CN103197549A - 循环流化床锅炉烟气中二氧化硫的软测量及优化控制方法 - Google Patents

Abstract

本发明公开了循环流化床锅炉烟气中二氧化硫的软测量及优化控制方法，所述循环流化床锅炉烟气中二氧化硫的软测量方法包括：S1，采集实际工业装置的操作数据，构造炉膛内活性石灰石的软测量模型；S2，根据上述炉膛内活性石灰石的软测量值，结合给煤量构造炉膛出口二氧化硫排放浓度的软测量模型；S3，根据炉膛出口二氧化硫排放浓度的软测量值反馈控制石灰石给料机调节石灰石给料量，保证二氧化硫的排放浓度符合标准。本发明通过建立炉膛内活性石灰石的软测量模型，根据活性石灰石的软测量值和给煤量构造炉膛出口二氧化硫排放浓度的软测量模型，预测炉膛出口SO2的排放浓度，从而可以提前反馈调节石灰石给料量，从根本上起到调节控制的作用。

Description

循环流化床锅炉烟气中二氧化硫的软测量及优化控制方法

技术领域

本发明涉及一种循环流化床锅炉烟气中二氧化硫的软测量及优化控制方法，属于循环流化床锅炉技术领域。

背景技术

当前锅炉燃烧中控制二氧化硫排放的技术可分为三大类：第一种是燃烧前煤中所含硫的脱除，如洗煤、生物脱硫技术等，燃烧前脱硫是在二氧化硫产生的源头上加以控制；第二种是燃烧过程中控制二氧化硫的生成，如循环流化床锅炉炉内脱硫技术，燃烧中脱硫主要是燃烧过程中在炉内添加脱硫剂进行脱硫；第三种是燃烧后烟气中二氧化硫的脱除，如湿法脱硫、利用海水脱硫等，燃烧后脱硫是将燃烧后的烟气在排放前进行脱硫处理。

我国作为世界上最大的发展中国家，目前的能源生产量居世界第3位，基本能源消费居第2位。但由于我国富煤缺油少气，形成了以煤为主导的结构，其中50%～60%的煤用来发电，因而也成为燃煤污染物的主要来源。因此，发展洁净煤发电技术，提高发电效率，降低污染排放，成为我国能源战略的重要方面。据统计，我国煤炭产量的一半甚至一半以上都用于生产电能和供热，由此排放的二氧化硫量占据全国排放总量的百分之九十。因此我国面临着严峻的经济与资源、环境与发展的挑战，急需一种相对燃煤污染排放小、发电效率高的洁净煤发电技术来应对资源枯竭、环境污染严重带来的挑战，，实现可持续发展的重要任务。而应用于发电领域的循环流化床锅炉(CFBB)就是国际上公认的商业化程度最好的洁净煤技术之一,它具有以下优势：

（1）燃烧效率接近或达到同容量煤粉炉；

（2）燃料适应性强，不仅可以燃用烟煤等优质煤，而且可燃用各种劣质燃料；

（3）负荷调节比宽，在30%负荷下仍能稳定燃烧；

（4）低温燃烧，NOx生成量少，可用石灰石作脱硫添加剂，从而以低成本实现炉内脱硫；

（5）灰渣便于综合利用。

超临界循环流化床锅炉(SCCFB)兼备了CFB燃烧技术和超临界(SC)蒸汽循环的优点，可以得到较高的供电效率，且烟气净化对于脱硫、脱硝的初始投资和运行成本比烟气脱硫低50%以上，是一种适于大量推广的高效洁净煤发电技术。

但是现有的循环流化床锅炉脱硫技术存在以下缺陷：

（1）目前，对排放的二氧化硫浓度进行调节的具体方法是：测量烟气出口的SO₂浓度，若超过排放浓度标准，则调节石灰石的给料量进行调节，以此类推，再进行测量、调节、测量，直到二氧化硫的排放浓度符合排放标准为止。很显然，以上的对排放的二氧化硫浓度进行控制的方法具有严重的滞后性，不能从根本上起到调节控制的作用。

（2）由于国家对烟气排放指标的要求越来越严格，而国内大多的CFB锅炉脱硫效率还仅停留在80%左右，如果要达到较高的脱硫效率，就需要加入大量的脱硫剂，过量的脱硫剂又会带来很大的附加灰渣量和物理热损失，同时增加炉膛磨损，影响燃烧工况和锅炉的效率，进而增加成本，影响锅炉的经济性。

（3）通常在煤质变化后，仍然利用固定的Ca/S比值来调节石灰石的给料量，导致石灰石原料的严重浪费和成本的大幅度增加。

发明内容

本发明的目的在于，提供一种循环流化床锅炉烟气中二氧化硫的软测量及优化控制方法，它可以有效解决现有技术中存在的问题，尤其是现有技术对排放的二氧化硫浓度的控制具有严重的滞后性，不能从根本上起到调节控制作用的问题。

本发明的技术方案是这样构成的：一种循环流化床锅炉烟气中二氧化硫的软测量方法，包括以下步骤：

S1，采集实际工业装置的操作数据，构造炉膛内活性石灰石的软测量模型：

$\frac{{\mathrm{dM}}_C}{\mathrm{dt}}=\frac{W_{\mathrm{ca}}*\mathrm{\η}}{W_c}F1\left(t\right)-{\mathrm{KF}}_0{M}_C$

其中，W_ca为氧化钙的摩尔质量，kg/kmol；W_c为石灰石的摩尔质量，kg/kmol；Mc为炉膛内活性石灰石的量，kg；F1为石灰石给料量，kg/s；η为石灰石给料量中所含纯净CaCO₃的比例，%；通常情况η的取值为0.9；K为活性石灰石和SO₂反应速率系数；F₀为给煤量，kg；KF₀M_C为与反应SO₂固化的CaO的质量，kg/s；所述的操作数据包括石灰石给料量和给煤量；

S2，根据上述炉膛内活性石灰石的软测量值，结合给煤量构造炉膛出口二氧化硫排放浓度的软测量模型：

$C_{\mathrm{SO}2}^{\′}\left(t\right)=\frac{{31.25\mathrm{\η}}_s{S}^y{F}_0-R}{\mathrm{PM}}=\frac{\mathrm{\γ}{F}_0-K1F_0{M}_C}{\mathrm{PM}}$

