CN113701185B - 超低排放电站锅炉高温腐蚀程度的监测装置和方法 - Google Patents
超低排放电站锅炉高温腐蚀程度的监测装置和方法 Download PDFInfo
- Publication number
- CN113701185B CN113701185B CN202110992877.3A CN202110992877A CN113701185B CN 113701185 B CN113701185 B CN 113701185B CN 202110992877 A CN202110992877 A CN 202110992877A CN 113701185 B CN113701185 B CN 113701185B
- Authority
- CN
- China
- Prior art keywords
- concentration
- monitoring
- wall thickness
- prediction model
- module
- 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.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 96
- 230000007797 corrosion Effects 0.000 title claims abstract description 43
- 238000005260 corrosion Methods 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 title claims description 43
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 66
- 238000002485 combustion reaction Methods 0.000 claims abstract description 19
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims abstract description 15
- 239000003546 flue gas Substances 0.000 claims abstract description 15
- 230000008859 change Effects 0.000 claims abstract description 14
- 239000003245 coal Substances 0.000 claims abstract description 13
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 claims abstract description 11
- 229910052717 sulfur Inorganic materials 0.000 claims abstract description 11
- 239000011593 sulfur Substances 0.000 claims abstract description 11
- 238000012806 monitoring device Methods 0.000 claims abstract description 10
- 238000013528 artificial neural network Methods 0.000 claims abstract description 9
- 238000007865 diluting Methods 0.000 claims description 18
- 238000005070 sampling Methods 0.000 claims description 18
- 238000010790 dilution Methods 0.000 claims description 11
- 239000012895 dilution Substances 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 238000013507 mapping Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000001816 cooling Methods 0.000 claims description 5
- 238000007405 data analysis Methods 0.000 claims description 5
