（控制理论与控制工程专业论文）基于神经网络的电厂锅炉燃烧系统建模及优化研究.pdf

浙江大学硕士学位论文 摘要 随着能源和环境形势的日益严峻，作为耗能大户的燃煤电厂面临的节能减排 压力日益增大，电厂的主要耗能设备锅炉也备受关注。而电厂现有的锅炉燃烧控 制技术存在的不足日益显露，逐渐难以满足实际需要。于是高效率低排放的燃烧 优化技术逐渐成为研究的焦点。 现有的燃烧优化方法有两种，一种是传统的方法，另一种是智能控制方法。 锅炉燃烧系统是一个非线性、强耦合的复杂大系统。传统方法由于考虑因素过于 单一，不能全面反映系统的真实状况。而智能控制非常适合于非线性、强耦合、 多变量系统的建模与优化，因此得到了越来越多的重视。 为了实现高效低污的燃烧，本文以锅炉效率和n o ，排放量为输出变量建立 了锅炉燃烧系统的模型，并利用遗传算法对系统进行了优化。文中使用两种神经 网络b p 网络和动态模糊神经网络( 一种改进的r b f 网络) 完成了建模。并 对这两种建模方法进行了分析，得出了它们各自适用的场合，即对工业现场在线 建模计算时可以采用计算速度较快，连续函数逼近效果较佳的r b f 网络，而在 离线计算且输入数据维数较大时可以采用具有较强泛化能力的b p 网络。优化系 统完成了对与输出关系最为密切的两个可调变量：燃料量、送风量的优化值的计 算，并给出了优化系统的输出与原系统输出的对比图。 为了将设计的燃烧过程建模和优化系统应用于现场指导操作人员，文中用 c + + 语言编制了相应的软件。将其通过o p c 接1 2 与现场d c s 相连，实现了从理 论研究到实际现场应用的转变。 关键词：锅炉燃烧系统；锅炉效率；n o 。排放量；b p 网络；r b f 网络；遗传算 法：d c s ；o p c ；c + + 浙江大学硕士学位论文 a b s t r a c t w i t hi n c r e a s i n g l ys e v e r es i t u a t i o no fe n e r g ya n de n v i r o n m e n t ，c o a l f i r e dp o w e r p l a n ti se n e r g y - h u n g r ya n df a c e sg r o w i n gp r e s s u r eo ne n e r g y s a v i n ga n de m i s s i o n r e d u c t i o n b o i l e r , t h em a i ne n e r g y c o n s u m i n ge q u i p m e n to fp o w e rp l a n t ，i sa t t r a c t i n g m o r ea n dm o r ea t t e n t i o n t h ee x i s t i n gb o i l e rc o m b u s t i o nc o n t r o lt e c h n o l o g yo fp o w e r p l a n th a si n c r e a s i n g l ya p p a r e n ts h o r t c o m i n g s ，a n dh a sb e c o m em o r ea n dm o r e d i f f i c u l tt om e e tt h ea c t u a ln e e d s s oh i 【g h - e f f i c i e n c ya n dl o w - e m i s s i o nc o m b u s t i o n o p t i m i z a t i o nt e c h n o l o g yi si n c r e a s i n g l yb e c o m i n gt h ef o c u so ft h es t u d y a tp r e s e n t ，t h e r ea r et w om e t h o d st oi m p r o v ec o m b u s t i o n ，w h i c ha r et r a d i t i o n a l m e t h o da n di n t e l l i g e n tc o n t r o lm e t h o d b o i l e rc o m b u s t i o ns y s t e mi sac o m p l e xl a r g e s y s t e mw i t hn o n l i n e a r i t ya n ds t r o n gc o u p l i n g t h et r a d i t i o n a lm e t h o do n l yt a k e s s i n g l ef a c t o r si n t oa c c o u n t ，n o tf u l l yr e f l e c t i n gt h et r u es t a t eo ft h es y s t e m h o w e v e r ， t h ei n t e l l i g e n tc o n t r o li