其中，(t)为当前SO₂的排放浓度，η_S为硫转化率，S^y为给煤含硫量，F₀为给煤量，R为SO₂固化速度，PM为进入炉膛的总风量，Mc为炉膛内活性石灰石的量；R＝K1F₀M_c，γ＝31.25η_SS^y；

S3，根据炉膛出口二氧化硫排放浓度的软测量值反馈控制石灰石给料机调节石灰石的给料量，保证二氧化硫的排放浓度符合标准。

前述的循环流化床锅炉烟气中二氧化硫的软测量方法中，所述的硫转化率η_S，当炉膛温度为750～950℃时，通过η_s＝0.0006T_f+0.147确定，其中T_f为循环流化床锅炉炉膛温度。

上述方法还包括：对步骤S1中实际工业装置采集的操作数据进行预处理，该预处理包括：

用算术平均值法对采样值进行滤波，即寻找一个

作为本次采样的平均值，使该值与本次各采样值间误差的平方和最小；

用统计判别法或物理判别法剔除异常数据。

所述的用统计判别法剔除异常数据，即将采集得到的所有数据进行统计分析，给定一个置信区间，剔除不在置信范围内的数据，即离线分析数据的奇异性，也即提出测量数据中的异常数据；设测量得到的样本值为x₁，x₂，…，x_n，平均值为，偏差为

根据Bessel公式算出标准差：

$\mathrm{\σ}={\left\{\right[\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{x_i}^2-{\left(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{x}_i\right)}^2/n]/(n-1)\}}^{1/2}$

若测量的数据x_k的偏差v_k(1≤k≤n)满足：

|v_k|≥3σ

则认为x_k是异常数据，将其剔除；数据剔除后为了保证连贯性，必须对剔除的空缺进行填补；任何物理量的变化都是从小到大或从大到小平滑的变化，在此利用差分方程推算进行填补，推算方程如下：

|x_k'|＝x_k-1+(x_k-1-x_k-2)

式中：x_k'为k时刻的推算值，x_k-1为k-1时刻的采样样本值，x_k-2为k-2时刻的采样样本值。

所述的用物理判别法剔除异常数据，即在采集过程中，随时发现，随时剔除；由于物理量的变化总是从小到大或者从大到小平滑的变化，故根据物理量的连续性，用一阶差分法剔除奇异阶差分方程的表达式为：

${\hat{x}}_t=x_{t-1}+(x_{t-1}-x_{t-2})$

式中：

为t时刻的估计值，x_t-1为t时刻前一个时刻的采样值，x_t-2为t时刻前两个时刻的采样值；t时刻的采样值由t-1和t-2时刻的采样值估计，利用估计值和实际数据值进行比较，同时给定一个误差限W，如果其误差大于给定的误差限，则认为测量得到的实际值是奇异项，给予剔除，用估计值代替。

所述的工业装置包括：石灰石给料机和给煤机，石灰石给料机和给煤机上分别设有电动机，电动机上分别设有转速传感器。

基于上述方法的一种循环流化床锅炉的优化控制方法，在稳定工况下，根据膛内活性石灰石量的软测量值及炉膛出口二氧化硫排放浓度的软测量值，对石灰石给料量和给煤量的比值进行调节以控制二氧化硫的排放浓度稳定且符合排放标准，同时减小石灰石给料量，节约资源，提高锅炉效率。

具体的调节方法如下：

其中，Mc为炉膛内活性石灰石的量，ρ_c为活性石灰石密度，k_v为CaO的反应速度，η_s为硫转化率；S^y为给煤含硫量；η为石灰石给入量中所含纯净CaCO₃的比例，通常η的取值为0.9； θ_Ca/S为当前工况下的钙硫比值；φ为参数值为3125，V_膛体为炉膛体积。

实验例1：为了验证本发明软测量模型的正确性，发明人对某电厂一台135 MW CFB机组进行实验研究。表1为该135 MW CFB锅炉的主要参数。

表1  135MW CFB锅炉的主要参数

实验过程：从2008年1月11日21点43秒开始收集数据，间隔30秒采集一次，采集时间到2008年1月11日22点50秒，在蒸汽流量为270t/h的条件下下，在某一时刻，给煤量从25t/h降低为24t/h，经过25分钟，给煤量重新回到25t/h，对SO₂进行实际测量，同时收集给煤量数据、石灰石给料量数据、尾部烟道SO₂数据、总风量的值，如图1、图2、图3所示。

把上述数据带入活性石灰石模型和SO₂预测模型，进行实验论证，炉膛中活性石灰石在给煤量扰动过程中的变化如图4所示：

从图4分析可知，给煤量突然减少，使得炉膛内参加反应的SO₂的量迅速减少，而炉膛内活性石灰石的量则逐渐增加，随着给煤量的逐渐减少，活性石灰石的量从1900kg增加到2100kg，在时间点70s后，随着给煤量的增加，炉膛内活性石灰石的量逐渐下降，最后稳定在1960kg左右。因而可以看出：活性石灰石的存储量与给煤量有很大关系，如果给煤量减少，活性石灰石的量则增加，这是因为给煤量减少，入炉膛生成SO₂的量减少，活性石灰石的消耗量减少，从而最后逐渐稳定在新的平衡状态。

SO₂的预测值和测量值对比如图5所示，图5预测的SO₂测量值和实际测量平均误差为43.6273mg/Nm³，最大测量误差率为11.1%，平均测量误差率为5.37%，误差测量保持在比较小的范围内；同时可以看到计算值曲线比实际测量曲线要有一定的预测性。因此，通过模型计算SO₂和实际测量值的对比，验证了模型的正确性。

实验例2：为了从本质上说明模型的正确性，发明人又在中国石化某电厂135MW CFB机组进行了实验研究。该锅炉由美国Foster Wheelcr公司设计。控制系统采用的是美国霍尼韦尔公司的DCS系统。机组运行时的煤质特性和石灰石特性如表2所示，机组在蒸汽流量为135MW的条件下运行时的参数如表3所示。

表2135MW CFB锅炉煤质特性和石灰石特性

表3负荷135MW的锅炉参数和计算参数

煤量扰动实验

从2008年1月11日16点开始收集数据，间隔30秒采集一次，到2008年1月11日22点，共采集6个小时的数据。在某一时刻给煤量从28.3t/h降低为26.5t/h，经过一定时间稳定后，给煤量再从26.5t/h增加到28.3t/h，然后再次降到26.5t/h，反复扰动数次。同时收集给煤量数据、石灰石数据、尾部烟道SO₂数据、总风量数据。如图12～图16所示。

