基于小波分析的炉膛压力异常分析与处理

李恩长，何郁晟，韩 峰，刘成柱

（1.浙江浙能技术研究院有限公司，杭州 311121；2.浙江省火力发电高效节能与污染物控制技术研究重点实验室，杭州 311121；3.浙江浙能中煤舟山煤电有限责任公司，浙江 舟山 316131）

0 引言

某1030MW 电厂在AGC 工况时炉膛压力波动较大。锅炉炉膛压力表征入炉燃料量、总风量与锅炉出口高温烟气量的工质平衡关系，是判断锅炉燃烧稳定性的重要指标。当炉膛压力波动严重时，将危及机组的运行。为了适应电网AGC 指令的变化，保证机组安全稳定运行，亟需解决炉膛负压波动大的问题。

炉膛压力是多种因素共同作用的结果，同时其动态特性变化快，灵敏度高，且易受干扰，这造成炉膛压力呈现较强波动性[1]。

在炉膛压力的研究上，郝祖龙[2]利用小波变换的多分辨率特性，提出了一种适用于热工信号的多尺度相关分析方法，发现信号的低频成分能较好地反映信号的整体趋势，高频成分则反映了信号的局部波动信息，利用信号在特征频段上的相关性，更好地分析复杂热力系统的动态特性。

田亮[3]借鉴小波变换多尺度分析的思想，提出一种首先通过多尺度滤波器将信号分解为不同频率范围的分量，然后再进行各分量间线性相关分析的方法。通过分析与炉膛压力相关的信号，发现炉膛压力与燃料量、送风量、引风量之间存在着特定的相互作用关系。

本文利用小波分析方法分解炉膛压力相关信号的总风量、总煤量、总一次风流量并进行等尺度分析，同时以连续小波时频图的可视化分析，确定主要影响因素后进行后续进一步地调整，进而改善炉膛压力调节品质。

1 小波理论

小波变换利用一组称为基函数或母小波的有限长度波形对函数进行分解。母小波可以通过缩放和平移得到一组子小波。

通过对信号用不同尺度的子小波进行求积运算，可以获得信号在时域和频域上的多分辨率分析结果，从而实现信号的时频分析。

小波分析有较好的时频局部化能力、多分辨率分析能力，使其成为信号处理、故障检测的重要工具[4]。

1.1 离散小波分析

离散小波变换是一种离散化的小波分解方法，通过一系列的低通滤波和高通滤波操作来实现。它将信号分解成不同尺度的近似系数和细节系数，可以通过迭代分解和重构来实现多尺度分析。

本文采用db4 小波进行5 层分解。

1.2 相关性分析

相关技术是一种常用的信号处理方法，在电力系统领域已有广泛应用，通常用来定量描述信号波形之间的相似程度。

对于两组有限零均值的离散信号x(k)、y(k)，长度为N，ρxy为其归一化的相关系数，则有[5]

区别于陈刚[6]分别计算各台磨煤机入口一次风量信号与炉膛压力的等尺度信号相关系数，本文将各磨入口一次风量求相加后，计算总一次风量信号与炉膛压力的等尺度信号相关系数，并通过连续小波变换的时频图加以可视化分析。

1.3 连续小波分析

连续小波变换将小波函数与信号进行卷积，得到一系列连续尺度和频率的小波系数。这种变换提供了信号在时频域上的全局信息，但计算量较大。本文利用Matlab 的连续小波分析工具，基于Morse 分析小波来绘制连续小波时频图。

2 工程应用

2.1 设备情况

该公司2×1030MW 超超临界燃煤机组，锅炉为北京B&W 公司制造的超超临界参数、螺旋炉膛、一次中间再热、平衡通风、固态排渣、全钢构架、露天布置的Π 型锅炉，型号为B&WB-3048/26.15/605-M，每台炉配置6 台HP1163-Dyn 型中速磨煤机，采用前后墙对冲燃烧方式。

2.2 数据处理

本文将机组的炉膛压力、总风量、给煤量、各磨煤机一次风量导入Matlab，并计算各磨一次风流量相加得到总一次风流量，利用小波分析工具进行具体分析。

2.3 小波分析

2.3.1 离散小波分析

以1s 为采样周期，取1200 组数据，对炉膛压力、总煤量、总风量、一次风流量等进行db4 小波5 层分解，将原始信号分解为不同频率尺度下的波形。图1 为炉膛压力分解示意图。其中，ai 为低频分量，di 为高频分量。

图1 炉膛压力小波分解示意图Fig.1 Schematic diagram of furnace pressure wavelet decomposition

由于高频分量主要来自于噪声，对信号相关性分析影响不大，因此忽略高频分量d1，将炉膛压力与其他参数的小波分解分量做等尺度信号相关系数。

表1 中，d2 ～d5 为高频分量，a5 为低频分量，s 为原始信号。从表1 中可见一次风流量的d5 高频分量与炉膛压力的d5 高频分量相关性最大，总煤量的a5 低频分量与炉膛压力的a5 分量相关性次之。