sv e r ys u i t a b l ef o rm o d e l i n ga n do p t i m i z a t i o no fn o n l i n e a r s y s t e mw i t hs t r o n gc o u p l i n g ，s oi th a sm o r ea n dm o r ea t t e n t i o n i no r d e rt oo b t a i nh i g h - e f f i c i e n c ya n dl o w - p o l l u t i o nc o m b u s t i o nm e t h o d ，am o d e l o ft h eb o i l e rc o m b u s t i o ns y s t e mi se s t a b l i s h e dw i t ho u t p u tv a r i a b l e so fb o i l e r e f f i c i e n c ya n dn o ；e m i s s i o n ，a n dg e n e t i ca l g o r i t h mi su s e dt oo p t i m i z et h es y s t e m m o d e l i n go fc o m b u s t i o ns y s t e mi sa c h i e v e db yt w ok i n d so fn e u r a ln e t w o r k s t h e y a r eb pn e t w o r ka n dt h ed y n a m i cf u z z yn e u r a ln e t w o r k ( o n ek i n do fr b fn e t w o r k ) t h et w ok i n d so fm o d e l i n gm e t h o d sa n dt h e i rr e s p e c t i v ea p p l i c a t i o n sa r ea n a l y z e d ， n a m e l yt h a to n l i n em o d e li ni n d u s t r i a lf i e l dc a nb ee s t a b l i s h e db yr b f n e t w o r kw h i c h i sf a s t e ra n db e t t e r - p e r f o r m i n gi nn o n - l i n e a rf u n c t i o na p p r o x i m a t i o n ，w h i l et h e o f f - l i n em o d e lw i t hm u l t i - d i m e n s i o n a li n p u td a t ac a nb ea c h i e v e db yb pn e t w o r k 、析m s t r o n g e rf l o u r i s h i n ga b i l i t y o p t i m i z a t i o ns y s t e mc a l c u l a t e so p t i m a lv a l u e so ft w o i m p o r t a n tp a r a m e t e r s ，w h i c ha r ef u e lv o l u m ea n da i rs u p p l y t h ec o m p a r i s o nb e t w e e n v a l u eo fo p t i m i z a t i o ns y s t e ma n do u t p u t so fo r i g i n a ls y s t e mc a nb es e e na p p a r e n t l yi n t h eg r a p h s i no r d e rt op u tt h em o d e l i n ga n do p t i m i z a t i o ns y s t e mo fc o m b u s t i o np r o c e s si n t o i i 浙江大学硕士学位论文 p r a c t i c et og u i d et h eo p e r a t o r , c + + l a n g u ei su s e dt op r o g r a m a n do p ci n t e r f a c ei s s e tt oc o n n e c tt h ep r o g r a ma n dd c s t h e nt h er e s e a r c hc a nb ea p p l i e di nt h ep r a c t i c e k e y w o r d s ：b o i l e rc o m b u s t i o ns y s t e m ；b o i l e re f f i c i e n c y ；e m i s s i o n s ；b pn e t w o r k ； r b fn e t w o r k ；g e n e t i ca l g o r i t h m s ；d c s ；o p c ；c + + i i i 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的 研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其 他入已经发表或撰写过的研究成果，也不包含为获得逝望基鲎或其他教育机 构的学位或证书而使用过的材料。