如图12所示，石灰石量在实验过程中，从23t/h缓慢降低到18t/h，然后，又缓慢上升到20t/h，最后稳定在20t/h。进入炉膛的总风量为64.8Nm³/s，基本保持稳定。

图15为模型计算所得炉膛内活性石灰石的变化趋势图，可以看出，炉膛内活性石灰石的量随着石灰石入炉量的减少逐渐降低，从开始稳定的1550公斤降低到1200kg，随着石灰石给料量的稳定，逐步稳定在1300kg，但是在给煤量波动的范围（1150～1250kg）内，活性石灰石量也受到了影响，可见影响活性石灰石的量的主要因素是入炉石灰石量和入炉煤量。

从图16可以看出预测的SO₂的和实际测量值有着相同的趋势，但是要比实际测量值具有超前性，通过计算得：平均误差值为114.9625mg/Nm³，平均误差为8%，该精度在SO₂的测量范围内是可以接受的。在开始的一段时间，可以看到预测值和真实测量值有一定的误差，经过分析是因为SO₂的测量具有一定的滞后性，入炉石灰石量虽然有所变化，但是SO₂受到原入炉石灰石量的影响不会很快响应。

石灰石扰动实验

从2008年1月15日10点53分开始收集数据，间隔30秒采集一次，到2008年1月15日13点20分。实验过程分为两个阶段，第一个阶段在0～150s时间段之间，保持给煤量和给风量不变，对石灰石量进行扰动，观测锅炉烟气中SO₂的变化值；第二个阶段为150～300s之间，石灰石量在降低到稳定状态后，又升高到原来值的过程，同时保持给煤量和风量不变，观察烟气中SO₂的变化值。收集给煤量数据、石灰石量数据、总风量数据、尾部烟道SO₂数据，如图17～21所示。

如图20所示，在给煤量和风量不变的情况下，炉膛中存储的活性石灰石的量随着入炉石灰石量的降低而逐渐降低，从1130kg降低到780kg；随着入炉石灰石量的升高，炉膛存储的活性石灰石量也逐渐增加到1130kg。在炉膛内SO₂不增加的情况下，单位时间内生成的CaSO₄基本不变，可见炉膛中存储的活性石灰石量与入炉石灰石量密切相关。

从图21可以看出模型预测SO₂的量和实际测量SO₂的值趋势相同，二者误差的平均值为48.3029mg/Nm³，平均误差为4.3%，这在SO₂的测量范围中是可以接受的。从图21中可以看到，随着炉膛内存储活性石灰石量的减少，烟气中SO₂的排放浓度会有所增加；随着炉膛内存储活性石灰石量的增加，烟气中SO₂的排放浓度会相应的降低。基于活性石灰石预测SO₂模型正确的描述了这种变化趋势，而且其精度也是在可以接受的范围内。

石灰石燃料优化配比

根据表3，带入蒸汽流量在135MW时的工况点参数。在稳定工况下，每秒钟进入炉膛的石灰石量(CaCO₃)补充应反映消耗的活性石灰石(CaO)的量。进入炉膛的煤中含有的S燃烧生成SO₂，以及生成的SO₂与CaO的反应量，在稳态工况下为定值。在蒸汽流量为135MW的工况下，单位时间进入炉膛中的S的量为C_s：

C_s＝7.7*0.06*1＝0.462(kg)

单位时间进入炉膛的S的摩尔量为：

$C_{\mathrm{ms}}=7.7*0.06*1=0.462\left(\mathrm{kg}\right)=\frac{0.462*1000}{32}=\frac{462}{32}=14.43\left(\mathrm{mol}\right)$

进入炉膛中SO₂的浓度为：

$\frac{0.462*1000\left(g\right)}{32*64\left(m^3\right)}=0.2255(\mathrm{mol}/m^3)$

根据Ca平衡每秒钟反应的CaO为：

$\frac{4.17*1000*0.9}{100*2.3}=16.3\left(\mathrm{mol}\right)$

基于活性石灰石平衡的计算公式为：

$\frac{F1*\mathrm{\η}}{100*\mathrm{Ca}/S}=R=\frac{M_{\mathrm{Ca}}}{{\mathrm{\ρ}}_{\mathrm{ca}}}{k}_v{C}_{{\mathrm{SO}}_2}$

整理得：

$\frac{F1*\mathrm{\η}*1000}{100*\mathrm{Ca}/S}=R=\frac{M_{\mathrm{Ca}}}{{\mathrm{\ρ}}_{\mathrm{ca}}*1000}{k}_v\frac{F0*S^y*1000}{32*\mathrm{PM}}$

可得：

$\frac{F1}{F0}=\frac{\mathrm{Ca}/S*S^y{M}_{\mathrm{ca}}*k_v}{320*\mathrm{PM}*{\mathrm{\ρ}}_{\mathrm{ca}}*\mathrm{\η}}$

带入表3中的参数值可得：

$\frac{4.17*1000*0.9}{100*2.3}=16.3\left(\mathrm{mol}\right)=\frac{x}{1100*1000}*k_v*0.2255$

$16.3\left(\mathrm{mol}\right)=\frac{x}{1100*1000}*85*0.2255$

其中M_ca的单位为g；在880℃时，k_v＝85.3168，S_g=11724，λ=0.035，计算得：x=15.35*100000=1535000(g)=1535(kg)，可以得到炉膛内活性石灰石CaO的质量为1535公斤。总的模型为：

$\frac{{\mathrm{dC}}_{{\mathrm{SO}}_2}}{\mathrm{dt}}=\frac{G-R}{U}$

G＝C＝31.25η_sF₀S^ymol＝31.25*0.0068*7.8*0.6

η_s＝0.69exp(1-963.33/T)＝0.69exp(1-963.33/1153)

$k_v=490\exp [-\frac{74400}{{\mathrm{RT}}_P}]S_g\mathrm{\λ}=490\exp [-\frac{74400}{8.314*1153}]*11724*0.035$

$C_{{\mathrm{SO}}_2}=\frac{31.25{\mathrm{\η}}_s{F}_0{S}^y}{\mathrm{PM}}=\frac{0.462*1000\left(g\right)}{32*62\left(m^3\right)}=0.2255(\mathrm{mol}/m^3)$

$S_g=\left\{\begin{array}{c}-38.4T+5.60\×{10}^4(T\≤1253K)\\ 35.9T-3.67\×{10}^4(T>1253K)\end{array}\right\}=11724$

