锅炉燃烧技术论文
锅炉燃烧过程，是一个极其复杂的物理化学反应过程。下面是小编整理了锅炉燃烧技术论文，有兴趣的亲可以来阅读一下!
锅炉燃烧技术论文篇一
火电锅炉燃烧优化技术
摘要：目前我国仍以火电为主，火电在电力装机比重分别高达70%多，发电量比重分别高达50%多，火电厂耗煤占全国煤炭消耗量的50%以上，这就直接导致火电企业排放二氧化硫占全国排放量45%，排放的二氧化碳占全国碳排放量的40%。因此，火电企业，在低碳经济发展中面临着严峻的节能减排压力。锅炉燃烧过程，是一个极其复杂的物理化学反应过程。在火力发电厂的运行中，由于电网负荷、燃料成分含量等各种实际因素的影响，所以锅炉和机组的实际运行状态在不断的进行调整。本文重点针对火电锅炉燃烧优化技术进行探讨。
关键词：火电锅炉燃烧优化技术
中图分类号：C35文献标识码： A
一、锅炉燃烧优化现状
当然，各项技术的发明及运用，使得电厂的自动化水平在不断地提高，例如DCS系统以及实时数据库的应用等。不仅技术方面有了很大的提高，在设备方面也有很大的更新变化。例如，先进的监测装置的使用，可以监测电厂设备现行的状况，为进行设备调整提供了参考数据，使锅炉燃烧优化也成为了可能。
锅炉燃料优化技术包括与燃料相关参数的检测、相关设备的改造等等，但一般可以分为三种:第一种是最主要的一种，在优化技术改造中占主导地位的，是通过在线检测锅炉燃烧的重要参数，来指导运行人员进行调节。第二种主要是进行燃烧设备的更新改造，通过对燃烧器、受热面等的改造来实现锅炉的燃烧优化调整。第三种主要是在DCS的技术应用的基础上，运用其监督控制系统通过采用控制算法或者人工智能技术、先进控制逻辑等实现锅炉的燃烧优化。随着该类技术的进步，第三种方法发展十分迅速。
正交实验法、风粉平衡检测系统和耗差分析以及针对运行氧量的单因素优化等式国内最早运用的燃烧优化方法，主要是为锅炉烟气含氧量的优化控制研究。另外还有一种是以主蒸汽压力为被调量、总给粉量为调节手段的主调节系统和以煤粉浓度为被调量、给粉机转速为调节手段的若干个副调节系统所组成的一个闭环控制系统，这种技术被称作闭环均衡燃烧控制系统。
这些燃烧优化技术中，基于模型预测和多目标寻优技术的燃烧优化闭环控制技术不需要对锅炉设备进行任何的改造，能够充分利用锅炉运行数据，在DCS控制基础上，通过先进的建模、优化、控制技术的应用，可以直接提高锅炉运行效率，降低NOX的排放，具有投资少、风险小、效果明显等优点，因而成为很多电厂的首选燃烧优化技术。常用的模型预测技术有神经网络技术，贝叶斯概率统计技术等。一些欧美的公司己经在此基础上开发了燃烧优化软件产品，如Ultramar公司的基于贝叶斯统计和加权非线性回归分析相结合的燃烧优化技术，这种优化性能够得以实现的核心就在于运用了贝叶斯统计的建模方法，该系统的优化实际上是一个在模型实时更新基础上的稳态优化，目前全世界己经有近30多个电厂运用了此系统。另外还有美国的Pegasus公司基于人工智能神经网络技术设计的燃煤电厂燃烧优化控制的NeuSIGHT系统、PowerPerfect系统等。
图1锅炉燃烧系统图
二、锅炉燃烧优化软件结构
锅炉优化系统要完成一个闭环控制过程，首先要从电厂的DCS系统上入手，从中采集数据，最后再将优化运算的结果返回到系统中。该系统的实施主要是运用在集控室的运行人员中。DCS系统的操作界面中多了一个组态画面，安装了锅炉燃烧优化系统，通过组态画面运行人员可以决定是否启动该系统，也可以选择启动每个控制回路，或者决定是启动开环控制还是启动闭环控制等。当然，也可以对运行人员进行设备权限的管理限制，只有运行人员登录锅炉燃烧优化系统后进行管理权限进行设置，比如可以对系统目标，各个控制变量以及相关操作变量的上下限进行设置等。
图2 锅炉燃烧优化系统架构图
图3数据流向示意图
图3为系统数据流向图。系统执行程序安装在一台微机上，为了实现与DCS系统之间的双向通信，需要通过.一个网关与DCS系统相联。系统首先需要从DCS系统的历史数据站提取大量的历史数据，经过对数据的处理后，进行离线建模。建模结束后，才能利用建立的模型进行优化。优化时，系统首先从DCS系统中获取实时过程数据，在优化前对这些数据进行有效性验证，然后进行优化计算，计算的结果需要进行动态控制，以免优化计算的结果与目前DCS的运行数据偏差过大，造成系统振荡，最后将经过动态控制的优化设定值写入DCS系统。
