CN103925614A - 一种火电机组快速甩负荷燃料控制方法 - Google Patents

Abstract

一种火电机组快速甩负荷燃料控制方法，其特点是，包括：火电机组快速甩负荷信号的采集、BP神经网络数学模型的建立、敏感因子的确定、锅炉磨煤机停磨时间间隔的确定、火电机组快速甩负荷燃料控制等内容，利用建立的BP神经网络数学模型，以锅炉磨煤机所在层燃料量为输入，以各层温度和分屏过热器温度的构造函数为输出，利用敏感性分析方法，通过确定单层燃烧器给煤量对于输出值的敏感因子的大小，从而确定锅炉磨煤机停磨的次序，利用负荷变化量和锅炉最低稳燃负荷，来确定停磨煤机的个数，通过主蒸汽压力变化率来确定停磨间隔时间，最终实现火电机组快速甩负荷燃料控制。具有方法科学合理，控制方便、准确，安全性能好，实用价值高等优点。

Description

一种火电机组快速甩负荷燃料控制方法

技术领域

本发明涉及锅炉燃料控制领域，一种火电机组快速甩负荷燃料控制方法。

背景技术

火电机组快速甩负荷（FCB）是指当机组负荷大于一定值的情况下，由于外界电网事故原因迫使机组迅速降负荷至带厂用电，从而解决电网恢复电源启动难题。针对锅炉机组在甩负荷过程的升压问题，快速开启旁路系统，加装一定数量的压力控制阀（PCV）能够在FCB动作初期及时缓解压力的飞升，但是主要还要依靠燃料量的减少来控制主蒸汽压力的飞升。如果燃料量切断过快，将引起炉内燃烧不稳定，炉内温度变化过快，使得管壁热应力过大，导致设备安全性受到影响，如果燃料系统切断过慢，则不能及时抑制压力的飞升。

在以往的火电机组快速甩负荷（FCB）的燃料系统控制中，虽然考虑了燃烧稳定性以及对于主蒸汽压力的影响，但控制方法都是建立在现场试验的经验上，经过多次过程得到最终的控制方法，并且这些方法只能针对试验锅炉机组，对于其他类型机组并不适用，没有扎实的理论依据，也没有一套完整安全并且通用的控制方法。

本发明的申请人集团队之力，依据BP神经网络和敏感性分析方法的理论知识，考虑主蒸汽压力变化率，锅炉燃烧稳定性以及主蒸汽温度变化，形成了一套完善的火电机组甩负荷燃料控制方法，最终形成的控制程序装配至火电机组的集散控制系统（DCS）中，形成一种具有一定普遍应用性的控制技术，省去了手动操作过程，提高了机组快速甩负荷（FCB）的成功率。

发明内容

本发明的目的是，克服现有技术的不足，提供一种科学合理，控制方便、准确，安全性能好，实用价值高的火电机组快速甩负荷燃料控制方法。

本发明的目的是由以下技术方案来实现的：一种火电机组快速甩负荷燃料控制方法，其特征是，它包括以下内容：

1）火电机组快速甩负荷信号的采集

将炉膛按照磨煤机所在层进行层次划分，在每一层的四角贴近燃烧器附近安装热电偶，通过热电偶信号采集卡，经热电动势信号通过补偿导线与采集卡上的输入端相连，从而得到磨煤机所在层的四角水冷壁内壁温度，导入至火电机组的集散控制系统，在分屏过热器靠近炉膛燃烧区处均布安装8-12只热电偶，通过热电偶多点侧温得到分屏过热器管壁内壁温度值，通过热电偶信号采集卡，经热电动势信号通过补偿导线与采集卡上的输入端相连将信号采集导入至火电机组的集散控制系统，将主蒸汽管道贴近主蒸汽阀附近的利用压力变送器得到主蒸汽压力值，导入至DCS后通过微分环节得到主蒸汽压力变化率；

2）BP神经网络数学模型的建立

将锅炉炉膛按照通过热电偶测量磨煤机所在各层的管内壁温度，并记录在数据库中，利用BP神经网络建立数学模型，其中输入层数为n，输入层输入量为燃烧器配置的磨煤机的给煤量，输出层数为1，输出值为