$R_{\mathrm{Ca}}=\frac{56M_{\mathrm{Ca}}}{{\mathrm{\ρ}}_{\mathrm{ca}}}{k}_v{C}_{{\mathrm{SO}}_2}=\frac{56*M_{\mathrm{Ca}}}{1100}*85*0.2255$

$\frac{F1}{F0}=\frac{\mathrm{Ca}/S*S^y{M}_{\mathrm{ca}}*k_v}{320*\mathrm{PM}*{\mathrm{\ρ}}_{\mathrm{ca}}*\mathrm{\η}}$

同理把白马CFB机组在300MW负荷工况下的参数带入上述公式可得活性石灰石的量为：

$\frac{F1\left(50\right)*0.9*1000}{100*\mathrm{Ca}/S\left(1.8\right)}=R=\frac{\left(x\right)M_{\mathrm{Ca}}}{{\mathrm{\ρ}}_{\mathrm{ca}}\left(1100\right)*1000}{k}_v\left(85\right)\frac{F0\left(200\right)*S^y\left(0.02\right)*1000}{32*\mathrm{PM}\left(243\right)}$

由上式知：

$\frac{F1}{F0}=\frac{1.8*0.02*x*85}{32*243*11*1000*0.9}=\frac{3.06x}{76982400}=\frac{50t}{200t}=\frac{1}{4}$

得x=6289411(g)=6289(kg)，即白马CFB机组在135MW负荷的工况下，炉膛内的活性石灰石是6289411g，约为6289公斤。

在上述135MWCFB机组上进行活性石灰石模型和SO₂预测模型的验证实验。保持石灰石给料量和风量不变，进行煤量扰动试验，及保持煤量和风量不变，进行石灰石给料量扰动实验，通过模型计算所得SO₂的预测值与实际测量值基本吻合，证明了模型的正确性。在机组135MW的稳态工况下及白马CFB机组在300MW负荷的工况下，基于活性石灰石平衡模型计算最佳石灰石给料量和给煤量的比值，也证明了该模型的正确性。在实际运行中石灰石给料量总是通过固定的Ca/S比值来调节，未考虑煤质的变化，容易引起SO₂的波动，也造成了石灰石原料的浪费，而如果根据该模型提前计算最佳石灰石给料量和给煤量的比值，既可以使得SO₂值不受煤质影响，保证烟气中排放的SO₂浓度稳定且符合排放标准，又可以降低石灰石给料量，节约成本。

图22、图23为在600MW的CFB锅炉上应用本发明的两种现场应用模型图。

图24为在600MW的CFB锅炉上应用本发明时，给煤量阶跃减少，SO₂的软测量值与实际值的对比图；

图25为在600MW的CFB锅炉上应用本发明时，石灰石阶跃减少，SO₂的软测量值与实际值的对比图。

由图24和图25也可知，本发明构建的二氧化硫软测量模型是正确的。

与现有技术相比，本发明通过建立炉膛内活性石灰石的软测量模型，根据引入的“活性石灰石”的状态观测量和给煤量构造炉膛出口二氧化硫排放浓度的软测量模型，预测炉膛出口SO₂的排放浓度，从而可以提前反馈调节石灰石给料量，从根本上起到调节控制的作用。本发明构建的二氧化硫排放浓度的软测量模型准确性高，具有较高的社会、经济价值。此外，本发明还构建了最佳的石灰石和煤的给料比值模型，通过计算最佳入炉石灰石量与给煤量的比值，及时调整石灰石和煤的给料量，实现动态Ca/S，不仅使得排放的SO₂浓度值不受煤质影响，保证SO₂的排放浓度稳定，而且还可以降低石灰石给料量，提高脱硫效率，避免了以往在煤质有变化时，利用恒定的Ca/S比值来进行石灰石给料，造成石灰石原料浪费和成本增加的问题，以及过量的脱硫剂带来的增加附加灰渣量和物理热损失、增加炉膛磨损、影响燃烧工况和锅炉的效率和影响锅炉经济性的问题。据大量数据统计表明，与采用恒定的Ca/S比值来进行石灰石给料相比，采用本发明构造的最佳石灰石和煤的给料比值模型进行石灰石给料，实现动态Ca/S后，锅炉效率提高了0.38%，同时锅炉的脱硫效率提高了10%。

附图说明

图1是实验例1中给煤量阶跃扰动示意图；

图2是实验例1中石灰石给料量示意图；

图3是实验例1中给风量示意图；

图4是实验例1中炉膛内活性石灰石量示意图；

图5是实验例1中炉膛出口SO₂浓度对比图；

图6是异常数据剔除处理流程图；

图7是数字滤波方法的处理流程图；

图8是异常数据剔除效果图；

图9是数字滤波效果图；

图10是物理法剔除奇异值流程图；

图11是实时数据预处理与初始值对比图；

图12是实验例2煤量扰动实验中石灰石给料量示意图；

图13是实验例2煤量扰动实验中给煤量示意图；

图14是实验例2煤量扰动实验中给风量示意图；

图15是实验例2煤量扰动实验中炉膛内活性石灰石量示意图；

图16是实验例2煤量扰动实验中锅炉出口SO₂浓度对比图；

图17是实验例2石灰石扰动实验中给石灰石量示意图；

图18是实验例2石灰石扰动实验中为给煤量示意图；

图19是实验例2石灰石扰动实验中为给风量示意图；

图20是实验例2石灰石扰动实验中炉膛内活性石灰石量示意图；

图21是实验例2石灰石扰动实验中锅炉出口SO₂浓度的对比示意图；

图22是本发明的一种现场应用模型图；

图23是本发明的另一种现场应用模型图；

图24为在600MW的CFB上应用本发明，给煤量阶跃减少时SO₂的软测量与实际值的对比图；

图25为在600MW的CFB锅炉上应用本发明，石灰石给料量阶跃减少时SO₂的软测量与实际值的对比图。

具体实施方式

实施例1：一种循环流化床锅炉烟气中二氧化硫的软测量方法，包括以下步骤：

S1，采集实际工业装置的操作数据，构造炉膛内活性石灰石的软测量模型：

$\frac{{\mathrm{dM}}_C}{\mathrm{dt}}=\frac{W_{\mathrm{ca}}*\mathrm{\η}}{W_c}F1\left(t\right)-K{F}_0{M}_C$