- 238000011010 flushing procedure Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000003466 welding Methods 0.000 claims description 2
- 230000008878 coupling Effects 0.000 claims 1
- 238000010168 coupling process Methods 0.000 claims 1
- 238000005859 coupling reaction Methods 0.000 claims 1
- 238000012423 maintenance Methods 0.000 abstract description 9
- 230000007774 longterm Effects 0.000 abstract description 3
- 238000012360 testing method Methods 0.000 description 13
- 230000009286 beneficial effect Effects 0.000 description 5
- 238000001914 filtration Methods 0.000 description 5
- 239000007789 gas Substances 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 239000000779 smoke Substances 0.000 description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 239000010881 fly ash Substances 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 238000001514 detection method Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000002848 electrochemical method Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 229910001220 stainless steel Inorganic materials 0.000 description 1
- 239000010935 stainless steel Substances 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23M—CASINGS, LININGS, WALLS OR DOORS SPECIALLY ADAPTED FOR COMBUSTION CHAMBERS, e.g. FIREBRIDGES; DEVICES FOR DEFLECTING AIR, FLAMES OR COMBUSTION PRODUCTS IN COMBUSTION CHAMBERS; SAFETY ARRANGEMENTS SPECIALLY ADAPTED FOR COMBUSTION APPARATUS; DETAILS OF COMBUSTION CHAMBERS, NOT OTHERWISE PROVIDED FOR
- F23M11/00—Safety arrangements
- F23M11/04—Means for supervising combustion, e.g. windows
- F23M11/047—Means for supervising combustion, e.g. windows by observing the flue gas
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)
- Regulation And Control Of Combustion (AREA)
Abstract
超低排放电站锅炉高温腐蚀程度的监测装置和方法，物理模型模块利用监测模块采集的烟气中CO、H2S浓度和位置信号，拟合H2S浓度函数，预测模型模块基于神经网络算法搭建壁厚参数预测模型，利用H2S浓度函数、位置信号、原煤硫含量、水冷壁管壁厚参数变化率对预测模型进行训练；预测结果输出模块，基于预测模型输出的水冷壁管最薄位置的壁厚参数，对锅炉高温腐蚀程度进行预测。用CO浓度表示H2S浓度的物理模型，避免使用H2S测量元件，降低成本，稳定性高，适合长期运行；监测燃烧区和燃尽区的气流管路简单可行；监测装置方便运行人员组织燃烧过程，合理安排检修计划；节约电站锅炉的运营成本和检修成本，利于电厂推广。
