一种循环流化床机组超低负荷运行下的主蒸汽温度预测方法

摘要

本发明提供了一种循环流化床机组超低负荷运行下的主蒸汽温度预测方法，包括：建立以煤质参数、给煤量、总风量、排渣量、飞灰量为输入的循环流化床CFB机组燃烧放热、传热模型；建立以主蒸汽温度为输出的循环流化床CFB机组超低负荷运行下的汽水模型；利用超低负荷各稳态工况下的历史数据确定所述CFB机组燃烧放热、传热模型和汽水模型的稳态参数并拟合模型中关键运行参数之间的函数关系式；利用智能寻优算法、煤质参数、超低负荷下的历史运行数据辨识中所述CFB机组燃烧放热、传热模型和汽水模型的动态参数，建立CFB机组超低负荷下的主蒸汽温度预测模型。将CFB机组实时运行数据及煤质参数输入模型，预测超低负荷下的主蒸汽温度。

说明书

技术领域

本发明涉及一种循环流化床机组超低负荷运行下的主蒸汽温度预测方法，属于火电机组运行参数预警领域。

背景技术

大力发展新能源发电有助于推动我国能源的转型，但由于新能源发电的间歇性强、可控性差，大规模的新能源并网使得电网调度困难，出现新能源发电消纳困难的问题，新能源装机容量高的地区容易出现较为严重的弃风、弃光现象。为了确保电网的安全稳定运行、实现更多新能源发电的并网，我国火电机组进行了灵活性改造，实现了快速变负荷、低负荷运行。循环流化床(CFB)机组采用特殊的流态燃烧方式，燃烧稳定性强，通过简单改造，可实现25％～100％额定负荷运行。

CFB机组在25％的超低负荷运行时，由于实际运行参数严重偏离设计参数，主蒸汽温度偏低，若运行控制调整不及时，极易出现主蒸汽温度低于运行最低限值，严重影响CFB机组的运行安全。

发明目的

本发明的目的在于解决现有技术中CFB机组在25％的超低负荷运行时所存在的问题，提供一种循环流化床机组超低负荷运行下的主蒸汽温度预测方法，在CFB机组主蒸汽温度模型的基础上，应用实时运行数据及煤质参数进行预测，有利于CFB机组在超低负荷运行下的主蒸汽温度监测，提前预知主蒸汽温度的变化趋势，为机组运行控制调整提供指导，保障机组的运行安全。

发明内容

本发明提供了一种循环流化床机组超低负荷运行下的主蒸汽温度预测方法，所述超低负荷是指在25％及以下的负荷，所述预测方法包括如下步骤：

步骤1、建立以煤质参数、给煤量、总风量、排渣量、飞灰量为输入的循环流化床CFB机组燃烧放热、传热模型；

步骤2、根据汽水侧工质的能量平衡关系，建立以主蒸汽温度为输出的循环流化床CFB机组超低负荷运行下的汽水模型；

步骤3、利用超低负荷各稳态工况下的历史数据确定步骤1中所述CFB机组燃烧放热、传热模型和步骤2中所述汽水模型的稳态参数；采用超低负荷下的动态历史运行数据拟合模型中关键运行参数之间的函数关系式；

步骤4、利用智能寻优算法、煤质参数、超低负荷下的历史运行数据辨识步骤1中所述CFB机组燃烧放热、传热模型和步骤2中所述汽水模型的动态参数，建立CFB机组超低负荷下的主蒸汽温度预测模型。将CFB机组实时运行数据及煤质参数输入模型，预测超低负荷下的主蒸汽温度。

优选地，步骤1在建立所述循环流化床CFB机组燃烧放热、传热模型时，假设燃煤送入炉膛后，煤中的挥发分释放、燃烧过程瞬间完成；所述循环流化床CFB机组燃烧放热、传热模型的建立过程包括：

将CFB机组的实时燃烧放热模型表示为如式(1)所示：

Q

式(1)中：Q

将燃烧速率R

式(2)中：k

将炉内残炭量表示为如式(3)所示：

式(3)中：X

将炉膛平均氧浓度表示为如式(4)所示：

式(4)中：V为炉膛体积，单位为m

CFB机组的床温不仅影响燃烧，也影响传热，机组在超低负荷运行时，各项热损失比例增大，需精准计算各部分能量，建立精准的床温模型，有助于提高CFB机组超低负荷运行下的主蒸汽温度预测精度。

