论文部分内容阅读
燃煤机组承担主要的发电任务。近年来燃煤机组迅速向高参数、大容量发展,发电效率得到显著地提高,大型燃煤机组的供电煤耗已经达到世界先进水平。在保证经济可持续发展的前提下,加强锅炉运行优化、深挖辅机节能潜力,最大程度节约能源、保护环境,是一项重要且艰巨的任务。本文通过机理方法、试验手段对磨煤机出口温度、一次风压及锅炉运行参数进行节能优化研究,实现燃煤锅炉更高效、清洁的运行。主要研究内容如下:(1)磨煤机出口温度优化研究为了适应复杂多变的煤种,保证制粉系统的安全运行,在DCS参数整定中,磨煤机出口温度的上限设定的较低,使锅炉效率下降,为锅炉节能调整留下了空间。论文采用爆炸性指数和CO析出温度来评估提高磨煤机出口温度的安全性,在保证制粉系统安全运行的前提下,通过提高磨煤机出口温度来提高机组经济性。论文计算了某660 MW超超临界机组燃用不同煤种的爆炸性指数,并分析了爆炸性指数与挥发分、灰分和水分的关系。提高磨煤机出口温度,也就是提高磨煤机入口温度,煤种在空气气氛下的CO析出温度可作为磨煤机入口最高风温。论文利用热重-红外联用技术确定了不同煤种在空气气氛下的CO析出温度,分析了 CO析出温度与挥发分、灰分和水分的关系。基于爆炸性指数和CO析出温度两个安全性评价指标,在该660 MW机组上进行提高磨煤机出口温度试验。在500 MW负荷下,将磨煤机A、E出口温度从75 ℃提高到85 ℃,磨煤机F出口温度从75 ℃提高到95 ℃,磨煤机C、D出口温度从60 ℃提高到65 ℃,排烟温度下降了 3.71 ℃,锅炉效率提高了 0.15%,厂用电率下降了 0.018%,供电煤耗下降了 0.59 g/kW·h。试验结果表明,在确保制粉系统安全运行前提下,提高磨煤机出口温度是一种可行的节能途径。(2)一次风压优化研究在一次风系统运行过程中,磨煤机入口冷、热风门开度过小,导致一次风压升高,一次风机电耗增大,厂用电率增加。因此,可以通过增大磨煤机入口冷、热风门开度来降低一次风机电耗。论文以安全性为前提,设计了一次风压自适应控制系统。一次风压自适应控制系统能够实时计算一次风压偏置值,并与DCS原回路一次风压值耦合,降低一次风压,增大磨煤机入口冷、热风门开度,在保证制粉系统安全运行的前提下,降低一次风机能耗。一次风压自适应控制系统包括两个控制模型,自适应控制模型和磨煤机出口超温控制模型。在机组正常运行工况下,自适应控制模型进入控制状态。自适应控制模型采用机理建模,根据各种工况下磨煤机入口热风门开度实时值来判断节能空间,同时采用磨煤机入口冷风门开度进行修正,计算得到一次风压偏置值。将一次风压自适应控制系统应用于某1000 MW超超临界机组,在所有试验工况中,500 MW负荷下节电最多,一次风机功率降低达465 kW,节电率达15%,厂用电率降低0.093%。考虑到电厂运行安全的重要性,针对偶尔发生磨煤机出口超温的问题,设计了磨煤机出口超温控制模型。磨煤机出口超温控制模型将磨煤机出口温度与设定值的偏差作为输入,采用比例-微分算法(Proportional-Derivative,PD)建模。投入一次风压自适应控制系统后,当发生磨煤机出口超温时,首先将磨煤机出口温度控制在设定值之内,保证制粉系统安全的情况下,降压节能。(3)锅炉燃烧优化研究NOx和飞灰含碳量直接影响锅炉的经济性和环保性,是燃烧优化的重要参数。但NOC和飞灰含碳量是一对矛盾的目标,分别对NOx和飞灰含碳量进行优化调整,会顾此失彼,无法兼顾锅炉的经济性和环保性。论文采用人工智能燃烧优化方法,对多因素影响下的NOx和飞灰含碳量进行协调优化。以660MW亚临界四角切圆锅炉为研究对象,论文详细分析了 NOx和飞灰含碳量的影响因素,确定了模型的输入参数。基于历史运行数据,采用最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)建立了 NOx和飞灰含碳量特性模型。比较了最小二乘支持向量机模型与误差反向传播神经网络(Back Propagation Neural Network,BP)和自适应神经模糊推理系统(AdaptiveNeuro-Fuzzy Inference System,ANFIS)模型的性能,结果表明,LSSVM具有更高的预测精度和泛化能力。在小生境遗传算法基本求解步骤之前增加了预处理过程。基于NOx和飞灰含碳量特性模型,采用增加预处理的小生境遗传算法对二次风、燃尽风、SOFA风门开度和炉膛出口氧量进行寻优,使>NOx和飞灰含碳量协调最佳。对小生境遗传算法与标准遗传算法的性能进行了比较,结果表明增加预处理的小生境遗传算法的优化结果具有更好的可靠性。