Description
技术领域
本发明涉及电站锅炉节能环保技术领域，更具体地，涉及超低排放电站锅炉高温腐蚀程度的监测装置和方法。
背景技术
随着环保要求越来越严格，要求电站锅炉系统满足超低排放标准。为了节约环保设备的运行成本，要求电站锅炉本体的炉膛出口的污染物排放，比如NOx、SO2等，越来越低。为了降低炉膛出口的NOx的排放浓度，大部分电站锅炉通过空气分级或燃料分级的手段提高燃烧区的还原性气氛，然后在燃尽区增加燃尽风补充氧量以提高飞灰的燃尽率，达到降低NOx排放和提高锅炉效率的双重目的。不管在以该手段设计的新建电站锅炉上还是在以该手段进行改造的现有电站锅炉上，燃烧区附近到燃尽风区之间的水冷壁出现了严重的高温腐蚀问题，更加严重的，还出现了水冷壁管变薄导致水冷壁泄漏造成锅炉机组停机的现象。
因此，每个大修期间对水冷壁管厚度的检查变成一个十分重要而繁琐的工作，大修期间往往因为发现水冷壁高温腐蚀比较严重，需临时增加检修工作量，进而延长检修计划，造成锅炉机组并网时间的延误，给电厂带来经济损失。但是，在锅炉热态运行中无法对水冷壁管厚度进行检查，也无从判断水冷壁厚度的状态，进而及时安排检修计划。因此，需要一种新的监测手段判断水冷壁的状态。
现有技术中，电站锅炉热态运行参数的监测主要关注运行参数和尾部烟道的经济参数。运行参数有给煤量、给粉机转速、一次风温、二次风量、二次风门开度、二次风箱温度等。尾部烟道的经济参数有烟温、氧量、CO、飞灰、烟气量等。对燃烧区到燃尽区的监测参数相对较少。
研究表明，水冷壁管的高温腐蚀与H2S浓度直接相关。但高温腐蚀程度与H2S浓度的关系基本依靠经验来判断，其实高温腐蚀程度还与位置、原煤含硫量等因素相关。现有技术中，尚无有效模型以反映H2S与高温腐蚀程度或水冷壁厚之间的规律。
部分电厂通过在热态运行状态下的H2S浓度测量试验，监控高温腐蚀的程度。H2S浓度测量试验周期长，当试验间隔过长时，不能及时发现某一运行状态下高温腐蚀程度，当检测点少时，往往也不能有效发现高温腐蚀严重的区域。另一方面，H2S浓度测量试验成本高，H2S的测试元件价格昂贵，测试系统要求高，国内无法生产，只能依赖进口。目前H2S的测量大部分基于电化学的方法，要求测试气体处于低还原性气氛，当气体处于高还原性气氛下，容易造成试验结果误差增大，且缩短测试元件的寿命。在实际的水冷壁附近高温腐蚀区域恰恰是高还原性气氛，其中CO浓度高达20000ppm以上，在测试中会严重影响H2S测试元件的寿命和试验精度。
因此，迫切需要一种能在热态运行状态下监测电站锅炉高温腐蚀程度的方法和装置。
发明内容
为解决现有技术中存在的不足，本发明的目的在于，提供超低排放电站锅炉高温腐蚀程度的监测装置和方法，可对水冷壁管的高温腐蚀程度进行预测，有利于指导运行人员进行调整，并根据预测结果合理安排检修计划。
本发明采用如下的技术方案。
超低排放电站锅炉高温腐蚀程度的监测装置包括：监测模块、物理模型模块、预测模型模块、预测结果输出模块。
监测模块，用于采集烟气中CO浓度、H2S浓度和各浓度值对应的位置信号x，并将CO浓度、H2S浓度输出至物理模型模块中、当CO浓度大于设定值时将CO浓度和位置信号x输出至预测模型模块中。
物理模型模块，用于基于大数据分析方法拟合位置信号x对应的表征CO浓度与H2S浓度关系的H2S浓度函数fx(H2S)，并将H2S浓度函数fx(H2S)输出至预测模型模块中。
预测模型模块，基于神经网络算法搭建壁厚参数δ的预测模型，利用H2S浓度函数fx(H2S)、位置信号x、原煤硫含量Sar、水冷壁管壁厚参数变化率Δδ建立预测数据集，使用预测数据集对壁厚参数δ的预测模型进行训练，以确定壁厚参数δ的预测模型中的映射关系。
预测结果输出模块，用于基于预测模型输出的水冷壁管最薄位置的壁厚参数，输出锅炉高温腐蚀程度参数。
优选地，锅炉高温腐蚀程度参数包括：水冷壁管最薄位置的壁厚参数、水冷壁管最薄位置的壁厚参数与电厂设定的水冷壁管壁厚报警值之间的差值、保持现有运行状态下达到水冷壁管壁厚报警值所需的最短时间。
优选地，监测模块布置在锅炉内燃烧区到燃尽区的水冷壁上；监测模块包括多套监测气流管路单元和一套控制平台，从燃烧区到燃尽区的水冷壁管鳍片每层均匀布置多个监测孔，每个监测孔连接一套监测气流管路单元；
一套监测气流管路单元包括：采样管、CO测量仪表、H2S测量仪表、稀释装置；
在监测孔处焊接采样管，采样管经由稀释装置连接CO测量仪表，CO测量仪表用于监测贴壁区的烟气中的CO浓度并将浓度参数输出至监测模块的控制平台；稀释装置用于根据CO测量仪表的量程，以不同的稀释倍数对烟气进行稀释；
采样管还连接H2S测量仪表，H2S测量仪表用于周期性测量H2S浓度并将浓度参数输出至监测模块的控制平台。
进一步，监测孔布置层数的划分原则为在各层燃烧器之间、最上层燃烧器和燃尽风之间。
