基于数字孪生的直接空冷燃煤机组节能优化方法

2023-05-28陈福兵赵平真梁永吉

节能技术 2023年2期

陈嘉,陈福兵,赵平真,梁永吉,钟鸣

(1.西安交通大学,陕西西安 710049;2.朗坤智慧科技股份有限公司,江苏南京 211100;3.华能铜川照金煤电有限公司,陕西铜川 727100;4.华能霞浦核电有限公司,福建宁德 355200)

0 引言

我国西北地区煤炭资源丰富但是水资源匮乏,煤电机组大多采用空气作为汽轮机排汽冷却介质,前期建设机组以直接空冷为主。然而由于空气换热能力相比水较差,直接空冷机组在运行背压、厂用电率和供电标煤都高于相同等级下的湿冷机组。探索在复杂工况下的最佳运行方式,寻找最佳背压,对于提升直接空冷机组热经济性至关重要,同时也是困扰行业多年经典难题[1]。

冷端优化研究首先基于变工况计算、热力学公式推导以及系统数值仿真等机理分析层面展开[2]。郭民臣[3]以冷端系统的变工况模型为基础,根据相似定律确定迎面风速对风机耗功的影响,分析简化得到机组背压与发电功率的关系,最终导出不同环境温度和热负荷下迎面风速对应的最佳真空。梁伟平[4]通过热力学计算和机理分析,建立机组出力与风机功率的增量数学模型,获得机组出力净增量极大值对应的最佳经济背压。张学海[5]采用等效热降法计算变工况下的阻塞背压并得到背压修正曲线,采用净功率增量法计算得出不同工况下空冷风机经济运行频率曲线。高建强[6]建立机理性经济背压计算模型,计算不同负荷下背压变化产生的发电收益,获得经济背压随负荷的变化趋势。尽管部分科研工作通过理论分析计算、数值模拟等方式对直接空冷机组冷端系统优化进行分析研究,但是目前落地应用案例较少,经济效益尚不明显。

随着大数据、人工智能以及工业互联网等技术日趋成熟,机器学习与智能算法在火电设备状态监测、故障预警诊断与运行优化等方面得到广泛应用[7]。刘吉臻[8]提出智能运行控制思路,基于机器学习的数据挖掘技术,结合先进控制理论方法与专家知识,确定不同工况下最优控制目标,实时指导集控进行优化操作。安留明[9]利用灰色关联度分析法分析影响机组净功率的主要因素,使用随机森林算法建立直接空冷机组的净功率-背压模型,获得不同工况所对应的最佳背压。徐婧[10]基于历史运行数据,结合数据挖掘方法与深度学习算法,提出汽轮机组冷端优化的研究框架,可提供有效的真空异常预警及优化信息。李健[11]针对环境风作用下的直接空冷机组,通过轴流风机群阵列布局下空气流场和温度场建模,提出采用灰色差分微增量关联度方法,为深入研究空冷岛轴流风机控制提供理论和试验基础。

燃煤电厂在日常运行中会产生海量数据,如何利用沉淀数据产生有价值的信息进而指导实际运行是目前的研究热点。本文基于某600 MW直接空冷机组实际运行数据,采用数据建模的方法建立冷端系统的数字孪生模型,进而实时计算当前工况所对应的最佳背压,为机组运行优化提供科学理论指导。

1 基础情况

本文分析数据来自某个国产600 MW直接空冷机组,每台机组的空冷岛由56台风机组成,按照8排7列布置,其中顺流区40台风机、逆流区16台风机。单台风机额定功率为132 kW,电机功率因数0.88,风机名义转速为90.9 rpm,风机直径为11 m,风机采用变频控制,风机频率可在15～50 Hz之间任意调度。空冷机组的换热管束由单排翅片管组成,翅片/翅片管材料为碳钢/AL,翅化比(散热面积/迎风面积)为123,总散热面积为162万m2。最近三年的空冷岛厂用电率平均值为0.65%。