与我同工作的同志对本研究所做的任何贡献 均已在论文中作了明确的说明并表示谢意。 学位论文作者签名：墟已敏 签字r 期： 驯口年岁月s r 学位论文版权使用授权书 本学位论文作者完全了解 逝姿盘堂有关保留、使用学位论文的规定， 有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和 借阅。本人授权逝至三盘堂可以将学位论文的全部或部分内容编入有关数据库 进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。 ( 保密的学位论文在解密后适用本授权书) 学位论文作者签名： 赵匆殳 签字r 期：纱汐年乡月会同 学位论文作者毕业后去向： 工作单位： 通讯地址： 翩虢多争 签字同期： ，p 年乡月莎同 电话： 邮编： 浙江大学硕士学位论文 1 1 课题背景 第一章绪论 能源是人类社会赖以生存和发展的重要物质基础。随着经济的发展，社会对 能源的需求也在与日俱增。对全球未来七十年的能源需求及能量利用结构的预测 表明，人类生产和生活对能量的需求为现在的三倍，而对电能的需求将增加到五 倍，煤炭将作为发电的主要燃料以满足世界能源需求，预计其需求量将增加到目 前的七倍。中国是目前世界上处于第二位的能源生产国和消费国，能源资源总量 比较丰富。中国拥有较为丰富的化石能源资源，其中煤炭占主导地位。我国以煤 炭为主要一次能源的国情决定了火电厂在我国发电工业中的主导地位 1 l 。 大量的燃煤电厂带来了严重的环境污染，n o 。是其产生的主要污染物之一。 n o ，的主要成分是n o 和n o ，其中n o 约占9 0 。n o 。会形成酸雨，形成化 学烟雾、氧化亚氮等，这些物质都是危害人体健康和破坏大气环境的剧毒污染物。 随着火力发电量的不断增长，n o 。排放量也在不断地增h o t 2 1 。 燃煤电厂锅炉是消耗煤炭和排放污染物的主要设备。目前我国火电厂锅炉多 为亚临界和超临界的大容量锅炉，由于设备本身和操作控制等原因，性能指标难 以达到期望值，其中最主要表现是锅炉效率低下。2 0 0 3 年，我国供电的平均煤 耗是3 8 1g k w h ，比国际先进水平多出6 0 9 k w h ，效率低l o 个百分点。以2 0 0 3 年1 9 0 8 0 亿千瓦时的总发电量计算，一年增加消耗1 2 亿吨煤，折合人民币成本 增加1 0 0 多亿元【3 1 。大型锅炉因其炉膛截面热负荷增加，炉内温度升高、煤耗增 大，加之燃烧技术的落后，而使n o 。排放量的增加。1 9 9 6 年发布的火电厂大 气污染排放标准中规定3 0 0 m w 及以上的机组固态排渣煤粉炉n o 。的排放量不 得超过6 5 0 m g m 3 ，液态排渣炉的n o 。的排放量不得超过1 0 0 0 m g m 3 。据调查， 我国火电厂固态排渣炉n o 。的排放量的范围为6 0 0 1 2 0 0m g m 3 ，液态排渣炉 n o 。的排放量的范围为8 5 0 1 1 5 0 m g m 3 1 4 1 。可以看出仍然有大量电厂锅炉的 浙江大学硕士学位论文 n o 。排放量超标。 随着环保的要求日益提高，资源需求量的不断增加，电厂锅炉面临着节约资 源以降低成本和降低污染物排放以符合环保标准的双重任务，于是对现有锅炉进 行高效低污燃烧的技术改造逐渐成为研究的焦点。实践证明，相对于其它方法， 在当前条件下进行燃烧调整以获得较高的燃烧效率和较低的n o ，排放量，是一 种经济且有效的方式。 锅炉燃烧控制的基本原则是保证锅炉燃烧的安全性和经济性，主要任务是通 过调整送风量和配煤量来满足不同负荷要求。目前，我国一般大型电厂都有分布 式控制系统( d c s ) ，尽管其中可以检测到很多变量，但是由于d c s 缺少相应的 配风、配煤的优化控制软件，所以不能自动调整到最优状态。国内大多电站锅炉 燃烧运行调整只能依靠人工操作，而人工操作的依据一般是有限的几次试验工况 和不断积累的经验。这种方式存在一些不足【。 ( 1 ) 由于试验条件的限制，只能做有限的几个试验工况点。锅炉在运行过程 中存在的内扰和外扰使得实际工况和试验工况有很大差别，而且由于设备老 化以及其它影响因素的存在，锅炉的最佳运行工况也会发生变化，原来的试 验结果会偏离当前的最优值而变得无效。如果操作人员继续按照先前的最佳 试验工况设定参数，就会造成资源浪费或增加环境污染； ( 2 ) 通常情况下，锅炉高效燃烧技术与低n o 。排放技术是互为矛盾的。如为 降低n o 。排放量而采用低氧燃烧。低氧燃烧会导致锅炉在贫氧状态下燃烧， 炉膛温度降低，有效抑制了n o 。的生成。