进一步，对于前后墙对冲的电站锅炉，监测孔只在左右侧墙上分层均匀布置；对于四角切圆的电站锅炉，监测孔在前墙、后墙、左墙、右墙均需分层均匀布置。
优选地，控制平台，用于控制对采样管的位置信号x、稀释装置的流量信号、CO测量仪表的信号、H2S测量仪表的信号进行采集，以及向稀释装置输出控制信号；
在控制平台的操作界面，人工输入CO浓度的设定最高值；
控制平台内置监测数据库，用于对监测数据进行短期存储和分析处理，其中分析处理的判据如下：
当任一位置信号对应的CO测量仪表采集的CO浓度不小于CO浓度设定最高值时，存储当前监测的CO浓度值和对应的CO测量仪表的位置信号，并将两者输出至预测模型模块中。
优选地，预测模型模块中，周期性输入原煤硫含量Sar，由每个运行班组输入一次或直接采集现场DCS系统中的数值。
超低排放电站锅炉高温腐蚀程度的监测方法包括：
步骤1，采集烟气中CO浓度、H2S浓度和各浓度值对应的位置信号x；
步骤2，基于大数据分析方法，拟合表征CO浓度和H2S浓度关系的H2S浓度函数fx(H2S)；
步骤3，基于神经网络算法搭建壁厚参数δ的预测模型，利用H2S浓度函数fx(H2S)、位置信号x、原煤硫含量Sar、水冷壁管壁厚参数变化率Δδ建立预测数据集，使用预测数据集对壁厚参数δ的预测模型进行训练，以确定壁厚参数δ的预测模型中的映射关系；
步骤4，基于壁厚参数δ的预测模型输出的水冷壁管最薄位置的壁厚参数，得到模块输出锅炉高温腐蚀程度参数，包括：水冷壁管最薄位置的壁厚参数、水冷壁管最薄位置的壁厚参数与电厂设定的水冷壁管壁厚报警值之间的差值、保持现有运行状态下达到水冷壁管壁厚报警值所需的最短时间。
优选地，步骤2中，H2S浓度函数fx(H2S)，满足如下关系式：
fx(H2S)＝Aln3(CO)+B ln2(CO)+C ln(CO)+D
式中，
A、B、C、D均表示拟合系数，为任意常数；
CO表示CO浓度参数。
优选地，步骤3中，以往大修前后某一位置的水冷壁管壁厚参数变化率Δδ，满足如下关系式：
式中，
δi表示上次大修时测量的水冷壁管壁厚，
δi+1表示本次大修时测量的水冷壁管壁厚，
ti表示上次大修时停炉时间，
ti+1表示本次大修时停炉时间。
本发明的有益效果在于，与现有技术相比：
1、在电站锅炉热态运行时能够判断高温腐蚀最严重的区域，给出水冷壁管最薄的位置，预测现运行状态下水冷壁最薄位置与报警值的差值，预测现运行状态下达到水冷壁厚报警值的最短时间。方便运行人员组织燃烧过程，并合理安排检修计划。节约电站锅炉的运营成本和检修成本。方法切实可行，有利于在电厂推广。
2、将电站锅炉燃烧区和燃尽区附近的CO浓度和H2S浓度耦合在一起，提出一种用CO浓度表示H2S浓度的物理模型，避免H2S测量元件昂贵且大量进口的缺陷，CO测量元件维护量小，成本低，稳定性高，适合长期运行。
3、设计出一种新的监测燃烧区和燃尽区的气流管路，在气流管路中加稀释装置，可根据分析仪表的量程调整稀释倍数。同时监测气流管路的稀释装置前增加旁支管路，用于周期性测量H2S浓度。气流管路简单，切实可行。
附图说明
图1为本发明超低排放电站锅炉高温腐蚀程度的监测装置中，各模块及其输入输出数据的示意框图；
图2为本发明超低排放电站锅炉高温腐蚀程度的监测装置中，监测模块的监测气流管路单元示意图；
其中附图标记说明如下：
1-采样管；
2-三通管；
3-稀释装置；
4-大功率抽气泵；
5-混合器；
6-H2S测量仪表；
7-CO测量仪表；
8-过滤装置；
图3为本发明超低排放电站锅炉高温腐蚀程度的监测装置中，监测模块的监测和控制示意图；
图4为本发明超低排放电站锅炉高温腐蚀程度的监测方法流程图。
具体实施方式
下面结合附图对本申请作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本申请的保护范围。
本发明的优选实施例，以某电厂#1锅炉为例，组建电站超低排放锅炉高温腐蚀程度的监测装置，如图1，该装置包括监测模块、物理模型模块、预测模型模块、预测结果输出模块。
监测模块，用于采集烟气中CO浓度、H2S浓度和各浓度值对应的位置信号x，并将CO浓度、H2S浓度输出至物理模型模块中、当CO浓度大于设定值时将CO浓度和位置信号x输出至预测模型模块中。
具体地，本优先实施例中，监测模块是一种一次设备的在线监测装置，监测模块布置在锅炉内燃烧区到燃尽区的水冷壁上；监测模块包括多套监测气流管路单元和一套控制平台，从燃烧区到燃尽区的水冷壁管鳍片每层均匀布置多个监测孔，每个监测孔连接一套监测气流管路单元。本优选实施例中，炉内共计60个监测孔，依次对监测孔进行编码。
如图2，一套监测气流管路单元包括：采样管1、CO测量仪表7、H2S测量仪表6、稀释装置3；在监测孔处焊接采样管1，采样管1经由稀释装置3连接CO测量仪表7，CO测量仪表7用于监测贴壁区的烟气中的CO浓度并将浓度参数输出至监测模块控制平台；稀释装置3用于根据CO测量仪表7的量程，以不同的稀释倍数对烟气进行稀释。