其中，W_ca为氧化钙的摩尔质量，kg/kmol；W_c为石灰石的摩尔质量，kg/kmol；Mc为炉膛内活性石灰石的量，kg；F1为石灰石给料量，kg/s；η为石灰石给料量中所含纯净CaCO₃的比例，%；通常情况η的取值为0.9；K为活性石灰石和SO₂反应速率系数；F₀为给煤量，kg；KF₀M_C为与反应SO₂固化的CaO的质量，kg/s；所述的操作数据包括石灰石给料量和给煤量；

S2，根据上述炉膛内活性石灰石的软测量值，结合给煤量构造炉膛出口二氧化硫排放浓度的软测量模型：

$C_{\mathrm{SO}2}^{\′}\left(t\right)=\frac{{31.25\mathrm{\η}}_s{S}^y{F}_0-R}{\mathrm{PM}}=\frac{\mathrm{\γ}{F}_0-K1F_0{M}_C}{\mathrm{PM}}$

其中，C'_SO2(t)为当前SO₂的排放浓度，η_S为硫转化率，S^y为给煤含硫量，F₀为给煤量，R为SO₂固化速度，PM为进入炉膛的总风量，Mc为炉膛内活性石灰石的量；R＝K1F₀M_c，γ＝31.25η_sS^y；

S3，根据炉膛出口二氧化硫排放浓度的软测量值反馈控制石灰石给料机调节石灰石的给料量，保证二氧化硫的排放浓度符合标准。

所述的硫转化率η_s通过以下方式确定：当炉膛温度为750～950℃时，利用最小二乘法辨识硫转化率与炉膛温度的关系，得相关度为0.9998，则通过η_s＝0.0006T_f+0.147，其中T_f为循环流化床锅炉炉膛温度。

还包括：对步骤S1中实际工业装置采集的操作数据进行预处理，该预处理包括：

用统计判别法或物理判别法剔除异常数据；

用算术平均值法对采样值进行滤波，即寻找一个作为本次采样的平均值，使该值与本次各采样值间误差的平方和最小。

所述的用统计判别法剔除异常数据，即将采集得到的所有数据进行统计分析，给定一个置信区间，剔除不在置信范围内的数据，即离线分析数据的奇异性，也即提出测量数据中的异常数据；设测量得到的样本值为x₁，x₂，…，x_n，平均值为，偏差为

，根据Bessel公式算出标准差：

$\mathrm{\σ}={\left\{\right[\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{x_i}^2-{\left(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{x}_i\right)}^2/n]/(n-1)\}}^{1/2}$

若测量的数据x_k的偏差v_k(1≤k≤n)满足：

|v_k|≥3σ

则认为x_k是异常数据，将其剔除；数据剔除后为了保证连贯性，必须对剔除的空缺进行填补；任何物理量的变化都是从小到大或从大到小平滑的变化，在此利用差分方程推算进行填补，推算方程如下：

|x_k'|＝x_k-1+(x_k-1-x_k-2)

式中：x_k'为k时刻的推算值，x_k-1为k-1时刻的采样样本值，x_k-2为k-2时刻的采样样本值。

所述的用物理判别法剔除异常数据，即在采集过程中，随时发现，随时剔除；由于物理量的变化总是从小到大或者从大到小平滑的变化，故根据物理量的连续性，用一阶差分法剔除奇异阶差分方程的表达式为：

${\hat{x}}_t=x_{t-1}+(x_{t-1}-x_{t-2})$

式中：

为t时刻的估计值，x_t-1为t时刻前一个时刻的采样值，x_t-2为t时刻前两个时刻的采样值；t时刻的采样值由t-1和t-2时刻的采样值估计，利用估计值和实际数据值进行比较，同时给定一个误差限W，如果其误差大于给定的误差限，则认为测量得到的实际值是奇异项，给予剔除，用估计值代替。

例如：对300MWCFB锅炉的给煤量数据进行预处理时，首先应当剔除测量数据中的异常值；其次对采样数据进行滤波。结合现场采集得到的数据，应用异常数据剔除、数字滤波方法的详细处理流程图如图6、图7所示。

从现场采集得到各辅助变量的采样值400组，如表4所示，以给煤量为例，利用上述方法对其进行异常数据剔除、数字滤波，所得的结果如图8、图9所示。

表4300组采样数据

图8为现场采集的原始数据与经过剔除后的数据的对比图。由图8可知，通过剔除异常数据后，不仅滤掉了现场数据中的异常数据，而且为后面的数据预处理减小了误差。

对于四川白马600MW超临界CFB锅炉的总风量信号，由于实际总风量信号的一次风给风口和二次风给风口的喷口位置设计有些偏差，所以导致实际的风口位置形成旋窝，而风量检测信号布置在风口附近，导致所检测的风量信号有一定的波动。用上述方法进行数字信号滤波，除去干扰信号，图9给出了数字滤波效果图，其中，黑色粗线为实际测量值，平稳细实现为滤波后的值。由此可知通过进行数字信号滤波，减少了干扰信号在有用信号中的比重，而且使得测量数据曲线变得平滑，有利于控制系统中模型建立的准确性。

所述的预处理还包括实时数据的预处理，即对于实时动态数据预处理，将现场采集得到的实时数据用物理法剔除奇异值。以给煤量为例，图10为物理法剔除奇异值流程图，图11给出了通过物理法剔除现场数据中的奇异值后得到的样本值与采样初始值之间的对比图。

所述的工业装置包括：石灰石给料机和给煤机，石灰石给料机和给煤机上分别设有电动机，电动机上分别设有转速传感器。

基于上述循环流化床锅炉烟气中二氧化硫的软测量方法的一种优化控制方法，在稳定工况下，根据膛内活性石灰石量的软测量值及炉膛出口二氧化硫排放浓度的软测量值，对石灰石给料量和给煤量的比值进行调节以控制二氧化硫的排放浓度稳定、符合排放标准，同时减小石灰石给料量，节约资源，提高锅炉效率。

所述的调节，具体如下：

其中，M_C为炉膛存储活性石灰石量，ρ_c为活性石灰石密度，k_v为CaO的反应速度，η_s为硫转化率；S^y为给煤含硫量；η为石灰石给入量中所含纯净CaCO₃的比例，通常η的取值为0.9；θ_Ca/_S为当前工况下的钙硫比值；φ为参数值为3125，V_膛体为炉膛体积。