表1 炉膛压力与各相关参数的等尺度相关系数Table 1 Lsoscale correlation coefficients between furnace pressure and various related parameters

2.3.2 时频图可视化分析

根据离散小波的相关性分析，炉膛负压的波动与一次风系统的扰动、煤量的扰动相关性较大。以1s 为采样周期，取10000 组数据，将炉膛压力、一次风流量、总煤量数据，绘制分析小波为Morse 的CWT（连续小波变换）时频图，如图2（a）所示。横坐标为时间，纵坐标为频率，颜色表征强度。从图中可以明显地看到，炉膛负压的频率分布基本是一次风流量和总煤量频率分布的叠加，这也佐证了通过等尺度相关性分析得出的结果。

图2 某电厂炉膛压力与相关测点的CWT时频图Fig.2 CWT Time-frequency diagram of furnace pressure and related measurement points in a certain power plant

2.4 问题处理

2.4.1 一次风流量周期波动的问题

在图2 的时频图中，一次风流量有非常明显的固定周期的波动，周期约为1min，与空预器的转动周期一致，经后续综合判断由空预器漏风引起[7]。

停机检查更换空预器径向密封片后，炉膛压力相关参数的时频尺度图如图2（b）所示。由图可见，一次风流量的周期波动大大缓解，炉膛压力的波动强度也有较大缓解，但仍受到煤量波动的影响。

检修后的炉膛压力与相关参数的等尺度相关系数见表2，从表2 中也看到一次风对炉膛压力的影响大大减弱，但总煤量与炉膛压力在低频分量a5 上有较大的相关性。

表2 空预器检修后炉膛压力各等尺度相关系数Table 2 Correlation coefficients of furnace pressure on various equal scales after air preheater maintenance

2.4.2 煤量波动的问题

出于负荷调节的需要，煤量需要频繁地调整，而在投入AGC 时，由于AGC 指令较频繁，煤量的调节也势必更加频繁。而对引风机的动叶调节来说，单纯靠反馈调节无法很好地适应这种工况，需要适当地提高送风前馈量。

因此为了减少煤量波动对负压的影响，采取了以下措施：

1）判断AGC 动态/稳态[8]，在非连续升降负荷工况时，适当减少前馈量以减少煤量的波动。

2）适当提高送风机动叶反馈至负压控制的前馈量。

采取优化措施后的时频尺度图如图2(c)所示。由图可见，虽然在AGC 工况下，煤量不可避免地有所波动，但炉膛压力的波动已明显地减弱。

控制优化后的炉膛压力与相关参数的等尺度相关系数见表3。相比表2，煤量与炉膛压力在低频分量a5 上的相关系数也有减弱。

表3 控制优化后炉膛压力各等尺度相关系数Table 3 Correlation coefficients of furnace pressure at various equal scales after control optimization

2.4.3 时序数据中炉膛压力调整效果对比

为了在时域下比较炉膛压力的控制效果，图3 罗列了调整前、空预器漏风问题处理后及控制参数优化后的炉膛压力、一次风流量、总煤量等数据。

图3 最初炉膛压力相关参数时序图Fig.3 Time sequence diagram of initial furnace pressure related parameters

调整前，炉膛压力波动频繁，且炉膛压力最高超过200Pa，如图3（a）所示。

空预器漏风问题处理后，一次风流量的周期波动缓解，炉膛压力波动减弱，波动幅度有所减弱但依然经常超过100Pa，如图3（b）所示。

控制优化后，炉膛压力波动减弱，波动幅度有所减弱且基本在100Pa 以下，如图3（c）所示。

由此可见，从时域数据上看，炉膛压力的控制品质也在逐步改善，与小波分析的结果一致。

3 结论

本研究利用小波分析工具分析了导致某电厂炉膛负压波动的影响因素。具体来说，通过离散小波分解后进行各参数同尺度相关性分析，通过连续小波时频图进行可视化分析。结果发现，空预器漏风导致一次风母管压力和一次风流量的周期性波动，进而导致炉膛压力同尺度波动，而通过检修时更换空预器密封片解决了该问题。此外，AGC工况下变负荷前馈引起的波动导致负压波动较大，通过减弱变负荷前馈量和增加送风机动叶反馈至负压控制的前馈量，负压调节品质得到提高。

综上所述，小波分解工具及其相应的分析方法成功地识别和解决了导致炉膛负压波动的关键因素，展示了良好效果。相比传统的时间序列数据分析，小波分析能剔除噪声干扰，从不同尺度上单独比较分析信号间关系，而通过连续小波时频图的可视化分析也可以更清晰地显示信号的时频关系。这些研究结果为炉膛压力的监控和调整提供了有力的支持，并为改进炉膛运行质量提供了有益的参考。