CN108087856B - 一种超临界循环流化床机组主蒸汽压力预测系统及方法 - Google Patents

Abstract

本发明涉及循环流化床锅炉机组控制技术领域，提供了一种超临界循环流化床机组主蒸汽压力预测系统及方法，该系统通过建立CFB锅炉热量释放模型、CFB机组汽水侧工质热量吸收模型并确定相应参数，辨识CFB机组关键参数之间的函数关系；进而建立超临界CFB机组主蒸汽压力预测模型，根据机组实时运行的输入数据及煤质数据，预测出机组动态主蒸汽压力。本发明建立了超临界CFB机组热量变迁模型，明确输入输出关系，在已知当前及未来几个时刻输入量的基础上能预测出能表征能量平衡的机组主蒸汽压力，提前预知能量需求的变化趋势，有利于机组控制逻辑、算法的设计，提升机组的运行控制水平；本发明方法预测精度高，适于推广应用。

Description

一种超临界循环流化床机组主蒸汽压力预测系统及方法

技术领域

本发明涉及循环流化床锅炉机组控制技术领域，特别涉及一种超临界循环流化床机组主蒸汽压力预测系统及方法。

背景技术

在全球范围内能源企业节能减排的推动下，中国淘汰落后产能，推进煤电机组综合节能规划和改造的压力愈发严峻。相比于煤粉炉而言，循环流化床(CirculatingFluidized Bed，CFB)锅炉技术具有范围较广燃料适应性和较低的其大气污染控制成本，已发展成为实用化最成功的洁净煤燃烧技术之一。目前我国CFB机组绝大部分为过热器出口蒸汽额定表压在14-22.2Mpa的亚临界参数，其在达到较低的供电煤耗方面未具有明显的优越性。据测算，超临界机组(过热器出口蒸汽额定表压为22.2-31Mpa)比亚临界参数机组的供电效率提高2.0％～2.5％，先进的超临界机组供电效率已达到45％～47％。CFB燃烧技术及超(超)临界燃煤发电技术均较为成熟，二者的结合具有低成本污染控制及高供电效率两个优势。我国超临界CFB技术正处于迅速发展阶段。

CFB机组的主蒸汽压力、床温、床压、氧量等锅炉主要参数变量的响应时间较长，一般5分钟以上，主蒸汽压力的响应时间甚至达到18～25分钟。CFB锅炉惯性比常规煤粉炉大，导致其控制难度增大。超临界CFB机组的多变量强耦合特性集中体现在机炉两侧的控制动作相互影响，且机炉的动态特性差异较大，600MW超临界CFB锅炉容积和床料都比300MW亚临界CFB锅炉大很多，所以热惯性增加了。由于超临界CFB锅炉为直流锅炉，锅炉汽水侧蓄热量相对于汽包炉大大降低，工质介质刚性提高，动态过程加快，这些特点决定了协调控制策略应从本质上区别于传统汽包炉，它需要更快的控制速度、更短的控制周期，需要锅炉给水、汽温、燃烧等控制子系统之间更强的协调配合。

若能建立超临界CFB机组热量变迁模型，明确输入输出关系，在已知当前及未来几个时刻输入量的基础上预测出能表征能量平衡的机组主蒸汽压力，提前预知能量需求的变化趋势，有利于机组控制逻辑、算法的设计，提升机组的运行控制水平。

发明内容

本发明的目的就是克服现有技术的不足，提供了一种超临界循环流化床机组主蒸汽压力预测系统及方法，能够提前预知超临界CFB机组在运行过程中主蒸汽压力的变化趋势，明确机组能量平衡特性，改善利于机组燃烧系统及汽水系统控制逻辑。

本发明一种超临界循环流化床机组主蒸汽压力预测系统，包括超临界CFB机组主蒸汽压力预测模型模块、数据库模块、数据选取与预处理模块、炉膛热量释放模型模块、汽水吸热传递模型模块、子函数辨识模块；

所述炉膛热量释放模型模块，用于建立CFB锅炉热量释放模型，计算锅炉侧能量输出，并确定模型中的参数；

所述汽水吸热传递模型模块用于建立CFB机组汽水侧工质热量吸收模型，并确定模型中的稳态参数；

所述子函数辨识模块用于辨识CFB机组关键参数之间的函数关系；

所述数据库模块，将机组运行的实时数据、历史数据及煤质数据传输给所述数据选取与预处理模块；

所述数据选取与预处理模块，对历史数据及煤质数据处理，选取出训练数据用于辨识模型参数及参数之间的函数关系；所述超临界CFB机组主蒸汽压力预测模型模块，用于建立超临界CFB主蒸汽压力预测模型，并确定模型中动态参数；并根据所述炉膛热量释放模型模块、汽水吸热传递模型模块、和子函数辨识模块建立的各模型、确定的相应参数及机组实时运行输入数据、煤质数据预测机组主蒸汽压力。