实施例2：一种循环流化床锅炉烟气中二氧化硫的软测量方法，包括以下步骤：

S1，采集实际工业装置的操作数据，构造炉膛内活性石灰石的软测量模型：

$\frac{{\mathrm{dM}}_C}{\mathrm{dt}}=\frac{W_{\mathrm{ca}}*\mathrm{\η}}{W_c}F1\left(t\right)-K{F}_0{M}_C$

其中，W_ca为氧化钙的摩尔质量，kg/kmol；W_c为石灰石的摩尔质量，kg/kmol；Mc为炉膛内活性石灰石的量，kg；F1为石灰石给料量，kg/s；η为石灰石给料量中所含纯净CaCO₃的比例，%；通常情况η的取值为0.9；K为活性石灰石和SO₂反应速率系数；F₀为给煤量，kg；KF₀M_C为与反应SO₂固化的CaO的质量，kg/s；所述的操作数据包括石灰石给料量和给煤量；

S2，根据上述炉膛内活性石灰石的软测量值，结合给煤量构造炉膛出口二氧化硫排放浓度的软测量模型：

$C_{\mathrm{SO}2}^{\′}\left(t\right)=\frac{{31.25\mathrm{\η}}_s{S}^y{F}_0-R}{\mathrm{PM}}=\frac{\mathrm{\γ}{F}_0-K1F_0{M}_C}{\mathrm{PM}}$

其中，

(t)为当前SO₂的排放浓度，η_S为硫转化率，S^y为给煤含硫量，F₀为给煤量，R为SO₂固化速度，PM为进入炉膛的总风量，Mc为炉膛内活性石灰石的量；R＝K1F₀M_c，γ＝31.25η_sS^y；

S3，根据炉膛出口二氧化硫排放浓度的软测量值反馈控制石灰石给料机调节石灰石的给料量，保证二氧化硫的排放浓度符合标准。

所述的硫转化率η_s通过以下方式确定：当炉膛温度为750～950℃时，利用最小二乘法辨识硫转化率与炉膛温度的关系，得相关度为0.9998，则通过η_s＝0.0006T_f+0.147，其中T_f为循环流化床锅炉炉膛温度。

实施例3：一种循环流化床锅炉烟气中二氧化硫的软测量方法，包括以下步骤：

S1，采集实际工业装置的操作数据，构造炉膛内活性石灰石的软测量模型：

$\frac{{\mathrm{dM}}_C}{\mathrm{dt}}=\frac{W_{\mathrm{ca}}*\mathrm{\η}}{W_c}F1\left(t\right)-K{F}_0{M}_C$

其中，W_ca为氧化钙的摩尔质量，kg/kmol；W_c为石灰石的摩尔质量，kg/kmol；Mc为炉膛内活性石灰石的量，kg；F1为石灰石给料量，kg/s；η为石灰石给料量中所含纯净CaCO₃的比例，%；通常情况η的取值为0.9；K为活性石灰石和SO₂反应速率系数；F₀为给煤量，KF₀M_C为与反应SO₂固化的CaO的质量，kg/s；所述的操作数据包括石灰石给料量和给煤量；

S2，根据上述炉膛内活性石灰石的软测量值，结合给煤量构造炉膛出口二氧化硫排放浓度的软测量模型：

$C_{\mathrm{SO}2}^{\′}\left(t\right)=\frac{{31.25\mathrm{\η}}_s{S}^y{F}_0-R}{\mathrm{PM}}=\frac{\mathrm{\γ}{F}_0-K1F_0{M}_C}{\mathrm{PM}}$

其中，C'_SO2(t)为当前SO₂的排放浓度，η_S为硫转化率，S^y为给煤含硫量，F₀为给煤量，R为SO₂固化速度，PM为进入炉膛的总风量，Mc为炉膛内活性石灰石的量；R＝K1F₀M_c，γ＝31.25η_sS^y；

S3，根据炉膛出口二氧化硫排放浓度的软测量值反馈控制石灰石给料机调节石灰石的给料量，保证二氧化硫的排放浓度符合标准。

还包括：对步骤S1中实际工业装置采集的操作数据进行预处理，该预处理是指：

用算术平均值法对采样值进行滤波，即寻找一个

作为本次采样的平均值，使该值与本次各采样值间误差的平方和最小。

实施例4：一种循环流化床锅炉烟气中二氧化硫的软测量方法，包括以下步骤：

S1，采集实际工业装置的操作数据，构造炉膛内活性石灰石的软测量模型：

$\frac{{\mathrm{dM}}_C}{\mathrm{dt}}=\frac{W_{\mathrm{ca}}*\mathrm{\η}}{W_c}F1\left(t\right)-K{F}_0{M}_C$

其中，W_ca为氧化钙的摩尔质量，kg/kmol；W_c为石灰石的摩尔质量，kg/kmol；Mc为炉膛内活性石灰石的量，kg；F1为石灰石给料量，kg/s；η为石灰石给料量中所含纯净CaCO₃的比例，%；通常情况η的取值为0.9；K为活性石灰石和SO₂反应速率系数；F₀为给煤量，KF₀M_C为与反应SO₂固化的CaO的质量，kg/s；所述的操作数据包括石灰石给料量和给煤量；

S2，根据上述炉膛内活性石灰石的软测量值，结合给煤量构造炉膛出口二氧化硫排放浓度的软测量模型：

$C_{\mathrm{SO}2}^{\′}\left(t\right)=\frac{{31.25\mathrm{\η}}_s{S}^y{F}_0-R}{\mathrm{PM}}=\frac{\mathrm{\γ}{F}_0-K1F_0{M}_C}{\mathrm{PM}}$

其中，C'_SO2(t)为当前SO₂的排放浓度，η_S为硫转化率，S^y为给煤含硫量，F₀为给煤量，R为SO₂固化速度，PM为进入炉膛的总风量，Mc为炉膛内活性石灰石的量；R＝K1F₀M_c，γ＝31.25η_sS^y；

S3，根据炉膛出口二氧化硫排放浓度的软测量值反馈控制石灰石给料机调节石灰石的给料量，保证二氧化硫的排放浓度符合标准。

还包括：对步骤S1中实际工业装置采集的操作数据进行预处理，该预处理是指：

用统计判别法剔除异常数据。

所述的用统计判别法剔除异常数据，即将采集得到的所有数据进行统计分析，给定一个置信区间，剔除不在置信范围内的数据，即离线分析数据的奇异性，也即提出测量数据中的异常数据；设测量得到的样本值为x₁，x₂，…，x_n，平均值为

