焦明明 席志军
（陕西国华锦界能源有限责任公司 陕西榆林 719000）
摘要：为响应国家节能减排政策，针对火电站燃煤机组效率偏低、污染物排放严重的问题，设计基于人工神经网络预测的燃烧优化与超净排放优化控制系统。本系统应用于国华锦界能源有限责任公司4#机组，成功提升燃煤机组燃烧效率，降低污染物排放，保证燃煤机组稳定、经济运行。本系统在火电站机组的投入，为推动火电厂高度自动化起推动作用，为国内电厂提供了技术经验和参考。
关键词：燃烧优化；节能减排；火电厂机组；神经网络；最小二乘向量机。
Application of online optimization control of combustion optimization and ultra net emission based on neural network in a thermal power unit of Guohua Jinjie energy company
Jiao Mingming , Xi Zhijun
(Shaanxi Guohua Jinjie Energy Co., Ltd Yulin 719000)
Abstract: In response to the policy of energy saving and emission reduction, this system is designed to improve the efficiency of the coil-fired boiler in the heat engine plant, as well as to reduce the pollution emission. This system is applied in the 4# unit of the Shenhua Guohua Jinjie Energy Company, which successfully improves the combustion efficiency and reduces the pollution emission, guaranteeing the stability and economical efficiency. The case of successful application pushes the highly-automation of the heat engine plant, and provides the experience and reference for the domestic heat engine plant.
Key Words: Combustion Optimization;Energy Saving and Emission Reduction;
Coil-fired boiler;Artificial Neural Network;Least Squares Support Vector Machine.
一．引言
电力能源是国家基础能源产业之一，是国民经济的重要组成部分，是国家发展经济的重要支撑保证。我国发电能源结构受到经济发展水平、技术水平、资源可用性、电力需求、经济可行性和环境保护政策等多因素的综合影响，火力发电量占全国总发电量比重巨大，达到77%~85%，并且今后几十年内我国以煤炭为主要能源的格局不会被改变[1]。但是随着经济发展，用电需求越来越大，大规模火力发电燃煤带来的环境问题日益严重。为响应国家节能减排正常，国华锦界能源有限公司倡导烟气污染物“超净”排放的发展方针，即烟尘、SO2、和NOx排放浓度分别不超过5、35和50（mg/Nm3），这样的高标准对火电厂污染物净化处理提出了更严格的要求。
本文结合陕西国华锦界能源有限责任公司4#火电燃煤机组的需求以及运行情况，对燃烧优化与超净排放综合在线优化控制系统的设计过程以及运行效果作简要介绍。
二．系统主要功能
2.1系统整体架构
陕西国华锦界能源有限责任公司4#机组上应用的燃烧优化与超净排放综合在线优化控制系统是基于OPC及PI系统实现的，在实现机组燃烧参数的准确测量的基础上，结合现有运行参数，自动预测燃烧效率、选择性催化还原系统（SCR）出口NOx浓度和脱硝效率；并根据采集的实时参数动态变化，给出建议的送风量数值和喷氨量数值作为建议优化值，在保证质量的前提下，确保机组自动、稳定、经济运行。
本系统通过对现场锅炉运行经验及燃烧运行方式分析总结，建立燃烧优化系统以及SCR脱硝系统的数学模型，在分析锅炉燃烧模型与SCR脱硝模型综合优化问题的基础上，寻找综合成本的影响因素，并根据综合成本根据各因素的影响程度不同，采用不同的影响因子计算综合成本函数，建立基于运行数据的模型，具有预测功能并自动优化控制机组的各项分段节能减排指标的综合优化控制系统。综合优化控制系统与现有的安全仪表系统（SIS系统）与分布式控制系统（DCS系统）配合，将机组综合运行成本作为控制系统的性能指标，根据对负荷、煤质等工况条件的实时判断和识别，输出对应的最佳的风煤配合及喷氨量控制指令，同时对反应锅炉运行状态的参数进行测量，参数值采用OPC通讯方式输出给优化运行控制系统，控制系统再根据其值输出相应的控制量，系统的整体运行框图如图2-1所示。
.png)
图2-1 系统整体结构
2.2基于最小二乘向量机算法构建燃烧优化与SCR效率模型
最小二乘向量机算法是一种广泛应用于各个学科领域的人工智能算法，是一种简化的支持向量机算法。常用的普通支持向量机算法表示如下：
.png)
其中di表示标准答案，取值为1或者-1，xi是样本。
最小二乘向量机算法可用下式表示为：
.png)
其中和在本质上是一回事，不同的是在最小二乘向量机算法中的约束条件是一个等式，在一定的条件下可以是负数，不过还是需要被约束的。
在传统支持向量机算法中，约束条件是不等式，离分离超平面近的元素向量是支持向量，强烈地影响分离平面的计算，离超平面远的向量影响比较小；因此如果分离集合之间的边界不清晰，会影响计算结果。而在最小二乘向量机算法中约束条件是等式，因此离分离超平面近和远的元素向量都会对分离平面的计算产生影响，分离平面确定时精准度不如传统支持向量机算法，但是在求解时最小二乘向量机算法比传统支持向量机简单得多，通过引入拉格朗日算子，有：
.png)
对各变量依次求导得到下列四式：
.png)
通过基本的矩阵解法可以解出，b，Z以及。最小二乘支持向量机算法求解线性方程，其解满足极值条件，虽不能满足是全局最优解，但具有更快的求解速度，求解所需的计算资源较传统支持向量机算法少，能够较好地解决小样本、非线性等实际问题[2]。本系统采用最小二乘支持向量机算法，基于现有的火电厂燃煤机组的燃烧效率实验以及现场采集到的数据，建立燃烧优化模型及SCR效率模型，通过该模型描述出燃煤机组燃烧特性和SCR脱硝特性。
2.3 人工神经网络预测模型
人工神经网络（Artificial Neural Network,即ANN）是一种由大量节点之间相互联结构成的运算模型，ANN预测模型类似于人类从眼睛读取信息，再由大脑进行处理，最后做出反应[3]。在ANN预测模型中，根据给定的输入值，在神经网络内部形成拥有自我学习能力的网络，然后输出结果。燃烧优化模型的确定主要由文献记载以及试验确定。燃烧优化神经网络预测模型如图2-2所示，输入参数为燃料量、总风量、锅炉氧量、煤质低位发热量，输出参数为排烟温度、耗氨量、脱硝前NOx浓度、负荷、烟气含氧量。SCR脱硝神经网络预测模型如图2-3所示，输入参数为排烟温度、耗氨量、脱硝前NOx浓度、负荷、烟气含氧量，输出参数为锅炉效率、脱硝后NOx浓度、脱硝效率。[4]
.png)
图2-2 燃烧优化神经网络预测模型
.png)
图2-3 SCR效率神经网络预测模型
锅炉燃烧与脱硝综合优化模型的建立是将锅炉燃烧优化模型的输出参数作为SCR脱硝模型的输入参数，如图2-4所示，从而有效的结合两个模型构成综合优化模型，综合优化模型的输入参数即为燃烧优化模型的输入参数，输出参数即为SCR脱硝效率模型的输出参数[5]。并将输出参数转化为经济性指标，以机组综合成本最小作为优化目标，制定一套有效的优化控制规则的寻优技术。该寻优技术方法主要通过运行模式数据挖掘技术，在离线优化数据中提取出最优运行模式对应的数据并依此建立最优运行模式规则库，同时结合燃烧调整实验，从而寻找并确定优化运行模式。
.png)
图2-4 综合优化模型示意图
三．系统应用现状
3.1超净排放与燃烧优化的实现
锅炉的燃烧优化需要兼顾锅炉效率和NOx排放，此生产过程响应了两者为输出的锅炉燃烧性能模型。基于人工神经网络技术以及最小二乘支持向量机等构建模型的算法虽然验证了模型的准确性，但是忽视了模型的时效性。由于燃烧过程除了具备非线性、强耦合性，同时也具备了时变性的特点，直接应用两种模型难以取得理想的控制效果。针对燃煤机组燃烧优化配风系统作为多目标优化问题的特性，采用基于锅炉效率和污染物（主要是氮氧化物NOx）排放构建的多目标优化函数作为综合目标。本优化控制系统应用改进的神经网络算法与模型在线更新计算相结合，将燃烧优化模型与SCR脱硝效率模型相结合，使前者的输出作为后者的输入量进行综合优化，将总运行费用直接引入优化目标，在线运算最佳的配比系数，应用专家指导模式的控制方式，实现了锅炉燃烧优化及超净排放模型的实时性与准确性，并采用先进算法对最佳送风量、最优喷氨量等参数的进行寻优计算，以使锅炉长期稳定的运行在最优燃烧范围内，系统优化实施过程如图3-1所示。
.png)
图3-1 锅炉燃烧优化系统控制框图
根据发电厂燃煤机组的需求与实际运行情况，最终优化站的建立是将燃料量、总风量、锅炉氧量、煤质低位发热量作为燃烧优化模型的输入量，将排烟温度、耗氨量、脱硝前NOx浓度、负荷、烟气含氧量作为SCR效率模型的输入量。最终输出值包括建议锅炉送风量、建议脱硝系统喷氨量，同时将锅炉燃烧效率通过软测量方式在线输出，为锅炉安全经济运行提供参考建议。本控制系统结合历史数据查询和实时的经济参数设置的方式，使火电厂在达到发电量要求的前提下，研究燃烧优化和SCR脱硝系统运行成本间的联系，实现燃烧优化和脱硝系统的综合优化运行，降低机组运行总体成本，最大化燃煤机组收益。
3.2系统运行效益与软件截图
优化站运行时，界面如图3-2所示，在优化站运行界面可以看到综合优化成本，锅炉效率预测，以及脱硝效率和污染物浓度数据的控制曲线，在优化站左侧有SIS系统的测量值显示，在优化站上侧有设定优化值的显示。本系统主要效益体现在两个方面，一是燃烧优化控制下的锅炉效率提升，二是超净排放控制下的减排成本下降。在提升锅炉燃烧效率方面，提出的建议经济送风量，保证锅炉运行氧量处于最佳氧量范围内，因此减少了锅炉的煤质固体不完全燃烧热损失和排烟热损失。效果最为明显的是，在变负荷进行时，可以提前预测并给出最优送风量建议值，减少了手动调节的误差，提高了调节速度与精度。在试验研究和控制研究结合的基础上，经过试验统计显示，该优化控制系统的效果显著，陕西国华锦界能源有限责任公司4#机组锅炉效率明显提高。在减排方面，脱硝喷氨建议值的投入更好地帮助发电机组达到了环保部门对氮氧化物考核指标。通过试验取得实验数据，并将试验数据应用于优化控制程序中，使得本系统面对不同负荷情况时适应性更强。建议喷氨值的提出保证锅炉SCR入口侧烟气中氮氧化物排放浓度在相同的运行条件下不出现明显上升，同时保证锅炉脱硝喷氨量适应实际运行情况，避免了喷氨量的额外消耗，保证脱硝成本降低的同时排放浓度完全满足环保指标的要求。
图3-2 优化站运行界面
.png)
本系统自2018年4月在4#机组调试运行至2018年5月，调试运行过程中，系统成功达到理想的控制效果。优化站调试运行中部分历史趋势如图3-3所示。图3-3（1）中右上方图名显示各条曲线表示的参数值。
.png)
图3-3（1）优化站历史趋势图
.png)
图3-3（2）优化站历史趋势部分缩小图
.png)
图3-3（3）优化站历史趋势部分缩小图
四．结语
本系统为积极响应国家节能减排的号召，通过反复试验研究、运行调试、数据分析以及参数调整，以安全为前提条件下，达到了预期设计的控制效果。该火电厂机组燃烧优化与超净排放控制系统与电厂现有的DCS和SIS系统相互配合，该系统的投入走在了国内电厂的前列，为今后电厂逐步实现高度自动化起积极推动的作用。该系统在火电厂机组成功运行的案例为燃烧优化与超净排放项目提供了范本，为国内火电厂先进燃烧优化与超净排放优化控制运行提供了可靠的技术经验和可行的方案，有利于推动国内火电厂锅炉燃烧优化与超净排放运行的研究和发展。
参考文献：
[1] 智研咨询集团. 2015年~2020年中国火电发电量市场研究及发展趋势研究报告[R].2014
[2] 阎威武，邵惠鹤.支持向量机与最小二乘向量机的比较及应用研究[J].控制与决策.2003第18卷3期.358~360
[3] 黄超.基于神经网络的锅炉控制系统设计[J].科技风.2018年2月.3
[4] 李勤道.基于炉内参数测量的燃烧优化系统优化运行理论与技术的研究[D].华北电力大学.2013年6月
[5] 刘定平，陈敏生，陆继东.电站锅炉高效低污染燃烧优化控制系统设计[J].2006年第5期第26卷.46~49
焦明明 男 1982.1 大学本科 工程师 从事大型电站生产维护工作，负责热控设备的改造和管理
工作单位：陕西国华锦界能源有限责任公司
通讯地址：陕西国华锦界能源有限责任公司维护部