进一步的，所述数据选取与预处理模块将机组历史数据、实时运行数据及煤质数据传输给所述超临界CFB机组主蒸汽压力预测模型模块、炉膛热量释放模型模块、汽水吸热传递模型模块和子函数辨识模块。

进一步的，所述数据库模块与所述数据选取与预处理模块连接，所述数据选取与预处理模块还与所述超临界CFB机组主蒸汽压力预测模型模块、炉膛热量释放模型模块、汽水吸热传递模型模块和子函数辨识模块连接，所述超临界CFB机组主蒸汽压力预测模型模块还与所述炉膛热量释放模型模块、汽水吸热传递模型模块和子函数辨识模块连接双向连接。

本发明还提供了一种超临界循环流化床机组主蒸汽压力预测方法，包括如下步骤：

步骤一、建立CFB锅炉热量释放模型，计算锅炉侧能量输出，并确定模型中的参数；

步骤二、建立CFB机组汽水侧工质热量吸收模型，并确定模型中的稳态参数；

步骤三、辨识CFB机组关键参数之间的函数关系；

步骤四、根据步骤一至步骤三建立的模型，及确定的相应参数，利用历史数据及煤质数据辨识模型动态参数，建立所述超临界CFB机组主蒸汽压力预测模型；

步骤五、根据机组实时运行的输入数据及煤质数据，预测出机组动态主蒸汽压力。

进一步的，步骤一具体包括：

步骤1.1、建立CFB炉膛热量释放模型为：

式中，Q_r(t)为燃烧释放的总热量，MJ/s；B(t)为即燃碳量，代表炉内未燃尽的残碳，单位为kg；A_ir为总风量，单位为Nm³/s；K为热量模型总系数；M_C为碳的摩尔质量，单位为kg/kmol；k_c为碳颗粒的燃烧速率常数；d_c为碳颗粒平均直径，单位为m；ρ_c为碳颗粒的密度，单位为kg/m³；R_C为碳总体燃烧反应速率，kg/s；H为即燃碳的单位发热量，单位为MJ/kg；ko₂为总风量A_ir与氧气浓度的相关系数；

即燃碳量B(t)可由式(2)得到：

式中W_c为给煤量，kg/s；X_c为燃料量收到基碳质量份额，％；W_PZ为排渣流率，kg/s；X_c,p为排渣含碳量，％；W_FL为飞灰流率，kg/s；X_c,f为飞灰含碳量，％。根据工程经验，将飞灰量含碳量和排渣含碳量忽略不计。

即燃碳的燃烧速度Rc与炉内积蓄的即燃碳质量和总风量成正比。

步骤1.2、利用历史数据及煤质数据确定热量模型总系数K。

进一步的，步骤二具体包括：

步骤2.1、建立CFB机组汽水侧工质热量吸收模型：

式中ρ_m为汽水分离器中工质的平均密度，kg/m³；h_m为汽水分离器中工质的平均焓值，kJ/kg；p_m为汽水分离器出口蒸汽压力，Mpa；D_fw为给水流量，kg/s；D_s为过热器出口蒸汽流量，kg/s；h_fw为给水焓值，kJ/kg；h_s为过热器出口蒸汽焓值，kJ/kg；s₁、s ₂为动态参数；k₀为汽水侧热量吸收系数；

步骤2.2、令建立CFB机组汽水系统模型如式(8)和(9)所示。

式中h_st为汽轮机入口蒸汽比給又称主蒸汽比焓，kJ/kg；l，C₁，C₂，d₁，d₂为受热段集总模型参数，l＝h_s/h_m，C₁＝b₂₁-(b₁₁/b₁₂)×b₂₂，C₂＝b₂₂-(b₁₂/b₁₁)×b₂₁，d₁＝b₂₂/b₁₂，d₂＝b₂₁/b₁₁；