采样管还连接H2S测量仪表6，H2S测量仪表6用于周期性测量H2S浓度并将浓度参数输出至监测模块控制平台。
本优选实施例中，监测气流管路单元还包括：三通管2、大功率抽气泵4、过滤装置8、混合器5；三通管2，用于实现采样管1分别与CO测量仪表7、H2S测量仪表连接6；大功率抽气泵4，根据监测模块控制平台发出的启动信号，开始抽取烟气；过滤装置8，用于对抽取的烟气中的非CO气体和非H2S气体进行过滤。
采样管1是一根外径8mm的不锈钢短管，然后由橡胶软管依次连接过滤装置8、三通管2；三通管2的一端，由橡胶软管依次连接稀释装置3、大功率抽气泵4、混合器5、CO测量仪表7；三通管2的另一端，由橡胶软管连接H2S测量仪表6。
进一步，监测孔布置层数的划分原则为在各层燃烧器之间、最上层燃烧器和燃尽风之间。
进一步，对于前后墙对冲的电站锅炉，监测孔只在左右侧墙上分层均匀布置；对于四角切圆的电站锅炉，监测孔在前墙、后墙、左墙、右墙均需分层均匀布置。
本发明优选实施例中，承德上板城电厂#1锅炉为四角切圆锅炉，因此，每层左右前后四面墙各布置3个监测点。
本发明优选实施例中，某电厂#1锅炉为四角切圆锅炉，其各角燃烧器编号从下至上依次排列为6-5-4-3-2-1-燃尽风。
监测孔层数的划分原则为在各层燃烧器之间、最上层燃烧器和燃尽风之间。因此，本优选实施例中，监测点开孔布置在燃烧器层为5-4、4-3、3-2、2-1、1-燃尽风之间。
具体地，如图3，监测模块的控制平台，用于控制对采样管1的位置信号x、稀释装置3的流量信号、大功率抽气泵4的流量、CO测量仪表7的信号和挡板信号、H2S测量仪表6的信号以及其它各类信号进行采集，以及向稀释装置3和大功率抽气泵4输出控制信号。
在控制平台的操作界面，可人工输入CO浓度的设定最高值。
控制平台内置监测数据库，用于对监测数据进行短期存储和分析处理，其中分析处理的判据如下：
当任一位置信号对应的CO测量仪表采集的CO浓度不小于CO浓度设定最高值时，存储当前监测的CO浓度值和对应的CO测量仪表的位置信号，并将两者输出至预测模型模块中。
物理模型模块，用于基于大数据分析方法拟合位置信号x对应的表征CO浓度与H2S浓度关系的H2S浓度函数fx(H2S)，并将H2S浓度函数fx(H2S)输出至预测模型模块中。
物理模型模块中，其输入参数除了来自监测模块的位置信号x、CO浓度以外，还包括来自监测模块的定期测量和校验的H2S浓度。
在煤粉燃烧过程中，CO浓度和H2S浓度是伴生的，即当H2S浓度出现时CO浓度也出现。通过CO浓度可以反应H2S浓度变化规律，因此，可以形成表征二者浓度关系的函数，实际应用中仅需实时监测CO浓度，避免使用昂贵的H2S浓度测量元件，降低试验成本。
预测模型模块，基于神经网络算法搭建壁厚参数δ的预测模型，利用H2S浓度函数fx(H2S)、位置信号x、原煤硫含量Sar、水冷壁管壁厚参数变化率Δδ建立预测数据集，使用预测数据集对壁厚参数δ的预测模型进行训练，以确定壁厚参数δ的预测模型中的映射关系。
本优选实施例中，神经网络算法依托MATLAB中的神经网络方法实现。
具体地，预测模型模块中，周期性输入原煤硫含量Sar，由每个运行班组输入一次或直接采集现场DCS系统中的数值。
此外，预测模型模块中，还输入本次大修的某一位置的壁厚参数及本次大修停炉时间、上次大修的某一位置的壁厚参数及上次大修停炉时间。
预测结果输出模块，用于基于预测模型输出的水冷壁管最薄位置的壁厚参数，输出锅炉高温腐蚀程度参数。
具体地，锅炉高温腐蚀程度参数包括：水冷壁管最薄位置的壁厚参数、水冷壁管最薄位置的壁厚参数与电厂设定的水冷壁管壁厚报警值之间的差值、保持现有运行状态下达到水冷壁管壁厚报警值所需的最短时间。
如图4，超低排放电站锅炉高温腐蚀程度的监测方法包括：
步骤1，采集烟气中CO浓度、H2S浓度和各浓度值对应的位置信号x。
步骤2，基于大数据分析方法，拟合表征CO浓度和H2S浓度关系的H2S浓度函数fx(H2S)；
具体地，步骤2中，表征CO浓度和H2S浓度关系的H2S浓度函数fx(H2S)，是一个三阶多项式函数，满足如下关系式：
fx(H2S)＝Aln3(CO)+B ln2(CO)+C ln(CO)+D
式中，
A、B、C、D均表示拟合系数；
CO表示CO浓度参数；
本优选实施例中，在炉膛的烟气中CO浓度变化比较大，其变化范围为100ppm至100000ppm，这加大了计算复杂程度，因此在拟合过程中对CO浓度取自然对数，以降低其变化范围。而H2S的浓度变化范围为0至300ppm。
值得注意的是，本优选实施例中对CO浓度取自然对数以及采用三阶多项式拟合的算法是一种非限制性的较优选择，所属领域技术人员可以根据实际需求选择不同的数据处理方法和拟合算法，以构成H2S浓度函数fx(H2S)。
