CN106706599A - 一种锅炉受热面老化等级分析方法 - Google Patents

Abstract

本发明公开了一种锅炉受热面老化等级分析方法，包括：获取待测样本的等离子体光谱数据；依据所述等离子体光谱数据获取元素特征光谱强度；根据所述元素特征光谱强度，由不同老化等级与元素特征光谱强度的关系式，确定待测样品的老化等级。应用本发明提供的锅炉受热面老化等级分析方法，通过获取待测样本的元素特征光谱强度，根据元素特征光谱强度与不同老化等级的关系式，确定待测样品的老化等级。综合利用了对分析受热面老化等级具有显著贡献的谱线信息，简化了受热面老化等级的分析过程，提高了受热面老化等级的分析速度，从而缩短了受热面停炉检修的时间。

Description

一种锅炉受热面老化等级分析方法

技术领域

本发明涉及老化分析技术领域，更具体地说，涉及一种锅炉受热面老化等级分析方法。

背景技术

在火力发电行业，金属材料的安全问题至关重要，尤其是被称为“四管”的水冷壁管、省煤器管、过热器管和再热器管是锅炉内部主要的受热面结构件，其安全性直接关系到整个电厂的安全。随着机组大容量、高参数的发展，受热面需要在更高的温度和压力条件下长期运行，同时由于调峰任务的要求，受热面需要承受更频繁的交变热应力作用。因而材料逐渐发生老化和损伤，产生裂纹和内伤。一旦材料失效，轻则意外停炉，重则造成人员伤亡。现役电厂往往通过降低机组运行参数、未到期更换受热面管等措施，通过牺牲经济性来降低受热面爆管事故发生率。

现有技术中常用的老化等级分析分为现场切割取样金相分析和现场金相复型试样分析。前者需要对被测管道进行割管取样，并对试样进行平整、磨光和抛光，再浸蚀后进行组织分析。而后者则直接采用机械方法完全去除被测受热面管道的表面氧化层及脱碳层，然后用打磨工具进行磨制，接着对管道表面进行抛光和浸蚀。最后采用复型材料制备现场金相复型试样后进行分析。

然而，上述两种方法均需要将制备好的样品通过金相显微镜对照不同老化等级的金相标准图谱，以最终确定被测管道的老化等级。第一种方法需要对被测的受热面管道进行破坏性割管，工序复杂，耗时长。第二种方法虽然无需进行破坏性割管，但检测工序也比较复杂，而且两种方法对操作者的专业知识和经验要求都较高。

综上所述，如何有效地解决锅炉受热面老化分析工序复杂、耗时长等问题，是目前本领域技术人员急需解决的问题。

发明内容

有鉴于此，本发明的目的在于提供一种锅炉受热面老化等级分析方法，该方法可以有效地解决锅炉受热面老化分析工序复杂、耗时长的问题。

为了达到上述目的，本发明提供如下技术方案：

一种锅炉受热面老化等级分析方法，包括：

获取待测样本的等离子体光谱数据；

依据所述等离子体光谱数据获取元素特征光谱强度；

根据所述元素特征光谱强度，由不同老化等级元素特征光谱强度的关系式，确定待测样品的老化等级。

优选地，上述锅炉受热面老化等级分析方法中，还包括：

选取各级老化等级的锅炉受热面样品；

分别获取各级所述老化等级的锅炉受热面样品的等离子体光谱数据；

依据所述等离子体光谱数据分别获取对应的元素特征光谱强度；

根据所述元素特征光谱强度采用偏最小二乘法建立不同老化等级的回归关系式，即所述不同老化等级与元素特征光谱强度的关系式。

优选地，上述锅炉受热面老化等级分析方法中，所述根据所述元素特征光谱强度采用偏最小二乘法建立不同老化等级的回归关系式，具体包括：

根据所述元素特征谱线强度，分别按下式计算各级所述老化等级对应的得分因子矩阵：

T＝XW

式中，X为谱线强度矩阵，W为X的权重矩阵，T为得分因子矩阵；

根据所述得分因子矩阵建立偏最小二乘判别分析模式识别回归关联式：

Y＝TQ+E

式中，Y为分类变量值，T为得分因子矩阵，Q为矩阵T的回归系数矩阵，E为误差矩阵，通过偏最小二乘法获得；

联立公式T＝XW与公式Y＝TQ+E，建立不同老化等级的回归关系式：

Y＝XB+E

式中，Y为分类变量值，X为谱线强度矩阵，B＝WQ，其中，W为X谱线强度矩阵的权重矩阵，Q为矩阵T得分因子矩阵的回归系数矩阵，E为误差矩阵，通过偏最小二乘法获得。

优选地，上述锅炉受热面老化等级分析方法中，所述根据所述元素特征光谱强度，由不同老化等级与元素特征光谱强度的关系式，确定待测样品的老化等级，具体包括：

将所述元素特征光谱强度分别代入不同老化等级的回归关系式，若计算获得的所述待测样品的分类变量值大于0.5，且偏差小于0.5，则判定所述待测样本属于对应的老化等级；若所述待测样品的分类变量值小于0.5，且偏差小于0.5，则判定所述待测样本不属于对应的老化等级；若所述待测样品的偏差不小于0.5，则判别结果不确定。