图1 对电厂运行大数据进行数据挖掘指导生产实践

数据采集自2020年非供暖季节的1#、2#机组实际运行数据。在采暖季由于机组带有供热负荷,会从汽轮机中抽取一定流量的抽汽用于供暖,而供暖蒸汽的流量和参数不断波动,对汽轮机发电功率产生较大影响,难以确定背压对发电功率的影响规律,所以数据采集时间避开采暖季。另外在采暖期间环境温度较低,凝汽器中汽轮机排汽容易出现空冷换热管束结冰现象,背压控制目标以防冻为主,运行人员会主动提升背压,在此期间防冻措施会影响数据质量[12]。目前主要采用非供暖期建模,在供暖期中对抽汽供热流量对发电功率的影响进行修正的解决方案。

数据采集说明情况:在数据采集中忽略排汽阻力损失,可以认为低压缸排汽压力即为凝汽器运行压力,也就是背压。在运风机平均频率由在运的所有风机频率平均值得出。相比一些研究中采用功率因素计算风机电耗的方法,直接采用空冷变压器计算空冷岛电耗更加快速准确[13]。空冷岛全部风机由4台空冷变压器A1、A2、B1、B2供电,其耗电功率可以由四台空冷变压器负荷之和确定,空冷变压器负荷由低压侧断路器相电流和400 V母线电压的乘积计算,即

如表1所示,采集后的数据需要进行预处理,在机组正常运行主要参数范围内进行筛选,剔出停机或者大幅偏离正常工况的数据,为数据建模提供基础。

表1 机组正常运行主要参数范围

2 数字孪生建模

数字孪生概念源于航空飞行器设计领域,是指以数字化方式创建物理实体相应的虚拟实体,借助历史数据以及算法模型,模拟、验证、预测和控制物理实体全生命周期过程的技术手段。数字孪生技术可以融合工业机理、专家知识和数据统计,对实体域运行设备和系统进行全工况建模,进而为业务决策提供指导、完成数据闭环,实现机理数据双驱动。

数字孪生技术中采用的机器学习算法直接在实际工程中应用还存在一些适应性问题。首先人工智能具有不可解释性,模型出现偏差或者异常问题,难以进行调试。其次数字建模质量严重依赖数据质量,数据质量决定数据建模的上限,而算法优化仅仅是逼近其上限。并且工业实际数据有其自身特点,如样本数据集存在严重不平衡性,数据中存在空泡以及缺失值,时序数据中含有大量噪声数据,严重影响建模质量和模型表现。另外热工过程还普遍存在延迟现象,数据在时间轴层面并不对齐。因此在数据建模前需要进行大量的数据预处理工作,并且根据应用场景选择合适算法,附加各种限定条件,将机理先验知识融合在建模过程中,合理使用机器学习算法。

数据预处理需要对所采集的运行数据进行数据清洗,对几类异常数据进行处理,包括缺失值、异常值、重复值和噪音数据。图2可以看出,正常工况下蒸汽流量与发电功率成正比例关系,在图像上呈现出线性关系,经过上下限定值清洗后的数据仍然包含大量偏离点,包括测点漂移、汽轮机紧急跳闸、甩负荷等异常工况数据,需要对数据进行进一步有效清洗。

图2 数据清洗示意图

通过数据挖掘可以对机组运行状态进行稳态检测,以进一步筛选有效数据,提升数据质量。在SIS系统中根据要求离线筛选所需要的数据,并将控制过程中的稳态与过渡态区分看来。先将待检测对象的采样数据进行区间划分,再按区间计算方差或均值,针对相邻区间或相邻时刻的状态改变情况来建立统计量,最后在确定置信度下进行假设检验以判断是否为稳态工况。

利用现场运行数据可以对冷端系统进行系统-设备级建模,主要包括与直接空冷机组冷端相关的发电功率模型、空冷岛换热模型和空冷岛电耗模型。从机理角度分析,汽轮机发电功率与主蒸汽压力、温度、流量以及背压等测点参数有关。发电功率模型用于评估当前工况下背压对发电功率的影响,以确定背压增加或者减少1kPa对发电功率的影响。在当前发电功率所对应的阻塞背压之上,随着背压的降低发电功率逐渐增加,但是增加趋势逐渐减弱[14]。