但同时会增加气体和固体的不完 全燃烧损失，从而降低锅炉的燃烧效率；氧量增大时，燃烧充分，炉膛温度 升高，锅炉效率提高，但局部氧化氛围会导致n o 。增多。所以，从理论上 讲有一个最优点，可以平衡这两者的矛盾。但是一般试验很难确定这个点， 运行人员很难做出合适的燃烧调整决策。 综上，研究一种自适应的火电厂锅炉燃烧优化控制系统是电厂在当前的能源 和环境形势下的需要，而建立快速、准确的锅炉燃烧模型是高效低n o 。燃烧优 化控制系统的重要基础和必要前提。 2 浙江大学硕士学位论文 1 2 电厂锅炉 目前，我国电厂锅炉已经进入大容量、高参数、自动化、多样化的发展时期。 多为3 0 0 m w 的亚临界锅炉，还有6 0 0 m w 和1 0 0 0 m w 超临界和超超临界锅炉； 炉型有采用“i i ”型布置锅炉、塔式布置锅炉；燃烧方式有四角切圆燃烧方式、墙 式燃烧方式、“u ”型和“w ”型下射火焰燃烧方式；除渣方式有固态方式和液态方 式。不同的锅炉有各自的特点，需要在设计优化系统前了解被控制对象的类型和 特性。 电站锅炉是电厂的主控设备之一，燃料在其炉膛内燃烧放出热量，循环水在 其水冷壁中吸取热量后变为一定压力的蒸汽，这些蒸汽进入汽轮机，推动汽轮机 转子转动，带动发电机发电。同时锅炉排出燃烧产生的各种气体。这个过程中煤 的化学能转化为水蒸汽中的热能，并有污染气体随之排放出来。能量转化效率的 高低与污染物排放量的大小是衡量锅炉的两个重要参数，也是本文的研究对象。 1 2 1 锅炉结构及工艺流程 锅炉是热电厂的主要热力设备，其作用是实现能量转换。燃料在锅炉中通过 燃烧将化学能转变成热能，释放出来加热水，使其变成一定温度和压力的蒸汽。 锅炉包括锅炉本体和辅助设备。锅炉本体包括燃烧设备、对流受热面、蒸发 设备、炉墙，烟道以及钢架结构等。其中，燃烧设备主要由燃烧室、燃烧器和点 火设备组成，对流受热面包括过热器、省煤器和空气预热器，蒸发设备包括汽包、 水冷壁和下降管。锅炉的辅助设备有给水设备、通风设备、燃料运输设备、制粉 设备、除灰除尘设备和锅炉辅件等【4 】。 为了维持燃烧，必须不断地给锅炉燃烧器提供一定比例的燃料和空气。燃料 煤经制粉系统磨制成煤粉，用热风将其送入炉膛燃烧。在燃烧过程中还需要通过 送风机送入大量的助燃空气，用来输送煤粉的空气称为一次风，用来助燃的空气 称为二次风。一次风和二次风均为空气预热器预热过的热风。作为工质的水在经 过锅炉给水泵加压和高压加热器加热后进入省煤器，被加热为饱和水后经导管进 入锅炉汽包。汽包中的水沿下降管流入水冷壁管子中。 一次风煤气流和二次风进入炉膛混合燃烧，炉膛火焰温度可高达1 6 0 0 。c ， 浙江大学硕士学位论文 此时炉膛中火焰、高温烟气与水冷壁、过热器进行辐射换热。煤粉燃烧过程中形 成的灰渣一部分被烟气带走，另一部分落入排渣井。水在水冷壁中吸收火焰和高 温烟气的热量后，部分转变成为蒸汽，汽水混合物因其密度小于下降管中饱和水 的密度，所以会沿着水冷壁管上升，达到汽包后被汽水分离器将水和蒸汽分离开 来。分离出来的水和来至省煤器的水再次通过下降管进入水冷壁吸热，如此循环。 分离出来的蒸汽( 饱和蒸汽) 从汽包进入过热器，在其中被加热到一定的温度后 进入汽轮机的高压缸做功，做功后的出口蒸汽被送回再热器加热到一定的温度 后，再次送入汽轮机的中亚缸和低压缸中继续做功。 在此过程中，锅炉的辅助设备，如引风设备、送风设备、给水设备、水处理 设备，燃料供给设备和除灰除尘设备等也在配合作用。 1 2 2 锅炉燃烧调整研究现状 为了控制锅炉经济、安全、环保地运行，现有的燃烧优化方案分为两种，一 种是传统的优化方案，另一种是智能控制优化方案。 传统的优化方案是选取与优化目标相关的参数作为寻优参数，如炉膛温度、 炉膛断面辐射能量、汽压、含氧量等1 5 】。基于炉膛温度或炉膛断面辐射能量方案 的基本思想是锅炉的最高效率总是发生在炉膛辐射能量最高时，而最高炉膛辐射 能量一定对应着最佳的风、煤比。文 6 】中根据这一理论通过处理后的燃烧区火 焰图来预测炉膛出口未燃尽炭，预测效果较为理想，为锅炉燃烧优化提供了丰富 的数据。但是这种方法要求在优化中风量的摄动量不能太大，使得炉膛辐射能量 变化微小以致难以测量。所以这种方法在实践中并未得到广泛应用。基于汽压优 化方案的指导思想是当给煤量一定时燃烧效率与汽压成正比。依据这一原则，根 据汽压对送风量的响应判断空气过剩系数是否合理。但是由于送风量对汽压的影 响是滞后的，所以汽压对送风量的微小变化并不敏感，同时汽压也会受负荷变化 的影响，所以这种方法在工程实践中并不可行。锅炉烟气中含氧量反映了过剩空 气的大小，目前国内一些大中型机组普遍采用依据烟道含氧量来校正风煤比。这 种方法会受烟道漏气的影响。这些传统锅炉燃烧优化方案都是基于一个与锅炉效 率相关的可以检测的量来配置风煤比，锅炉是一个强耦合的复杂系统，从局部的 角度出发解决问题必然会存在一些不足。首先，锅炉效率并不是这些寻优参数的 4 浙江大学硕士学位论文 单变量函数而是受到多种因素共同作用，单纯考虑寻优参数来实现期望效率可能 会导致资源浪费或最佳工况的偏离；其次，风煤比的改变也会使其寻优参数以外 的他参量发生变化，这些参量的变换可能会影响到锅炉的运行工况，而在传统方 案中这点并没有被考虑。