CN103018279A - 一种提高锅炉烟气含氧量测量精度的方法 - Google Patents

Abstract

本发明公开了气体含量在线测量技术领域的一种提高锅炉烟气含氧量测量精度的方法。其技术方案是，首先建立烟气含氧量测量系统的时、空融合模型；其次根据数据一致性检验原则，对由氧化锆氧量计采样得到的氧量信号进行数据的预处理；接着由卡尔曼滤波融合算法实现氧量信号的空间和时间上的融合；最后由融合后所得的氧量信号计算锅炉燃烧效率和排烟损失。本发明有益效果是，将数据融合技术用于火电厂烟气含氧量在线测量，具有计算简便，可以反映氧量传感器在空间或时间上的冗余或互补的信息，获得比有限个传感器的算术平均值更准确的测量结果，具有较高的可靠性，能够准确地反映机组的运行状况。

Description

一种提高锅炉烟气含氧量测量精度的方法

技术领域

本发明属于气体含量在线测量技术领域，尤其涉及一种提高锅炉烟气含氧量测量精度的方法。

背景技术

为提高锅炉燃烧效率，减少不完全燃烧热损失，实际送入炉内的空气量要比理论空气量大些,实际空气量与理论空气量之比，称为过量空气系数。上海锅炉厂推荐固态排渣煤粉炉的炉膛出口过剩空气系数：无烟煤1.20～1.25，烟煤1.15～1.20，燃油炉1.08～1.12。由于无烟煤比烟煤燃烧困难，因此炉膛出口过剩空气系数选取要大一些；由于燃油燃烧比燃煤容易、剧烈，因此炉膛出口过剩空气系数选取要低一些。对炉膛出口过剩空气系数控制如此严格，其原因是烟气中氧量轻微变化，就会使锅炉效率变化很大。锅炉效率每变化1%,影响发电煤耗4.02g/kWh。因此烟气中的含氧量过大或过小，对锅炉安全和经济影响很大。另外,空气过剩系数愈大，则排烟热损失也愈大。如能设法检测和控制排烟温度和空气过剩系数，则可明显提高锅炉运行效率，进而大大节省一次能源。

由于直接测量过剩空气系数还很困难，所以只能采用间接的测量方法。因为烟气中氧气含量与过剩空气系数有确定的函数关系，所以实践中通常用连续测量烟气中氧气含量的方法来求解过剩空气系数，以判断燃烧状况，控制进入炉膛的空气量，从而维持最佳风煤比，达到优化燃烧的目的。然而，火电厂的实际应用表明，由于氧化锆氧量传感器受自身品质、环境噪声等因素的影响，各个传感器所获得的信息值往往不尽相同，利用传统的算术平均值方法很难实现对烟气中含量氧的准确的测量，因此，将多传感器信息融合技术引入到火电厂烟气含氧量的在线检测，将各个传感器的测量数据进行信息融合，可以得到更加精确、可靠地测量结果。

多传感器信息融合是指利用计算机技术将来自多传感器或多源的信息和数据，在一定准则下加以自动分析、综合以完成所需要的决策和估计而进行的信息处理过程，以便得到更为准确可信的结论。根据多传感器的观测结果可形成一个N维的观测向量，其中每一维代表目标的一个独立特征。如果已知被观测的目标有m个类型及每个类目标的特征，则可以将实测特征向量与已知类型的特征进行比较，而确定目标的类别。而目标的特征既有空间上的，也可能有时间上的，所以研究目标识别的时空融合模型和结构很有必要。在实际应用中，为获得目标的准确状态，也往往需要同时考虑数据融合的时间性和空间性。

发明内容

针对背景技术中提到的传统的算术平均值方法在烟气中含量氧的测量的准确性和可靠性方面存在的问题，本发明提出了一种提高锅炉烟气含氧量测量精度的方法。

一种提高锅炉烟气含氧量测量精度的方法，其特征在于，所述方法包括：

步骤1：建立烟气含氧量测量系统的时、空融合模型；

步骤2：根据数据一致性检验原则，对由氧化锆氧量计采样得到的氧量信号进行数据的预处理；

步骤3：由卡尔曼滤波融合算法实现氧量信号的空间和时间上的融合；

步骤4：由融合后所得的氧量信号计算锅炉燃烧效率和排烟损失。

所述建立烟气含氧量测量系统的时、空融合模型具体过程是：将2l支氧化锆氧量计(S₁,S₂，...,S_2l)分别安装在l台空气预热器两侧的烟气入口处，并将2l个氧化锆氧量分成A(S₁,S₂,…,S_l)和B(S_l+1,S_l+2,…,S_2l)两组；由氧化锆氧量计连续采集氧量信号，采样时间为1s，测量周期为1分钟。