最小二乘支持向量机(LS-SVM)为支持向量机(SVM)的最小平方形式,是分析数据和识别模式的有效监督学习方法,可用于分类与回归分析。最小二乘支持向量机算法通过线性方程组替代凸二次规划问题,通过核函数将低维空间的非线性回归转化为高维空间的线性回归。如图3利用SVM(支持向量机)算法对回归分析,可见预测值与实际值贴合紧密,而且在时域表现上跟随特性良好,最大相对预测误差小于0.5%。

图3 支持向量机发电功率模型表现

采用实际运行数据建立空冷岛换热特性模型,空冷岛电耗与背压、环境温度和发电功率相关,用于确定背压变化对空冷岛电耗的影响,同时也可以计算背压增加或者减少1kPa对空冷岛电耗的影响[15]。如图4所示,空冷岛电耗随着环境温度和发电功率的增加而增加,随着背压的降低而降低,并且在数据上表现出单调性和平滑性。

图4 空冷岛电耗在不同环境温度下与发电功率的关系示意图

图5 空冷岛电耗在不同环境温度下与风机频率的关系示意图

采用实际运行数据建立空冷岛电耗模型,空冷岛电耗与风机频率与环境温度相关。从数据表现上可以清晰看出,相同风机频率下,较高的环境温度高所对应的空冷岛电耗较低。从理论上分析,空气温度高则密度低,在相同的容积流量下空冷岛电耗变低。

根据风机相似定律,风机功率在变温度时任意转速条件下与转速三次方成正比,与介质密度呈正比。由于对空冷岛电耗与风机频率有着清晰的理论研究,其模型系数可以通过机器学习中的回归算法获取。在此基于历史数据样本,采用多元回归算法对空冷电耗模型进行训练,从预测值和实际值的数据表现上来看,模型准确度良好,准确率达到99%以上。另外由于在特定温度下风机频率可在15～50 Hz范围内调度,这也可以确定空冷岛电耗的调度范围,为评估背压的可调度范围做铺垫。

采用构建的数字孪生模型可以评估当前工况下背压对空冷岛电耗和发电功率的影响,进而通过寻优算法获取最佳背压。在预测当前工况在不同背压下发电功率和空冷电耗的基础上,可以通过搜索算法实时计算最佳背压。考虑风机频率和空冷岛电耗可调度范围,在背压在5～30 kPa范围内,以0.1 kPa为步长进行搜索,以目标函数净功率最小值下所对应背压为当前工况下最佳背压。在获取当前工况下的最佳背压后,调用空冷岛换热模型,即可获得最佳背压条件下,当前环境温度和发电功率所对应的空冷岛电耗。在得到空冷岛电耗目标值之后,在此调用空冷岛电耗模型即可评估在此环境温度下的风机频率推荐值。

同时在环境温度低于特定温度下进入防冻模式,可以根据防冻安全性相关测点参数,包括冷凝水温度和过冷度等数据,进行判断适当提升推荐背压,满足机组防冻要求。引入各列的抽真空温度和凝结水温度数据,判断是否应该进入防冻保护,冷却工况是否有恶化等。

数据分析也可用于处理常规机理建模难于解决的工程应用场景,例如外界风速对空冷岛电耗的影响。外界风速会扰乱空冷岛组织换热流场,降低换热管束散热效果,即在高风速的影响下维持相同背压需要增加风机频率以抵消风速带来的不利影响[16]。如果采用传统数值模拟方法研究风速敏感性影响规律,利用计算流体力学进行建模,则存在建模过程复杂、数据处理量繁重、实时性较差以及计算偏差大等困难。杨迎哲[17]对宁夏和新疆哈密、托克逊地区环境风较大的厂址进行实地调查,采集了机组实际运行数据,并进行了大量的统计和分析,寻找受环境风影响引起的背压变速的相关规律。