通过物理模型拟合适当的系数，以获得每个位置信号x处的H2S浓度函数，并将位置信号x和H2S浓度函数一并输出至预测模型模块中。
步骤3，基于神经网络算法搭建壁厚参数δ的预测模型，利用H2S浓度函数fx(H2S)、位置信号x、原煤硫含量Sar、水冷壁管壁厚参数变化率Δδ建立预测数据集，使用预测数据集对壁厚参数δ的预测模型进行训练，以确定壁厚参数δ的预测模型中的映射关系；
具体地，步骤3中，以往大修前后某一位置的水冷壁管壁厚参数变化率Δδ，满足如下关系式：
式中，
δi表示上次大修时测量的水冷壁管壁厚，
δi+1表示本次大修时测量的水冷壁管壁厚，
ti表示上次大修时停炉时间，
ti+1表示本次大修时停炉时间。
步骤4，基于壁厚参数δ的预测模型输出的水冷壁管最薄位置的壁厚参数，得到模块输出锅炉高温腐蚀程度参数，包括：水冷壁管最薄位置的壁厚参数、水冷壁管最薄位置的壁厚参数与电厂设定的水冷壁管壁厚报警值之间的差值、保持现有运行状态下达到水冷壁管壁厚报警值所需的最短时间。
本发明的有益效果在于，与现有技术相比：
1、在电站锅炉热态运行时能够判断高温腐蚀最严重的区域，给出水冷壁管最薄的位置，预测现运行状态下水冷壁最薄位置与报警值的差值，预测现运行状态下达到水冷壁厚报警值的最短时间。方便运行人员组织燃烧过程，并合理安排检修计划。节约电站锅炉的运营成本和检修成本。方法切实可行，有利于在电厂推广。
2、将电站锅炉燃烧区和燃尽区附近的CO浓度和H2S浓度耦合在一起，提出一种用CO浓度表示H2S浓度的物理模型，避免H2S测量元件昂贵且大量进口的缺陷，CO测量元件维护量小，成本低，稳定性高，适合长期运行。
3、设计出一种新的监测燃烧区和燃尽区的气流管路，在气流管路中加稀释装置，可根据分析仪表的量程调整稀释倍数。同时监测气流管路的稀释装置前增加旁支管路，用于周期性测量H2S浓度。气流管路简单，切实可行。
本发明申请人结合说明书附图对本发明的实施示例做了详细的说明与描述，但是本领域技术人员应该理解，以上实施示例仅为本发明的优选实施方案，详尽的说明只是为了帮助读者更好地理解本发明精神，而并非对本发明保护范围的限制，相反，任何基于本发明的发明精神所作的任何改进或修饰都应当落在本发明的保护范围之内。
Claims (9)
1.超低排放电站锅炉高温腐蚀程度的监测装置，
所述监测装置包括：监测模块、物理模型模块、预测模型模块、预测结果输出模块；其特征在于，监测模块，采集位置信号x处的烟气中CO浓度、H2S浓度，将CO浓度、H2S浓度输至物理模型模块中、当CO浓度大于设定值时将CO浓度和位置信号x输至预测模型模块中；物理模型模块，基于大数据法拟合位置信号x对应的H2S浓度函数fx(H2S)，将电站锅炉燃烧区和燃尽区附近的CO浓度和H2S浓度耦合在一起，并将H2S浓度函数输至预测模型模块中；预测模型模块，基于神经网络算法搭建壁厚参数δ的预测模型，利用H2S浓度函数fx(H2S)、位置信号x、原煤硫含量Sar、锅炉大修前后某一位置的水冷壁管壁厚参数变化率△δ建立预测数据集，使用预测数据集对壁厚参数δ的预测模型进行训练，以确定壁厚参数δ的预测模型中的映射关系；预测结果输出模块，用于基于预测模型输出的水冷壁管最薄位置的壁厚参数，输出水冷壁管最薄位置的壁厚参数、水冷壁管最薄位置的壁厚参数与电厂设定的水冷壁管壁厚报警值之间的差值、保持现有运行状态下达到水冷壁管壁厚报警值所需的最短时间；
其中，H2S浓度函数fx(H2S)用于表征位置信号x处的CO浓度与H2S浓度之间的非线性关系，满足如下关系式：
fx(H2S)＝A ln3(CO)+B ln2(CO)+C ln(CO)+D
式中，
A、B、C、D均表示拟合系数，为任意常数；
CO表示CO浓度参数。
2.根据权利要求1所述的超低排放电站锅炉高温腐蚀程度的监测装置，其特征在于，
所述监测模块布置在锅炉内燃烧区到燃尽区的水冷壁上；所述监测模块包括多套监测气流管路单元和一套控制平台；
从燃烧区到燃尽区的水冷壁管鳍片每层均匀布置多个监测孔，每个监测孔连接一套监测气流管路单元；
一套监测气流管路单元包括：采样管、CO测量仪表、H2S测量仪表、稀释装置；
在监测孔处焊接采样管，采样管经由稀释装置连接CO测量仪表，CO测量仪表用于监测贴壁区的烟气中的CO浓度并将浓度参数输出至监测模块的控制平台；稀释装置用于根据CO测量仪表的量程，以不同的稀释倍数对烟气进行稀释；
采样管还连接H2S测量仪表，H2S测量仪表用于周期性测量H2S浓度并将浓度参数输出至监测模块的控制平台。
3.根据权利要求2所述的超低排放电站锅炉高温腐蚀程度的监测装置，其特征在于，
所述监测孔布置层数的划分原则为在各层燃烧器之间、最上层燃烧器和燃尽风之间。
4.根据权利要求2所述的超低排放电站锅炉高温腐蚀程度的监测装置，其特征在于，