所述数据预处理方法具体步骤包括：

步骤201：将2l个传感器测得的氧量数据由小到大排列S'₁,S'₂,...,S'_2l；

步骤202：分别计算中位数：S_M=(S_l′+S′_l+1)/2；上四分位数S_up=(S_l′₊₁+S_l′₊₂+…+S′_2l-1)/(l-1)；下四分位数下限S_down=(S′₂+S₃′+…+S_l′)/(l-1)；四分位数的离散度为:d_S=S_up-S_down；

步骤203：判断不等式S_i-S_M<d_S是否成立，S_i∈{S₁,S₂，…,S_2l}；若S_i-S_M<d_S，则S_i为有效数据；否则S_i为无效数据，将其删除。

所述卡尔曼滤波时空融合方法具体步骤包括：

步骤301：对经过数据预处理后的氧量数据，利用卡尔曼滤波融合算法对第k个测量周期内的A、B两组氧量数据进行空间融合；其融合公式为：

$X^k\left(t\right)=P_B^k\&CenterDot;{(P_A^k+P_B^k)}^{-1}\&CenterDot;Y_A^k\left(t\right)+P_A^k\&CenterDot;{(P_A^k+P_B^k)}^{-1}\&CenterDot;Y_B^k\left(t\right)$

其中， $Y_A^k\left(t\right)=\frac{\underset{p=1}{\overset{n}{\mathrm{\&Sigma;}}}{S}_p^k}{n}(p=1,...,n),$ $Y_B^k\left(t\right)=\frac{\underset{q=1}{\overset{m}{\mathrm{\&Sigma;}}}{S}_q^k}{m}(q=\mathrm{1,2},...,m)$

$P_A^k=\frac{\underset{p=1}{\overset{n}{\mathrm{\&Sigma;}}}{(S_p^k-Y_A^k\left(t\right))}^2}{n(n-1)},$ $P_B^k=\frac{\underset{q=1}{\overset{m}{\mathrm{\&Sigma;}}}{(S_q^k-Y_B^k\left(t\right))}^2}{m(m-1)}$

融合后的方差： $P^k=\frac{P_A^k{P}_B^k}{P_A^k+P_B^k}$

其中，X^k(t)是第k个测量周期经过空间融合后的烟气含氧量，k取连续的两个周期，记为1和2；

P^k是第k个测量周期经过空间融合后烟气含氧量的方差；

表示在第k个测量周期内A组烟气含氧量的平均值；

表示在第k个测量周期内B组烟气含氧量的平均值；

表示在第k个测量周期内A组烟气含氧量的方差；

表示在第k个测量周期内B组烟气含氧量的方差；

n，m分别是A和B两组传感器的个数；

t表示测量的时刻；

表示在第k个测量周期内A组第p个测量数据；

表示在第k个测量周期内B组第q个测量数据。

步骤302：将由空间融合得到的两个周期的氧量信号X¹(t)和X²(t)再次利用卡尔曼滤波融合算法进行时间上的融合，得到最终的氧量测量结果为X^k(t)，其计算公式为：

X(t)=P²·(P¹+P²)^-1·X¹(t)+P¹·(P¹+P²)^-1·X²(t)

融合后的方差： $P=\frac{P^1{P}^2}{P^1+P^2}.$

所述锅炉燃烧效率和排烟损失的计算公式为：

锅炉燃烧效率： $\mathrm{\&eta;}(\%)=100-[3+\frac{0.741\mathrm{\&Delta;T}}{21-O_2\%}+0.0045(63+\mathrm{\&Delta;T})];$

排烟损失： $q_2(\%)=\frac{0.741(t_{\mathrm{py}}-t_{\mathrm{LK}})}{21-O_2\%};$

其中，O₂%为烟气含氧量百分数，即X(t)；

ΔT是省煤器后的排烟温度与冷空气温度的差值(℃)；

t_py为省煤器后的排烟温度(℃)；t_lk为冷空气温度(℃)。

本发明有益效果是，将数据融合技术用于火电厂烟气含氧量在线测量，具有计算简便，可以反映氧量传感器在空间或时间上的冗余或互补的信息，获得比有限个传感器的算术平均值更准确的测量结果，具有较高的可靠性，能够准确地反映机组的运行状况。通过提高氧化锆氧量测量精度，为进一步提高锅炉的热效率，减少排烟损失，降低能耗提供了一条崭新的思路。