另外，传统优化方案的最大的问题是只考虑了锅炉的安 全和效率，较少考虑污染排放，随着环保要求的日益提高，逐渐要求优化系统能 实现多目标优化，即在提高效率的同时也限制了污染物如n o 。的排放。 近几十年来智能控制的发展为锅炉燃烧优化提供了一条新的思路。智能控制 在锅炉燃烧优化中的应用主要有：模糊控制、神经网络控制和专家系统。一些学 者在理论上证明了模糊系统可以以任意精度逼近任意非线性函数，这就为模糊系 统的应用提供了依据。模糊系统控制主要用于中小型煤粉锅炉，针对锅炉效率低 下，自动化水平低下，以及燃烧过程中存在的惯性、非线性、时变、滞后等问题， 通过与常规控制相结合，研究出新的锅炉优化控制方案。神经网络是一种自适应 非线性系统，适合于难以建立明确物理模型的系统，所以神经网络在燃烧优化中 应用较多。文【7 】利用神经网络实现了在不降低燃烧效率的基础上减低n o 。排放， 这个优化控制系统在实际的机组上进行了应用，取得了比较理想的效果。此方法 的不足在于难以取得所要求的高质量数据。文 8 对神经网络在燃烧优化控制中 的应用作了详细的总结，主要讨论了神经网络的建模，并对燃烧机理的简化应用 和燃烧控制作了综述，为以后的实践应用提供了理论指导。文 9 和文 1 0 】在多次 试验的基础上，利用取得的数据建立了同时考虑效率和n o 。排放的综合模型， 并应用遗传算法作了优化，具有较强的实践意义。专家系统本质上是一个知识系 统，包含了大量的专家级经验，在实际应用中首先利用模糊逻辑和相应的模型对 系统做出诊断，然后应用专家知识给出调整信息。对于燃烧系统，专家系统只能 处理经验知识丰富，关系较为明确的问题，对多参数关系复杂的系统则有些力不 从心。 综上，无论传统的优化控制策略还是智能优化控制，难点都在于燃烧过程中 影响被控量的因素以及这些因素的作用方式难以把握，即需要建立一个准确的燃 烧模型。所以无论使用传统优化方式还是智能控制优化方式，建立准确的模型都 是实现最优控制的必要前提。不同的建模方式有不同的特点，适合不同的系统， 浙江大学硕士学位论文 所以建模时应针对被控对象的特点及其模型要求采用不同的建模方式。 1 2 3 非线性动态建模 锅炉的燃烧机理复杂，具有很强的非线性和多元性，建立合理的非线性燃烧 系统模型是解决燃烧优化控制问题的关键。电厂锅炉燃烧系统主要采用数值模拟 方法和人工智能方式。 2 0 世纪7 0 年代，人们把计算流体力学( c f d ) 方法用于研究燃烧建模当中， 从而建立了燃烧过程的数学模型和数值计算方法。，为揭示燃烧过程提供了一个 有效的方法。文【1 1 】采用c f d 软件对一台1 0 2 5t a n 锅炉的n o 。生成量进行数值模 拟，研究了炉内温度场、氧浓度和生成的n o 。浓度等特性，以及温度和空气系 数对n o 。生成量的影响。文【1 2 】利用数值模拟的方法分析了各相关运行因素对锅 炉效率和n o ，排放的影响，建立起锅炉n o 。排放的多元回归模型。该模型对各 种四角切圆燃烧锅炉具有普遍适应性。 不同的模型可能侧重点不同，但是数值模拟的方法有着共同的特点：计算量 大，耗时长，在机理不很清楚的情况下，难以建立精确完善的燃烧模型。所以数 值模拟的方法常用于离线分析和研究。 人工神经网络具有建模容易，预测速度快，自适应能力强等优点，同时特别 适合处理非线性问题，所以一些学者将人工智能方法运用到锅炉燃烧系统建模 中。b p 、径向基( r b f ) 等网络已经较多较好地应用在燃烧建模当e e ，文 1 3 】 对某电厂锅炉进行多次试验取得大量充分数据后，采用b p 网络建立了以排烟温 度、飞灰含碳量和n o 。排放量为输出的三个模型。这三个模型预测的结果作为 锅炉效率的输入变量，进而完成一个预测效率的大系统。排烟温度作为中间变量 是另外两个模型的输入，大大提高了这个系统的预测精度。该模型应用于现场实 际的锅炉机组，成功地提高了锅炉的运行性能。文【1 4 】应用r b f 网络辨识方法建 立了锅炉燃烧系统的模型，该模型可以在线学习，能适应较大工况范围内的时变 特性。应用试验结果表明，该模型具有较强的泛化能力，为在线预测和在线优化 奠定了基础。 人工神经建模是今后研究的趋势，目前已有部分学者专门研究这一课题，但 6 浙江大学硕士学位论文 所研究的大多是采用神经网络。神经网络虽然在处理复杂、非线性和不确定问题 时具有较强的学习能力、自适应能力、容错能力、并行处理能力和泛化能力，但 也有不足之处。神经网络最大的不足在于其没有明确的物理意义，训练者无法将 已有的知识应用到网络中，使用者也无法明白网络如何运转，由此带来的的不确 定性给使用者的实际应用带来了很大的不便。而模糊系统能够很好地利用专家知 识，恰好弥补了神经网络的不足，使其结构和参数都有相对明确的物理意义，最 终使得网络模型与实际模型相匹配。本文使用模糊神经网络对锅炉燃烧系统进行 建模，使这两种智能控制方式实现优势互补，建立一个物理意义明确并能自适应 调整参数的综合模型。 1 3 本文所做工作 1 、在对锅炉结构和燃烧工艺进行分析的基础上，把握燃烧过程控制的关键 因素及其对锅炉燃烧性能的影响方式，确定了燃烧系统模型的输入和输出； 2 、介绍了神经网络的基本原理和各种网络模型的工作方式，重点介绍了b p 网络、r b f 网络及其算法流程，然后利用b p 网络和r b f 网络对锅炉燃烧系统 建模并对仿真结果进行了分析和比较，总结了每个网络的特点和应用场合。