基于数字化平台的配煤掺烧优化方法

2019-07-27黄忠明印琪民付轩熠韩万里

上海电机学院学报 2019年2期

黄忠明，印琪民，付轩熠，韩万里

(1. 华能国际电力股份有限公司上海石洞口第一电厂, 上海 200492;2. 上海电力大学自动化工程学院, 上海 200090)

目前，煤炭市场供应紧张，长期燃用设计煤种会造成生产成本的提高，为了提高经济效益，降低发电成本，电厂一般采取掺烧非设计煤种(劣质煤种)的方法来进行配煤掺烧工作。早期的配煤掺烧理论认为煤质特性可以进行简单的线性相加，配煤工艺较为简单，但随着配煤研究的深入，将单煤特性进行简单的线性相加，混合后的煤种特性存在较大的误差。中国华能有限公司(以下简称华能)上海某电厂共有4台325 MW机组[1]，是上海市最早实施配煤掺烧发电的电厂。该厂锅炉是平改烟，设计煤种为烟煤，由于市场上煤炭种类较多，存在有些混煤属性偏离设计煤质较大的问题，因此，该厂通过对火电机组配煤掺烧优化方法进行研究，建立了一套基于数字化平台的多煤种配煤掺烧优化系统。在解决多煤种掺烧情况下，结合机组各项运行变量变化后对机组经济性的影响，寻求煤质预测和配煤综合成本最低的方法，提供“一厂一策”配煤运行解决方案，为电厂运行提供指导意见，同时也为类似火电机组配煤掺烧优化系统的设计提供参考经验。

1 配煤实施规范

1.1 配煤原则

为了确保华能上海某电厂锅炉稳定燃烧、防止锅炉结焦，保证机组安全经济运行，实现达标排放，该厂制定了相应的配煤要求规范准则，首先配煤实施应按照相应规范，应符合GB25960—2010《动力配煤规范》[2]和“华能上海某电厂管理制度配煤管理办法”有关要求。

主要采用烟煤掺烧印尼煤，配煤方式为炉前配[3]。300 MW燃煤机组环保排放指标及该厂煤种满足条件如表1所示。

表1 混煤设计指标

由表1可认定为正常煤种，无须进行配煤，可单独加仓。下层磨对应的煤仓尽可能用高挥发分的煤种，灰熔点可相对较低，但不可两台都取用灰熔点较低煤种；上层磨相对应的煤仓用灰熔点变形温度大的煤种，挥发分可相对较低；中层磨相对应的煤仓主要以考虑各台磨总热值为主，以保证机组所带负荷，其他指标兼顾之。对全水含量大于20%、内水大于7%或特别黏湿的煤种[4-5]，为防止煤仓和落煤管堵塞，禁止直接加仓，必须配煤掺烧。

1.2 配煤流程

为确保配煤掺烧工作得到有效的控制，该厂首先完善了组织机构，明确了职能划分，健全了责任制度，形成了有效的管理运行机制。首先，配煤领导小组制定配煤掺烧管理标准；其次运行部对厂煤进行煤质测定，将煤样分析数据上传至厂网；紧接着燃料部根据分析报告及设备的运行情况制定推卸计划和编制《煤场存煤情况表》；再次配煤工作小组进行当天的配煤工作，包括选取配煤的种类、加仓的方式和配煤的掺烧比例等；最后由配煤领导小组进行审核，完成当天的配煤工作。

2 神经网络预测混煤煤质特性

在配煤掺烧优化问题上，最关键的是最终得到的新煤种的成分和这种新煤的煤质特性与组成这种新煤所需要的各个单煤及单煤的成分和单煤的煤质特性之间的关系。利用神经网络作为解决该问题的工具，因为整个神经网络是由许多个单神经元组成的网络，是一种复杂的动态行为网络，具有高度的非线性，所以对于混煤煤质的预测模型，用神经网络来解决这种非线性问题是一个较好的解决办法[6-7]。

在整个的混煤煤质预测模型的建立中，选择了典型的3种印尼煤和4种烟煤，一共建立了24组混煤方案，混煤煤质指标实验测试结果如表2所示。

表2 混煤煤质指标实验测试结果

现通过反向传播(Back Propagation, BP)神经网络对混煤煤质指标进行训练和检验，前20组为训练样本，最后4组作为检验样本。混煤煤质指标预测效果如图1～4所示。

图1 混煤灰分预测效果图

图2 混煤发热量预测效果图

图3 混煤挥发分预测效果图

图4 混煤水分预测效果图

由上述混煤煤质预测效果图来看，采用BP神经网络对混煤煤质指标的预测取得了不错的效果，因此该预测方法是有效的。

3 配煤掺烧综合成本模型的建立及寻优

3.1 综合成本模型的建立

该配煤掺烧优化系统综合成本模型主要包括安全性、经济性和环保性成本模型。

安全性成本模型：

(1)