$T=\sqrt{t_1^2+t_2^2+\·\·\·\·\·\·+t_n^2+t_g^2}---\left(1\right)$

式中：t_i为第i层炉膛内部四角水冷壁的平均温度，℃

t_g为分屏过热器靠近炉膛燃烧区的温度平均值，℃

（1）隐层节点输的确定，采用公式m＝log₂n确定隐层节点数，其中n为输入节点个数；

（2）对于输出层有o₁＝f(net)，其中w_j1为第j个隐层神经元与输出层神经元之间的权值；对于隐层而言，y_j＝f(net_j)，v_ij为第i个输入层神经元与第j个隐层神经元之间的权值，其中i＝1，2，……，n；j＝1，2，……，m；转移函数f(x)采用双极性Sigmoid函数，即从而构成了具有三层感知器的BP神经网络数学模型；

（3）进行网络的初始化，给个连接权值一个在（-1,1）的随机数，设定误差函数为其中d₁(k)为期望输出值，o₁(k)为输出层输出值，k为训练样本个数；

（4）通过SIS系统或DCS系统选择工况范围变化较大的输入样本x(k)＝(x₁(k),x₂(k),x₃(k),…,x_n(k))及对应的期望输出量d₁(k)；

（5）利用采集的训练样本和期望输出对模型进行训练，以误差函数最小为目标，利用误差的梯度下降算法对模型进行权值的调整，从而完成BP神经网络数学模型的建立；

3）敏感因子的确定

通过BP神经网络数学模型，同时利用敏感性分析方法确定单台磨煤机给煤量对T的敏感因子，

（1）首先确定敏感性分析对象指标，本发明选择 $T=\sqrt{t_1^2+t_2^2+\·\·\·\·\·\·+t_n^2+t_g^2}$ 为具体指标；

（2）确定敏感性分析中的不确定因素及其变化范围，本发明选择锅炉炉膛每层磨煤机给煤量为不确定因素，其变化范围为磨煤机最大出力的20%-100%；

（3）根据BP神经网络模型，第i个输入神经元对第j个隐层神经元的影响为第j个隐层神经元对输出神经元的影响为输入变量x_i对输出变量的敏感性如下：

$K_{i1}=\underset{j=1}{\overset{m}{\mathrm{\Σ}}}\frac{x_j{v}_{\mathrm{ij}}}{y_j}\·\frac{y_j{w}_{\mathrm{jk}}}{o_1}=\frac{x_i}{o_1}\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{v}_{\mathrm{ij}}{w}_{j1}$

（4）结合BP神经网络数学模型对于SIS或DCS中历史数据的训练结果，得到不同负荷下单台磨煤机给煤量对于T的敏感因子的大小，进而，能够在负荷变化过程中确定停磨的次序；

4）锅炉磨煤机停磨时间间隔的确定

将主蒸汽压力信号传至DCS经过微分环节运算后，得到主蒸汽压力变化速率。同时，得到在FCB动作开始后控制设备中高压旁路阀门和PCV执行器指令，当指令为减小阀门开度时，记录该指令前主蒸汽压力第一次最大飞升值，即P_max，根据公式其中ΔP＝P_max-P₀，确定单台磨煤机停磨间隔，其中m为FCB动作后根据负荷变化需要停磨的数量，通过FCB动作前负荷以及锅炉最低稳燃负荷计算，即其中N为FCB前磨煤机运行台数，A_L，A_H分别为锅炉最低稳燃负荷和FCB动作前锅炉负荷，V_i为第i次停磨后主蒸汽压力飞升速率；

5）火电机组快速甩负荷燃料控制

通过火电机组快速甩负荷信号的采集得到FCB信号，将FCB信号传至DCS后，将BP神经网络数学模型和确定的敏感因子装配至DCS针对于快速甩负荷的燃料控制系统中，计算的锅炉磨煤机停磨时间封装至DCS中，针对快速甩负荷选择一台敏感因子最小的锅炉磨煤机停止运行，第一次最小的锅炉磨煤机停止运行只根据FCB信号和最小敏感因子，负荷到达最低不投油稳燃，根据主蒸汽压力变化速率确定停磨时间间隔，实现火电机组快速甩负荷燃料控制。

本发明一种火电机组快速甩负荷燃料控制方法，利用建立的BP神经网络数学模型，以锅炉磨煤机所在层燃料量为输入，以各层温度和分屏过热器温度的构造函数为输出，利用敏感性分析方法，通过确定单层燃烧器给煤量对于输出值的敏感因子的大小，从而确定锅炉磨煤机停磨的次序，利用负荷变化量和锅炉最低稳燃负荷，来确定停磨煤机的个数，通过主蒸汽压力变化率来确定停磨间隔时间，最终实现火电机组快速甩负荷燃料控制。具有方法科学合理，控制方便、准确，安全性能好，实用价值高等优点。

