锅炉燃烧优化闭环控制系统的介绍.doc

锅炉燃烧优化闭环控制系统的研究 [摘 要]： 锅炉燃烧过程是一个复杂的物理化学变化过程，目前的技术还无法从锅炉燃烧的机理来剖析整个燃烧过程。本文通过对目前国内外几类主要的燃烧优化技术的分析，了解到模型预测技术是解决这个问题的有效手段。常用的模型预测技术包括神经网络，贝叶斯概率统计等。这种技术将锅炉燃烧过程作为一个黑箱操作过程，通过大量历史数据的训练，调整模型结构，最终使模型具备模拟锅炉燃烧过程的功能。在此基础上，再通过多目标最优化技术，调整锅炉操作变量，使锅炉运行在优化区间，实现经济、环保、安全运行的目标。欧美国家已经在这种技术的基础上，开发了多个成熟的燃烧优化闭环控制系统，并有了很多成功的实施案例。 全文可以分为三个部分。首先，通过燃烧优化综述，明确目前火电厂实施燃烧优化闭环控制系统的必要性和可行性，并且比较了主要的几类燃烧优化技术，确定了使用基于模型预测多目标优化技术的燃烧优化闭环控制系统的目标；其次，根据模型预测技术的不同，从系统原理，系统架构，系统实施，系统运行等方面分别介绍了基于神经网络技术和贝叶斯概率统计技术的两类燃烧优化软件平台，并给出了各种软件平台的特性与实施效果综合比较表；最后，在结论部分提出了几点电厂在实施燃烧优化闭环控制系统可供借鉴的经验。 [关键词]：燃烧优化，闭环燃烧优化，模型预测，多目标优化，神经网络， 贝叶斯概率统计，NeuSIGHT， Power Perfecter， GNOCIS PLUS，ULTRAMAX  1 燃烧优化综述 1．1前言 电厂安全节能运行和环保控制加强的需求。 用电负荷的持续紧张，导致多数电厂长期处于满负荷运行状态，其满负荷运行时间已达到6900～7000小时/年，一方面电厂运行安全的压力陡增，另一方面从增加负荷方面来提升利润空间已很小。在当前形势下，如何采用新技术来综合提升电力企业安全控制水平和成本控制成为新的课题。。随着国家针对电力企业污染物排放控制的加强，如何综合考虑污染物排放收费和节能增效间存在的冲突成为电力企业急需解决的课题。 自动化水平的不断进步，为燃烧优化闭环控制系统的成功实施奠定了基础。 随着科技进步，电力企业的自动化控制水平不断提高，就地设备执行控制能力逐步完善，使电厂DCS对设备实现更有效、更稳定的控制，为DCS系统响应运行优化系统的控制指令提供了高效保证，为燃烧优化闭环控制系统的成功实施奠定了基础。 国外的优化闭环控制系统已处于成熟应用阶段。 在国外，特别是欧美发达国家，优化闭环控制系统（包括电力、石化、制造业等）的应用已广泛开展，已经有非常多的成功应用案例，目前此类应用正发挥着极大的效益。 1．2燃烧优化技术介绍与分析 1．2．1 主要燃烧优化技术分类 关于燃烧优化技术的研究探讨，国内外已经开展了很多工作，大致可分为以下几类： DCS的控制模块改进。 通过对DCS内控制模块的优化、改进，使其符合控制对象的特点。碍于DCS系统的数据处理和分析能力及其侧重于目标控制对象的安全、稳定的控制，未能在综合分析、整体优化上突破。 常规性的燃烧优化试验调整。 通过常规性的燃烧调整试验，采集当前机组的状态数据，根据机组运行特点及燃烧调整的经验，制定出重要控制参数改进策略，使机组在较优的状态下运行。影响机组运行的因素众多，而常规性的燃烧调整往往只能针对重要控制参数，给出特定点及时间段的优化策略，有时缺乏普遍适应性，不能及时响应机组的动态变化过程。 基于在线检测设备的优化系统。 此类系统主要基于在线监测设备：如煤粉浓度，一二三次风风速，炉膛过剩氧量等。通过在线检测数据的积累，为运行人员提供稳定运行的参考依据，此类系统只能就局部范围提供开环指导，一般无法提供全局性优化闭环控制功能。 基于多目标寻优技术的燃烧优化闭环控制系统。 此类系统通过对各种影响因素数据的采集，利用概率统计、神经网络等工具，形成其特有的知识库。根据对当前机组状态进行模式识别，参照预设的目标（如：成本目标、环保排放目标及多种目标的综合），针对机组特性运行提供优化策略，提供开环指导或直接参与闭环控制。由于此类系统能动态响应机组的各种变化，具备良好的指导性和可控性，目前在国外，特别是欧美国家得到了广泛应用，并取得良好效果。 1．2．2 燃烧优化闭环控制技术 从以上四类优化技术的比较来看，前三类有较大的局限性无法全面满足燃烧优化闭环控制系统的要求。 基于模型预测技术和多目标优化技术的燃烧优化闭环控制系统由于采用了模型预测技术和多目标优化技术，可以对锅炉燃烧过程作出准确预测，可以实现提高燃烧效率，降低NOx排放等多重优化目标。目前国内关于燃烧优化技术的研究大多集中在这一领域。 随着电力企业自动化控制水平进步和优化控制理论的成熟，这类系统正在得到越来越广泛的成功应用，如美国Pegasus公司的NeuSIGHT