步骤2.3、利用历史运行数据及煤质数据确定CFB机组汽水侧工质热量吸收模型稳态系数l和k₀：

对于l，k₀，根据式(8)、(9)，可得到稳态情况下有：

D_fw0-D_s0＝0 (10)，

D_fw0h_fw0-D_s0h_s0+k₀Q_r0＝0 (11)，

式中带‘0’下标的表示稳态时候的参数，可得静态参数的求取公式：

进一步的，步骤三针对模型中较难获取或者测量的中间参数建立子函数，具体包括：

步骤3.1、汽水分离器出口蒸汽压力p_m较难获取，忽略喷水减温中压力变化，过热器出口压力与主蒸汽压力相等，通过汽轮机入口蒸汽压力即主蒸汽压力p_st计算得到：

p_m＝p_s+Δp＝p_st+Δp (14)，

式中p_m为汽水分离器出口蒸汽压力，Mpa；p_s为汽轮机入口蒸汽压力，Mpa；p_st为主蒸汽压力，Mpa。

蒸汽在过热器中吸热膨胀，引起体积流量增加，这是过热器差压产生的主要原因，过热器差压可表示为p_m的单值函数，建立汽水分离器出口蒸汽压力与主蒸汽压力、过热器差压的子函数：

p_m＝p_st+g(p_m) (15)，

式中g(p_m)为汽水分离器出口蒸汽压力与过热器差压的关系函数。

步骤3.2、主蒸汽流量受汽轮机阀门开度，蒸汽温度以及压力的影响；运行过程中，主蒸汽流量与汽机阀门开度成正比；蒸汽温度和压力共同决定了蒸汽密度，蒸汽流速不变的情况下，蒸汽密度又决定了单位时间内流过的蒸汽量。而锅炉运行期间，虽然机组负荷升降幅度较大，但主蒸汽温度波动不会超过±10℃，基本维持稳定。将主蒸汽温度看成是不变的，有：

D_st＝u_tf(p_st) (16)，

式中D_st为主蒸汽流量，kg/s；u_t为汽机阀门开度，％；f(p_st)为主蒸汽流量和主蒸汽压力的关系函数。

步骤3.3、主蒸汽温度波动不会超过±10℃，基本维持稳定。将主蒸汽温度看成是不变的，主蒸汽比焓h_st设为主蒸汽压力p_st的函数：

h_st＝h(p_st) (17)，

式中h_st为主蒸汽比焓，kJ/kg；h(p_st)为主蒸汽比焓和主蒸汽压力的关系函数。

步骤3.4、利用机组不同负荷下过热器差压和主蒸汽压力的稳态历史数据辨识子函数(15)；利用机组不同负荷下主蒸汽流量、主蒸汽压力、主蒸汽焓值和汽轮机阀门开度的稳态历史数据辨识子函数(16)；利用机组不同负荷下主蒸汽比焓和主蒸汽压力的稳态历史数据辨识子函数(17)。

进一步的，步骤四具体包括：

步骤4.1、确定超临界CFB机组主蒸汽压力模型：

步骤4.2、针对模型(18)，将给煤、总风量、给水流量以及汽机阀门开度作为输入并由模型计算输出，以输出计算值和实际值的相对误差和作为优化的目标函数如式(19)，利用寻优算法确定动态参数C₁，C₂，d₁，d₂：

式中分别表示模型输出的主蒸汽压力、机组负荷、中间点焓值与实际数据偏差的平均值。

进一步的，所述C₁的范围为8000000～80000000，间隔为100；所述C₂的范围为200000～2000000，间隔为10；所述d₁的范围为100～500，间隔为0.1；所述d₂的范围为2000～20000，间隔为0.1。

本发明的有益效果为：建立了超临界CFB机组热量变迁模型，明确输入输出关系，在已知当前及未来几个时刻输入量的基础上能预测出能表征能量平衡的机组主蒸汽压力，提前预知能量需求的变化趋势，有利于机组控制逻辑、算法的设计，提升机组的运行控制水平；本发明方法预测精度高，适于推广应用。

附图说明

图1所示为本发明实施例一种超临界循环流化床机组主蒸汽压力预测系统结构示意图。

图2所示为应用本发明方法的某600MW超临界CFB机组主蒸汽压力预测效果图(采样时间为120秒)。

具体实施方式

下文将结合具体附图详细描述本发明具体实施例。应当注意的是，下述实施例中描述的技术特征或者技术特征的组合不应当被认为是孤立的，它们可以被相互组合从而达到更好的技术效果。在下述实施例的附图中，各附图所出现的相同标号代表相同的特征或者部件，可应用于不同实施例中。

如图1所示，本发明实施例一种超临界循环流化床机组主蒸汽压力预测系统，包括超临界CFB机组主蒸汽压力预测模型模块、数据库模块、数据选取与预处理模块、炉膛热量释放模型模块、汽水吸热传递模型模块、子函数辨识模块；