，偏差为

根据Bessel公式算出标准差：

$\mathrm{\σ}={\left\{\right[\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{x_i}^2-{\left(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{x}_i\right)}^2/n]/(n-1)\}}^{1/2}$

若测量的数据x_k的偏差v_k(1≤k≤n)满足：

|v_k|≥3σ

则认为x_k是异常数据，将其剔除；数据剔除后为了保证连贯性，必须对剔除的空缺进行填补；任何物理量的变化都是从小到大或从大到小平滑的变化，在此利用差分方程推算进行填补，推算方程如下：

|x_k'｜＝x_k-1+(x_k-1-x_k-2)

式中：x_k'为k时刻的推算值，x_k-1为k-1时刻的采样样本值，x_k-2为k-2时刻的采样样本值。

实施例5：一种循环流化床锅炉烟气中二氧化硫的软测量方法，包括以下步骤：

S1，采集实际工业装置的操作数据，构造炉膛内活性石灰石的软测量模型：

$\frac{{\mathrm{dM}}_C}{\mathrm{dt}}=\frac{W_{\mathrm{ca}}*\mathrm{\η}}{W_c}F1\left(t\right)-{\mathrm{KF}}_0{M}_C$

其中，W_ca为氧化钙的摩尔质量，kg/kmol；W_c为石灰石的摩尔质量，kg/kmol；Mc为炉膛内活性石灰石的量，kg；F1为石灰石给料量，kg/s；η为石灰石给料量中所含纯净CaCO₃的比例，%；通常情况η的取值为0.9；K为活性石灰石和SO₂反应速率系数；F₀为给煤量，KF₀M_C为与反应SO₂固化的CaO的质量，kg/s；所述的操作数据包括石灰石给料量和给煤量；

S2，根据上述炉膛内活性石灰石的软测量值，结合给煤量构造炉膛出口二氧化硫排放浓度的软测量模型：

$C_{\mathrm{SO}2}^{\′}\left(t\right)=\frac{{31.25\mathrm{\η}}_s{S}^y{F}_0-R}{\mathrm{PM}}=\frac{\mathrm{\γ}{F}_0-K1F_0{M}_C}{\mathrm{PM}}$

其中，C'_SO2(t)为当前SO₂的排放浓度，η_S为硫转化率，S^y为给煤含硫量，F₀为给煤量，R为SO₂固化速度，PM为进入炉膛的总风量，Mc为炉膛内活性石灰石的量；R＝K1F₀M_c，γ＝31.25η_sS^y；

S3，根据炉膛出口二氧化硫排放浓度的软测量值反馈控制石灰石给料机调节石灰石的给料量，保证二氧化硫的排放浓度符合标准。

所述的硫转化率η_s通过以下方式确定：当炉膛温度为750～950℃时，利用最小二乘法辨识硫转化率与炉膛温度的关系，得相关度为0.9998，则通过η_s＝0.0006T_f+0.147，其中T_f为循环流化床锅炉炉膛温度。

还包括：对步骤S1中实际工业装置采集的操作数据进行预处理，该预处理是指：

用物理判别法剔除异常数据。

所述的用物理判别法剔除异常数据，即在采集过程中，随时发现，随时剔除；由于物理量的变化总是从小到大或者从大到小平滑的变化，故根据物理量的连续性，用一阶差分法剔除奇异阶差分方程的表达式为：

${\hat{x}}_t=x_{t-1}+(x_{t-1}-x_{t-2})$

式中：为t时刻的估计值，x_t-1为t时刻前一个时刻的采样值，x_t-2为t时刻前两个时刻的采样值；t时刻的采样值由t-1和t-2时刻的采样值估计，利用估计值和实际数据值进行比较，同时给定一个误差限W，如果其误差大于给定的误差限，则认为测量得到的实际值是奇异项，给予剔除，用估计值代替。

所述的工业装置包括：石灰石给料机和给煤机，石灰石给料机和给煤机上分别设有电动机，电动机上分别设有转速传感器。

本发明的一种实施例的工作原理：

电动机控制石灰石给料机和给煤机的石灰石给料速度和给煤速度，安装于电动机上的转速传感器分别测量石灰石给料速度和给煤速度；测硫仪测量给煤中的硫含量值；风量计测量给锅炉的总风量；DCS控制器采集上述的石灰石给料速度、给煤速度、硫含量值及总风量数据，进行以下处理：

$\frac{{\mathrm{dM}}_C}{\mathrm{dt}}=\frac{W_{\mathrm{ca}}*\mathrm{\η}}{W_c}F1\left(t\right)-{\mathrm{KF}}_0{M}_C$

其中，W_ca为氧化钙的摩尔质量，kg/kmol；W_c为石灰石的摩尔质量，kg/kmol；Mc为炉膛内活性石灰石的量，kg；F1为石灰石给料量，kg/s；η为石灰石给料量中所含纯净CaCO₃的比例，%；通常情况η的取值为0.9；K为活性石灰石和SO₂反应速率系数；F₀为给煤量，KF₀M_C为与反应SO₂固化的CaO的质量，kg/s；

通过利用上述的M_c提前测量炉膛出口二氧化硫排放浓度：

$C_{\mathrm{SO}2}^{\′}\left(t\right)=\frac{{31.25\mathrm{\η}}_s{S}^y{F}_0-R}{\mathrm{PM}}=\frac{\mathrm{\γ}{F}_0-K1F_0{M}_C}{\mathrm{PM}}$

其中，

(t)为当前SO₂的排放浓度，η_S为硫转化率，S^y为给煤含硫量，F₀为给煤量，R为SO₂固化速度，PM为进入炉膛的总风量，Mc为炉膛内活性石灰石的量；R＝K1F₀M_c，γ＝31.25η_sS^y；SO₂固化速度R为：

$R=\frac{M_c}{{\mathrm{\ρ}}_c}{k}_v{C}_{{\mathrm{SO}}_2}$

式中，R为SO₂固化速度，M_c为炉膛内石灰石的量，ρ_c为活性石灰石的密度，k_v为SO₂的反应速度，C_SO2为炉膛内SO₂摩尔浓度；

$k_v=490\exp [-\frac{17500}{{\mathrm{PT}}_P}]S_g\mathrm{\λ}$

$S_g=\left\{\begin{array}{c}-38.4T+5.60\×{10}^4(T\≤1253K)\\ 35.9-3.67\×{10}^4(T>1253)\end{array}\right\}$

