煤掺烧方案，依据配煤掺烧条件（配煤设备及配煤方式）对煤场每个区域堆放的煤种进行规划与统筹分配，制定来煤堆放方案。在堆煤方案的基础上，对每班来煤批次，依据来煤类别、当前库存信息，给出入厂每批次煤的具体堆放位置。

3）配煤与燃烧 在煤种范围及不同掺烧方式（预混、分磨等）、不同比例掺烧及边界条件下，进行燃烧效果寻优匹配计算，给出最优配煤方案及掺烧运行建议，指导电厂配煤掺烧管理，并实时统计分析选定掺烧工况运行数据，评价掺烧效果。

4）上煤 根据掺烧方案、煤场库存结构及上煤设备运行状态，制定每班上煤建议，包括判断掺烧方案所需燃煤在煤场的存煤、堆放量、堆放段位及斗轮机、输煤皮带等取煤设备的当前状态是否可以满足，如果满足则给出具体的上煤煤种、煤量及取煤位置、次序等信息，如果不满足则给出相应的警告提示。

5）排放 通过监测SO2、NO与粉尘等运行数据及环保设备运行状况，判断掺烧方案的环保性。

2 软件系统结构

在线配煤掺烧系统基于B/S结构，以广义配煤掺烧技术为核心，并与燃料全过程管理系统、厂级监控信息系统和中国动力用煤数据库[15]建立接口，以获得相关数据和业务的外围支撑。系统主要包括配煤掺烧预测模块、燃料配煤管理模块、掺烧方案评估模块、来煤堆煤建议模块与购煤建议管理模块。图2为在线配煤掺烧系统主模块逻辑关系。

图2 在线配煤掺烧系统主模块逻辑关系

系统选取TDMP（TPRI development manager platform）作为前端应用开发框架，后台采用计算站程序和测点服务作为服务支撑。前端主要通过TDMP平台调用配煤掺烧数据库进行各种数据的预测方案及预测结果等信息的展示。TDMP对计算站程序调用进行煤质匹配和请求预测，对测点服务调用显示趋势图和获取数据的超限信息。

软件系统和外部燃料系统需要集成，在页面上，外部燃料系统通过httplink打开配煤掺烧页面，并通过JavaScript（JS）调用传递参数；在数据层，配煤掺烧通过访问燃料系统数据库获得煤场动态及煤质信息，将煤场信息加入掺烧方案。

系统Web端通过统一信息管理平台由TDMP集成开发平台开发构建。整个平台分为独立运行的服务端和开发管理客户端，其中服务端单独部署，作为业务处理的唯一引擎；开发管理客户端面向开发及后期管理人员，在可视化操作界面对服务端进行数据修改，服务端的运行不依赖开发管理客户端。Web应用端系统技术架构如图3所示。

图3 Web应用端系统技术架构

为了能够实现系统的可灵活配置、松耦合、可重用性以及可维护性，服务器端的架构采用面向组件的业务流程组装模式，将数据的显示、视图渲染以及事件的处理交由客户端MVC架构[16]的JavaScript组件来完成，浏览器与服务器端采用面向纯业务数据的开发模式。图4为在线配煤掺烧系统整体部署。

图4 在线配煤掺烧系统整体部署

3 软件模块功能

3.1 配煤掺烧预测模块

该模块是系统的核心模块，通过预测配煤掺烧效果，优选最佳配煤方案，为燃煤配购提供简便、科学的决策依据。

配煤预测计算是复杂且庞大的决策过程，对所有配煤比例方案进行判断。凡是不符合安全性与环保性的方案均判定为不可行方案；对存在较小问题，如燃烧稳定性一般、机组带负荷能力较差、混煤磨损性高的方案判定为基本可行方案；对无任何问题的方案判定为推荐方案，并在推荐方案中选择发电成本最低的方案为最佳方案。

图5 动力配煤掺烧决策流程

掺烧寻优计算各类模型预测的准确性取决于对实际锅炉运行性能及混煤特性的精确掌握。本系统主要寻优计算子模块如下。

1）混煤煤质计算 混煤的常规煤质分析指标中，元素分析、挥发分、灰分、水分、硫分以及发热量等数据均为线性关系；煤灰成分与灰熔点（原则上应通过试验确定）指标与混煤比例不直接呈算术平均的线性关系，需要通过与灰分相关的加权平均求得。

混煤的煤粉着火温度、燃尽率与结渣特性指数，以及飞灰比电阻、磨损特性等均应通过试验确定，或者采用非线性关系处理，其关系式通过大量数据处理得出。

2）制粉系统运行性能预测 主要依据电力行业标准《火力发电厂制粉系统设计计算技术规定》（DL/T5145—2002）进行磨煤机出力计算（包括研磨出力与干燥出力）、磨煤机研磨件寿命预测，以及推荐混煤煤粉细度、磨煤机出口温度等。

