基于复合模型的氧量定值优化技术在火电机组中的应用

国能智深控制技术有限公司/北京市电站自动化工程技术研究中心 王 瞳

影响火电机组运行经济效益的因素有很多，其中起到决定性作用的参考指标就是锅炉燃烧效率。锅炉尾部烟气含氧量作为燃烧调整的重要参数，实时监测锅炉炉膛内煤粉的燃烧状况，代表了炉膛整体的配风水平，氧量过高会造成氮氧化物浓度增加，而氧量过低会造成不充分燃烧，增加热损失。因此对锅炉氧量定值优化技术的研究及应用具有重要现实意义。

1 基于复合模型的氧量定值优化技术概述

基于复合模型的氧量定值优化技术包括锅炉尾部烟气含氧量模型建立及最优氧量设定值计算两部分内容。锅炉尾部烟气含氧量模型建立的研究方法主要有两种，分别为基于机理模型和基于数值模型的研发方法。其中机理模型研究方法是对烟气含氧量通过机理分析提出一种机理模型，根据氧量测量方式的不同分为干、湿氧量两种形式的机理模型。由于锅炉燃烧系统是十分复杂的，很难建立完备的机理模型来准确反映氧量、配风及锅炉效率之间的关系，借助软测量技术进行动态补偿以提升模型的测量精度。较为精确的机理模型能够具备较高的精度，但动态特性方面较差，需根据现场工况定期进行调整；数值模型研究方法是采用随机取样的方法从电厂实际的历史数据库中采集多组不同工况下的运行数据，通过对上述多组历史数据进行训练，建立了烟气含氧量最小二乘支持向量机模型。最小二乘支持向量机模型训练时间比较长，一般为离线学习，对训练数据的的质量和全面性要求比较高，如果训练数据不能遍历存在不稳定性。

综合上述两种建模方法的优劣性，建立基于机理和数值模型相结合的烟气含氧量复合模型。基于此复合模型的氧量定值优化技术，把锅炉效率提升作为寻优的性能指标，采用遗传算法算出不同工况下的烟气含氧量最优设定值，将其代入闭环控制，提高调节品质，为电厂的经济性稳定运行创造条件。

2 氧量复合模型原理

从DCS 系统中采集主汽流量、主汽温度、主汽压力、给水温度、再热蒸汽温度、再热蒸汽压力、高压排气温度、高压排气压力、排烟温度、冷风温度、总风量、给水流量、泵出口温度、油流量、给煤量、机组功率等相关变量测点信息，如有些数据无法直接通过测量装置采集，则通过软测量技术寻找多个关联变量以数据拟合的方式得出，作为氧量复合模型建立的基础数据。

锅炉总热量是锅炉有效吸热量、排烟热损失量、固体未完全燃烧热损失量及其他散热损失热量的总和。其中排烟热损失量计算所需要的变量为烟气含氧量。烟气含氧量机理模型锅炉总热量计算所需的输入变量采用最小二乘支持向量机模型的氧量输出值，最终复合模型的预测输出值为机理模型的氧量输出值与数值模型的氧量输出值按照公式加权求和得出，具体公式为O2=WLO2L+WMO2M，式中O2作为氧量复合模型的输出变量，单位为百分比；WL作为氧量数值模型输出变量权重，无量纲；O2L作为氧量数值模型输出变量，单位为百分比；WM作为氧量机理模型输出变量权重，无量纲；O2M作为氧量机理模型输出变量，单位为百分比。基于复合模型的氧量设定值通过遗传算法优化计算获得最优设定值，具体计算流程图如图2。

图1 氧量复合模型结构示意图

图2 氧量最优设定值计算流程图

3 基于复合模型的氧量定值优化技术应用实例

以某300MW 燃煤电厂为例，该厂控制系统已进行了智能化改造，现控制系统采用智深公司的岸石智能发电运行控制系统(ICS)，该控制系统具有良好的开放性，支持将第三方的先进控制算法以高级控制算法模块的形式封装在ICS 系统内，通过标准化的组态方式进行实现，氧量定值优化亦是采用上述模式，其现场组态策略如图3。氧量定值优化控制人机界面如图4，可实现闭环控制，支持无扰切换。氧量定值优化系统投运后，优化效果如图5。

图3 氧量定值优化组态图

图4 氧量定值优化人机界面图

图5 氧量定值优化效果图

投入氧量定值优化系统并进行闭环控制后，机组氧量由实际值3%降低至最佳氧量值2.6%，锅炉排烟热损失下降0.2%，锅炉效率提升0.2%，结果表明：通过对锅炉运行氧量的闭环优化调节，在保证煤粉颗粒可以达到完全燃烧的状态下可有降低锅炉排烟热损失，提升锅炉效率。

4 结语

随着智能发电技术的推广，借助大数据分析、机器学习、人工智能等技术，给一些基于机理建模的优化技术带来了新的设计思路，弥补了原技术动态特性欠佳的短板。随着计算机技术的发展，基于对历史数据挖掘的数值建模精度和稳定性越来越高，二者相结合的复合型模型能够取长补短，更具优势。在锅炉燃烧过程中通过计算锅炉燃烧效率最优的氧量定值改变锅炉风量，是提高锅炉效率进而提高电厂经济性的重要手段，具有重要的研究意义。该技术在某火电厂的成功应用，降低了锅炉排烟热耗，提高了锅炉燃烧效率，达到了节能增效的目标，具有很好的推广示范作用。