对于前后墙对冲的电站锅炉，所述监测孔只在左右侧墙上分层均匀布置；对于四角切圆的电站锅炉，所述监测孔在前墙、后墙、左墙、右墙均需分层均匀布置。
5.根据权利要求2所述的超低排放电站锅炉高温腐蚀程度的监测装置，其特征在于，
所述控制平台，用于控制对采样管的位置信号x、稀释装置的流量信号、CO测量仪表的信号、H2S测量仪表的信号进行采集，以及向稀释装置输出控制信号；
在控制平台的操作界面，人工输入CO浓度的设定最高值；
所述控制平台内置监测数据库，用于对监测数据进行短期存储和分析处理，其中分析处理的判据如下：
当任一位置信号对应的CO测量仪表采集的CO浓度不小于CO浓度设定最高值时，存储当前监测的CO浓度值和对应的CO测量仪表的位置信号，并将两者输出至预测模型模块中。
6.根据权利要求1至5中任一项所述的超低排放电站锅炉高温腐蚀程度的监测装置，其特征在于，
所述预测模型模块中，周期性输入原煤硫含量Sar，由每个运行班组输入一次或直接采集现场DCS系统中的数值。
7.利用权利要求1至6中任一项所述的超低排放电站锅炉高温腐蚀程度的监测装置而实施的监测方法，其特征在于，
所述监测方法包括：
步骤1，采集烟气中CO浓度、H2S浓度和各浓度值对应的位置信号x；
步骤2，基于大数据分析方法，拟合表征CO浓度和H2S浓度关系的H2S浓度函数fx(H2S)；
步骤3，基于神经网络算法搭建壁厚参数δ的预测模型，利用H2S浓度函数fx(H2S)、位置信号x、原煤硫含量Sar、水冷壁管壁厚参数变化率△δ建立预测数据集，使用预测数据集对壁厚参数δ的预测模型进行训练，以确定壁厚参数δ的预测模型中的映射关系；
步骤4，基于壁厚参数δ的预测模型输出的水冷壁管最薄位置的壁厚参数，得到模块输出锅炉高温腐蚀程度参数，包括：水冷壁管最薄位置的壁厚参数、水冷壁管最薄位置的壁厚参数与电厂设定的水冷壁管壁厚报警值之间的差值、保持现有运行状态下达到水冷壁管壁厚报警值所需的最短时间。
8.根据权利要求7所述的超低排放电站锅炉高温腐蚀程度的监测方法，其特征在于，
步骤2中，所述H2S浓度函数fx(H2S)，满足如下关系式：
fx(H2S)＝A ln3(CO)+B ln2(CO)+C ln(CO)+D
式中，
A、B、C、D均表示拟合系数，为任意常数；
CO表示CO浓度参数。
9.根据权利要求7所述的超低排放电站锅炉高温腐蚀程度的监测方法，其特征在于，
步骤3中，所述以往大修前后某一位置的水冷壁管壁厚参数变化率△δ，满足如下关系式：
式中，
δi表示上次大修时测量的水冷壁管壁厚，
δi+1表示本次大修时测量的水冷壁管壁厚，
ti表示上次大修时停炉时间，
ti+1表示本次大修时停炉时间。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110992877.3A CN113701185B (zh) | 2021-08-27 | 2021-08-27 | 超低排放电站锅炉高温腐蚀程度的监测装置和方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110992877.3A CN113701185B (zh) | 2021-08-27 | 2021-08-27 | 超低排放电站锅炉高温腐蚀程度的监测装置和方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113701185A CN113701185A (zh) | 2021-11-26 |
| CN113701185B true CN113701185B (zh) | 2024-06-21 |
Family
ID=78655672
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110992877.3A Active CN113701185B (zh) | 2021-08-27 | 2021-08-27 | 超低排放电站锅炉高温腐蚀程度的监测装置和方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113701185B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110631887A (zh) * | 2019-10-31 | 2019-12-31 | 国网河北省电力有限公司电力科学研究院 | 一种用于精密仪器测量的前置气体稀释装置 |