所述炉膛热量释放模型模块，用于建立CFB锅炉热量释放模型，计算锅炉侧能量输出，并确定模型中的参数；

所述汽水吸热传递模型模块用于建立CFB机组汽水侧工质热量吸收模型，并确定模型中的稳态参数；

所述子函数辨识模块用于辨识CFB机组关键参数之间的函数关系；

所述数据库模块，将机组运行的实时数据、历史数据及煤质数据传输给所述数据选取与预处理模块；

所述数据选取与预处理模块，对历史数据及煤质数据处理，选取出训练数据用于辨识模型参数及参数之间的函数关系。其中煤质数据包括煤的挥发分、灰分和热值；训练数据选取根据模型参数需要，静态参数对应的训练数据需要选取机组运行稳态工况下模型的输入输出及中间状态值，动态参数对应的训练数据需要选取机组动态工况下模型的输入输出及中间状态值；预处理环节包括机组工况的选取判断和奇异值的剔除。

所述数据选取与预处理模块将机组历史数据、实时运行数据及煤质数据传输给所述超临界CFB机组主蒸汽压力预测模型模块、炉膛热量释放模型模块、汽水吸热传递模型模块和子函数辨识模块；

所述超临界CFB机组主蒸汽压力预测模型模块，用于建立超临界CFB主蒸汽压力预测模型，并确定模型中动态参数；并根据所述炉膛热量释放模型模块、汽水吸热传递模型模块、和子函数辨识模块建立的各模型、确定的相应参数及机组实时运行输入数据、煤质数据预测机组主蒸汽压力。

优选的，所述数据库模块与数据选取与所述预处理模块连接，所述数据选取与预处理模块还与所述超临界CFB机组主蒸汽压力预测模型模块、炉膛热量释放模型模块、汽水吸热传递模型模块和子函数辨识模块连接，所述超临界CFB机组主蒸汽压力预测模型模块还与所述炉膛热量释放模型模块、汽水吸热传递模型模块和子函数辨识模块连接双向连接。

本发明实施例一种超临界循环流化床机组主蒸汽压力预测方法，利用上述步骤所述的一种超临界循环流化床机组主蒸汽压力预测系统，包括以下步骤：

步骤1.1)建立CFB锅炉热量释放模型为：

式中，Q_r(t)为燃烧释放的总热量，MJ/s；B(t)为即燃碳量，代表炉内未燃尽的残碳，单位为kg；A_ir为总风量，单位为Nm³/s；K为热量模型总系数；M_C为碳的摩尔质量，单位为kg/kmol；k_c为碳颗粒的燃烧速率常数；d_c为碳颗粒平均直径，单位为m；ρ_c为碳颗粒的密度，单位为kg/m³；R_C为碳总体燃烧反应速率，kg/s；H为即燃碳的单位发热量，单位为MJ/kg；ko₂为总风量A_ir与氧气浓度的相关系数；

即燃碳量B(t)可由式(2)得到：

式中W_c为给煤量，kg/s；X_c为燃料量收到基碳质量份额，％；W_PZ为排渣流率，kg/s；X_c,p为排渣含碳量，％；W_FL为飞灰流率，kg/s；X_c,f为飞灰含碳量，％。根据工程经验，将飞灰量含碳量和排渣含碳量忽略不计。

即燃碳的燃烧速度Rc与炉内积蓄的即燃碳质量和总风量成正比。

式中：M_C为碳的摩尔质量，单位为kg/kmol；k_c为碳颗粒的燃烧速率常数；C_O2为氧气浓度，单位为kmol/m³；d_c为碳颗粒平均直径，单位为m；ρ_c为碳颗粒的密度，单位为kg/m³；

重点考虑温度对碳颗粒燃烧速度的影响，根据实践总结得到了循环流化床锅炉中碳颗粒燃烧速率常数k_c的表达式：

k_c＝0.513Texp(-9160/T)

(4)，式中：T为炉膛床温，单位为K；

碳颗粒氧气浓度在控制系统中可以近似取平均值，由入炉总风量PM(t)决定，其表达式为：

式中：ko₂为总风量PM(t)与氧气浓度的相关系数，取值范围0.0040～0.0060，一般取0.0050；PM(t)为总风量，单位为Nm³/s；

步骤2.1)建立CFB机组汽水侧工质热量吸收模型：

式中ρ_m汽水分离器中工质的平均密度，kg/m³；h_m为汽水分离器中工质的平均焓值，kJ/kg；p_m为汽水分离器出口蒸汽压力，Mpa；D_fw为给水流量，kg/s；D_s为过热器出口蒸汽流量，kg/s；h_fw为给水焓值，kJ/kg；h_s为过热器出口蒸汽焓值，kJ/kg；s₁、s ₂为动态参数；k₀为汽水侧热量吸收系数。

步骤2.2)令建立CFB机组汽水系统集总参数模型：

式中h_st为汽轮机入口蒸汽比給又称主蒸汽比焓，kJ/kg；l，C₁，C₂，d₁，d₂为受热段集总模型参数，l＝h_s/h_m，C₁＝b₂₁-(b₁₁/b₁₂)×b₂₂，C₂＝b₂₂-(b₁₂/b₁₁)×b₂₁，d₁＝b₂₂/b₁₂，d₂＝b₂₁/b₁₁。