将CFB机组的床温表示为如式(5)所示：

式(5)中：T

将壁面和汽水的吸热表示为如式(6)所示：

Q

式(6)中：k

优选地，步骤2中，CFB机组在超低负荷运行时，在所述汽水模型中引入了减温水流量，给水焓值取为固定值。

进一步优选地，步骤2中所述建立以主蒸汽温度为输出的循环流化床CFB机组超低负荷运行下的汽水模型的过程包括：

对于CFB机组，用汽包压力表征机炉之间的能量平衡关系，将汽包压力表示为如式(7)所示：

式(7)中：p

将主蒸汽压力表示为如式(8)所示：

p

式(8)中：p

将主蒸汽流量表示为如式(9)所示：

D

式中：u

将主蒸汽温度表示为如式(10)所示：

T

式中：f(·)是关于p

优选地，步骤3中，稳态模型参数取值为各稳态负荷工况下的平均值；关键运行参数之间的函数关系式采用非线性最小二乘法拟合。

进一步优选地，所述步骤3进一步包括以下子步骤：

步骤S31、令式(3)、(4)、(5)、(7)左侧分别为零，利用稳态工况的历史数据确定式中各运行参数的稳态值，将各稳态值带入式中，确定步骤1中所述CFB机组燃烧放热、传热模型和步骤2中所述汽水模型的的稳态参数；

步骤S32、利用CFB机组历史动态运行数据，采用非线性最小二乘法拟合函数p(·)、D(·)、f(·)，函数形式被表示为如式(11)所示：

步骤S33、将历史运行数据中的煤质、给煤量、总风量、排渣量、飞灰量、主蒸汽阀门开度、减温水流量值作为所述CFB机组燃烧放热、传热模型的输入计算其输出：床温T

优选地，步骤4中，模型的动态参数辨识采用模拟退火算法对动态参数C

式(12)中：ΔT

所述采用模拟退火算法对动态参数C

(1)令T＝T

(2)令T＝kT，其中k为温度下降速率，取值为0到1之间；

(3)对当前解xj施加随机扰动，在其领域内产生一个新解xj+1，并计算对应的目标函数值J(xj+1)，因此ΔJ＝J(xj+1)-J(xj)；

(4)若ΔJ<0，接受新解作为当前解，否则按照概率e

(5)在温度T下，重复N次扰动和接受过程，即执行步骤(3)和(4)；

(6)判断温度是否达到终止温度水平，若是则终止算法，输出最优解CT、Cb，否则返回步骤(2)；

将循环流化床机组超低负荷运行下的实时数据输入步骤1中所述CFB机组燃烧放热、传热模型和步骤2中所述汽水模型，结合煤质参数，即实现超低负荷运行下的主蒸汽温度预测。

附图说明

图1是本发明所述循环流化床机组超低负荷运行下的主蒸汽温度预测方法的流程示意图。

具体实施方式

以下结合附图详细说明本发明的具体实施方式，本领域技术人员应当理解，本发明的实施例仅是示例性地描述最优实施方式，而不应被视作对本发明保护范围的限定，任何不脱离本发明主旨的变体和改动都应落入本发明的保护范围。

图1是本发明所述循环流化床机组超低负荷运行下的主蒸汽温度预测方法的流程示意图，所述超低负荷是指在25％及以下的负荷，如图1所示，所述预测方法包括如下步骤：

步骤1、建立以煤质参数、给煤量、总风量、排渣量、飞灰量为输入的循环流化床CFB机组燃烧放热、传热模型；

步骤2、根据汽水侧工质的能量平衡关系，建立以主蒸汽温度为输出的循环流化床CFB机组超低负荷运行下的汽水模型；

步骤3、利用超低负荷各稳态工况下的历史数据确定S1、S2中的模型稳态参数；采用超低负荷下的动态历史运行数据拟合模型中关键运行参数之间的函数关系式；

步骤4、利用智能寻优算法、煤质参数、超低负荷下的历史运行数据辨识S1、S2中模型的动态参数，建立CFB机组超低负荷下的主蒸汽温度预测模型。将CFB机组实时运行数据及煤质参数输入模型，预测超低负荷下的主蒸汽温度。

