关于热力计算的锅炉优化配煤研究

2021-12-02王驰

科学技术创新 2021年32期

王驰

（贵州大学，贵州贵阳 563100）

由于我国煤炭资源分布不均衡，各地煤炭的煤质差异大，一些使用混杂煤种的火力发电厂，其锅炉经常会出现燃烧不稳定、炉膛结渣、氮氧化物排放超标等问题，除了影响锅炉运行效率外，也会缩短其使用寿命、造成环境污染。在各类锅炉运行的改良方案中，动力配煤是一种实用效果好、操作难度低的方案，因此成为各火电厂优化配煤的首选方法。为了达到预期的优化效果，在动力配煤中需要结合锅炉实际情况，做好热力计算，在计算结果达标之后，再编制优化配煤的详细设计方案，以较低的成本投入，高标准完成锅炉的配煤优化改造。

1 锅炉热力计算实例

1.1 锅炉概况

某火力发电厂2#机组为600MW 燃煤超超临界机组，锅炉为变压运行螺旋管圈直流炉，燃烧方式为单炉膛燃烧，使用一次中间再热，配备有干式风冷机械除渣系统。在锅炉尾部连接2 台回转式空气预热器。该锅炉各项参数的最大出力工况（BMCR）和额定负荷（BRL）如表1 所示。

表1 锅炉基本参数

1.2 锅炉汽水系统

该锅炉的汽水系统包括省煤器、过热蒸汽模块、再热蒸汽模块等。钢管式省煤器位于锅炉尾部烟道处，将排烟余热收集起来之后，对锅炉给水进行预加热。经过加入后的给水，在经过炉膛受热面时，能够大幅度降低吸热量，从而降低了燃煤热量损耗，达到了省煤效果。给水通过垂直炉膛的加热后，一部分在高温作用下转化为水蒸汽。通过汽水分离器后，将水蒸汽和水分离开来。水流进后炉顶管后，进入到环行后烟井包覆管，并且在一级减温水的作用下，将温度降低。之后流入低温过热器、后屏过热器、高温再热器等一系列设备。最后从末级过热器流出，并经过高/低压缸的处理后，排出锅炉。锅炉汽水系统的结构组成和运行流程如图1 所示。

图1 锅炉汽水系统结构组成

1.3 锅炉热力计算模型测试

锅炉的热力计算要借助于专门的数学模型来完成。而要想保障热力计算模型输出结果的精确性，需要进行模型校正。具体方法是将锅炉使用时的一些基本参数，如燃料特性、锅炉负荷等，输入到对应的锅炉热力计算软件中。计算机完成数据处理后，可以得到排烟温度、锅炉效率等数值。技术人员还能够从软件主界面左侧的选项栏中，分别选择“炉膛”、“屏式过热器”、“低温再热器”等设备，查看详细的计算结果。将所得的热力计算结果，与该锅炉产品说明书上的设计值进行对比，观察两组数值的差距，如表1所示。

结合表2 可以发现。在锅炉BMCR 工况下，像过热蒸汽出口温度、锅炉计算小了、燃料消耗量等指标，其计算值与设计值的误差较小，在允许的误差范围以内。说明该热力计算模型对火电厂锅炉具有较为理想的适用性，可以作为优化配煤的依据。

表2 锅炉设计值与计算值的对比表

1.4 受热面灰污系数修正模型

现阶段一些新型锅炉基本上都配备了自动吹灰装置，因此锅炉受热面被灰尘污染的问题得到了较好的解决。但是随着锅炉投入使用年限的增加，吹灰系统的性能也会逐步降低，吹灰不足的情况变得更加明显。因此，在锅炉优化配煤的设计中，也要重点关注受热面灰污能力的提升。其中，灰污系数（ζ ）是决定受热面吹灰能力的一个重要指标，通过构建数学修正模型的方式，可以较为精确地计算出锅炉受热面吹灰系统修正后的灰污系数。结合锅炉运行实际，选择几个影响较为显著的因素作为模型的输入变量，如过量空气系数、锅炉工质流量等，具体如图2 所示。

