一种燃煤电厂锅炉受热面的吹灰优化方法

摘要

本发明公开了一种燃煤电厂锅炉受热面的吹灰优化方法，通过大量的实时监测数据结合概率统计的思想，并结合吹灰优化模型，以最大收益为目标，寻找最合适的吹灰时机和吹灰时长，给工作人员提供判断依据，进行合理的受热面吹灰操作；并且根据概率统计分析未来时刻受热面清洁状态变化，与受热面当前或者之前清洁状态结合，便可以预测未来受热面状态，并进行更进一步的吹灰指导。

说明书

技术领域

本发明涉及燃煤电站锅炉受热面吹灰优化领域，特别是一种燃煤电厂锅炉受热面的吹灰优化方法。

背景技术

在我国各个燃煤电站锅炉均装备了吹灰设备，采取了蒸汽、声波等各种方式清扫受热面的积灰以维持锅炉的正常运作。目前，燃煤电站锅炉各个受热面的吹灰操作多是采用每天每班时间固定、操作流程固定的吹灰方式。但是锅炉的工作状况是动态变化而不是一成不变的，如果在受热面灰污沉积过多而没有及时吹扫，可能造成各受热面换热效率下降，导致锅炉整体效率下降，严重时还会造成锅炉停运等事故；相反如果吹灰过于频繁或者在各受热面灰污沉积情况比较良好时吹灰，不仅会对用于吹灰的蒸汽等介质造成浪费，而且会对吹灰设备以及各受热面也会造成不必要的损耗，增加维护的成本。因此，对于各个受热面吹灰操作的合理使用对于整个机组的安全性和节能减排均具有重要的意义。

如中国专利公告号CN101034009A公开的一种“大型燃煤锅炉在线检测、吹灰优化节能方法”，该方法以创新开发的HTAS程序为主，结合引进的TTURTHERM程序和红外烟气高温仪，构成能准确有效监测和计算大型锅炉受热面清洁程度，从而实现优化吹灰和节能的综合系统。但是受热面污染率曲线只能做到实时监测受热面积灰程度，并不能帮助运行人员判断“何时吹灰”和“吹多久”，吹灰的问题仍然没有得到解决。因此，就需要通过建立的积灰监测模型并综合锅炉实际运行情况来制定吹灰优化策略解决吹灰的问题。美国电力科学研究院(EPRI)开发了Intelligent Soot-blowing(ISB)系统，该系统采用特制的应变计来测量悬吊式换热器的质量，通过应变计信号变化表征受热面灰污沉积的严重程度，通过传热系数和灰沉积质量2个因素建立相关模型，实现锅炉受热面灰污监测及智能吹灰，已在多个电厂获得实施应用。但现有吹灰优化系统大多是基于煤质分析数据离线测量的，而我国电厂燃煤煤质多变，经常较大偏离设计值，现有的吹灰优化系统往往不能根据入炉煤质变化实时更新系统煤质分析数据，导致系统计算数据和锅炉机组实际情况有较大偏差，严重影响了吹灰指导的正确性。

目前大多数燃煤电厂得到的吹灰操作多采用每天每班时间固定、操作流程固定的吹灰方式。由于燃煤电站锅炉生产的复杂性，吹灰操作和当前锅炉工况问题约束需要一定的准备时间，在准备过程中灰污仍在沉积，这就造成了更多的煤耗。现阶段节能减排给吹灰优化提出了更高的要求，只有对未来状态进行预测，并且提前准备，才能让燃煤电站有着更好经济收益。

发明内容

本发明的目的是要解决现有技术中存在的不足，提供一种燃煤电厂锅炉受热面的吹灰优化方法，在保证设备安全运行的前提下，将燃煤电站的分散控制系统DCS系统的实测数据预处理后结合基本热力学计算数据，实时计算受热面的污染率，通过分析同一测点不同时刻的变化量，利用概率统计的思想求取其期望。通过已知的初始清洁状态，便可以预测得到未来时刻的受热面清洁状态；结合所得污染率变化趋势，并根据吹灰收益最大原则提出了基于污染率确定最佳吹灰周期，给出制定合理的吹灰方案，该方案考虑到吹灰优化的收益与损失，最大限度的提高净收益，以优化吹灰周期。

