Page 98 - 电力与能源2024年第一期

92 卞韶帅，等：电站锅炉智能燃烧优化基础技术的研究与应用

及局部极值的问题，采用一些优化算法，如 Adam 炉上安装在线测点。本文基于入炉煤煤质在线软
优化算法。 测量模型，获取入炉煤煤种元素分析成分。在稳
针对某百万机组塔式锅炉，本文将锅炉负荷、 态工况下，以温度较低且测量相对准确的烟温测
燃烧器摆角、SCR 进口氧量、SOFA 风挡板开度、 点为起点，如省煤器出口烟温，沿炉膛烟气流动反
SOFA 风摆角、CCOFA 风量、煤质主要特性、各 向，应用热平衡及受热面传热等计算方法，逐步计

磨煤量、各磨一次风量等 31 个运行参数作为神经 算出各受热面进口烟温并最终计算出一过屏进口
网络的输入量，将灰、渣平均碳含量作为神经网络 烟温，即炉膛出口烟温。在获得大量炉膛出口烟
的 1 个输出。 温计算稳态工况的基础上，采用深度神经网络的
1.3 基于热力计算的锅炉燃烧变工况综合建模 算法实现对炉膛出口烟温的预测建模。
目前，主要运用数据驱动及机器学习技术来 针对某百万机组塔式锅炉，本文将锅炉负荷、
建立锅炉变工况模型 ［2，4］ 。机器学习建模即根据 燃烧器摆角、氧量、SOFA 风挡板开度、SOFA 风

已知的数据样本来估计输入、输出之间的关系，从 摆角、CCOFA 风挡板开度、煤质主要特性、各磨
而对未知输入进行预测和判断。可见这种方法的 煤量、炉膛与风箱差压、各磨一次风量等运行参数
准确性取决于样本的正确性、广度和数量，另外这 作为神经网络的输入量，将炉膛出口烟温作为神
种方法的泛化能力通常也较差。 经网络的 1 个输出。
锅炉热力计算建立在系统机理和大量试验数 1.4 基于屏间热负荷偏差的高温受热面安全评
据的基础上，具有较高的准确度和可靠性。其数 估模型
通常，高温受热面布置在锅炉炉膛出口，对于
学模型实质上是通过循环迭代计算大量代数方
四角切圆燃烧 Π 型炉而言，由于炉膛出口烟气的
［8］
程 。本文针对某百万机组塔式锅炉，采用基于
残余旋转及复杂的流动影响，烟气热负荷呈现双
热力计算的锅炉燃烧变工况综合建模技术。首
驼峰形态 ［10-12］ 。对于前后墙对冲的炉型，炉膛出
先，基于锅炉热力计算方法，从机理模型和设计数
口烟气侧偏差较四角切圆燃烧型有改善，但由于
据入手对电厂锅炉变工况特性进行研究和建模；
各燃烧器的差异，仍然存在烟气侧偏差。对于四
其次，通过锅炉变工况试验研究并融入机器学习
角切圆燃烧方式的塔式锅炉，炉膛出口依然可能
模型，总结得出部分缺乏理论基础的工程经验模
仍存在较大的烟气热负荷偏差。
型，验证并完善热力计算模型。
在锅炉炉膛结构、受热面系统布置形式等设
（1）将炉膛出口截面定义到一级屏式过热器
计因素已确定的情况下，沿炉膛宽度烟气侧热负
第一排管子中心线的平面。传统热力计算通常将
荷的偏差分布主要受锅炉运行和燃烧工况的影
屏与炉膛一起计算，忽略了炉膛内部和屏的差异，
响，这可反映高温受热面的安全情况。在蒸气侧
给屏的热力计算造成了较大的不确定性 。为了
［9］
流量一定的前提下，热负荷越小，则受热面壁温也
单纯考虑锅炉在主燃区的燃烧状况，明确一级屏
必然越小，反之亦然。
式过热器入口烟温，本文将一级屏式过热器与炉
定义受热面热负荷偏差评估系数如下：
膛分开来计算。
é n 2 ù ú ú
（2）在高温受热面的计算过程中，热有效系数 p = ê ê ê ê ∑ i = 1 ( η i - 1 ) + 2( η max - 1. 2) ú ú × 100%
ψ、灰污系数 ε 受煤质影响较大，本文根据电厂煤 ê ê ë n ú ú û
种、煤质情况分别选取典型数据进行计算。 （7）

（3）锅炉热力计算所需的飞灰碳含量使用本 式中 n——屏片数； η i——第 i 片屏的热负荷系
文灰、渣平均碳含量预测模型进行计算。 数； η max——沿炉膛宽度烟气侧最大热负荷系数。
（4）锅炉炉膛出口烟温是锅炉运行中的重要 该系数越小代表受热面热负荷偏差曲线越
参数。由于炉膛出口烟温测量困难，一般不在锅 好，安全性越高。考虑到一台锅炉的受热面有很