步骤2.3)利用历史数据及煤质数据确定CFB机组汽水侧工质热量吸收模型稳态系数l和k₀：

对于l，k₀，根据式(2)、(3)，可得到稳态情况下有：

D_fw0-D_s0＝0 (10)，

D_fw0h_fw0-D_s0h_s0+k₀Q_r0＝0 (11)，

式中带‘0’下标的表示稳态时候的参数，可得静态参数的求取公式：

步骤3.1)汽水分离器出口蒸汽压力p_m较难获取，忽略喷水减温中压力变化，过热器出口压力与主蒸汽压力相等，通过汽轮机入口蒸汽压力即主蒸汽压力p_st计算得到：

p_m＝p_s+Δp＝p_st+Δp (14)，

式中p_m为汽水分离器出口蒸汽压力，Mpa；p_s为汽轮机入口蒸汽压力，Mpa；p_st为主蒸汽压力，Mpa。

蒸汽在过热器中吸热膨胀，引起体积流量增加，这是过热器差压产生的主要原因，过热器差压可表示为p_m的单值函数，建立汽水分离器出口蒸汽压力与主蒸汽压力、过热器差压的子函数：

p_st＝p_m-g(p_m) (15)，

式中g(p_m)为汽水分离器出口蒸汽压力与过热器差压的关系函数。

步骤4.2)主蒸汽流量受到很多因素的影响，主要包括汽轮机阀门开度，蒸汽温度以及压力。运行过程中，可认为主蒸汽流量与汽机阀门开度成正比。蒸汽温度和压力共同决定了蒸汽密度，蒸汽流速不变的情况下，蒸汽密度又决定了单位时间内流过的蒸汽量。而锅炉运行期间，虽然机组负荷升降幅度较大，但主蒸汽温度波动不会超过±10℃，基本维持稳定。将主蒸汽温度看成是不变的，有：

D_st＝u_tf(p_st) (16)，

式中D_st为主蒸汽流量，kg/s；u_t为汽机阀门开度，％；f(p_st)为主蒸汽流量和主蒸汽压力的关系函数。

步骤4.3)主蒸汽温度波动不会超过±10℃，基本维持稳定。将主蒸汽温度看成是不变的，主蒸汽比焓h_st设为主蒸汽压力p_st的函数：

h_st＝h(p_st) (17)，

式中h_st为主蒸汽比焓，kJ/kg；h(p_st)为主蒸汽比焓和主蒸汽压力的关系函数。

步骤4.4)利用机组不同负荷下过热器差压和主蒸汽压力的稳态历史数据辨识子函数(15)，利用机组不同负荷下主蒸汽流量、主蒸汽压力、主蒸汽焓值和汽轮机阀门开度的稳态历史数据辨识子函数(16)，利用机组不同负荷下主蒸汽比焓和主蒸汽压力的稳态历史数据辨识子函数(17)；

步骤4.1)确定超临界CFB机组主蒸汽压力模型：

步骤4.2)针对模型(18)，将给煤、总风量、给水流量以及汽机阀门开度作为输入并由模型计算输出，以输出计算值和实际值的相对误差和作为优化的目标函数如式(19)，利用寻优算法确定动态参数C₁，C₂，d₁，d₂。

式中分别表示模型输出的主蒸汽压力、机组负荷、中间点焓值与实际数据偏差的平均值。

C₁的范围为8000000～80000000，间隔为100；所述C₂的范围为200000～2000000，间隔为10；所述d₁的范围为100～500，间隔为0.1；所述d₂的范围为2000～20000，间隔为0.1。

实施例1

a.以某600MW超临界CFB机组为研究对象，该电厂锅炉是由东方锅炉厂研发的超临界直流炉、单炉膛裤衩腿、双布风板结构布置、一次中间再热、固态排渣、循环流化床燃烧方式。锅炉设计煤种为高灰高硫低热值贫煤，如表1所示：

表1.白马600MW超临界循环流化床锅炉设计煤质

利用本发明超临界循环流化床机组主蒸汽压力预测方法可得如下的超临界CFB锅炉机组主蒸汽预测模型：

b.燃料侧参数及汽水侧静态参数辨识：

根据步骤一中给煤量到炉膛发热量的机理过程，代入运行数据得K＝0.00018。

当机组稳定运行时，各参数近似保持稳定。对于l，k₀，从机组历史数据中选取了四组具有代表性的稳态值，每一组对应着不同的运行工况，时长为5小时，采样周期为1min，分别求取的各统计参数的平均值，如表2所示。