在建 立模型后利用遗传算法对系统进行优化，得到了使燃烧系统提高效率并降低 n o 。排放量的参数优化值； 3 、结合相应的d c s 和o p c 通信技术，运用v c + + 开发了锅炉燃烧建模优 化软件，介绍了主要界面和详细使用流程及注意要点。最后对本文研究的不足之 处做了总结并提出了展望。 1 4 小结 本章首先介绍了当前我国的能源环保形势和发电厂面临的节能减排压力，接 着分析了目前锅炉燃烧系统的控制方式及其存在的弊端。随后对锅炉的作用和结 构作了概述，并对当前锅炉燃烧调整的研究现状作以及常用建模方法了介绍。最 后比较详细地列出了本文所做的工作内容。 7 浙江大学硕士学位论文 2 1 锅炉介绍 第二章锅炉结构及燃烧工艺 现代电厂锅炉是利用燃料燃烧释放的热量加热给水，以获得规定温度、压力 的蒸汽的设备。燃煤电厂的生产过程就是将一次能源煤转化成二次能源电力的能 量转化过程。锅炉产生具有一定温度和压力的水蒸汽，推动汽轮机带动发电机发 电。所以锅炉是火电厂三大主要发电设备( 锅炉、汽轮机和发电机) 之一。 2 1 1 锅炉工作过程 锅炉的工作过程可以简单概括为，燃料与空气混合氧化、燃烧放热，燃烧后 生成高温烟气和炉渣，这个过程是把燃料的化学能转变成热能。然后高温烟气对 各受热面传热，水冷壁中的水吸热后变为水蒸汽，饱和蒸汽进一步吸热变为高温 饱和过热蒸汽，饱和过热蒸汽进入汽轮机做功发电。 其中循环水在化学能到电能的转变过程中起着桥梁作用。锅炉给水温度一般 低于锅炉压力下的饱和温度，而经过加热的锅炉出口处的水蒸汽都是过热蒸汽， 在此过程中，水要在锅炉中经过预热、汽化、过热和再热四个阶段。再热过程是 为了提高蒸汽做功的效率而设置的。锅炉产生的过热蒸汽被送到汽轮机高压缸做 功后，再将这些温度和压力都发生下降的蒸汽送回到锅炉的再热器再次加热，然 后再送到汽轮机的中、低压缸继续做功。水的四个阶段分别在锅炉的各个受热面 中完成。预热阶段在省煤器中完成，汽化阶段在水冷壁、凝渣管、对流管束这些 蒸发受热面进行，过热和再热阶段分别在过热器和再热器中进行。因此，燃料燃 烧、传热和汽化这三个过程都是在锅炉中进行的，各个过程相互影响制约。 2 1 2 锅炉结构 燃料是煤粉的锅炉称为煤粉炉，图2 1 【1 5 】是一台煤粉炉及其辅助设备的示意 图，用来说明锅炉的结构和工作过程。 运到电厂的原煤经过初步的破碎和除渣后，送到原煤斗l ，然后落到给煤机 2 ，再进入磨煤机3 磨成符合要求的煤粉，经预热器1 7 预热后的空气经过排粉风 8 浙江大学硕士学位论文 机1 8 ，将煤粉通过燃烧器9 喷入炉膛燃烧，燃料的化学能转变成高温烟气的热 能，然后烟气经过炉膛进入水平烟道和尾部烟道，在此过程中进行热传递。在炉 膛内热量主要以辐射方式传给分布在炉膛四周墙壁上的水冷壁8 ，而在炉膛上部 以半辐射、半对流方式传给屏式过热器6 ，在水平烟道和尾部烟道中则以对流的 方式传给其中的空气预热器1 7 、省煤器1 5 、再热器1 2 、低温过热器1 1 和高温 过热器5 。 图2 1 煤粉炉及其辅助系统示意图 1 一原煤斗；2 一给煤机；3 一磨煤机；4 一汽包；5 一高温过热器；6 一屏式过热器； 7 一下降管；8 一炉膛水冷壁；9 一燃烧器；l o 一下联箱；1 l 一低温过热器；1 2 一再热器； 1 3 一再热蒸汽出口；1 4 一再热蒸汽进口；1 5 一省煤器；1 6 一给水；1 7 一空气预热器； 1 8 一排粉风机；1 9 一排渣装置；2 0 送风机；2 1 一除尘器；2 2 一引风机；2 3 一烟囱 烟气到达炉膛出口时温度较低，进入除尘器2 1 除去烟气中的灰粒，经引风 机2 2 引入烟囱2 3 排入大气。 燃料中的灰分不能进行燃烧，大颗粒落入锅炉底部由排渣装置1 9 排出。 燃烧所需空气，均来自于空气预热器。送风机2 0 将冷空气引入空气预热器 1 7 中，加热后的热空气分成两部分，一部分进入磨煤机干燥磨粉前的煤，同时 将磨好的煤粉经由燃烧器送入炉膛，这部分携带煤粉进入炉膛的热空气称为一次 风；另一部分热空气经过燃烧器直接进入炉膛进行助燃，这部分称为二次风。 9 浙江大学硕士学位论文 给水来自于水泵，由水泵抽来的水进入省煤器后自下而上流动，由自上而下 的烟气加热，然后进入汽包4 。汽包中的水沿着下降管7 流至水冷壁的下联箱1 0 ， 接着进入水冷壁。水在水冷壁中吸收炉内燃烧热，部分转变成为蒸汽，汽水混合 物因其密度小于下降管中饱和水的密度，所以会沿着水冷壁管上升，达到汽包后 被汽水分离器将水和蒸汽分离开来。分离出来的水和来至省煤器的水再次通过下 降管进入水冷壁吸热，如此则形成自然循环。分离出来的蒸汽( 饱和蒸汽) 从汽 包先后进入低温过热器1 1 、屏式过热器6 和高温过热器5 ，在其中被加热到一定 的温度后进入汽轮机的高压缸做功，做功后的出口蒸汽被送回再热器1 2 加热到 一定的温度后，再次送入汽轮机的中亚缸和高压缸中继续做功。 锅炉中的燃烧器、汽包、水冷壁、过热器、再热器、空气预热器、省煤器和 排渣装置这些部件以及这些部件之间的连接管道、构架、炉墙等组成的整体称为 锅炉本体。除锅炉本体外，还必须要有辅助系统和辅助设备，共同构成一个整体， 机组才能正常运作。