只有通过建立一个网关与DCS系统相连，才能实现与DCS系统之间的双向通信。这就需要进行离线建模，首先从DCS系统的历史数据库中提取大量的数据，再进行处理才能建模。完成建模后在进行系统优化。进行系统优化也要经过好几个步骤:
首先，从DCS系统中提取实时的过程数据，接着对这些数据进行有效性验证，再进行优化计算。但是，在进行优化计算时，对计算的结果必须进行动态的控制，以避免其计算的结果与当前DCS的运行数据偏差过大容易造成系统振荡，最后一步就是将经过动态控制优化的设定值写入DCS系统。
1、 Power Perfecter锅炉燃烧优化控制系统
POWER PERFECTERTM是美国PEGASUS公司开发的拥有40多项国际专利技术。该软件的开发原理主要是基于神经网络的锅炉燃烧优化控制系统。它是利用先进神经网络技术和预测控制技术，通过建立多目标的动态优化控制器，进行动态调整DCS设定参数与偏置，以实现锅炉燃烧优化控制，不仅能够降低污染物排放，还能提高锅炉热效率，具有很好的经济效益和社会环保效益。
POWER PERFECTERTM软件主要是通过对氧量、风、粉等能够显著影响锅炉燃烧特征的变量进行动态的优化调整，以实现多目标锅炉的经济、安全、低排放量运行，其核心思想是基于神经网络的动态预测控制。
模型预测技术实施的好坏直接影响优化控制的品质，POWER PERFECTERTM建立的是锅炉燃烧的经济性、安全性、污染物排放和锅炉操作和干扰变量的锅炉神经网络预测模型，实现了动态预测和多目标优化的控制系统。他利用DCS实时采集的数据实现动态预测的能力，这样建立的神经网络模型具有很强的实时适应性，即鲁棒性比较好。POWER PERFECTERTM有两种工作状态:开环知道和闭环控制。
他可以和DCS系统进行有效的连接，实现这两种功能，而且不会影响锅炉运行的安全性和稳定性，更重要的是它能使机组在低负荷时具有稳定且安全的燃烧特性。
系统的主要特点有:
1)系统配置相对于其他系统比较简单。改软件只需要一台WINDOWS NT服务器，和一些能与DCS系统进行数据通讯的模块即可，无需新增加其他硬件设备。而且使用软件产品，没有别的硬件损耗，其维护的工作量也比较小，工作起来也相对简单。该软件只需要能与DCS控制系统进行通讯，不需要增加其他任何设备就可以优化那些通常由运行人员调整的DCS设定值和偏置。
2) POWER PERFECTER TM主要是基于神经网络多变量动力学、非线性的模型。POWER PERFECTER TM的中心思想就就是利用神经网络拟合锅炉燃烧的多变量非线性动力学模型。锅炉燃烧是一个非常典型的多变量非线性动力学系统，其模型预测技术是预测控制的核心，很多核心技术在POWER PERFECTER TM锅炉燃烧神经网络建模中使用，例如，数据预处理技术、及系统时滞辨识技术、神经网络技术、动力学过程辨识技术等，使得模型具有很好的预测精度与适应性。
3)具有动态优化的特征。在POWER PERFECTER TM与DCS系统的通讯中可以每10w30秒进行一次，因此具有很强的动态优化控制性。这样就使得该系统可以很快排除各种各样的不可控制的干扰，使运行参数可以维持在优化的整定值上，从而达到多重优化的目标。
4)该系统还具有多目标优化控制的特征。POWER PERFECTER TM在根据用户需求以及机组的实际情况下，在机组污染物排放与锅炉燃烧经济性之间进行综合很好的实现了多目标预测优化控制。
5)该系统还可以进行强鲁棒性控制。鲁棒性在POWER PERFECTER TM预测控制系统对锅炉燃烧过程的不确定因素的扰动和特性变迁等得到了很好的应用。而且在系统扰动与锅炉特性变迁中POWER PERFECTER TM的反馈校正技术、滚动预测技术也得到了很好的运用。
6)该系统具有良好的闭环反馈控制的特性。POWER PERFECTER TM和常规的锅炉稳态工况燃烧调整不同，它能真正实现以锅炉燃烧优化为目的的闭环反馈控制，锅炉燃烧经济性的动态信息能够从POWER PERFECTER TM实时反馈反映出来，从而根据锅炉运行的实际状况，利用预测控制方法，实时调整操作变量，完成一个完整意义上的反馈控制系统。
7)POWER PERFECTER TM是一个技术比较先进、而且技术也很成熟的产品。在国外POWER PERFECTER TM拥有多项专利，而且己经拥有20余套成功的应用案例。在国内的山东、天津、我国香港地区等地区也有成功的案例，现在北方的几个火电厂也正在实施这套系统。
2、ULTRAMAX生产过程的在线辨识与最优化技术