附图说明

图1是本发明提供的一种提高锅炉烟气含氧量测量精度的方法的氧化锆氧量计布置示意图；

图2是本发明提供的一种提高锅炉烟气含氧量测量精度的方法的数据预处理流程图；

图3是本发明提供的一种提高锅炉烟气含氧量测量精度的方法的基于卡尔曼滤波的时空信息融合结构示意图。

具体实施方式

下面结合附图，对优选实施例作详细说明。应该强调的是，下述说明仅仅是示例性的，而不是为了限制本发明的范围及其应用。

图1是本发明提供的一种提高锅炉烟气含氧量测量精度的方法的氧化锆氧量计布置示意图。图1中，S₁、S₂……S₈为安放的氧化锆氧气传感器。燃烧产生的烟气，由炉膛经空气预热器、除尘器和引风机排出。为了准确反映烟气含氧量，安装在每个空气预热器的烟气入口处两侧进行采样，每台锅炉有4个空气预热器，共放置8支氧化锆氧量计S₁,S₂,...,S₈。因为8支氧化锆氧量计位于炉膛的位置不同，故将其分为A(S₁,S₂,S₃,S₄)和B(S₅,S₆,S₇,S₈)两组。由氧化锆氧量计连续采集氧量信号，采样时间为1s，测量周期为1分钟。

图2是本发明提供的一种提高锅炉烟气含氧量测量精度的方法的数据预处理流程图。从现场采集到的数据，因为噪声等原因可能会出现明显偏差，因此需要经过数据预处理将不合理数据剔除掉。数据预处理的具体步骤包括：

步骤201：将8个传感器测得的氧量数据由小到大排列S′₁,S′₂,...,S′₈；

步骤202：分别计算中位数：S_M=(S′₄+S′₅)/2；上四分位数S_up=(S′₅+S′₆+S′₇)/3；下四分位数下限S_down=(S′₂+S′₃+S′₄)/3；四分位数的离散度为:d_S=S_up-S_down；

步骤203：判断不等式S_i-S_M<d_S是否成立；若S_i-S_M<d_S，则S_i为有效数据；否则，S_i为无效数据。

图3是本发明提供的一种提高锅炉烟气含氧量测量精度的方法的基于卡尔曼滤波的时空信息融合结构示意图。图3中，对经过数据预处理的氧量数据，利用卡尔曼滤波融合算法对第k个测量周期内的A、B两组氧量数据进行空间融合。卡尔曼滤波融合公式为：

$X^k\left(t\right)=P_B^k\&CenterDot;{(P_A^k+P_B^k)}^{-1}\&CenterDot;Y_A^k\left(t\right)+P_A^k\&CenterDot;{(P_A^k+P_B^k)}^{-1}\&CenterDot;Y_B^k\left(t\right)$

其中， $Y_A^k\left(t\right)=\frac{\underset{q=1}{\overset{n}{\mathrm{\&Sigma;}}}{S}_p^k}{n}(p=1,...,n),$ $Y_B^k\left(t\right)=\frac{\underset{q=1}{\overset{m}{\mathrm{\&Sigma;}}}{S}_q^k}{m}(q=\mathrm{1,2},...,m)$

$P_A^k=\frac{\underset{p=1}{\overset{n}{\mathrm{\&Sigma;}}}{(S_p^k-Y_A^k\left(t\right))}^2}{n(n-1)},$ $P_B^k=\frac{\underset{q=1}{\overset{m}{\mathrm{\&Sigma;}}}{(S_q^k-Y_B^k\left(t\right))}^2}{m(m-1)}$

融合后的方差： $P^k=\frac{P_A^k{P}_B^k}{P_A^k+P_B^k}$

其中，X^k(t)是第k个测量周期经过空间融合后的烟气含氧量，k取连续的两个周期，记为1和2；

P^k是第k个测量周期经过空间融合后烟气含氧量的方差；

表示在第k个测量周期内A组烟气含氧量的平均值；

表示在第k个测量周期内B组烟气含氧量的平均值；

表示在第k个测量周期内A组烟气含氧量的方差；

表示在第k个测量周期内B组烟气含氧量的方差；

n,m分别是A和B两组传感器的个数。

步骤302：将由空间融合得到的两个周期的氧量信号X¹(t)和X²(t)再次利用卡尔曼滤波融合算法进行时间上的融合，得到最终的氧量测量结果为X(t)，其计算公式为

X(t)=P²·(P¹+P²)^-1·X¹(t)+P¹·(P¹+P²)^-1·X²(t)

融合后的方差： $P=\frac{P^1{P}^2}{P^1+P^2}.$

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (5)

1.一种提高锅炉烟气含氧量测量精度的方法，其特征在于，所述方法包括：

步骤1：建立烟气含氧量测量系统的时、空融合模型；

步骤2：根据数据一致性检验原则，对由氧化锆氧量计采样得到的氧量信号进行数据的预处理；

步骤3：由卡尔曼滤波融合算法实现氧量信号的空间和时间上的融合；

步骤4：由融合后所得的氧量信号计算锅炉燃烧效率和排烟损失。

2.根据权利要求1所述的一种提高锅炉烟气含氧量测量精度的方法，其特征在于，所述建立烟气含氧量测量系统的时、空融合模型具体过程是：将2l支氧化锆氧量计(S₁,S₂,..,S_2l)分别安装在l台空气预热器两侧的烟气入口处，并将2l个氧化锆氧量分成A(S₁,S₂,…,S_l)和B(S_l+1,S_l+2,…,S_2l)两组；由氧化锆氧量计连续采集氧量信号，采样时间为1s，测量周期为1分钟。