3）炉内燃烧与结渣趋势预测 分别用最低不投油稳燃负荷率min、碳未完全燃烧热损失4，以及炉内结渣指数u来预测炉内着火稳定性、燃尽性及结渣性。预测模型如下：

式中：IT为煤粉气流着火温度，℃；net,ad为混煤的空气干燥基低位发热量，MJ/kg；F、V分别为锅炉设计炉膛断面热负荷与容积热负荷，kW/m2，MW/m3；为掺烧方式（预混、分磨）；RI为煤粉热重反应指数，℃；p为煤粉一维炉燃尽率，%；c为煤样的一维炉结渣指数。

4）锅炉主要辅机出力适应性预测 分别计算燃烧风量、灰渣量等，预测风机、捞渣机等主要锅炉辅机对变更煤种的适应性。

5）污染物排放及环保系统适应性预测 计算掺烧后NO与SO2生成量，预测脱硝与脱硫系统的处理能力是否达标。

式中：ar、t,ar、daf分别为混煤的氮元素、硫元素、挥发分质量分数；H为负荷修正值；O2为运行氧量修正值；为锅炉修正值，按计算值与实际值差距进行修正；s为燃煤的自脱硫效率，%。

6）电厂掺烧经济性预测 掺烧的经济性主要分为两方面，其一为固有经济性，指由于成本或煤价变化而引起电厂经济效益的变化，由各单一煤煤价按比例加权平均求得；其二为运行经济性，指由于掺烧后锅炉效率、辅机电耗（厂用电率）乃至环保成本等的变化所导致的机组度电成本变化。

3.2 燃料配煤管理模块

该模块用于根据已有预测方案，分析管理创建对应的掺烧方案，并查看执行掺烧方案时，需要注意的存煤、加仓情况。该模块包括增加、查询、修改掺烧方案，查看掺烧方案所用煤种在煤场堆放情况、加仓建议以及历史加仓记录。

3.3 掺烧方案评估模块

该模块以电厂SIS实时数据库为基础，通过数据挖掘技术，对正在执行的实际掺烧工况进行在线评估，跟踪掺烧执行效果并反馈优化掺配模型，进一步完善配煤掺烧方案，实现掺烧的闭环管理，最终形成开放性的配煤掺烧经验库。图6为在线配煤掺烧方案评估流程。

图6 在线配煤掺烧方案评估流程

3.4 来煤堆煤建议模块

该模块根据采购的煤源结构（购煤计划）和已制定的配煤掺烧方案，再依据配煤掺烧条件（配煤设备及配煤方式）对煤场（或配煤筒仓）区域划分及每个区域堆放的煤种进行规划与统筹分配，制定来煤堆放方案。在堆煤方案的基础上，对每班来煤批次，依据来煤类别、当前库存信息，给出每批次煤具体堆放位置，形成来煤堆放建议。

3.5 购煤建议管理模块

该模块依据煤炭市场信息、机组适应煤种、经济煤种、必购煤种及当前库存情况等信息，通过煤质数据库、配煤掺烧预测平台及掺烧经验库进行优化决策，在保障机组安全环保运行的基础上，给出最经济购煤方案。

4 应用示例

本文系统已在某电厂（HNSA）实际应用。系统综合考虑了该电厂燃煤结构、配煤条件、锅炉设计及改造参数及燃料信息，通过厂方燃料系统的接口获取煤场库存煤信息、入厂来煤信息和上煤加仓信息，以配煤掺烧预测模型为基础生成最优掺配方案，并从SIS获取稳定工况数据对实际掺烧情况进行配煤掺烧评价，形成开放的配煤掺烧经验库，实现配煤掺烧决策系统的闭环管理。在此基础上对电厂购煤、堆煤、配煤及上煤形成科学指导。

图7为配煤参烧方案界面。系统通过调用负荷计划自动配置相应的入炉控制参数，然后调用采购合同计划与煤场信息，再根据配置好的设备运行参数与燃料参数，调用后台程序进行全局寻优，寻优得各机组的掺配比例、掺烧可行性与掺烧经验。

图7 配煤掺烧方案界面

图8为筒仓加仓方案界面。系统根据配煤掺烧方案及煤场库存煤质结构，制定每日的筒仓加仓方案。该模块自动调用筒仓目标值与煤场存煤信息，之后调用配煤掺烧预测后台程序进行加仓寻优，并排除不满足取煤设备运行条件的情况，获得每个配煤筒仓的可选方案，可选方案可通过混煤价格、热值、硫分等因素排序，最后形成筒仓加仓方案。