| CN112765872A (zh) * | 2020-11-17 | 2021-05-07 | 苏州西热节能环保技术有限公司 | 一种炉内水冷壁管壁厚度预测方法、装置及可读存储介质 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2005116273A (ru) * | 2002-10-30 | 2005-11-10 | Кребс Энд Сислер Лп (Us) | Котел со сжиганием топлива при использовании окислителя, обогащенного кислородом, для повышения кпд и снижения вредных выбросов |
| CN101446417B (zh) * | 2008-12-30 | 2010-08-11 | 西安交通大学 | 一种在线监测锅炉水冷壁高温腐蚀的装置和方法 |
| JP5903182B1 (ja) * | 2015-07-15 | 2016-04-13 | エス・イー・シーエレベーター株式会社 | 無煙焼却炉及びこれを用いたシステム |
-
2021
- 2021-08-27 CN CN202110992877.3A patent/CN113701185B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110631887A (zh) * | 2019-10-31 | 2019-12-31 | 国网河北省电力有限公司电力科学研究院 | 一种用于精密仪器测量的前置气体稀释装置 |
| CN112765872A (zh) * | 2020-11-17 | 2021-05-07 | 苏州西热节能环保技术有限公司 | 一种炉内水冷壁管壁厚度预测方法、装置及可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113701185A (zh) | 2021-11-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113266843B (zh) | 一种燃煤锅炉燃烧优化方法、系统及装置 | |
| CN102654286B (zh) | 智能动态燃烧气氛控制仪 | |
| CN102734782B (zh) | 一种燃煤锅炉能效监测方法 | |
| CN203215651U (zh) | 工业锅炉能效远程在线监控系统 | |
| CN103759277A (zh) | 燃煤电站锅炉智能吹灰闭环控制方法、装置和系统 | |
| CN102032590A (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 | |
| CN103968361A (zh) | 工业锅炉能效远程在线监控系统 | |
| CN105069185A (zh) | 一种利用烟气压差法建立空预器清洁因子计算模型的方法及应用 | |
| CN113418207B (zh) | 一种电站炉膛燃烧监测诊断装置及方法 | |
| CN112540158B (zh) | 石灰石湿法脱硫强制氧化空气利用率的测试方法 | |
| CN110991756A (zh) | 基于ts模糊神经网络的mswi炉膛温度预测方法 | |
| CN108197723B (zh) | 煤电机组供电煤耗与污染物排放的优化节能调度方法 | |
| CN107167418B (zh) | 一种锅炉水冷壁高温腐蚀在线监测方法及监测系统 | |
| CN113701185B (zh) | 超低排放电站锅炉高温腐蚀程度的监测装置和方法 | |
| CN113218681B (zh) | 一种固体燃料工业锅炉监测系统及锅炉热效率监测方法 | |
| CN207478283U (zh) | 一种火电机组脱硝实时控制装置 | |
| CN205316379U (zh) | 一种锅炉运行氧量自动控制系统及锅炉 | |
| CN112834705B (zh) | 一种煤粉锅炉炉膛及其气体在线监测预警系统 | |
| CN113946789A (zh) | 一种实时计算四炉三机垃圾焚烧发电厂垃圾焚烧量的方法 | |
| CN103513008B (zh) | 燃烧锅炉贴壁气氛检测方法与系统 | |
| CN108730943B (zh) | 一种烟气动态温度评价方法 | |
| CN208060169U (zh) | 一种高硫煤机组烟气余热利用协同脱除中试试验台 | |
| Roslyakov et al. | Continuous emission monitoring and accounting automated systems at an HPP | |
| CN203479029U (zh) | 不结露烟气热能载移装置 | |
| CN111289683B (zh) | 一种火电煤粉燃烧效率检测系统 |
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 |