3.根据权利要求1所述的一种提高锅炉烟气含氧量测量精度的方法，其特征在于，所述数据预处理方法具体步骤包括：

步骤201：将2l个传感器测得的氧量数据由小到大排列S'₁,S'₂,...,S'_2l；

步骤202：分别计算中位数：S_M=(S_l′+S_l′₊₁)/2；上四分位数S_up=(S_l′₊₁+S_l′₊₂+…+S′_2l-1)/(l-1)；下四分位数下限S_down=(S′₂+S₃′+…+S_l′)/(l-1)；四分位数的离散度为:d_S=S_up-S_down；

步骤203：判断不等式S_i-S_M<d_S是否成立，S_i∈{S₁,S₂，…,S_2l}；若S_i-S_M<d_S，则S_i为有效数据；否则S_i为无效数据，将其删除。

4.根据权利要求1所述的一种提高锅炉烟气含氧量测量精度的方法，其特征在于，所述卡尔曼滤波时空融合方法具体步骤包括：

步骤301：对经过数据预处理后的氧量数据，利用卡尔曼滤波融合算法对第k个测量周期内的A、B两组氧量数据进行空间融合；其融合公式为：

$X^k\left(t\right)=P_B^k\&CenterDot;{(P_A^k+P_B^k)}^{-1}\&CenterDot;Y_A^k\left(t\right)+P_A^k\&CenterDot;{(P_A^k+P_B^k)}^{-1}\&CenterDot;Y_B^k\left(t\right)$

其中， $Y_A^k\left(t\right)=\frac{\underset{p=1}{\overset{n}{\mathrm{\&Sigma;}}}{S}_p^k}{n}(p=1,...,n),$ $Y_B^k\left(t\right)=\frac{\underset{q=1}{\overset{m}{\mathrm{\&Sigma;}}}{S}_q^k}{m}(q=\mathrm{1,2},...,m)$

$P_A^k=\frac{\underset{p=1}{\overset{n}{\mathrm{\&Sigma;}}}{(S_p^k-Y_A^k\left(t\right))}^2}{n(n-1)},$ $P_B^k=\frac{\underset{q=1}{\overset{m}{\mathrm{\&Sigma;}}}{(S_q^k-Y_B^k\left(t\right))}^2}{m(m-1)}$

融合后的方差： $P^k=\frac{P_A^k{P}_B^k}{P_A^k+P_B^k}$

其中，X^k(t)是第k个测量周期经过空间融合后的烟气含氧量，k取连续的两个周期，记为1和2；

P^k是第k个测量周期经过空间融合后烟气含氧量的方差；

表示在第k个测量周期内A组烟气含氧量的平均值；

表示在第k个测量周期内B组烟气含氧量的平均值；

表示在第k个测量周期内A组烟气含氧量的方差；

表示在第k个测量周期内B组烟气含氧量的方差；

n，m分别是A和B两组传感器的个数；

t表示测量的时刻；

表示在第k个测量周期内A组第p个测量数据；

表示在第k个测量周期内B组第q个测量数据；

步骤302：将由空间融合得到的两个周期的氧量信号X¹(t)和X²(t)再次利用卡尔曼滤波融合算法进行时间上的融合，得到最终的氧量测量结果为X^k(t)，其计算公式为：

X(t)=P²·(P¹+P²)^-1·X¹(t)+P¹·(P¹+P²)^-1·X²(t)

融合后的方差： $P=\frac{P^1{P}^2}{P^1+P^2}.$

5.根据权利要求1所述的一种提高锅炉烟气含氧量测量精度的方法，其特征在于，所述锅炉燃烧效率和排烟损失的计算公式为：

锅炉燃烧效率： $h(\%)=100-[3+\frac{0.741\mathrm{\&Delta;T}}{21-O_2\%}+0.0045(63+\mathrm{\&Delta;T})];$

排烟损失： $q_2(\%)=\frac{0.741(t_{\mathrm{py}}-t_{\mathrm{LK}})}{21-O_2\%};$

其中，O₂%为烟气含氧量百分数，即X^k(t)；

ΔT是省煤器后的排烟温度与冷空气温度的差值(℃)；

t_py为省煤器后的排烟温度(℃)；t_LK为冷空气温度(℃)。

Images