图8 筒仓加仓方案界面

图9为来煤堆放方案界面。系统根据当日来煤信息及煤场堆放规则，制定每批次的来煤堆放方案。该模块自动调用电厂燃料系统的来煤信息，通过系统计算获得来煤堆放方案，提供具体的堆放区域，可堆放量与余量。

图9 来煤堆放方案界面

5 结 语

本文根据广义配煤掺烧的关键技术，基于燃料全过程开发了集燃料计划、入厂、场存、堆取、配煤、掺烧、优化运行与排放达标为一体的模块化、商业化的在线配煤掺烧系统软件。

该软件系统包括配煤掺烧预测、燃料配煤管理、掺烧方案评估、来煤堆煤建议、购煤建议管理等业务模块。该系统通过锅炉设计参数、来煤信息、负荷分布、煤场库存、历史掺配评价、设备运行工况等条件预测满足安全、环保与经济的最佳燃煤掺配方案，并获取SIS监控数据对实际掺烧情况在线评估，跟踪掺配执行效果并反馈优化掺配模型，同时指导燃料采购、存堆，实现了掺烧的闭环管理。

该软件为火力发电企业提供了一个以燃料智能化、信息化管理为基础的配煤掺烧管理与决策平台。能够长期科学指导电厂配煤掺烧管理工作，确保锅炉及其辅机设备的长期安全、环保、经济运行，推动电厂燃料侧的信息集成与智能化。

［1］ 滕飞, 杨洪波. 火电厂掺烧非设计煤种的经济性分 析[J]. 热电技术, 2011(3): 14-16. TENG Fei, YANG Hongbo. The study of economy analysis of blend-firing with non–designed coal sort[J]. Cogeneration Power Technology, 2011(3): 14-16.

［2］ 李自怡. 基于目标成本管理的火电厂成本控制体系[J]. 电网与清洁能源, 2014, 30(4): 36-39. LI Ziyi. Cost control system of thermal power plant based on target cost management[J]. Power System and Clean Energy, 2014, 30(4): 36-39.

［3］ 李文学, 张东杰, 黄宣, 等. 配煤掺烧比对发电厂综合成本影响的定量分析和优化计算[J]. 电力科技与环保, 2016, 32(1): 50-53. LI Wenxue, ZHANG Dongjie, HUANG Xuan, et al. Quantitative analysis and optimization of mixing ratio power coal on comprehensive cost of coal-fired power plants[J]. Electric Power Technology and Environmental Protection, 2016, 32(1): 50-53.

［4］ 夏季, 华志刚, 彭鹏, 等. 基于非支配排序遗传算法的无约束多目标优化配煤模型[J]. 中国电机工程学报, 2011, 31(2): 85-90. XIA Ji, HUA Zhigang, PENG Peng, et al. A model of unconstrained muti-objective optimization of coal blending based on the non-dominated sorting genetic algorithm[J]. Proceedings of the CSEE, 2011, 31(2): 85-90.

［5］ 夏季, 陆攀, 华志刚, 等. 电站锅炉全局优化智能配煤模型的建立及系统开发[J]. 动力工程学报, 2010, 30(7): 512-517. XIA Ji, LU Pan, HUA Zhigang, et al. Model set-up and system development for intelligent coal blending based on integral optimization of utility boilers[J]. Journal of Chinese Society of Power Engineering, 2010, 30(7): 512-517.

［6］ 程军, 王鑫, 佀婷婷, 等. 电厂多元优化动力配煤燃烧特性研究[J]. 热能动力工程, 2016, 31(2): 99-103.CHENG Jun, WANG Xin, SI Tingting, et al. Combustion properties of blended coal for power plant using multivariate optimization[J]. Journal of Engineering for Thermal Energy and Power, 2016, 31(2): 99-103.

［7］ 赵越, 蒙毅, 李仁义. 基于粒子群优化算法分析约束条件对配煤最优价格的影响[J]. 热力发电, 2017, 46(12): 99-104.ZHAO Yue, MENG Yi, LI Renyi. Influence of constraints on optimal price of blending coal: by particle swarm optimization algorithm[J]. Thermal Power Generation, 2017, 46(12): 99-104.

［8］ 蔡志荣. 350 MW机组锅炉配煤掺烧及燃烧调整[J]. 中国电力, 2009(3): 36-40. CAI Zhirong. Blended coals and combustion adjustment of 350 MW unit boiler[J]. Electric Power, 2009(3): 36-40.

