CN106777943A - 一种煤粉锅炉燃烧后飞灰可燃物含量的在线预测方法 - Google Patents
一种煤粉锅炉燃烧后飞灰可燃物含量的在线预测方法 Download PDFInfo
- Publication number
- CN106777943A CN106777943A CN201611116049.9A CN201611116049A CN106777943A CN 106777943 A CN106777943 A CN 106777943A CN 201611116049 A CN201611116049 A CN 201611116049A CN 106777943 A CN106777943 A CN 106777943A
- Authority
- CN
- China
- Prior art keywords
- coal
- fly ash
- oxygen amount
- influence
- factor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
Landscapes
- Regulation And Control Of Combustion (AREA)
Abstract
本发明提供一种煤粉锅炉燃烧后飞灰可燃物含量在线预测方法,通过分析影响锅炉飞灰可燃物的各因素,通过一定的锅炉燃烧调整试验结果,结合锅炉燃烧理论分析,得到影响锅炉飞灰可燃物的影响因子,在保证一定预测准确性的前提下,可方便的在锅炉燃烧外挂控制系统中用逻辑方式实现,避免了类似神经网络模型预测的复杂计算和建模,因此对锅炉在线燃烧优化控制具有较好的应用价值。
Description
技术领域
本发明涉及煤粉锅炉燃烧领域,尤其涉及一种煤粉锅炉燃烧后飞灰可燃物含量在线预测方法。
背景技术
煤粉锅炉燃烧后飞灰可燃物的大小反映了煤粉燃烧的完全程度,直接影响锅炉效率,电厂将其作为日常监督的一个重要指标,每天或每班进行飞灰取样,并送实验室进行可燃物含量的分析。
由于实验室分析存在较大的时间滞后性,不便于及时用于锅炉的燃烧调整,而实现飞灰可燃物的在线测量可以用来指导锅炉的在线调整,其技术不断取得发展。飞灰可燃物的在线测量技术主要有两类:
一是飞灰可燃物的仪器直接测量技术,包括微波法,如专利ZL201510102938.9,ZL200880118265.4,ZL201110082464.8等,其原理是利用微波吸收来进行含碳量的测量,是目前应用最多的测量技术,但测量结果受煤种影响较大;光谱法,如专利ZL201310332098.6,ZL201510623972.0等,其原理主要是采用激光或脉冲放电激发等离子体,然后分析其发射的光谱进行含碳量分析,该类技术目前尚处于研究阶段;灼烧失重法,如专利ZL200710190039.4,ZL201520475725.6,ZL201610126404.0等,其原理主要是将飞灰在线取样并进行灼烧,然后称重得到飞灰可燃物,该技术的测量周期约20分钟,仍难以完全满足在线测量和实时燃烧优化控制的要求。
二是飞灰可燃物的软测量技术,ZL201210234724.3提供了一种基于改进支持向量机的锅炉飞灰含碳量软测量方法,方法基于粒子群算法对支持向量回归进行参数寻优,选取了影响回归模型有效性的两个参数,首先通过传感器采集相关辅助变量的值,并进行数据预处理,根据过去6小时的历史数据辨识出支持向量回归模型的两个主要参数以确定飞灰含碳量软测量模型,并根据历史数据的更新每小时更新一次软测量模型,将实时测量的辅助变量值输入建立好的软测量模型即可得到飞灰含碳量输出值。该方法建模复杂,难以真正取得实际应用,
相关文献,如《基于预数值计算的锅炉飞灰可燃物含量建模》、《电站锅炉飞灰含碳量在线软测量模型算法》等,均涉及到复杂的神经网络模型算法,难以应用于现场的在线预测。
发明内容
为了克服上述现有技术中的不足,本发明的目的在于,提供一种煤粉锅炉燃烧后飞灰可燃物含量的在线预测方法,包括:
根据燃烧理论,预测飞灰可燃物的因素包括:煤种、低位热值、运行氧量、负荷、燃尽风比例、燃尽时间、运行氧量分布不均匀程度;
通过预测可燃物因素中的煤种、低位热值、运行氧量、负荷、燃尽风比例、燃尽时间、运行氧量分布不均匀程度,确定锅炉运行的飞灰可燃物大小,飞灰可燃物的预测模型为公式为;
y=k1×k2×k3×k4×k5×k6×x-0.45
其中:
煤种的预测方式为:
煤种因素分为印尼煤、俄罗斯煤、神华煤、澳洲煤、菲律宾煤、平朔煤、优混煤、准混煤、其它煤,煤种以影响因子k1的形式进行飞灰可燃物预测修正,影响因子k1的值包括:
印尼煤k1=1.0
俄罗斯煤k1=1.05
神华煤k1=1.05
准混煤k1=1.10
澳洲煤k1=1.10
菲律宾煤k1=1.10
平朔煤k1=1.15
优混煤k1=1.15
其它煤k1=1.15;
低位热值的预测方式为:
在同样的煤种和运行条件下,燃煤的低位热值越高,表明其固定碳含量越高,燃尽固定碳所需的时间就越长,从而会使得飞灰的可燃物升高;低位热值以影响因子k2的形式进行预测修正;
运行氧量的预测方式为:
运行氧量对飞灰可燃物的影响根据锅炉变氧量试验结果得到,根据飞灰可燃物与氧量的拟合曲线得到:
y=k3×x-0.45
其中:x为省煤器出口平均氧量,%;
k3为与负荷相关的影响因子;
负荷的预测方式为:
根据运行氧量调整试验以及负荷与飞灰可燃物的关系曲线,得到影响因子k3;
燃尽风比例的预测方式为:
在同样运行氧量下,燃尽风比例越高,飞灰可燃物越高,燃尽风对飞灰可燃物含量的影响通过影响因子k4来反映;
燃尽时间的预测方式为:
煤粉进入锅炉的位置决定了煤粉的燃尽时间,其反映在不同磨煤机的煤粉燃尽时间不同,燃尽时间对飞灰可燃物的影响通过不同磨煤机对飞灰可燃物的影响因子k5来实现;k5的选取为:下层磨取0.8,中层磨取1.0,上层磨取1.2;
氧量分布不均匀程度的预测方式为:
氧量分布越不均匀,燃烧不均匀程度越高,飞灰可燃物越高,氧量分布不均匀程度对飞灰可燃物的影响通过影响因子k6来实现;其中氧量分布不均匀程度通过锅炉若干个氧量测点的标准差表示,标准差越大,影响因子k6越大,表明飞灰可燃物越高。
从以上技术方案可以看出,本发明具有以下优点:
分析影响锅炉飞灰可燃物的各因素,通过一定的锅炉燃烧调整试验结果,结合锅炉燃烧理论分析,得到影响锅炉飞灰可燃物的影响因子,在保证一定预测准确性的前提下,可方便的在锅炉燃烧外挂控制系统中用逻辑方式实现,避免了类似神经网络模型预测的复杂计算和建模,因此对锅炉在线燃烧优化控制具有较好的应用价值。
附图说明
为了更清楚地说明本发明的技术方案,下面将对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为飞灰可燃物的低位热值影响因子k2曲线图;
图2为氧量对飞灰可燃物影响(953MW)曲线图;
图3为氧量对飞灰可燃物影响(700~800MW)曲线图;
图4为氧量对飞灰可燃物影响(500MW)曲线图;
图5为负荷对飞灰可燃物的影响因子k3曲线图;
图6为燃尽风对飞灰可燃物的影响因子k4曲线图;
图7为锅炉飞灰可燃物分析值和预测值比较。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,下面将运用具体的实施例及附图,对本发明保护的技术方案进行清楚、完整地描述,显然,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。基于本专利中的实施例,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它实施例,都属于本专利保护的范围。
本发明提供一种煤粉锅炉燃烧后飞灰可燃物含量的在线预测方法,在线预测方法包括:
根据燃烧理论,预测飞灰可燃物的因素包括:煤种、低位热值、运行氧量、负荷、燃尽风比例、燃尽时间、运行氧量分布不均匀程度;
通过预测可燃物因素中的煤种、低位热值、运行氧量、负荷、燃尽风比例、燃尽时间、运行氧量分布不均匀程度,确定锅炉运行的飞灰可燃物大小,飞灰可燃物的预测模型为公式为;
y=k1×k2×k3×k4×k5×k6×x-0.45
其中:
煤种的预测方式为:
煤种因素分为印尼煤、俄罗斯煤、神华煤、澳洲煤、菲律宾煤、平朔煤、优混煤、准混煤、其它煤,煤种以影响因子k1的形式进行飞灰可燃物预测修正,影响因子k1的值包括:
印尼煤k1=1.0
俄罗斯煤k1=1.05
神华煤k1=1.05
准混煤k1=1.10
澳洲煤k1=1.10
菲律宾煤k1=1.10
平朔煤k1=1.15
优混煤k1=1.15
其它煤k1=1.15;
低位热值的预测方式为:
在同样的煤种和运行条件下,燃煤的低位热值越高,表明其固定碳含量越高,燃尽固定碳所需的时间就越长,从而会使得飞灰的可燃物升高;低位热值以影响因子k2的形式进行预测修正;影响因子k2取值范围如图1所示。