锅炉辅助系统包括燃料供应、煤粉制备、给水、通风、除灰 除渣、水处理、测量及控制等系统，辅助设备包括风、煤、燃料、烟管道等及其 附属设备。 2 2 锅炉燃烧过程介绍 锅炉燃烧是指燃料中的可燃成分在炉膛中发生剧烈的氧化作用，同时发出大 量热量的过程。根据燃烧产物：烟气和灰渣的成份可以判断是否完全燃烧，当燃 料中的可燃成分碳、氢、硫经过燃烧全部生成了c o ，、h ，o 和s o ，烟气中无可 燃气体，灰渣中无固态物质，称为完全燃烧。否则称为不完全燃烧，此时烟气中 会有c o 、h ，等可燃气体，灰渣中会有可燃颗粒，燃料中的化学能没有全部转化 成热能释放出来，造成热损失。减少燃料的不完全燃烧损失，提高燃料利用率， 同时减少烟气中的s o ，、n o 。等有害气体的含量以降低环境污染，是燃烧技术解 决的重点问题。 2 2 1 煤粉的燃烧过程 煤粉悬浮燃烧是当今普遍使用的燃烧技术，其燃烧过程如下【4 1 。 l o 浙江大学硕士学位论文 一次风混合煤粉形成的煤粉气流在喷入炉内2 0 0 3 0 0 m m 的行程中并不会 燃烧，这一阶段是煤粉着火燃烧的准备阶段即预热阶段。在此阶段，煤粉吸收来 自烟气的对流热和火焰的辐射热。随着吸收热量的增多，煤粉中水分蒸发，挥发 分析出形成焦炭。当温度达到着火点时起焰着火。将煤粉加热至着火点所需热量 称为着火热。为了煤粉迅速着火，应尽量减少着火热即尽量减小一次风量并提高 一次风温，同时提高着火区的炉膛温度即尽量减少送入炉内的总风量。当煤粉气 流温度达到着火点时，挥发分首先着火燃烧，放出的热量直接加热焦炭使其也着 火燃烧。这一阶段称为燃烧阶段。在此阶段，一次风量要满足挥发分燃烧的需要， 二次风要满足焦炭燃烧的需要，所以二次风要及时送入炉膛与煤粉气流混合以促 进焦炭完全燃烧。上一阶段未燃尽的且被灰分覆盖的少量焦炭继续燃烧直至最后 形成灰渣。这一阶段称为燃尽阶段。由于炉膛内受热面的不断吸热，未燃尽的颗 粒在流动过程中温度逐渐变低，燃烧变慢。所以要求炉膛形状和容积要合理设计。 2 2 2 过量空气系数 锅炉在燃烧过程中所需氧是由一次风、二次风提供的。单位燃料完全燃烧而 又无剩余时，所需空气量称之为理论空气量，用圪表示。k 可以通过计算获得。 但在实际中空气和燃料不能混合得足够均匀，所以实际中的空气量要大于理论计 算值。实际空气量( m 3 k g ) 与理论空气量( m 3 堙) 的比值称为过量空 气系数，用口表示，当1 2 确定后k 也就成为定值。口的不同会影响燃烧工况。口 过大表示送入炉膛的空气过多，会使炉温降低影响燃料的着火燃烧并使排烟损失 增大；口过小时又会因空气不足而造成不完全燃烧，引起机械热损失增加。使锅 炉污染物排放量最少热损失最小时的口是最佳过量空气系数。这个值一般控制在 1 1 5 1 2 5 范围内最佳。目前大多电厂使用易测得的烟气中含氧量表征炉膛出口 处过量空气系数。炉膛出口处的过量空气系数是锅炉运行性能的控制变量，因为 正常的燃料燃烧过程是在炉膛出1 2 处结束的。燃料燃烧后剩下的氧气量必然存在 于烟气中，随着口的变化，燃烧后烟气中的容积含氧量也会发生变化。所以一般 电厂是通过仪表测量烟气中的含氧量来监督炉膛出口处的过量空气系数，控制其 在最佳范围内。 浙江大学硕士学位论文 2 2 3 分级燃烧 随着社会对环保的日益重视，锅炉中排放的污染物包括粉尘和有害气体都受 到了严格的限制。锅炉中排放的有害气体主要有n o 和s o ，其中n o 在大气中 会被氧化成n 0 2 。通常将n o 、n 0 2 和其他氮氧化物统称为n o ，。s o ：和n o ，在 大气中会产生温室效应，形成酸雨，破坏臭氧层等，对人体的健康、动植物的成 长和生态环境都会产生不良影响。 s o ，是燃料中硫份的燃烧产物，其生成量与燃料含硫量有关。烟气中s o ，可 以通过脱硫装置( 室燃烧在尾部烟道加脱硫装置) 或加脱硫剂( 循环流化床使用 脱硫剂) 的方法除掉，防止其排入大气。n o ，的生成量除了与燃料含氮量有关外， 还与燃烧时炉膛温度和加入的空气量有关。采用分级燃烧可以降低n o 的生成。 分级燃烧是指分段送入空气。在燃烧初期送入少量的空气，使使口 ：w x ，一0 = x 。w 一0 = w 。x 一0 ( 3 1 ) l 一 _ ，= l 如果把阈值9 表示为输入，即x o = 秒，w o = 一1 ，则神经元接收的信息总和 输出为 s = 心t = x r w = w 7 x ( 3 2 ) y = 厂( s ) ( 3 3 ) 式中，厂( ) 为活化函数。表3 1 中列出了几种常用激励函数，其形状如图3 2 。 表3 1 几种激励函数 名称特征公式图形 r 1x 0 阈值类阶跃，正，不可微 g ( _ c 卜t * o x o 图3 2 a 浙大学磺士学位论戈 袁3 1 几种激励函数( 续) | 1 z 1 分段线性函数类阶跃，正不可徽g ( x ) = 缸+ b ，一1 x ( 1 田32 b 1 0 z 一1 s i g m o i d 类阶跃，正，可徽 g 5 百 囹32 0 高斯类脉冲，正，可镀 g ( j ) = e 十p 7 7 】 囤32 d = ：f 【 圉3 2 教励函数图形 曲阐值函数，”分段函数；c ) s i g m o i d 函微；d ) 高斯函数 313 神经网络结构和工作方式 从网络的连接方式上看，神经网络有两种拓扑结构1 9 1 浙江大学硕士学位论文 1 、前馈型神经网络 神经元接受前层神经元的输出并输入到下一层，神经元之间的连接只存在输 入层隐含层、隐含层隐含层、隐含层输出层之间，同一层神经元不存在互连， 每层神经元的输入仅来至于前一层神经元的输出，即层间的信号流是单向的。