如果从数据视角重新看待这个问题,利用数据分析建立数据孪生模型比较容易地量化在不同工况下外界风速对空冷岛电耗的影响。图6为在环境温度10～11 ℃和10～11 kPa条件下,通过对不同外界风速的空冷数据进行聚类处理后的结果。通过数据分析结果表明,在此工况下外界风速每提高1 m/s,维持相同的背压需要增加空冷岛电耗92 kW,可以指导运行根据风速情况调节风机转速。

图6 外界风速对空冷岛电耗的影响

图7 利用数据孪生模型实时计算当前工况下的最佳背压

图8 背压调整动态过程示意图

图9 节能效果同期对比

3 结果分析

节能优化系统会根据当前运行工况实时评估汽轮机组发电功率空冷岛电耗和在不同背压下的增量变化,计算最佳背压。在背压5～10 kPa的范围内,随着背压的降低,发电功率增加,但是增加趋势逐渐减弱,而空冷岛电耗随着背压的降低呈现出逐渐增强的趋势。以主蒸汽流量1 000 t/h、环境温度9 ℃、主蒸汽压力和温度分别为12 MPa、540 ℃的运行工况为例,在5～30 kPa背压范围内背压进行搜索,以净功率最小值所对应的背压值7.4 kPa为最佳背压。在此工况下,如果运行背压从10 kPa降低到7.4 kPa,主蒸汽流量不变的情况下,可以带来1.88 MW的净功率输出增量。如果将净功率输出增量折算成主蒸汽流量,能够带来0.57%的主蒸汽流量降低,以空冷机组平均320 g供电标煤耗计算,则可以平均降低1.85 g的供电煤耗。

大型火电机组的净输出功率受到国网统一调度,电网调度通过 AGC自动发电指令信号设定被控机组的供电功率,所以对于电厂来说,其机组净输出功率无法自主控制[18]。集控人员参考推荐值通过增加风机频率将汽轮机实际运行背压调整到最佳背压的过程中,空冷岛电耗相应增加,但是由于背压下降所带来发电功率增量更大,使得机组净输出功率增加。此时在协调控制系统(CCS) 的作用下,通过数字电液调节系统(DEH)控制汽轮机调阀关小,从而降低主蒸汽流量,在锅炉效率短期不变的条件下,最终导致燃料量下降。所以整体上看机组动态调节过程表现为,背压下降,发电功率增量大于空冷岛电耗增量,供电功率不变,主蒸汽流量下降,进而锅炉所需燃料量下降,最终使得机组供电标煤耗降低。

节能优化系统的节能效果通过现场试验得到验证,在某段时间内机组运行工况基本稳定,此工况下评估最佳背压为6.5 kPa,集控运行人员按照背压推荐值适当提高空冷风机频率,将运行背压从10.5 kPa降低到6.9 kPa。在此段时间国网AGC统调负荷基本不变的情况下,即维持机组净输出功率不变的情况下,空冷岛功耗增加,发电功率相应增加:调整前300.63 MW,调整后301.02 MW,功率增量0.41 MW;耗煤量相对降低2.10%:调整前187.37 t/h,调整后183.40 t/h,煤耗下降3.97 t/h。按当天入炉煤热值18 017 kJ/kg计算,折合每小时节约标煤2.43 t。

同时根据厂内今年和去年的同期日报分析,在负荷率基本相同的情况下,日平均背压从9.5 kPa降低到7.9 kPa,而空冷耗电率从0.21%上升到0.41%。从耗差分析角度来看,平均运行背压降低1.6 kPa可以带来1.6 g/kWh的供电煤耗下降;空冷耗电率上升0.2%,会导致供电煤耗上升0.6 g/kWh。从全局分析,供电煤耗综合下降1.0 g/kWh,预计全天可以节约标煤17 t,以标煤价格1 000元/t计算,全天可以节约燃料成本1.7万元。