图2 受热面灰污系数修正模型建模原理

2 基于锅炉热力计算的优化配煤

2.1 基于锅炉热力计算的动力配煤模型

动力配煤是根据煤质特性将两种以上的煤炭，按照一定比例进行混合，使其发热量、经济性、耗损量等达到最佳的一种方法。在构建动力配煤模型时，锅炉本身的工况参数是一个重要影响因素，基于锅炉热力计算的动力配煤模型构建方法如下。

2.1.1 动力配煤的优化目标

火力发电厂在优化配煤时，在保证发电质量的前提下，追求成本最低化是最终目标。而发电成本又受到多种因素的影响，总结来说主要涵盖了四个方面，即燃煤成本、辅机耗电成本、排放成本以及设备磨损成本，发电成本的具体组成如图3 所示。

在图3 中，燃煤成本中的耗煤量，是可以通过优化配煤进一步降低的。因此，动力配煤的优化目标，就在于降低锅炉运行中的耗煤量，达到控制成本的效果。

图3 发电成本的主要构成

2.1.2 动力配煤的约束条件

在实际生产中，锅炉优化配煤可以将两种及以上的单煤进行混合。本文只探究两种单煤混合的情况。假设某火电厂所用煤种为n，则Pi代表第i 种单煤，Pj代表第j 种单煤，则i 和j 两种煤的优化配煤模型为：

式（1）中，C 为燃煤成本，MinC 即最佳燃煤成本，Ci和Cj是两种煤的单价，B 为入炉煤量。该优化配煤模型的约束条件如下：

2.2 基于遗传算法的优化配煤算法

2.2.1 个体编码方式

选择不同的编码方式，对遗传进化运算的效率和结果也会产生不同的影响。为防止动力配煤的最优解中出现不符合实际的非整数，本文选择了二进制编码的方式进行个体编码。为每一种优化配煤方案设立一个集合，该集合内有包括若干子集，每个子集中记录了掺混煤种的编号、比例等具体信息。用0-5表示6 种煤种编号，用不加百分号的数值表示第一种掺混煤的混合比例，这一串数值组成的集合，经过解码后就是一种配煤方案。例如，某个集合中包含了以下数字串：

将数字串解码后，其表示的配煤方案为：选择煤库中第5 种（101）和第6 种（110）单煤，按照前者30%（0011110）、后者70%的比例混合。

2.2.2 初始群体的产生

理论上来说，某个种群中个体数目越多，则个体的多样化程度越明显，基于遗传算法得出的最优解其参考价值越高。因此，在设置初始群体时，倾向于将种群规模变大，以突显个体的多样性。但是在实际中，随着种群规模的变大，寻找最优解的计算量也会相应的上升。因此，还必须对种群的规模进行适度控制。本文将初始群体中个体数量n 限定了20-200 之间。

2.2.3 种群的热力计算

在确定种群后，能够得到相应的混煤煤质，然后结合每一种煤质的特性，以及混合比例等进行热力计算。计算机上的热力计算软件会将计算结果呈现在显示屏上，包括过热汽温、再热汽温、引风量、磨煤量等。

2.2.4 适应度函数计算

适应度的作用是评价配煤方案是否满足约束条件的关键指标。个体适应度越高，则说明该配煤方案越优秀，反之则代表该方案较差。在适应度函数计算时，需要将每一个个体均带入函数式中进行判断。函数式如下：

2.3 动力配煤计算实例

使用上文介绍的基于遗传算法的动力配煤模型，可以得到4 个函数表达式，分别为初始种群函数evpop（）、选择个体函数pickchroms（）、交叉操作函数crossover（）、变异操作函数mutation（）。其中，交叉概率为0.73，变异概率为0.01，最大遗传代数为286，最大迭代代数为35。经过动力配煤模型的处理后，可以得到该模型的约束条件，具体如下：

过热汽温：（590-5）℃＜tsh＜（590+5）℃

再热汽温：（582-5）℃＜trh＜（582-5）℃

水分：1.64≤Mad≤1.88

灰分：24.47≤Mad≤32.71

挥发分：22.68≤Mad≤29.05

发热量：19.47≤Mad≤25.18

硫分：Sad≤1.5%

以上述约束条件作为抽选要求，从表3 提供的煤库中选出符合要求的最佳配煤方案。