在美国，从1994年到1995年美国ULTRAMAX公司以降低NOX排放来满足EPA规定的净空标准和提高热效率等为目标的锅炉燃烧优化中开发了ULTRAMAX系统。ULTRAMAX系统运行效率很高，从该系统的运行案例中可以看出，ULTRAMAX能提高0.5%到3%的热效率，减少10%到40%的NOX的排放，而且同时又不影响其他的关键指标。
ULTRAMAX技术主要是采用了贝叶斯统计以及其十分独特的加权回归计算方法，可以快速而且精确地辨识出电站生产过程的运行特性，并且能够在最优化原理的指导下快速找到最佳的燃烧参数。ULTRAMAX系统主要技术具有以下特点:
1)不仅具有最优化原理而且也具有系统辨识技术，二者具有很好的结合于一体。
2)该系统进行优化时可以直接启动快捷，不必要依赖于历史数据。
3)该系统具有十分强大的数据分析能力，通过数据分析可以进行更好的优化。
4)该系统对参数的选择十分方便、灵活，而且很友好，一般不会出现差错。
5)该系统还具有“What-if”功能。
6)该系统在运行过程中也可以实现多重优化目标。
7)该系统在优化过程中确保保证系统的安全，而且各项运行都能达到要求。
8)该系统可以通过其独特的方法够寻找到运行历史范围之外的最优运行方式。
9)该系统难于控制的输入参数可以进行较好自动补偿。
10)该系统能够很好的考虑变量的祸合效应，适用于相对复杂的多输入多输出系统。
ULTRAMAX系统与基于神经网络技术的模型预测技术相比，其主要是基于贝叶斯概率统计的模型预测技术与最优化技术，优势在于建立模型与学习的过程较短短。目前该系统在国内外的多个行业中得到了广泛的应用，而且取得了良好的效果。
3、GNOCIS PLUS燃烧优化系统
GNOCIS PLUS系统是起源于英国Powergen发电公司的智能NOX控制系统。GNOCIS PLUS系统在投入使用前输入电站的历史数据就可以使用了，它通过给锅炉的数字控制系统提供优化程序，获得不同于控制参数的优化设定，从而有效控制NOX的排放和优化锅炉性能。其原理主要是其基于神经网络的优化控制技术，是对机组DCS系统的在线延伸。
GNOCIS PLUS的燃烧模型基于辐射功能型的神经网络，对每个模型的输出都使用了独立的模型，从而扩展了模型，增加了输出的变量。系统的优化目标就可以通过输出地参数表示，如NOX, SOX, CO、燃烧损失、黑度、锅炉效率、热耗和蒸汽温度等。
GNOCIS PLUS燃烧模型的建立一般需要两个步骤。首先，燃烧过程的预测模型的建立是其前提条件。预测模型的建立要使用部分过程变量中可测的输入和输出参数，其中输入参数可由可控参数和不可控参数两部分组成。接着就是建立燃烧过程的控制模型，这就是模型建立的核心部分了。预测模型通过给定的输入来预测输出结果，而控制模型则是通过给定的输出来预测输入。该模型适合比较复杂的结构才能做出有效地预测输入。因为燃烧模型的输入参数有的可控有的不可控，有的还可能受其他条件的制约，不一定具有独立性，其关键就是对各种各样的可控或不可控的输入参数及关联度的选择和分配。另外，还要要考虑在闭环模式下安装时DCS中的这些参数的可用性。
GNOCIS PLUS系统也是一种基于神经网络技术的燃烧优化产品。该产品目前在国内还没有得到应用，但在欧美国家的应用案例比较的多。从己有的成功案例来看，GNOCIS PLUS对节省成本、降低NOX排放、减少飞灰含炭量等方面都有着明显作用。
结语：
首先，要实现该目标首要解决的就是通信问题。只有实现优化系统与DCS系统之间的双向通信才可能实现闭环控制。现在国内不同的电厂使用的DCS系统的产品也各不相同。不同的产品，就即使是同一个产品，不同的版本其实现方式也不一样。因此，如何针对不同DCS系统实现双向通信，而且保证通信时的安全性，稳定性和高效性，这是一个以后需要我们研究的问题。
其次，要想实现系统的可用性，软件设计的好坏十分关键。如果软件本身稳定性较好，实时性也较好，就能很好的进行优化控制;如果软件设计中，对数据输入输出的处理能力较好，便可以有较好的优化结果输出到DCS系统中。因此，今后我们也要加强对合理的设计锅炉燃烧优化系统的软件功能与架构方面的研究。
参考文献：
[1]陈剑.锅炉燃烧优化闭环控制系统的初探[J].浙江电力，2003 (2)
[2]陈兆兵，张长友.锅炉燃烧优化调整的试验研究[J].锅炉技术，2003,134(4)
[3]应达云.应用DCS系统实现在线指导锅炉燃烧优化[J].浙江电力，2000 (5)
[4]何大方.大型锅炉燃烧优化调整[J].华东电力，2001(3 )