附图说明

图1为一种火电机组快速甩负荷燃料控制方法的BP神经网络数学模型结构示意图；

图2为一种火电机组快速甩负荷燃料控制流程框图；

图3为主蒸汽压力与锅炉磨煤机停磨时间关联示意图。

具体实施方式

下面利用附图和实施例对本发明做进一步说明。

参照图1和图2，一种火电机组快速甩负荷燃料控制方法，它包括以下内容：

1）火电机组快速甩负荷信号的采集

将炉膛按照磨煤机所在层进行层次划分，在每一层的四角贴近燃烧器附近安装热电偶，通过热电偶信号采集卡，经热电动势信号通过补偿导线与采集卡上的输入端相连，从而得到磨煤机所在层的四角水冷壁内壁温度，导入至火电机组的集散控制系统，在分屏过热器靠近炉膛燃烧区处均布安装8-12只热电偶，通过热电偶多点侧温得到分屏过热器管壁内壁温度值，通过热电偶信号采集卡，经热电动势信号通过补偿导线与采集卡上的输入端相连将信号采集导入至火电机组的集散控制系统，将主蒸汽管道贴近主蒸汽阀附近的利用压力变送器得到主蒸汽压力值，导入至DCS后通过微分环节得到主蒸汽压力变化率；

2）BP神经网络数学模型的建立

将锅炉炉膛按照通过热电偶测量磨煤机所在各层的管内壁温度，并记录在数据库中，利用BP神经网络建立数学模型，其中输入层数为n，输入层输入量为燃烧器配置的磨煤机的给煤量，输出层数为1，输出值为

$T=\sqrt{t_1^2+t_2^2+\·\·\·\·\·\·+t_n^2+t_g^2}---\left(1\right)$

式中：t_i为第i层炉膛内部四角水冷壁的平均温度，℃

t_g为分屏过热器靠近炉膛燃烧区的温度平均值，℃

BP神经网络数学模型为图1所示，

（1）隐层节点输的确定，采用公式m＝log₂n确定隐层节点数，其中n为输入节点个数；

（2）对于输出层有o₁＝f(net)，其中w_j1为第j个隐层神经元与输出层神经元之间的权值；对于隐层而言，y_j＝f(net_j)，v_ij为第i个输入层神经元与第j个隐层神经元之间的权值，其中i＝1，2，……，n；j＝1，2，……，m；转移函数f(x)采用双极性Sigmoid函数，即从而构成了具有三层感知器的BP神经网络数学模型；

（3）进行网络的初始化，给个连接权值一个在（-1,1）的随机数，设定误差函数为其中d₁(k)为期望输出值，o₁(k)为输出层输出值，k为训练样本个数；

（4）通过SIS系统或DCS系统选择工况范围变化较大的输入样本x(k)＝(x₁(k),x₂(k),x₃(k),…,x_n(k))及对应的期望输出量d₁(k)；

（5）利用采集的训练样本和期望输出对模型进行训练，以误差函数最小为目标，利用误差的梯度下降算法对模型进行权值的调整，从而完成BP神经网络数学模型的建立；

3）敏感因子的确定

通过BP神经网络数学模型，同时利用敏感性分析方法确定单台磨煤机给煤量对T的敏感因子，

（3）首先确定敏感性分析对象指标，本发明选择 $T=\sqrt{t_1^2+t_2^2+\·\·\·\·\·\·+t_n^2+t_g^2}$ 为具体指标；

（4）确定敏感性分析中的不确定因素及其变化范围，本发明选择锅炉炉膛每层磨煤机给煤量为不确定因素，其变化范围为磨煤机最大出力的20%-100%；

（3）根据BP神经网络模型，第i个输入神经元对第j个隐层神经元的影响为第j个隐层神经元对输出神经元的影响为输入变量x_i对输出变量的敏感性如下：

$K_{i1}=\underset{j=1}{\overset{m}{\mathrm{\Σ}}}\frac{x_j{v}_{\mathrm{ij}}}{y_j}\·\frac{y_j{w}_{\mathrm{jk}}}{o_1}=\frac{x_i}{o_1}\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{v}_{\mathrm{ij}}{w}_{j1}$

（4）结合BP神经网络数学模型对于SIS或DCS中历史数据的训练结果，得到不同负荷下单台磨煤机给煤量对于T的敏感因子的大小，进而，能够在负荷变化过程中确定停磨的次序；