其中，λ为石灰石反应活性系数，一般取0.035。

根据炉膛出口二氧化硫排放浓度的测量值反馈控制石灰石给料机上的电动机调节石灰石给料速度，保证二氧化硫的排放浓度符合标准。

其中，反馈调节控制的过程中，石灰石给料量与给煤量符合以下比例标准时，不仅可以使二氧化硫的排放浓度符合标准，而且可以最大化的节约石灰石量，提高锅炉效率和脱硫效率：

其中，M_C为炉膛存储活性石灰石量，ρ_c为活性石灰石密度，k_v为CaO的反应速度，η_s为硫转化率；S^y为给煤含硫量；η为石灰石给入量中所含纯净CaCO₃的比例，通常η的取值为0.9；θ_Ca/_S为当前工况下的钙硫比值；φ为参数值为3125，V_膛体为炉膛体积。

Claims (8)

1.一种循环流化床锅炉烟气中二氧化硫的软测量及优化控制方法，其特征在于，包括以下步骤：S1，采集实际工业装置的操作数据，构造炉膛内活性石灰石的软测量模型：

$\frac{{\mathrm{dM}}_C}{\mathrm{dt}}=\frac{W_{\mathrm{ca}}*\mathrm{\η}}{W_c}F1\left(t\right)-K{F}_0{M}_C$

其中，W_ca为氧化钙的摩尔质量，kg/kmol；W_c为石灰石的摩尔质量，kg/kmol；M_c为炉膛内活性石灰石的量，kg；F1为石灰石给料量，kg/s；η为石灰石给料量中所含纯净CaCO₃的比例，%；K为活性石灰石和SO₂反应速率系数；F₀为给煤量，kg；KF₀M_C为与反应SO₂固化的CaO的质量，kg/s；所述的操作数据包括石灰石给料量和给煤量；

S2，根据上述炉膛内活性石灰石的软测量值，结合给煤量构造炉膛出口二氧化硫排放浓度的软测量模型：

${C^{\′}}_{\mathrm{SO}2}\left(t\right)=\frac{31.25{\mathrm{\η}}_s{S}^y{F}_0-R}{\mathrm{PM}}=\frac{\mathrm{\γ}{F}_0-K1F_0{M}_C}{\mathrm{PM}}$

其中，

(t)为当前SO₂的排放浓度，η_S为硫转化率，S^y为给煤含硫量，F₀为给煤量，R为SO₂固化速度，PM为进入炉膛的总风量，Mc为炉膛内活性石灰石的量；R＝K1F₀M_c，γ＝31.25η_sS^y；

S3，根据炉膛出口二氧化硫排放浓度的软测量值反馈控制石灰石给料机调节石灰石的给料量，保证二氧化硫的排放浓度符合标准。

2.根据权利要求1所述的循环流化床锅炉烟气中二氧化硫的软测量方法，其特征在于，所述的硫转化率η_S，当炉膛温度为750～950℃时，通过η_s＝0.0006T_f+0.147确定，其中T_f为循环流化床锅炉炉膛温度。

3.根据权利要求1或2所述的循环流化床锅炉烟气中二氧化硫的软测量方法，其特征在于，还包括：对步骤S1中实际工业装置采集的操作数据进行预处理，该预处理包括：

用算术平均值法对采样值进行滤波，即寻找一个作为本次采样的平均值，使该值与本次各采样值间误差的平方和最小；

用统计判别法或物理判别法剔除异常数据。

4.根据权利要求3所述的循环流化床锅炉烟气中二氧化硫的软测量方法，其特征在于，所述的用统计判别法剔除异常数据，即将采集得到的所有数据进行统计分析，给定一个置信区间，剔除不在置信范围内的数据，即离线分析数据的奇异性，也即提出测量数据中的异常数据；设测量得到的样本值为x₁，x₂，…，x_n，平均值为

，偏差为v_i=x_i-

(i=1，…，n)，根据Bessel公式算出标准差：

$\mathrm{\σ}={\left\{\right[\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{x_i}^2-{\left(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{x}_i\right)}^2/n]/(n-1)\}}^{1/2}$

若测量的数据x_k的偏差v_k(1≤k≤n)满足：

|v_k|≥3σ

则认为x_k是异常数据，将其剔除；数据剔除后为了保证连贯性，利用差分方程推算对剔除的空缺进行填补；推算方程如下：

|x_k'|＝x_k-1+(x_k-1-x_k-2)

式中：x_k'为k时刻的推算值，x_k-1为k-1时刻的采样样本值，x_k-2为k-2时刻的采样样本值。

5.根据权利要求4所述的循环流化床锅炉烟气中二氧化硫的软测量方法，其特征在于，所述的用物理判别法剔除异常数据，即在采集过程中，随时发现，随时剔除；根据物理量的连续性，用一阶差分法剔除奇异阶差分方程的表达式为：

${\hat{x}}_t=x_{t-1}+(x_{t-1}-x_{t-2})$

式中：

为t时刻的估计值，x_t-1为t时刻前一时刻的采样值，x_t-2为t时刻前两个时刻的采样值；t时刻的采样值由t-1和t-2时刻的采样值估计，利用估计值和实际数据值进行比较，同时给定误差限W，如果其误差大于给定的误差限，则认为测量得到的实际值是奇异项，给予剔除，用估计值代替。

6.根据权利要求1所述的循环流化床锅炉烟气中二氧化硫的软测量方法，其特征在于，所述的工业装置包括：石灰石给料机和给煤机，石灰石给料机和给煤机上分别设有电动机，电动机上分别设有转速传感器。

7.基于权利要求1～6所述方法的一种循环流化床锅炉的优化控制方法，其特征在于，在稳定工况下，根据炉膛内活性石灰石量的软测量值及炉膛出口二氧化硫排放浓度的软测量值，对石灰石给料量和给煤量的比值进行调节以控制二氧化硫的排放浓度稳定、符合排放标准，同时减小石灰石给料量，节约资源，提高锅炉效率。

8.根据权利要求7所述的循环流化床锅炉的优化控制方法，其特征在于，所述的对石灰石给料量和给煤量的比值进行调节，具体调节方法如下：

其中，Mc为炉膛内活性石灰石的量，ρ_c为活性石灰石的密度，k_v为CaO的反应速度，η_s为硫转化率；S^y为给煤含硫量；η为石灰石给入量中所含纯净CaCO₃的比例；θ_Ca/S为当前工况下的钙硫比值；φ为参数值3125，V_膛体为炉膛体积。

Images