运行氧量的预测方式为:运行氧量对飞灰可燃物的影响根据锅炉变氧量试验结果得到,如图2至4为某1000MW机组锅炉的变氧量试验结果,试验的入炉煤种为印尼煤。
运行氧量对飞灰可燃物的影响根据锅炉变氧量试验结果得到,根据飞灰可燃物与氧量的拟合曲线得到:
y=k3×x-0.45
其中:x为省煤器出口平均氧量,%;
k3为与负荷相关的影响因子;
负荷的预测方式为:
根据运行氧量调整试验以及负荷与飞灰可燃物的关系曲线,得到影响因子k3;如图5所示,为消除负荷波动的影响,负荷取设定值。
燃尽风比例的预测方式为:
在同样运行氧量下,燃尽风比例越高,飞灰可燃物越高,燃尽风对飞灰可燃物含量的影响通过影响因子k4来反映;影响因子k4如图6所示来取设定值。
燃尽时间的预测方式为:
煤粉进入锅炉的位置决定了煤粉的燃尽时间,其反映在不同磨煤机的煤粉燃尽时间不同,燃尽时间对飞灰可燃物的影响通过不同磨煤机对飞灰可燃物的影响因子k5来实现;k5的选取为:下层磨取0.8,中层磨取1.0,上层磨取1.2;
氧量分布不均匀程度的预测方式为:
氧量分布越不均匀,燃烧不均匀程度越高,飞灰可燃物越高,氧量分布不均匀程度对飞灰可燃物的影响通过影响因子k6来实现;其中氧量分布不均匀程度通过锅炉若干个氧量测点的标准差表示,标准差越大,影响因子k6越大,表明飞灰可燃物越高。
通过特定锅炉不同工况下飞灰可燃物预测结果与实际飞灰可燃物的比较,进而调整各影响因子,可使飞灰可燃物预测模型最终准确,图7为锅炉飞灰可燃物预测值与分析值的比较,飞灰可燃物预测值基本接近飞灰可燃物分析值,表明预测模型是可靠的。
通过分析影响锅炉飞灰可燃物的各因素,通过一定的锅炉燃烧调整试验结果,结合锅炉燃烧理论分析,得到影响锅炉飞灰可燃物的影响因子,在保证一定预测准确性的前提下,可方便的在锅炉燃烧外挂控制系统中用逻辑方式实现,避免了类似神经网络模型预测的复杂计算和建模,因此对锅炉在线燃烧优化控制具有较好的应用价值。
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考即可。
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 (1)
1.一种煤粉锅炉燃烧后飞灰可燃物含量在线预测方法,其特征在于,包括:
根据燃烧理论,预测飞灰可燃物的因素包括:煤种、低位热值、运行氧量、负荷、燃尽风比例、燃尽时间、运行氧量分布不均匀程度;
通过预测可燃物因素中的煤种、低位热值、运行氧量、负荷、燃尽风比例、燃尽时间、运行氧量分布不均匀程度,确定锅炉运行的飞灰可燃物大小,飞灰可燃物的预测模型为公式为;
y=k1×k2×k3×k4×k5×k6×x-0.45
其中:
煤种的预测方式为:
煤种因素分为印尼煤、俄罗斯煤、神华煤、澳洲煤、菲律宾煤、平朔煤、优混煤、准混煤、其它煤,煤种以影响因子k1的形式进行飞灰可燃物预测修正,影响因子k1的值包括:
印尼煤k1=1.0
俄罗斯煤k1=1.05
神华煤k1=1.05
准混煤k1=1.10
澳洲煤k1=1.10
菲律宾煤k1=1.10
平朔煤k1=1.15
优混煤k1=1.15
其它煤k1=1.15;
低位热值的预测方式为:
在同样的煤种和运行条件下,燃煤的低位热值越高,表明其固定碳含量越高,燃尽固定碳所需的时间就越长,从而会使得飞灰的可燃物升高;低位热值以影响因子k2的形式进行预测修正;
运行氧量的预测方式为:
运行氧量对飞灰可燃物的影响根据锅炉变氧量试验结果得到,根据飞灰可燃物与氧量的拟合曲线得到:
y=k3×x-0.45
其中:x为省煤器出口平均氧量,%;
k3为与负荷相关的影响因子;
负荷的预测方式为:
根据运行氧量调整试验以及负荷与飞灰可燃物的关系曲线,得到影响因子k3;
燃尽风比例的预测方式为:
在同样运行氧量下,燃尽风比例越高,飞灰可燃物越高,燃尽风对飞灰可燃物含量的影响通过影响因子k4来反映;
燃尽时间的预测方式为:
煤粉进入锅炉的位置决定了煤粉的燃尽时间,其反映在不同磨煤机的煤粉燃尽时间不同,燃尽时间对飞灰可燃物的影响通过不同磨煤机对飞灰可燃物的影响因子k5来实现;k5的选取为:下层磨取0.8,中层磨取1.0,上层磨取1.2;
氧量分布不均匀程度的预测方式为:
氧量分布越不均匀,燃烧不均匀程度越高,飞灰可燃物越高,氧量分布不均匀程度对飞灰可燃物的影响通过影响因子k6来实现;其中氧量分布不均匀程度通过锅炉若干个氧量测点的标准差表示,标准差越大,影响因子k6越大,表明飞灰可燃物越高。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611116049.9A CN106777943B (zh) | 2016-12-07 | 2016-12-07 | 一种煤粉锅炉燃烧后飞灰可燃物含量的在线预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611116049.9A CN106777943B (zh) | 2016-12-07 | 2016-12-07 | 一种煤粉锅炉燃烧后飞灰可燃物含量的在线预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106777943A true CN106777943A (zh) | 2017-05-31 |
CN106777943B CN106777943B (zh) | 2019-04-09 |
Family
ID=58877107
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611116049.9A Active CN106777943B (zh) | 2016-12-07 | 2016-12-07 | 一种煤粉锅炉燃烧后飞灰可燃物含量的在线预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106777943B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111340283A (zh) * | 2020-02-24 | 2020-06-26 | 广东电科院能源技术有限责任公司 | 一种燃煤锅炉经济运行氧量预测控制方法、系统及设备 |
CN112131526A (zh) * | 2020-09-08 | 2020-12-25 | 华电国际电力股份有限公司邹县发电厂 | 一种燃煤锅炉飞灰浓度和飞灰流量的在线计算方法 |
CN112446156A (zh) * | 2017-12-06 | 2021-03-05 | 重庆大唐国际石柱发电有限责任公司 | 基于炉膛飞灰停留时间的电站锅炉飞灰含碳量的测量方法 |
CN112834566A (zh) * | 2021-01-04 | 2021-05-25 | 神华神东电力有限责任公司 | 炉渣的热值测量系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104330327A (zh) * | 2014-11-11 | 2015-02-04 | 广东电网有限责任公司电力科学研究院 | 一种电厂生物质飞灰可燃物含量的测量方法 |
-
2016
- 2016-12-07 CN CN201611116049.9A patent/CN106777943B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104330327A (zh) * | 2014-11-11 | 2015-02-04 | 广东电网有限责任公司电力科学研究院 | 一种电厂生物质飞灰可燃物含量的测量方法 |
Non-Patent Citations (4)
Title |
---|
GUIWEI ZHANG等: "Soft-sensing Modeling of t Based on Information Fusion for Thermal Power Planthe Carbon Content in Fly Ash", 《PROCEEDINGS OFTHE 2009 IEEE INTERNATIONAL CONFERENCE ON MECHATRONICS AND AUTOMATION》 * |
姚斌: "大型低挥发份煤锅炉燃烧运行问题的研究", 《中国博士学位论文全文数据库-工程科技II辑》 * |
李钧: "基于预数值计算的煤粉锅炉燃烧监测与优化", 《中国博士学位论文全文数据库-工程科技II辑》 * |
赵学山等: "飞灰含碳量在线测量技术发展动态探讨", 《广东电力》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112446156A (zh) * | 2017-12-06 | 2021-03-05 | 重庆大唐国际石柱发电有限责任公司 | 基于炉膛飞灰停留时间的电站锅炉飞灰含碳量的测量方法 |