分别求取的各静态参数的平均值l＝1.2743，k₀＝1358.2。

表2.各稳态工况状态参数表

c.子函数辨识：

采用回归分析的方法得出待求函数的表达式。采集不同工况下自变量和因变量的数据，选择一组合适的回归分析模型，利用最小二乘法来确定模型的未知参数，最后需对模型进行可信度检验。一般采用R平方检验准则如式(20)，R的范围是0～1，R值越大代表模型的可靠性越高，反之越低。

式中x_i为实际数据值；为函数值；为实际数据均值。

统计不同工况下的主蒸汽流量、主汽压、主蒸汽焓值以及汽机阀门开度，列表如下。

表3不同工况下汽水侧参数表

分析表3中变量之间的关系曲线后，通过Matlab回归分析函数“nlinfit”求得f(·)的表达式如式(21)所示：

D_st＝21.5μ_tp_st (21)，

R平方检验值为0.998，为进一步验证函数的可信度，采集机组两段变负荷工况的运行数据，第一组持续时间2小时，第二组持续时间13小时。第一组数据计算值和实际值的最大相对误差为2.86％，平均相对误差为1.35％；第二组数据计算值和实际值的最大相对误差为2.95％，平均相对误差为0.84％。回归函数的拟合效果较好，误差较小，证明了模型机理分析的正确性。

对于待定函数h_st＝h(p_st)，从表3中可得在不同工况下的实际数据。通过数据回归分析，得到主蒸汽焓值的计算式：

h_st＝-10.8165p_st+3652 (22)，

同理，根据表4中的数据得到过热器管道差压与汽水分离器压力之间的关系为：

表4过热器差压与汽水分离器压力值

d.汽水工质热量吸收侧动态辨识：

利用遗传寻优算法辨识出模型的最佳动态参数，选取某600MW超临界CFB机组连续20小时数据，运行过程中主蒸汽压力波动较大、历时较长。根据所建立的超临界CFB锅炉机组主蒸汽预测模型，将给煤、总风量、给水流量以及汽机阀门开度作为输入并由模型计算输出，以输出计算值和实际值的相对误差和作为优化的目标函数，即：

式中分别表示模型输出的主蒸汽压力、机组负荷、中间点焓值与实际数据偏差的平均值。

设置初始参数为种群大小为80，个体染色体长度为40，交叉概率pc＝0.7，变异概率为0.02，遗传代数为50。将采集到的数据作为模型的输入，经辨识，得到模型的动态参数值为：C₁＝11867000,C₂＝907140,d₁＝325.5132,d₂＝7292.3。

e.模型预测与验证：

为了验证由超临界循环流化床机组主蒸汽压力预测方法建立的模型辨识结果，进一步证实本方法所建立模型结构的正确性，另取一段某600MW CFB机组连续20小时的动态运行数据，模型参数选用上述结果，将给煤量、总风量、给水量、给水焓值和汽轮机阀门开度作为模型输入，对模型输出主蒸汽压力和实际值做误差统计。

为了更具体地评价模型预测的精度，引入均方根误差RMSE(root mean squarederrors)来衡量观测值同真值之间的偏差：

机组实际曲线与仿真模型响应曲线如图2所示。主汽压力模型输出值与实际值的最大相对误差值为4.03％，平均相对误差值只有0.73％，均方根误差为0.18MPa。模型预测的整体误差较小，动态过程中趋势较准确，且数据段长达20小时，能体现所述一种超临界循环流化床机组主蒸汽压力预测系统及方法的准确性和适应性。

本文虽然已经给出了本发明的几个实施例，但是本领域的技术人员应当理解，在不脱离本发明精神的情况下，可以对本文的实施例进行改变。上述实施例只是示例性的，不应以本文的实施例作为本发明权利范围的限定。

Claims (9)

1.一种超临界循环流化床机组主蒸汽压力预测系统，其特征在于，包括超临界CFB机组主蒸汽压力预测模型模块、数据库模块、数据选取与预处理模块、炉膛热量释放模型模块、汽水吸热传递模型模块、子函数辨识模块；

所述炉膛热量释放模型模块，用于建立CFB锅炉热量释放模型，计算锅炉侧能量输出，并确定模型中的参数；

所述汽水吸热传递模型模块用于建立CFB机组汽水侧工质热量吸收模型，并确定模型中的稳态参数；

所述子函数辨识模块用于辨识CFB机组关键参数之间的函数关系， 具体为：汽水分离器出口蒸汽压力与主蒸汽压力、过热器差压的子函数；主蒸汽流量与汽机阀门开度、主蒸汽流量和主蒸汽压力的关系子函数；主蒸汽比焓和主蒸汽压力的关系子函数；

