本发明属于火电技术领域,尤其涉及一种基于智能进化算法的大型燃煤机组制粉优化控制方法。
背景技术
由于我国煤炭资源分布不均,且煤炭市场变动频繁,因此常常导致煤电企业的燃用煤种与设计煤种有较大差异。国内学者对混煤掺烧进行了大量的研究,主要是按发热量和挥发分的要求进行一定比例的掺混,在煤种适应性上取得了一定的效果,但是在燃烧效率、结渣积灰、污染物排放等方面仍存在不少问题。现在多数电厂配煤系统尚不完善,缺乏充分的科学依据,配煤的盲目性和随意性都很强,因而无法保证配煤质量。
事实上,混煤掺配过程复杂,涉及发电企业从购煤进场到入炉燃烧的全流程,对整个过程各环节的协同要求较高。在信息化的现代社会中,许多发电企业进行建设的数字化煤场是替代老式人工煤场管理的有效方式,较好地解决了过去人工管理方式下煤源复杂不易管理、多煤种存放及存放时间控制等一系列问题。然而目前这方面的工作多是集中于关注煤场存煤量的统计,而对电力生产下游环节的影响基本未给予考虑。对输配上煤过程、制粉系统控制过程甚至炉内燃烧过程等往往是割裂开来进行单独的管理和控制,造成多煤种掺烧过程中的设备与出力不匹配、锅炉燃烧不稳或者结渣等诸多问题,严重影响了机组和设备的安全性和经济性。
目前针对多煤种掺烧条件下的制粉系统优化,通常采用试验研究结合专家人工经验的方法确定安全界限、设备出力及掺烧比例等,例如通常以磨煤机电流的变化、磨煤机进出口压降的变化、就地设备的振动与声音等作为判断设备是否正常、掺配是否达到最大比例等,缺乏精确量化的判断,对制粉系统运行参数的控制与调整也较为模糊、概略,属于一种粗放式的管理和优化。这种优化的缺点在于:专家的人工经验存在偏差和不确定性,且不能实时进行跟踪与指导,对制粉系统调节也存在明显的滞后性,无法与现有煤源、煤种结构的现状进行准确的匹配。
技术实现要素:
本发明的目的是提供一种基于智能进化算法的大型燃煤机组制粉优化控制方法,根据不同煤种和不同制粉系统的特性,提前计算出制粉系统的安全运行边界,在安全、环保排放指标都能满足要求的前提下,计算不同掺烧比例下的经济效益,并找出得到最大掺烧收益的最佳掺烧比例,用于指导锅炉制粉系统的优化运行。
本发明提供了一种基于智能进化算法的大型燃煤机组制粉优化控制方法,包括:根据制粉系统热平衡及运行安全边界,结合专家知识建立磨制多煤种时与煤质特性相耦合的制粉系统控制的机理模型;
利用建立的制粉系统控制的机理模型,基于进化算法寻找到指导磨煤机运行的最优控制策略;
该最优控制策略包括:
根据机组负荷预测,提前优化对不同原煤仓及磨煤机上煤的策略,时时保持制粉系统出力与机组负荷相适应;
根据不同煤种和不同制粉系统的特性,优化出制粉系统的安全运行边界,用于指导制粉系统的合理运行方式;其中,所述制粉系统的安全运行边界包括单台磨煤机出口混合物温度上下限、单台磨煤机最大出力、掺配比例、磨煤机组合方式、以及脱硫系统极限处理能力;
根据机组运行历史数据库和专家知识系统,寻优并制定不同煤质下的磨煤机风煤比曲线及控制策略;
根据炉内燃烧状况、机组负荷及煤质情况进行智能计算和自动判断,给出磨煤机投运台数、磨煤机组合方式及各磨煤机给煤量分配比例的优化建议,以使制粉系统的投入与炉内燃烧系统相匹配。
进一步地,根据不同煤种和不同制粉系统的特性,优化出制粉系统的安全运行边界,用于指导制粉系统的合理运行方式包括:
在安全、环保排放指标都能满足要求的前提下,计算不同掺烧比例下的经济效益,并找出得到最大掺烧收益的最佳掺烧比例,用于指导锅炉制粉系统的优化运行。
进一步地,该进化算法为粒子群优化算法。
借由上述方案,通过基于智能进化算法的大型燃煤机组制粉优化控制方法,能够根据不同煤种和不同制粉系统的特性,提前计算出制粉系统的安全运行边界,在安全、环保排放指标都能满足要求的前提下,计算不同掺烧比例下的经济效益,并找出得到最大掺烧收益的最佳掺烧比例,用于指导锅炉制粉系统的优化运行。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,并可依照说明书的内容予以实施,以下以本发明的较佳实施例并配合附图详细说明如后。
附图说明
图1是粒子群优化算法的流程图;
图2是基于粒子群优化算法的多目标优化流程图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
本实施例提供了一种基于智能进化算法的大型燃煤机组制粉优化控制方法,该方法根据制粉系统热平衡及运行安全边界,结合专家知识建立磨制多煤种时与煤质特性相耦合的制粉系统控制的机理模型,然后基于进化算法寻找到指导磨煤机运行的最优控制策略。
此最优控制策略满足:
1)根据机组负荷预测,提前优化对不同原煤仓及磨煤机上煤的策略,时时保持制粉系统出力与机组负荷相适应,解决了配煤掺烧时常见的机组出力不足问题。
2)根据不同煤种和不同制粉系统的特性,优化出制粉系统的安全运行边界,如磨煤机出口混合物温度范围、单台磨煤机最大出力及掺配比例等,用于指导制粉系统的合理运行方式。
3)根据机组运行历史数据库和专家知识系统,寻优并制定不同煤质下的磨煤机风煤比曲线及控制策略,实现了磨煤机运行的最优状态。
4)根据炉内燃烧状况、机组负荷、煤质情况等条件进行智能计算和自动判断,给出磨煤机投运台数、磨煤机组合方式、各磨煤机给煤量分配比例等优化建议,使制粉系统的投入与炉内燃烧系统相匹配,提升制粉系统掺配低价劣质煤的能力。
本实施例所使用的优化适应度函数(fitnessfunction)是一种基于多煤种掺烧的锅炉经济性评价模型,在安全、环保排放指标都能满足要求的前提下,实时计算不同掺烧比例下的掺烧经济效益,并能根据最终计算出的最大收益指导锅炉的提前配煤、上煤、制粉等工作。
本实施例所使用的进化算法是粒子群优化算法(particleswarmoptimization),下面重点介绍如何使用该算法成功解决制粉系统的优化控制问题。
下面对本发明作进一步详细说明。
1、粒子群优化算法的原理分析。
在粒子优化算法的实际应用中,每个优化问题的潜在解都可以想象成d维搜索空间中的一个粒子,所有的粒子都有一个被目标函数(fitnessfunction)决定的适应度值(fitnessvalue),这些粒子在搜索空间中以一定的速度飞行,其速度的大小和方向根据粒子本身的飞行经验和整个种群的飞行经验进行动态调整。随即,所有粒子会追随当前的最优粒子在解空间内搜索。
假设在一个寻找最小值问题中,需要找到最优解x使得多维目标函数f(x)满足下式,
x=argminf(x);
在一个d维的目标搜索空间中,有n个粒子组成一个群体,其中第i个粒子表示为一个d维的向量
1)设置n个粒子的初始值,每个粒子xi代表优化问题的一个潜在解,i∈[1,n]。对于最小值优化问题,每个粒子的适应值fitnessi,每个粒子的最优位置
2)在迭代次数t达到设置的最大迭代数tmax之前,或者,未满足某种终止条件的情况下,在每次迭代中重复以下步骤:
a、计算每个粒子的适应值,fitnessi=f(xi);
b、更新每个粒子迄今为止搜索到的最优位置
c、更新整个粒子群迄今为止搜索到的最优位置
d、根据下式移动粒子,
xi,t+1=xi,t+ui,t+1,
其中,式中ui,t+1定义为
其中,ui,t代表第i个粒子在时间段t的飞行速度,ui,t+1代表第i个粒子在下个时间段t+1的飞行速度,ω是小于1的常数,用来反馈粒子在时间段t的飞行速度对下个时间段t+1的飞行速度的影响。xi,t代表第i个粒子当前的位置。学习因子c1和c2是这些变量对确定飞行速度影响的权重值。r1和r2是介于[0,1]之间的随机常数,对算法加入随机因素。
t=t+1。
3)迭代结束,可以得出满足多维目标函数f(x)的最优解x。
粒子群优化算法的流程图如图1所示。
2、应用pso多目标优化方法计算掺配比例。
(1)每个粒子代表一种潜在可行的掺配比例。
(2)针对每个粒子,即每种掺配比例,可以计算出磨煤机出口温度t2的上、下限。
i.上限计算公式如下:
a)对中速磨煤机直吹式(分离器后):
当vdaf<40%时,
当vdaf≥40%时,t2=60~70℃。
b)对钢球磨煤机贮仓式(磨煤机后):
贫煤,100℃~130℃;
烟煤,70℃~90℃;
褐煤,60℃~70℃。
c)双进双出钢球磨直吹式(磨煤机后):
贫煤,100℃~130℃;
烟煤,70℃~90℃;
褐煤,60℃~70℃。
ii.下限计算公式如下:
a)磨煤机出口温度t2应高于露点温度tdp,且不能低于60℃,即二者取高值。
对于中储式制粉系统:t2min=tdp+5℃;
对于直吹式制粉系统:t2min=tdp+2℃。
式中:tdp——露点温度,℃。
b)露点温度计算
对于磨煤机出口的露点温度计算,因为原煤中的外水分已经进入到风粉混合物中(可简化认为外水分全部进入到风粉混合物中),所以此时空气中的含湿量应该包含原煤中的外水分。
当d2=3.8g/kg~60g/kg时,
当d2=61g/kg~825g/kg时,
式中:pa——当地大气绝对压力,kpa;
d2——风粉混合物中每千克干燥剂(空气)含湿量(即:已包含原煤中水分的含湿量),g/kg。
当仅用空气作干燥剂时按下式计算:
式中:g1——进入磨煤机的干燥剂量,计算露点温度时可将
kle——制粉系统漏风率,取值如下:钢球磨煤机,储仓式为0.2~0.4,直吹式为0.25;中速磨煤机,负压直吹式为0.2;
d——空气含湿量,通常取d=10g/kg;
δm——每千克原煤被干燥所蒸发的水量。
式中:mar——为原煤收到基水分,%;
mpc——为磨煤机出口煤粉的水分,%。
(3)制粉系统优化控制问题的数学模型为:
max掺烧收益(每种掺烧比例粒子,可计算出相对应的掺烧收益)
min|qin-qout|(每种掺烧比例粒子,可计算出相对应的qin和qout)
s.t.每种掺配比例对应上限≤磨煤机出口温度t2≤每种掺配比例对应下限。
(4)基于粒子群优化算法的多目标优化流程如图2所示。
相关计算公式如下:
1、磨煤机内干燥出力的计算
1)输入总的热量qin(kj/kg)
qin=qag1+qmac;
式中:qag1——干燥剂的物理热,kj/kg;
qmac——磨煤机工作产生的机械热,kj/kg。
qag1=cag1t1g1;
式中:t1——各成分干燥剂混合后的初温度(可认为是磨煤机入口风温),℃;
cag1——在t1温度下各成分干燥剂加权平均后的质量比热容,kj/(kg·℃);
qmac=kmace;
式中:kmac——机械热转化系数;对钢球磨煤机,取为0.7;对中速磨煤机,取为0.6;
e——单位磨煤电耗;钢球磨煤机烧无烟煤时e=90~110、烧烟煤时e=55~90、烧褐煤时e=35~65、烧页岩煤时e=30~58,e型中速及hp(rp)型中速磨煤机e=22~36,mps(zgm)型磨煤机e=20~30,kj/kg。
2)制粉系统干燥磨制1kg煤带出和消耗的热量qout(kj/kg)
qout=qev+qag2+qf+q5;
式中:qev——蒸发原煤中水分消耗的热量,kj/kg;
qag2——乏汽干燥剂带出的热量,kj/kg;
qf——加热燃料消耗的热量,kj/kg;
q5——设备散热损失,kj/kg。
qev=δm(2500+c″h2ot2-4.187trc);
式中:c″h2o——水蒸气在t2温度下的平均定压比热容,kj/(kg·℃);
t——水蒸气温度,在此为磨煤机出口介质温度t2,℃;
trc——原煤温度,对
式中:ca2——在温度t2时的湿空气比热容,kj/(kg·℃);
cda——干空气的比热容,kj/(kg·℃);
t——干空气的温度,在此为磨煤机出口介质温度t2,℃;
c″h2o——与干空气相同温度下的水蒸气比热容,kj/(kg·℃);
d——空气的含水量,g/kg。
燃用烟煤时:cdc=0.0034t+0.8796
燃用贫煤时:cdc=0.0032t+0.8136
燃用褐煤时:cdc=0.0031t+0.9332
燃用无烟煤时:cdc=0.0011t+0.7684
燃用页岩煤时:cdc=0.0014t+0.8562
式中:cdc——干燥煤的比热容,用煤的进出口温度之和,kj/(kg·℃)。
设备散热损失q5可按下式计算:
当采用储仓式系统时,q5=0.05qin;
当采用直吹式系统时,q5=0.02qin。
2、掺烧收益计算
a)煤价计算:
煤种i标单:
b)供电煤耗计算:
发电煤耗:
供电煤耗:
c)
d)脱硫系统物料消耗计算:
增加成本:
单位增加成本:
本发明根据不同煤种和不同制粉系统的特性,提前计算出制粉系统的安全运行边界,如单台磨煤机出口混合物温度上下限、单台磨煤机最大出力、磨煤机组合方式、以及脱硫系统极限处理能力等。在安全、环保排放指标都能满足要求的前提下,计算不同掺烧比例下的经济效益,并找出得到最大掺烧收益的最佳掺烧比例,用于指导锅炉制粉系统的优化运行。因此,尽管燃煤价格和燃煤特性随时都在发生变动,仍然可以根据掺烧效益最终确定最优的动态掺烧比例。
以上所述仅是本发明的优选实施方式,并不用于限制本发明,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变型,这些改进和变型也应视为本发明的保护范围。