4）锅炉磨煤机停磨时间间隔的确定

将主蒸汽压力信号传至DCS经过微分环节运算后，得到主蒸汽压力变化速率。同时，得到在FCB动作开始后控制设备中高压旁路阀门和PCV执行器指令，当指令为减小阀门开度时，记录该指令前主蒸汽压力第一次最大飞升值，即P_max，根据公式其中ΔP＝P_max-P₀，确定单台磨煤机停磨间隔，其中m为FCB动作后根据负荷变化需要停磨的数量，通过FCB动作前负荷以及锅炉最低稳燃负荷计算，即其中N为FCB前磨煤机运行台数，A_L，A_H分别为锅炉最低稳燃负荷和FCB动作前锅炉负荷，V_i为第i次停磨后主蒸汽压力飞升速率；

5）火电机组快速甩负荷燃料控制

通过火电机组快速甩负荷信号的采集得到FCB信号，将FCB信号传至DCS后，将BP神经网络数学模型和确定的敏感因子装配至DCS针对于快速甩负荷的燃料控制系统中，计算的锅炉磨煤机停磨时间封装至DCS中，针对快速甩负荷选择一台敏感因子最小的锅炉磨煤机停止运行，第一次最小的锅炉磨煤机停止运行只根据FCB信号和最小敏感因子，负荷到达最低不投油稳燃，根据主蒸汽压力变化速率确定停磨时间间隔，实现火电机组快速甩负荷燃料控制。火电机组快速甩负荷燃料控制为图2所示。

一实施例：

某台600MW机组配备2008t/h切向燃烧锅炉，燃烧区域计算容积为3596m³，燃烧区域有效计算辐射受热面积为805.5m²，计算壁面热负荷为1.95MW/m²，炉膛截面积为16.432×19.558m²，配备6台CE碗式中速磨煤机，制粉系统为直吹式，煤粉喷口只数为6层24只。在FCB发生之前6台磨煤机满负荷运行，通过BP神经网络及敏感性分析方法运算程序计算得到该运行工况下A磨煤机对于T的敏感因子最小，在发生FCB后直接跳A磨。在切断A磨后得到B磨煤机对于T的敏感因子最小，由于是100%下发生FCB，同时考虑锅炉最低稳燃条件是30%负荷，所以通过负荷计算得到需要停4台磨煤机，FCB发生前主蒸汽运行压力为17.5MPa，经过高压旁路系统和PCV开度减小前主蒸汽压力最大值为19MPa。通过微分环节计算过后主蒸汽压力速率信号为V₁=0.12MPa/s，利用公式得到停B磨时间为第4.1秒，即t₁=4.1停B磨，通过程序计算得到该运行工况下C磨对于T的敏感因子最小，4.1秒后V₂=0.092MPa/s，从而通过计算得到5.4秒，即t₂=4.1后停C磨，计算出该运行工况下，D磨煤机对于ΔT的敏感因子最小，在第9.5秒时得到V₃=0.08MPa/s，从而得到6.2秒，即t₃=6.2后停D磨，停磨时间间隔过程如图3所示。

SIS是火电厂厂级监控信息系统（Supervisory Information System）的简称；DCS是分散控制系统（Distributed Control System）的简称，国内也习惯称为集散控制系统；FCB是机组快速甩负荷(Fast Cut Back)的简称；PCV是压力控制阀（Pressure Control Valve）的简称；热电偶信号采集卡是I/O卡的一种。

Claims (1)

1.一种火电机组快速甩负荷燃料控制方法，其特征是，它包括以下内容：

1）火电机组快速甩负荷信号的采集

将炉膛按照磨煤机所在层进行层次划分，在每一层的四角贴近燃烧器附近安装热电偶，通过热电偶信号采集卡，经热电动势信号通过补偿导线与采集卡上的输入端相连，从而得到磨煤机所在层的四角水冷壁内壁温度，导入至火电机组的集散控制系统，在分屏过热器靠近炉膛燃烧区处均布安装8-12只热电偶，通过热电偶多点侧温得到分屏过热器管壁内壁温度值，通过热电偶信号采集卡，经热电动势信号通过补偿导线与采集卡上的输入端相连将信号采集导入至火电机组的集散控制系统，将主蒸汽管道贴近主蒸汽阀附近的利用压力变送器得到主蒸汽压力值，导入至DCS后通过微分环节得到主蒸汽压力变化率；