所述数据库模块，将机组运行的实时数据、历史数据及煤质数据传输给所述数据选取与预处理模块；

所述数据选取与预处理模块，对历史数据及煤质数据处理，选取出训练数据用于辨识模型参数及参数之间的函数关系；

所述超临界CFB机组主蒸汽压力预测模型模块，用于建立超临界CFB主蒸汽压力预测模型，并确定模型中动态参数；并根据所述炉膛热量释放模型模块、汽水吸热传递模型模块、和子函数辨识模块建立的各模型、确定的相应参数及机组运行的实时数据、煤质数据预测机组主蒸汽压力。

2.如权利要求1所述的超临界循环流化床机组主蒸汽压力预测系统，其特征在于，所述数据选取与预处理模块将机组历史数据、实时运行数据及煤质数据传输给所述超临界CFB机组主蒸汽压力预测模型模块、炉膛热量释放模型模块、汽水吸热传递模型模块和子函数辨识模块；其中煤质数据包括煤的挥发分、灰分和热值；训练数据选取根据相对应的模型参数需要，CFB机组汽水侧工质热量吸收模型中的稳态参数对应的训练数据需要选取机组运行稳态工况下模型的输入输出及中间状态值，动态参数对应的训练数据需要选取机组动态工况下模型的输入输出及中间状态值；数据选取与预处理模块的预处理包括机组工况的选取判断和奇异值的剔除。

3.如权利要求1所述的超临界循环流化床机组主蒸汽压力预测系统，其特征在于，所述数据库模块与所述数据选取与预处理模块连接，所述数据选取与预处理模块还与所述超临界CFB机组主蒸汽压力预测模型模块、炉膛热量释放模型模块、汽水吸热传递模型模块和子函数辨识模块连接，所述超临界CFB机组主蒸汽压力预测模型模块还与所述炉膛热量释放模型模块、汽水吸热传递模型模块和子函数辨识模块连接双向连接。

4.一种超临界循环流化床机组主蒸汽压力预测方法，其特征在于，包括如下步骤：

步骤一、建立CFB锅炉热量释放模型，计算锅炉侧能量输出，并确定模型中的参数；

步骤二、建立CFB机组汽水侧工质热量吸收模型，并确定模型中的稳态参数；

步骤三、辨识CFB机组关键参数之间的函数关系， 具体为：汽水分离器出口蒸汽压力与主蒸汽压力、过热器差压的子函数；主蒸汽流量与汽机阀门开度、主蒸汽流量和主蒸汽压力的关系子函数；主蒸汽比焓和主蒸汽压力的关系子函数；

步骤四、根据步骤一至步骤三建立的模型，及确定的相应参数，利用历史数据及煤质数据辨识模型动态参数，建立所述超临界CFB机组主蒸汽压力预测模型；

步骤五、根据机组实时运行的输入数据及煤质数据，预测出机组动态主蒸汽压力。

5.如权利要求4所述的超临界循环流化床机组主蒸汽压力预测方法，其特征在于，步骤一具体包括：

步骤1.1、建立CFB炉膛热量释放模型为：

式中，Q_r(t)为燃烧释放的总热量，MJ/s；B(t)为即燃碳量，代表炉内未燃尽的残碳，单位为kg；A_ir为总风量，单位为Nm³/s；K为热量模型总系数；M_C为碳的摩尔质量，单位为kg/kmol；k_c为碳颗粒的燃烧速率常数；d_c为碳颗粒平均直径，单位为m；ρ_c为碳颗粒的密度，单位为kg/m³；R_C为碳总体燃烧反应速率，kg/s；H为即燃碳的单位发热量，单位为MJ/kg；ko₂为总风量A_ir与氧气浓度的相关系数；

即燃碳量B(t)可由式(2)得到

式中W_c为给煤量，kg/s；X_c为燃料量收到基碳质量份额，％；W_PZ为排渣流率，kg/s；X_c,p为排渣含碳量，％；W_FL为飞灰流率，kg/s；X_c,f为飞灰含碳量，％；根据工程经验，将飞灰量含碳量和排渣含碳量忽略不计；

即燃碳的燃烧速度Rc与炉内积蓄的即燃碳质量和总风量成正比；

步骤1.2、利用历史数据及煤质数据确定热量模型总系数K。

6.如权利要求4所述的超临界循环流化床机组主蒸汽压力预测方法，其特征在于，步骤二具体包括：

步骤2.1、建立CFB机组汽水侧工质热量吸收模型：

式中ρ_m为汽水分离器中工质的平均密度，kg/m³；h_m为汽水分离器中工质的平均焓值，kJ/kg；p_m为汽水分离器出口蒸汽压力，Mpa；D_fw为给水流量，kg/s；D_s为过热器出口蒸汽流量，kg/s；h_fw为给水焓值，kJ/kg；h_s为过热器出口蒸汽焓值，kJ/kg；s₁、s₂为动态参数；k₀为汽水侧热量吸收系数；