节 点分为三类：输入节点、输出节点和隐含节点，分别位于输入层、输出层和隐含 层，输入层和输出层与外界相连，中间层称为隐含层。前馈型网络结构如图3 3 所示。 输入层隐含层输出层 图3 3 一层隐含层的前馈型网络 2 、反馈型神经网络 反馈型网络模型是具有反馈功能的递归网络结构，网络中的任何两个神经元 均有可能互连，信号流可以是双向且反复往返传输，直到输入一输出信息趋于平 衡。整个网络中至少存在一个闭环回路。图3 4 所示为一个完全连接的反馈型网 络。 输出 输入 图3 4 单层全连接反馈型网络 神经网络的工作过程分为两个阶段：学习期和工作期。网络在学习期通过学 浙江大学硕士学位论文 习完成网络连接权值的调整，学习完成后进入工作期，依据固定的连接权值计算 某个输入作用下对应的输出。根据作用效果，前馈网络是函数映射，用于模式识 别和函数逼近。反馈网络按照对能量函数极小点的利用情况分为两类，一类是所 有极小点都起作用，多用于各种联想存储器，另一类是只有全局极小值起作用， 多用于网络寻优。 3 1 4 神经网络的学习方法 向环境学习获取知识以改变自身性能是神经网络的重要特征。一般情况下， 神经网络按照某种方式逐步调整自身参数来改善网络性能。按环境提供信息量的 多少区分，学习方式有三种- l 、监督学习( 有导师学习) 这种学习方式需要系统存在一个导师，它可以对一组给定的输入提供期望的 输出，这组已知的输入输出样本对称之为训练样本集。其学习过程为基于适当 的学习算法，根据样本对来调整网络参数，使网络的实际输出值逼近期望输出值。 监督学习方式如图3 5 所示。 图3 5 监督学习 差信号 望输出 2 、非监督学习( 无导师学习) 如图3 6 ，非监督学习是指在没有外部导师指导下针对不同输入模式而进行 的学习，学习系统按照环境提供的数据的某些统计规律来调节网络的参数或结 构，以反映出输入的某种固有特性。 3 、再励学习 再励学习是一种仿人心理的学习方式，如图3 7 所示。其学习思想是这样， 浙江大学硕士学位论文 如果对系统施加的某个行为能够带来一个满意的效果，相似的行为下采取相同的 行为的趋势就加强，所以这种学习也叫加强学习或强化学习，再励学习与监督学 习的不同之处在于再励学习的依据是评判信号的“好”与“不好”而监督学习的依 据是导师信号。 图3 6 非监督学习 图3 7 再励学习 目前常用的网络多为前向网络，而前向网络中又以b p 网络和r b f 网络最 为常见。 3 2b p 网络介绍 多层感知器( m l p ) 是一种重要的前馈网络，其算法用的最多的是b p 算法。 由于b p 算法影响巨大，人们习惯上把采用b p 算法训练的m l p 称为b p 网络， 但事实上b p 只是m l p 的一种常用算法。本文中沿用了b p 网络这种习惯用法。 3 2 1b p 网络的结构 b p 网络是一个完全连接的前馈网络。由输入层、隐含层和输出层组成，其 中隐含层可以有多层，每层包含多个神经元，其中输入层神经元个数是，后面 各层的神经元个数分别为，。结构可以参考图3 3 。输入层的神经元仅起信 息传递作用，其活化函数是恒等函数，输出等于输入。输入层的每个神经元和第 一层隐含层的所有神经元相连。由于第一层太过简单，一般都直接从隐含层的第 一层开始计算。同样隐含层和输出层也是完全连接的，其活化函数多呆用s 形函 数，最常用的是s i g m o i d 函数 1 少。邢) 2 寿 ( 3 4 ) 输出层的活化函数可以采用多种形式，最常用的是线性函数和s i g m o i d 函 浙江大学硕士学位论文 数，对于一般函数逼近问题常采用线性函数。 3 2 2b p 算法 b p 算法全称是误差反向传播，最初由p a u w e r b o s 在1 9 7 4 年的博士论文中提 出，1 9 8 6 被由d e r u m e l h a r t 领导的p d p 小组重新提出，对当时低迷的神经网 络研究起到了极大的推动作用。b p 算法的基本思想是最小二乘法，采用梯度搜 索方法，以期使网络的实际输出值与期望输出值的误差均方根最小。b p 算法的 学习过程包括正向传播和反向传播。输入信号从输入层经过隐含层到输出层，每 层神经元的状态只影响下一层神经元的状态。这个过程称作正向传播过程。如果 实际输出与期望输出误差太大，则将误差信号沿反向逐层返回，并根据误差逐层 修改各权值，使得误差最小。 设一个三层b p 网络有m 个输入节点，z 个输出节点，q 个隐含神经元。缈：， 表示输入层第个神经元到隐含层第f 个神经元之间的连接权值，j 表示隐含层 第，个神经元到输出层第f 个神经元之间的连接权值。隐含层的输入和输出层的 输入是前一层神经元的输出的加权和，输入为置，扛l ，2 ，m ，输出为 y ，j = 1 ，2 ，。b p 算法训练过程如下【2 0 】： ( 1 )