2）BP神经网络数学模型的建立

将锅炉炉膛按照通过热电偶测量磨煤机所在各层的管内壁温度，并记录在数据库中，利用BP神经网络建立数学模型，其中输入层数为n，输入层输入量为燃烧器配置的磨煤机的给煤量，输出层数为1，输出值为

$T=\sqrt{t_1^2+t_2^2+\·\·\·\·\·\·+t_n^2+t_g^2}---\left(1\right)$

式中：t_i为第i层炉膛内部四角水冷壁的平均温度，℃

t_g为分屏过热器靠近炉膛燃烧区的温度平均值，℃

（1）隐层节点输的确定，采用公式m＝log₂n确定隐层节点数，其中n为输入节点个数；

（2）对于输出层有o₁＝f(net)，其中w_j1为第j个隐层神经元与输出层神经元之间的权值；对于隐层而言，y_j＝f(net_j)，v_ij为第i个输入层神经元与第j个隐层神经元之间的权值，其中i＝1，2，……，n；j＝1，2，……，m；转移函数f(x)采用双极性Sigmoid函数，即从而构成了具有三层感知器的BP神经网络数学模型；

（3）进行网络的初始化，给个连接权值一个在（-1,1）的随机数，设定误差函数为其中d₁(k)为期望输出值，o₁(k)为输出层输出值，k为训练样本个数；

（4）通过SIS系统或DCS系统选择工况范围变化较大的输入样本x(k)＝(x₁(k),x₂(k),x₃(k),…,x_n(k))及对应的期望输出量d₁(k)；

（5）利用采集的训练样本和期望输出对模型进行训练，以误差函数最小为目标，利用误差的梯度下降算法对模型进行权值的调整，从而完成BP神经网络数学模型的建立；

3）敏感因子的确定

通过BP神经网络数学模型，同时利用敏感性分析方法确定单台磨煤机给煤量对T的敏感因子，

（1）首先确定敏感性分析对象指标，本发明选择 $T=\sqrt{t_1^2+t_2^2+\·\·\·\·\·\·+t_n^2+t_g^2}$ 为具体指标；

（2）确定敏感性分析中的不确定因素及其变化范围，本发明选择锅炉炉膛每层磨煤机给煤量为不确定因素，其变化范围为磨煤机最大出力的20%-100%；

（3）根据BP神经网络模型，第i个输入神经元对第j个隐层神经元的影响为第j个隐层神经元对输出神经元的影响为输入变量x_i对输出变量的敏感性如下：

$K_{i1}=\underset{j=1}{\overset{m}{\mathrm{\Σ}}}\frac{x_j{v}_{\mathrm{ij}}}{y_j}\·\frac{y_j{w}_{\mathrm{jk}}}{o_1}=\frac{x_i}{o_1}\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{v}_{\mathrm{ij}}{w}_{j1}$

（4）结合BP神经网络数学模型对于SIS或DCS中历史数据的训练结果，得到不同负荷下单台磨煤机给煤量对于T的敏感因子的大小，进而，能够在负荷变化过程中确定停磨的次序；

4）锅炉磨煤机停磨时间间隔的确定

将主蒸汽压力信号传至DCS经过微分环节运算后，得到主蒸汽压力变化速率。同时，得到在FCB动作开始后控制设备中高压旁路阀门和PCV执行器指令，当指令为减小阀门开度时，记录该指令前主蒸汽压力第一次最大飞升值，即P_max，根据公式其中ΔP＝P_max-P₀，确定单台磨煤机停磨间隔，其中m为FCB动作后根据负荷变化需要停磨的数量，通过FCB动作前负荷以及锅炉最低稳燃负荷计算，即其中N为FCB前磨煤机运行台数，A_L，A_H分别为锅炉最低稳燃负荷和FCB动作前锅炉负荷，V_i为第i次停磨后主蒸汽压力飞升速率；

5）火电机组快速甩负荷燃料控制

通过火电机组快速甩负荷信号的采集得到FCB信号，将FCB信号传至DCS后，将BP神经网络数学模型和确定的敏感因子装配至DCS针对于快速甩负荷的燃料控制系统中，计算的锅炉磨煤机停磨时间封装至DCS中，针对快速甩负荷选择一台敏感因子最小的锅炉磨煤机停止运行，第一次最小的锅炉磨煤机停止运行只根据FCB信号和最小敏感因子，负荷到达最低不投油稳燃，根据主蒸汽压力变化速率确定停磨时间间隔，实现火电机组快速甩负荷燃料控制。