优选地，上述锅炉受热面老化等级分析方法中，所述将所述元素特征光谱强度分别代入不同老化等级的回归关系式，具体包括：

将所述元素特征光谱强度按照老化等级递增或递减的顺序依次分别代入各级老化等级的回归关系式。

优选地，上述锅炉受热面老化等级分析方法中，所述获取待测样本的等离子体光谱数据，具体包括：

采用激光诱导击穿光谱分析仪对所述待测样品进行检测，获取所述待测样本的等离子体光谱数据。

优选地，上述锅炉受热面老化等级分析方法中，所述元素特征光谱强度包括Fe、Cr、Mo、V、Ni、Si和Mn的特征谱线强度。

应用本发明提供的锅炉受热面老化等级分析方法，通过获取待测样本的元素特征光谱强度，根据特征光谱强度与元素不同老化等级的关系式，确定待测样品的老化等级。综合利用了对分析受热面老化等级具有显著贡献的谱线信息，简化了受热面老化等级的分析过程，提高了受热面老化等级的分析速度，从而缩短了受热面停炉检修的时间。

在一种优选的实施方式中，还包括：选取各级老化等级的锅炉受热面样品；分别获取各个所述老化等级的锅炉受热面样品的等离子体光谱数据；依据所述等离子体光谱数据分别获取对应的元素特征光谱强度；根据所述元素特征光谱强度采用偏最小二乘法建立不同老化等级的回归关系式，即所述不同老化等级与元素特征光谱强度的关系式。也就是通过统计学方法建立元素特征光谱强度与不同老化等级的关系，便于后续老化等级的确定。降低对操作者的专业知识和经验要求。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明提供的锅炉受热面老化等级分析方法一种具体实施方式的流程示意图；

图2为本发明样品1的分类变量预测值和实测值的模型图；

图3为本发明样品2的分类变量预测值和实测值的模型图；

图4为本发明样品3的分类变量预测值和实测值的模型图；

图5为本发明样品4的分类变量预测值和实测值的模型图。

具体实施方式

本发明实施例公开了一种锅炉受热面老化等级分析方法，以简化锅炉受热面老化分析工序，缩短检测时间。

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1-图5，图1为本发明提供的锅炉受热面老化等级分析方法一种具体实施方式的流程示意图；图2为本发明样品1的分类变量预测值和实测值的模型图；图3为本发明样品2的分类变量预测值和实测值的模型图；图4为本发明样品3的分类变量预测值和实测值的模型图；图5为本发明样品4的分类变量预测值和实测值的模型图。

在一种具体实施方式中，本发明提供的锅炉受热面老化等级分析方法，包括以下步骤：

S1：获取待测样本的等离子体光谱数据；

具体的，可以采用激光诱导击穿光谱分析仪对待测样品进行检测，获取待测样本的等离子体光谱数据。也就是结合激光诱导击穿光谱技术，通过检测获得待测样本的等离子体光谱数据，并以此作为后续判断的依据。待测样品具体可以为锅炉受热面的管道样品。

S2：依据等离子体光谱数据获取元素特征光谱强度；

根据获得的等离子体光谱数据，由标准原子光谱数据库中不同元素的发射谱线标示，可以记录对应的元素谱线强度，即元素特征光谱强度。

S3：根据元素特征光谱强度，由不同老化等级与元素特征光谱强度的关系式，确定待测样品的老化等级。

获得待测样品的光谱强度后，根据预先确立的不同老化等级与元素特征光谱强度的关系式，也就是判断待测样品的光谱强度满足何种老化级别下老化等级与元素特征光谱强度的关系式，则确定待测样品为对应的老化等级。

应用本发明提供的锅炉受热面老化等级分析方法，通过获取待测样本的元素特征光谱强度，根据特征光谱强度与不同老化等级的关系式，确定待测样品的老化等级。综合利用了对分析受热面老化等级具有显著贡献的谱线信息，简化了受热面老化等级的分析过程，提高了受热面老化等级的分析速度，从而缩短了受热面停炉检修的时间。通过激光诱导击穿光谱分析仪对待测样品进行检测时，拓展了激光诱导击穿光谱技术在锅炉受热面老化等级快速分析领域的应用，显著提高锅炉受热面老化等级分析的速度，从而缩短受热面停炉检修的时间。

进一步地，不同老化等级与元素特征光谱强度的关系式可以按下述步骤确定：

S01：选取各级老化等级的锅炉受热面样品；

根据老化等级分析的需求，选取对应老化等级的锅炉受热面样品。如需分析老化等级为一级至五级时，则可以分别选取已知老化等级分别为一级至五级的锅炉受热面样品。若待测样品的老化等级仅需分析一级至三级时，则可以选择老化等级为一级至三级的锅炉受热面样品。也就是说，具体锅炉受热面老化等级样品包括的老化等级具体可以根据需要进行设置。每级老化等级的锅炉受热面样品的个数可以根据需要进行设置，此处不作具体限定。

S02：分别获取各个老化等级的锅炉受热面样品的等离子体光谱数据；

以各个已知老化等级的锅炉受热面样品为样本，进行检测获取其等离子光谱数据，具体可以采用激光诱导击穿光谱分析仪对待测样品进行检测，获取待测样本的等离子体光谱数据。为了获得更为精确的检测结果，每个锅炉受热面样品也可重复多次检测。

S03：依据等离子体光谱数据分别获取对应的元素特征光谱强度；

对于各个老化等级的锅炉受热面样品获得的等离子体光谱数据，分别获取其对应的元素特征光谱强度。

S04：根据元素特征光谱强度采用偏最小二乘法建立不同老化等级的回归关系式，即不同老化等级与特征光谱强度的关系式。

对于各个老化等级的锅炉受热面样品，均通过偏最小二乘法建立老化等级的回归关系式，也就是通过对各级老化等级的锅炉受热面样本进行统计学分析，建立起元素特征光谱强度与老化等级的回归关系式，从而为后续判断提供依据。优选的，在步骤S1之前执行上述步骤S01至S04，也就是预先通过统计学方法确立不同老化等级与元素特征光谱强度的关系式，则在后续待测样品检测时，可直接将待测样品的元素特征光谱强度代入进行判断。根据需要也可以通过其他方式确立不同老化等级与特征光谱强度的关系式。

更进一步地，上述步骤S04具体可以包括：

S041：根据元素特征谱线强度，分别按下式计算各级老化等级对应的得分因子矩阵：

T＝XW

式中，X为谱线强度矩阵，W为X的权重矩阵，T为得分因子矩阵；

S042：根据得分因子矩阵建立偏最小二乘判别分析模式识别回归关联式：

Y＝TQ+E

式中，Y为分类变量值，T为得分因子矩阵，Q为矩阵T的回归系数矩阵，E为误差矩阵，具体可以通过偏最小二乘法获得；

S043：联立公式T＝XW与公式Y＝TQ+E，建立不同老化等级的回归关系式：

Y＝XB+E

式中，Y为分类变量值，X为谱线强度矩阵，B＝WQ，其中，W为X谱线强度矩阵的权重矩阵，Q为矩阵T得分因子矩阵的回归系数矩阵，E为误差矩阵，具体可通过偏最小二乘法获得。通过上述一系列推导获得不同老化等级的回归关系式。进而将元素特征光谱强度代入不同老化等级的回归关系式并判断是否符合对应的回归关系式，若是，则确定待测样品属于对应的老化等级。

通过上述公式确定待测样品的老化等级时，上述步骤S3具体可以包括：

将元素特征光谱强度分别代入不同老化等级的回归关系式，若计算获得的待测样品的分类变量值Y_P大于0.5，且偏差小于0.5，则判定待测样本属于对应的老化等级；若待测样品的分类变量值Y_P小于0.5，且偏差小于0.5，则判定待测样本不属于对应的老化等级；若待测样品的偏差不小于0.5，也即是大于或等于0.5，则判别结果不确定。通过上述方法对待测样品的老化等级进行分析，对操作人员的专业性及经验性要求较低，仅需通过简单培训即可进行检测，且检测分析过程简单，提高了分析速率。

具体的，将元素特征光谱强度分别代入不同老化等级的回归关系式，具体可以包括：

将元素特征光谱强度按照老化等级递增或递减的顺序依次分别代入各级老化等级的回归关系式。因而当判定待测样品的元素特征光谱强度满足对应的老化等级的回归关系式时，则可以不将其代入后续老化等级的回归关系式。通过将元素特征光谱强度按照预设顺序进行检测是否满足不同老化等级的回归关系式，有利于避免遗漏代入某一老化等级的回归关系式，便于操作人员分析，降低人为因素误差。

在上述各实施例的基础上，元素特征光谱强度可以包括Fe、Cr、Mo、V、Ni、Si和Mn的特征谱线强度。且本发明提供的锅炉受热面老化分析方法可适用于20G、12Cr1MoV、T91和T92受热面管道材料。当然，元素特征光谱强度也并不局限于上述各元素，且该方法也并不局限于上述各类受热面管道材料。