式中：f为混煤的Rsp、Rz和Q3个指标，Rsp为混煤自然特性指数，Rz为基于实验数据建立的综合结渣指数，Q为混煤的热值；x为相对应的混煤特性。

经济性成本模型为

(2)

式中：Pi为第i种煤的综合价格；Xi为第i种煤的比例。

环保型成本模型为

(3)

式中：h为混煤的RNOx、RSO2、RAsh共3个目标函数，RNOx为NOx排放特性，RSO2为SO2排放特性，RAsh为粉尘特性；x为相对应的混煤特性。

综合成本模型为

Fmin=α1Fa+α2Fb+α3Fc

(4)

式中：α1、α2、α3分别为安全性、经济性和环保性成本模型的各权重系数。

3.2 正交遗传算法寻优

通过正交遗传算法[8-10]对配煤掺烧综合成本模型进行寻优，从而使得综合成本模型最小，满足安全、经济和环保要求。具体寻优步骤如下：

(1) 确定单煤数据库，通过对机组的状态进行实时的监测，来选择参与配煤的各单煤种类；

(2) 在满足安全性、经济性和环保性的条件下，构建配煤掺烧综合成本模型，即正交寻优的目标函数，并确定相关约束条件；

(3) 构建自适应度函数fit(x)，通过确定的配煤掺烧目标函数，构建遗传算法的自适应度函数fit(x)；

(4) 创建初始种群Chrom，采用正交试验方法确定个体数为M的初始种群Chrom；

(5) 根据自适应度函数，计算种群Chrom中个体的适应度值；

(6) 采用精英策略，将适应度值排名靠前的N个个体直接复制给下一代；

(7) 最后通过选择、交叉和变异，生成剩余的(M-N)个个体，并构成覆盖Chrom新的种群；

(8) 算法依次迭代第(5)～(7)步，直至达到最大遗传代数MAXGEN结束。

4 数字化平台的多煤种配煤掺烧优化系统的应用

本文通过对华能上海某电厂火电机组配煤掺烧优化方法的研究，建立了一套基于数字化平台的多煤种配煤掺烧优化系统。该系统主要包括以下几个模块。

(1) 煤质分析模块。煤质是决定锅炉燃烧状况和运行参数的重要因素之一，经验表明，该机组设计的煤种烟煤掺烧其他煤种时，若被掺烧煤种的灰分不高于菲律宾煤的灰分时，掺烧后存在结焦的情况。因此，在进行市场上煤种掺混时要符合机组的要求。建立煤质数据库，用来添加、修改、存放单煤数据，另外建立混煤煤质软测量模块，包含了测量混煤的元素分析和工业分析，通过数据挖掘对煤质数据库中大量煤质成分数据进行特性分析和整理[11]，确定煤质中各成分之间的内在联系。

(2) 配煤成本寻优模块。目前该电厂的配煤情况一般每仓为不超过两种单煤的混煤，全厂最多同时烧两种混煤。在软件自动寻优前，首先人工对各仓选定一种基础煤种、一种掺烧煤种，输入各仓的煤量比例，软件以成本最低为目标以机组的煤质要求为约束计算出最优的煤种及相应的掺烧比例。通过优化配煤给出了在当前参数设定下混煤仓的最优的掺烧比例，以使配煤综合成本达到最小，相对基准工况能够节省的总费用以及各价格成本、煤耗成本、污染物的处理成本、排污罚款成本的情况，效益十分可观。

(3) 燃煤发电机组运行方式实时优化模块。该优化系统主要考虑在满足排放约束的前提下，如何协调优化选择性催化还原技术脱硝系统和锅炉低氮燃烧的控制手段[12-13]，同时调整机组锅炉O2，燃尽风风道风门开度、燃烧器摆角、磨煤机运行方式等其他运行手段的方式下，使得机组的综合运行成本最低(同时根据电厂要求也可将目标值定为发电煤耗这一经济性指标)。锅炉燃烧在线优化工况与当前运行工况相比可节省的成本费用，并定量给出了优化运行方式，主要包括燃尽风风道风门开度、氧量等主要影响锅炉效率和NOx排放的参数[14-15]。

5 结语

煤价的变化对机组的经济效益会产生直接影响，但煤质的变化亦会对机组的正常运行和环保排放造成较大影响。因此，该厂通过加强混煤掺烧管理及配煤软件的实施不仅实现了配煤电厂的数字化和网络化管理，同时通过优化配煤方法来降低燃料成本、降低机组运行综合成本以及减少污染物的排放，保证锅炉设计参数与混煤特性相匹配，避免灰渣沾污或结渣，保证锅炉燃烧稳定，对机组安全、经济、环保运行和电厂整体效益具有重要的意义。对于运行部门进行多煤种配煤比掺烧和热工调试人员进行控制静态值设定有参考指导作用。