步骤2.2、令建立CFB机组汽水系统模型如式(8)和(9)所示；

式中h_st为汽轮机入口蒸汽比給又称主蒸汽比焓，kJ/kg；D_st为主蒸汽流量，kg/s；l，C₁，C₂，d₁，d₂为受热段集总模型参数，C₁＝b₂₁-(b₁₁/b₁₂)×b₂₂，C₂＝b₂₂-(b₁₂/b₁₁)×b₂₁，d₁＝b₂₂/b₁₂，d₂＝b₂₁/b₁₁；

步骤2.3、利用历史运行数据及煤质数据确定CFB机组汽水侧工质热量吸收模型稳态系数l和k₀：

对于l，k₀，根据式(8)、(9)，可得到稳态情况下有

D_fw0-D_s0＝0 (10)

D_fw0h_fw0-D_s0h_s0+k₀Q_r0＝0 (11)

式中带‘0’下标的表示稳态时候的参数，可得静态参数的求取公式：

7.如权利要求4所述的超临界循环流化床机组主蒸汽压力预测方法，其特征在于，步骤三针对模型中较难获取或者测量的中间参数建立子函数，具体包括：

步骤3.1、汽水分离器出口蒸汽压力p_m较难获取，忽略喷水减温中压力变化，过热器出口压力与主蒸汽压力相等，通过汽轮机入口蒸汽压力即主蒸汽压力p_st计算得到

p_m＝p_s+△p＝p_st+△p (14)

式中p_m为汽水分离器出口蒸汽压力，Mpa；p_s为汽轮机入口蒸汽压力，Mpa；p_st为主蒸汽压力，Mpa；

蒸汽在过热器中吸热膨胀，引起体积流量增加，这是过热器差压产生的主要原因，过热器差压可表示为p_m的单值函数，建立汽水分离器出口蒸汽压力与主蒸汽压力、过热器差压的子函数：

p_m＝p_st+g(p_m) (15)；

式中g(p_m)为汽水分离器出口蒸汽压力与过热器差压的关系函数；

步骤3.2、主蒸汽流量受汽轮机阀门开度，蒸汽温度以及压力的影响；运行过程中，主蒸汽流量与汽机阀门开度成正比；蒸汽温度和压力共同决定了蒸汽密度，蒸汽流速不变的情况下，蒸汽密度又决定了单位时间内流过的蒸汽量；而锅炉运行期间，虽然机组负荷升降幅度较大，但主蒸汽温度波动不会超过±10℃，基本维持稳定；将主蒸汽温度看成是不变的，有

D_st＝u_tf(p_st) (16)

式中D_st为主蒸汽流量，kg/s；u_t为汽机阀门开度，％；f(p_st)为主蒸汽流量和主蒸汽压力的关系函数；

步骤3.3、主蒸汽温度波动不会超过±10℃，基本维持稳定；将主蒸汽温度看成是不变的，主蒸汽比焓h_st设为主蒸汽压力p_st的函数：

h_st＝h(p_st) (17)；

式中h_st为主蒸汽比焓，kJ/kg；h(p_st)为主蒸汽比焓和主蒸汽压力的关系函数；

步骤3.4、利用机组不同负荷下过热器差压和主蒸汽压力的稳态历史数据辨识子函数(15)；利用机组不同负荷下主蒸汽流量、主蒸汽压力、主蒸汽焓值和汽轮机阀门开度的稳态历史数据辨识子函数(16)；利用机组不同负荷下主蒸汽比焓和主蒸汽压力的稳态历史数据辨识子函数(17)。

8.如权利要求4所述的超临界循环流化床机组主蒸汽压力预测方法，其特征在于，步骤四具体包括：

步骤4.1、确定超临界CFB机组主蒸汽压力模型：

步骤4.2、针对模型(18)，将给煤、总风量、给水流量以及汽机阀门开度作为输入并由模型计算输出，以输出计算值和实际值的相对误差和作为优化的目标函数如式(19)，利用寻优算法确定动态参数C₁，C₂，d₁，d₂；

式中分别表示模型输出的主蒸汽压力、机组负荷、中间点焓值与实际数据偏差的平均值。

9.如权利要求6或8所述的超临界循环流化床机组主蒸汽压力预测方法，其特征在于，所述C₁的范围为8000000～80000000，间隔为100；所述C₂的范围为200000～2000000，间隔为10；所述d₁的范围为100～500，间隔为0.1；所述d₂的范围为2000～20000，间隔为0.1。