以下以一个具体待测样品为例，其老化等级分析包括以下步骤：

首先，使用标准方法确定的不同老化等级的锅炉管道样品进行定标，本实施例中所用管道样品1、管道样品2、管道样品3和管道样品4的老化等级分别为老化等级2，老化等级1，老化等级4，老化等级5。将四种不同老化等级的锅炉管道依次通过激光诱导击穿光谱分析仪进行分析，每级老化的管道样品重复测量三次，得到不同锅炉管道的激光等离子体光谱数据，并据此获得其对应的特征元素光谱强度，根据上述公式建立不同老化等级的回归关系式，最终得到分类变量值Y，各样品分类变量预测值和实测值的模型图如附图2-图5所示。

以一组已知老化等级为1的样品作为待测样品，将其分别代入图2-图5所示的四个不同老化等级的模型中，也就是上述建立的不同老化等级的回归关系式，预测分类变量值Y_P，得到最终的预测分类变量值Y_P和偏差值，结果最终如下表1所示，根据上述判定规则，则分析得到待测样品属于老化等级1级，与标准方法确定的老化等级一致，可见上述分析方法结论可靠。

表1待测样品的预测分类变量值和偏差值

模型	预测值	偏差	是否属于该老化等级
				老化等级1	1.02	＜0.5	是
老化等级2	0.10	＜0.5	否
				老化等级4	-0.67	＜0.5	否
老化等级5	0.37	＜0.5	否

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (7)

1.一种锅炉受热面老化等级分析方法，其特征在于，包括：

获取待测样本的等离子体光谱数据；

依据所述等离子体光谱数据获取元素特征光谱强度；

根据所述元素特征光谱强度，由不同老化等级与元素特征光谱强度的关系式，确定待测样品的老化等级。

2.根据权利要求1所述的锅炉受热面老化等级分析方法，其特征在于，还包括：

选取各级老化等级的锅炉受热面样品；

分别获取各级所述老化等级的锅炉受热面样品的等离子体光谱数据；

依据所述等离子体光谱数据分别获取对应的元素特征光谱强度；

根据所述元素特征光谱强度采用偏最小二乘法建立不同老化等级的回归关系式，即所述不同老化等级与元素特征光谱强度的关系式。

3.根据权利要求2所述的锅炉受热面老化等级分析方法，其特征在于，所述根据所述元素特征光谱强度采用偏最小二乘法建立不同老化等级的回归关系式，具体包括：

根据所述元素特征谱线强度，分别按下式计算各级所述老化等级对应的得分因子矩阵：

T＝XW

式中，X为谱线强度矩阵，W为X的权重矩阵，T为得分因子矩阵；

根据所述得分因子矩阵建立偏最小二乘判别分析模式识别回归关联式：

Y＝TQ+E

式中，Y为分类变量值，T为得分因子矩阵，Q为矩阵T的回归系数矩阵，E为误差矩阵，通过偏最小二乘法获得；

联立公式T＝XW与公式Y＝TQ+E，建立不同老化等级的回归关系式：

Y＝XB+E

式中，Y为分类变量值，X为谱线强度矩阵，B＝WQ，其中，W为X谱线强度矩阵的权重矩阵，Q为矩阵T得分因子矩阵的回归系数矩阵，E为误差矩阵，通过偏最小二乘法获得。

4.根据权利要求3所述的锅炉受热面老化等级分析方法，其特征在于，所述根据所述元素特征光谱强度，由不同老化等级与元素特征光谱强度的关系式，确定待测样品的老化等级，具体包括：

将所述元素特征光谱强度分别代入不同老化等级的回归关系式，若计算获得的所述待测样品的分类变量值大于0.5，且偏差小于0.5，则判定所述待测样本属于对应的老化等级；若所述待测样品的分类变量值小于0.5，且偏差小于0.5，则判定所述待测样本不属于对应的老化等级；若所述待测样品的偏差不小于0.5，则判别结果不确定。

5.根据权利要求4所述的锅炉受热面老化等级分析方法，其特征在于，所述将所述元素特征光谱强度分别代入不同老化等级的回归关系式，具体包括：

将所述元素特征光谱强度按照老化等级递增或递减的顺序依次分别代入各级老化等级的回归关系式。

6.根据权利要求1所述的锅炉受热面老化等级分析方法，其特征在于，所述获取待测样本的等离子体光谱数据，具体包括：

采用激光诱导击穿光谱分析仪对所述待测样品进行检测，获取所述待测样本的等离子体光谱数据。

7.根据权利要求1-6任一项所述的锅炉受热面老化等级分析方法，其特征在于，所述元素特征光谱强度包括Fe、Cr、Mo、V、Ni、Si和Mn的特征谱线强度。