其中，步骤1中，在建立燃烧放热模型时，假设燃煤送入炉膛后，煤中的挥发分释放、燃烧过程瞬间完成。步骤2中，CFB机组在超低负荷运行时，减温水流量的大小对主蒸汽温度影响大，汽水模型中引入了减温水流量，给水焓值取为固定值。步骤3中，稳态模型参数取值为各稳态负荷工况下的平均值；关键运行参数之间的函数关系式采用非线性最小二乘法拟合。步骤4中，模型的动态参数辨识采用模拟退火算法。

实施例1

上述循环流化床机组超低负荷运行下的主蒸汽温度预测方法，在本实施例中，步骤1所述循环流化床CFB机组燃烧放热、传热模型的建立过程包括：

将CFB机组的实时燃烧放热模型表示为如式(1)所示：

Q

式(1)中：Q

将燃烧速率R

式(2)中：k

将炉内残炭量表示为如式(3)所示：

式(3)中：X

将炉膛平均氧浓度表示为如式(4)所示：

式(4)中：V为炉膛体积，单位为m

CFB机组的床温不仅影响燃烧，也影响传热，机组在超低负荷运行时，各项热损失比例增大，需精准计算各部分能量，建立精准的床温模型，有助于提高CFB机组超低负荷运行下的主蒸汽温度预测精度。

将CFB机组的床温表示为如式(5)所示：

式(5)中：T

将壁面和汽水的吸热表示为如式(6)所示：

Q

式(6)中：k

步骤2中所述建立以主蒸汽温度为输出的循环流化床CFB机组超低负荷运行下的汽水模型的过程如下：

对于CFB机组，用汽包压力表征机炉之间的能量平衡关系，将汽包压力表示为如式(7)所示：

式(7)中：p

将主蒸汽压力表示为如式(8)所示：

p

式(8)中：p

将主蒸汽流量表示为如式(9)所示：

D

式中：u

将主蒸汽温度表示为如式(10)所示：

T

式中：f(·)是关于p

步骤3进一步包括以下子步骤：

步骤S31、令式(3)、(4)、(5)、(7)左侧分别为零，利用稳态工况的历史数据确定式中各运行参数的稳态值，将各稳态值带入式中，确定步骤1中所述CFB机组燃烧放热、传热模型和步骤2中所述汽水模型的的稳态参数。

步骤S32、利用CFB机组历史动态运行数据，采用非线性最小二乘法拟合函数p(·)、D(·)、f(·)，函数形式被表示为如式(11)所示：

步骤S33、将历史运行数据中的煤质、给煤量、总风量、排渣量、飞灰量、主蒸汽阀门开度、减温水流量值作为所述CFB机组燃烧放热、传热模型的输入计算其输出：床温T

式(12)中：ΔT

所述采用模拟退火算法对动态参数C

(1)令T＝T

(2)令T＝kT，其中k为温度下降速率，取值为0到1之间；

(3)对当前解xj施加随机扰动，在其领域内产生一个新解xj+1，并计算对应的目标函数值J(xj+1)，因此ΔJ＝J(xj+1)-J(xj)；

(4)若ΔJ<0，接受新解作为当前解，否则按照概率e

(5)在温度T下，重复N次扰动和接受过程，即执行步骤(3)和(4)；

(6)判断温度是否达到终止温度水平，若是则终止算法，输出最优解

CT、Cb，否则返回步骤(2)；

将循环流化床机组超低负荷运行下的实时数据输入步骤1中所述CFB机组燃烧放热、传热模型和步骤2中所述汽水模型，结合煤质参数，即实现超低负荷运行下的主蒸汽温度预测，指导CFB机组及时进行运行调整。

本发明具有如下有益效果：

1.建立了CFB机组超低负荷工况下的燃烧放热、传热、汽水模型，适用于CFB机组超低负荷运行下的主蒸汽温度预测。

2.采用非线性最小二乘法，以误差的平方和最小作为目标函数，对超低负荷下关键参数的非线性函数关系式，提高了拟合精度。

3.采用模拟退火优化算法，对模型中的动态参数进行优化，提升模型对主蒸汽温度的预测精度，可为CFB机组的超低负荷运行、控制优化、运行参数设计提供指导。