［9］ 彭娟, 程健, 韩仿仿, 等. 基于粒子群算法的自动配煤系统多目标优化[J]. 工矿自动化, 2009, 35(10): 25-28. PENG Juan, CHENG Jian, HAN Fangfang, et al. Multi-target optimization for automatic blending coal system based on PSO algorithm[J]. Industry and Mine Automation, 2009, 35(10): 25-28.

［10］ 刘玉娇, 张海英, 关海盈. 基于多种算法的多目标配煤优化方法[J]. 热力发电, 2014, 43(9): 108-112. LIU Yujiao, ZHANG Haiying, GUAN Haiying. Uniform design based multi-objective optimization method for coal blending[J]. Thermal Power Generation, 2014, 43(9): 108-112.

［11］ 姜智春, 李仁义, 蒙毅, 等. 基于B/S结构的动力配煤决策系统研究与应用[J]. 热力发电, 2013, 42(6): 45-50. JIANG Zhichun, LI Renyi, MENG Yi, et al. B/S structure based decision-making system for mixed coal combustion research and application[J]. Thermal Power Generation, 2013, 42(6): 45-50.

［12］ 吴智群, 赵玉良, 吴涛, 等. 发电厂厂级监控信息系统统一实时数据平台的应用研究[J]. 热力发电, 2011, 40(8): 1-4. WU Zhiqun, ZHAO Yuliang, WU Tao, et al. Study on application of unified real-time data platform in plant-level supervisory information system[J]. Thermal Power Generation, 2011, 40(8): 1-4.

［13］ 李卫新, 杨永军, 刘渊. 超临界火电机组厂级监控信息系统的开发和应用[J]. 热力发电, 2007, 36(3): 65-68. LI Weixin, YANG Yongjun, LIU Yuan. Development and application of plantlevel supervisory control system for supercritical thermal power units[J]. Thermal Power Generation, 2007, 36(3): 65-68.

［14］ 胡洪华, 刘伟, 何新, 等. 厂级监控信息系统在超临界机组中的设计和应用[J]. 电力设备, 2006, 7(8): 25-27. HU Honghua, LIU Wei, HE Xin, et al. The design and application of plant-level supervisory information system for supercritical pressure unit[J]. Electrical Equipment, 2006, 7(8): 25-27.

［15］ 范会敏, 姚伟, 田鹏辉, 等. 基于电子地图的中国动力用煤与电站锅炉设备数据管理信息系统设计[J]. 热力发电, 2005, 34(10): 69-71. FAN Huimin, YAO Wei, TIAN Penghui, et al. Design of data management information system based on electronic map for coal used to power generation and for plant utility boiler installations in China[J]. Thermal Power Generation, 2005, 34(10): 69-71.

［16］ 刘克. MVC架构及其在Web应用开发中的应用[J]. 计算机应用与软件, 2006, 23(7): 57-59. LIU Ke. MVC architecture and its applications in Web developing[J]. Computer Applications and Software, 2006, 23(7): 57-59

Online coal blending and combustion system based on the whole process management of fuel

MENG Yi, ZHAO Yue, LI Renyi, HUANG Tinghui, WANG Yi

(Xi’an Thermal Power Research Institute Co., Ltd., Xi’an 710054, China)

On the basis of existing platform of fuel information management, a modular and commercialized software named“online coal blending and combustion system” is developed with a core of generalized coal blending and combustion technology, which includes fuel planning, induction, stock yard, stocking and reclaiming, coal blending, combustion, optimizing operation and standard emission. This system consists of five parts: prediction of coal blending, management of coal blending, scheme evaluation of coal blending, suggestion of coal piling and suggestion of coal purchase. It can regularly guide thermal power plants to blend coal in real time with a scientific management. This system has recently been commercialized, which provides a scientific platform of evaluation and decision for thermal power plants to realize energy conservation and emission reduction at fuel side.

coal blending and combustion, online coal blending, scheme of coal blending, prediction of coal blending, coal purchase, application software, modularization

TK229.6；TP311.5

B

10.19666/j.rlfd.201903027

蒙毅, 赵越, 李仁义, 等. 基于燃料全过程的在线配煤掺烧系统[J]. 热力发电, 2019, 48(6): 128-133. MENG Yi, ZHAO Yue, LI Renyi, et al. Online coal blending and combustion system based on the whole process management of fuel[J]. Thermal Power Generation, 2019, 48(6): 128-133.

2019-03-01

蒙毅(1973—)，男，硕士，研究员，主要研究方向为锅炉炉膛与设备选型、配煤掺烧技术，mengyi@tpri.com.cn。

（责任编辑 杜亚勤）