为达到上述目的，本发明是按照以下技术方案实施的：

一种燃煤电厂锅炉受热面的吹灰优化方法，包括以下步骤：

步骤一、通过燃煤电站的分散控制系统DCS获取省煤器的实时运行数据；

步骤二、将步骤一得到的多组实时运行数据，进行数据预处理，用以污染率计算；

步骤三、计算同一时刻下多组污染率改变量，并对同一时刻污染率改变量进行拟合，计算每一时刻的污染率改变量期望；

步骤四、在数据预处理后的多组实时运行数据中任取一组污染率初始值作为起点，根据步骤三得到的污染率改变量期望，计算得到后续时刻的污染率；

步骤五、将得到的污染率按照时间轴进行拟合，计算积灰时间段和吹灰时间段的拟合曲线，计算拟合优度；

步骤六、将积灰时间段和吹灰时间段的拟合曲线带入优化模型，具体模型如下：

单位时间内吹灰换热量Q_p为：

式中，F为受热面传热面积(m²)；

ΔT为对数平均温压(℃)；

t_b为每个吹灰器一次动作所需时间(h)；

m为该过程所消耗的蒸汽质量流量(kg/h)；

H_c为吹灰器所用蒸汽的气源焓(kg/kJ)；

H₀分别为凝汽器的入口焓(kg/kJ)；

F_max,F_min分别为临界污染率上、下限，

求max(Q_p)，得该受热面吹灰的最佳积灰时长和吹灰时长，求得临界污染率，其中对数温压、传热系数等参数按照统计时间内的平均负荷计算；

步骤七、通过步骤六得到的优化结果，进行吹灰方案制定以减少运行人员的操作负担。

作为本发明的优选方案，所述步骤一中，获取省煤器的实时运行数据的采样区间为100s。

作为本发明的优选方案，所述步骤二中，数据预处理具体步骤如下：

数据预处理包括对采集到的多组实时运行数据进行剔除异常值处理和数据平滑处理，其中：

1)剔除异常值处理采用的是拉依达方法，具体方法为：如果某测量值与平均值之差大于标准偏差的三倍，则予以剔除，计算公式为：

其中，样本均值，为样本的标准偏差。

2)数据平滑处理利用的是“加权移动平均”平滑滤波方法加权，具体方法为；作为平均的区间内中心处数据的权值最大，越远离中心处的数据权值越小，即减少了对真实信号本身的平滑作用，计算公式为：

其中：为滤波后的结果；y_m为m时刻的实际测量值。

作为本发明的优选方案，所述步骤五中，积灰时间段和吹灰时间段的拟合曲线的拟合公式分别为：F_d＝A-Be^-Ct，F_b＝De^-Et式中，A，B，C，D和E都是拟合得到的常数，且都大于0，由于锅炉运行过程中热工参数受到的扰动极大，不同工况下计算出的t_d，t_b会不同，但是在相同负荷和煤种条件下的运行参数较为稳定。

与现有技术相比，本发明通过大量的实时监测数据结合概率统计的思想，并结合吹灰优化模型，以最大收益为目标，寻找最合适的吹灰时机和吹灰时长，给工作人员提供判断依据，进行合理的受热面吹灰操作；并且根据分析未来时刻的改变量，与受热面当前或者之前清洁状态结合，便可以预测未来受热面状态，并进行更进一步的吹灰指导。

附图说明

图1为本发明实施例中积灰过程污染率拟合曲线。

图2为本发明实施例中吹灰过程污染率拟合曲线。

图3为运行本发明实施例后制定的吹灰方案。

具体实施方式

为使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步的详细说明。此处所描述的具体实施例仅用于解释本发明，并不用于限定发明。

为了详细说明本发明的可行性，本实施例以贵州某燃煤火力电站2号300MW机组锅炉为研究对象。锅炉为亚临界、自然循环、一次中间再热、双拱单炉膛、“W”火焰燃烧方式、尾部双烟道、烟气挡板调温、平衡通风、固态排渣、露天布置、全钢架悬吊式汽包炉，为哈尔滨锅炉厂生产的HG-1025/17.3-WM18型，主要设计参数如表1所示。

表1

实施对象锅炉额定工况参数如表2所示。

表2

参数(单位)数值吹灰器一次动作所需时间(min)10吹灰器蒸汽质量流量(kg/h)3600吹灰器所用蒸汽的气源焓(kg/kJ)1252.5凝汽器的入口焓(kg/kJ)1150.0受热面传热面积(m²)5739对数平均温压(℃)167.32理论热传递系数23.6

基于上述参数，本实施例的一种燃煤电厂锅炉受热面的吹灰优化方法，具体步骤如下：

步骤一、通过燃煤电站的分散控制系统DCS获取省煤器的实时运行数据，采样区间为100s。

步骤二、将步骤一得到的多组实时运行数据，进行数据预处理，用以污染率计算；

数据预处理包括对采集到的多组实时运行数据进行剔除异常值处理和数据平滑处理，其中：

1)剔除异常值处理采用的是拉依达方法，具体方法为：如果某测量值与平均值之差大于标准偏差的三倍，则予以剔除，计算公式为：

其中，样本均值，为样本的标准偏差。

2)数据平滑处理利用的是“加权移动平均”平滑滤波方法加权，具体方法为；作为平均的区间内中心处数据的权值最大，越远离中心处的数据权值越小，即减少了对真实信号本身的平滑作用，计算公式为：

其中：为滤波后的结果；y_m为m时刻的实际测量值。

步骤三、计算同一时刻下多组污染率增量，并对同一时刻污染率增量进行拟合，得到多时间点的污染率的增量分布，计算每一时刻的污染率增量期望。

步骤四、在数据预处理后的多组实时运行数据中任取一组污染率初始值作为起点，根据步骤三得到的污染率增量期望，计算得到后续时刻的污染率。

步骤五、将得到的污染率按照时间轴进行拟合，计算积灰时间段和吹灰时间段的拟合曲线，计算拟合优度；由于污染率计算结果是离散值，不能直接运用于吹灰优化模型，需要进行曲线拟合。F_d和F_b的拟合形式如下：

F_d＝10.54-10.31e^-0.001716t

F_b＝0.328e^-0.4515t

步骤六、将积灰时间段和吹灰时间段的拟合曲线带入优化模型，具体模型如下：

单位时间内吹灰换热量Q_p为：

式中，F为受热面传热面积(m²)；

ΔT为对数平均温压(℃)；

t_b为每个吹灰器一次动作所需时间(h)；

m为该过程所消耗的蒸汽质量流量(kg/h)；

H_c为吹灰器所用蒸汽的气源焓(kg/kJ)；

H₀分别为凝汽器的入口焓(kg/kJ)；

F_max,F_min分别为临界污染率上、下限，

求max(Q_p)，求得临界污染率，得该受热面吹灰的最佳积灰时长和吹灰时长t_d和t_b，计算结果如表3吹灰优化计算结果(300MW)所示，优化计算结果中吹灰频率提高，吹灰周期(t_d+t_b)从8.33h降低到了7.62h，单次吹灰时间从0.67h减少到0.46h，而单位时间省煤器传热量提高了4820721.92kJ/h，相当于提高163.36kJ/h标煤的发热量，优化效果明显。

步骤七、通过得到的优化结果，进行吹灰方案制定以减少运行人员的操作负担。设吹灰准备时间为p，如图3所示为具体吹灰方案。

表3

综述，通过本实施例的验证，说明本发明通过大量的实时监测数据结合增量分布的思想，并结合吹灰优化模型，以最大收益为目标，寻找最合适的吹灰时机和吹灰时长，给工作人员提供判断依据，进行合理的受热面吹灰操作；并且根据分析未来时刻的增量分布，与受热面当前或者之前清洁状态结合，便可以预测未来受热面状态，并进行更进一步的吹灰指导。

本发明的技术方案不限于上述具体实施例的限制，凡是根据本发明的技术方案做出的技术变形，均落入本发明的保护范围之内。