CN112446156B (zh) * | 2017-12-06 | 2022-09-23 | 重庆大唐国际石柱发电有限责任公司 | 基于炉膛飞灰停留时间的电站锅炉飞灰含碳量的测量方法 |
CN111340283A (zh) * | 2020-02-24 | 2020-06-26 | 广东电科院能源技术有限责任公司 | 一种燃煤锅炉经济运行氧量预测控制方法、系统及设备 |
CN112131526A (zh) * | 2020-09-08 | 2020-12-25 | 华电国际电力股份有限公司邹县发电厂 | 一种燃煤锅炉飞灰浓度和飞灰流量的在线计算方法 |
CN112834566A (zh) * | 2021-01-04 | 2021-05-25 | 神华神东电力有限责任公司 | 炉渣的热值测量系统 |
Also Published As
Publication number | Publication date |
---|---|
CN106777943B (zh) | 2019-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106777943A (zh) | 一种煤粉锅炉燃烧后飞灰可燃物含量的在线预测方法 | |
Duarte et al. | Consumer-side actions in a low-carbon economy: A dynamic CGE analysis for Spain | |
CN102032590B (zh) | 基于精确测量系统的锅炉燃烧优化控制系统和优化控制方法 | |
US8670874B2 (en) | Method and apparatus for energy and emission reduction | |
CN106292606B (zh) | 智能燃料系统 | |
CN101266485A (zh) | 火电机组运行能耗实测系统 | |
CN102778538A (zh) | 一种基于改进支持向量机的锅炉飞灰含碳量软测量方法 | |
CN113219932B (zh) | 一种火力发电行业碳排放数字化分析系统 | |
CN110032747A (zh) | 一种燃煤锅炉NOx排放在线测量方法 | |
CN109237510B (zh) | 一种基于co在线监测的锅炉燃烧优化系统 | |
CN103823971A (zh) | 一种燃煤电站锅炉烟气含氧量检测方法 | |
CN101859102B (zh) | 燃煤锅炉的气体浓度推断方法以及气体浓度推断装置 | |
Coffey et al. | An epidemiological approach to simulation-based analysis of large building stocks | |
CN108197723A (zh) | 煤电机组供电煤耗与污染物排放的优化节能调度方法 | |
CN108073763A (zh) | 一种电站锅炉飞灰含碳量的测量方法 | |
CN103575351A (zh) | 一种电站锅炉一次风风量的测量方法及测量系统 | |
CN113418208A (zh) | 一种基于炉膛温度场的锅炉燃烧优化方法及系统 | |
Nalbandian | Expert systems and coal quality in power generation | |
Smolarz et al. | Fuzzy modeling for optical sensor for diagnostics of pulverized coal burner | |
Chong et al. | Prediction of gaseous emissions from a chain grate stoker boiler using neural networks of ARX structure | |
CN103822880B (zh) | 飞灰含碳量测量方法及系统 | |
CN109260948A (zh) | 波动负荷下脱硝均匀性测量优化系统及方法 | |
CN116085823A (zh) | 锅炉燃烧控制方法及系统 | |
CN110210642A (zh) | 一种城市电能替代量预测方法及装置 | |
CN115204453A (zh) | 一种碳排放预测方法、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |