论文部分内容阅读
燃煤机组普遍面临节能降耗减排的问题,通过性能优化来提高发电效益是这一时期火电机组面临的主要课题。锅炉燃烧状况直接影响机组的经济性和安全性,成为火电机组性能优化的关键。其中,燃烧状态参数检测是锅炉燃烧优化控制的基础。目前,与燃烧状态相关的检测信息相对欠缺。信息融合、软测量技术为燃烧状态参数检测提供了新的解决思路。厂级监控信息系统在火电厂中的应用,为我们提供了丰富的数据信息和良好的验证平台。本文围绕风、煤准确配比问题,展开了以下研究:1.提出一种异类数据融合方法,提高了风量、燃料量测量的准确性。利用火电厂异类相关数据构成的冗余信息,采用统计建模与数据融合相结合的异类数据融合方法,提高了风量、燃料量测量的准确性和可靠性。通过实际数据计算,验证了方法的有效性。2.构造了基于信息融合的尾部烟气含氧量软测量信号。通过机理分析和统计分析,综合考虑了漏风、煤质、风量、燃料量等众多因素,建立了氧量软测量模型。通过实际数据计算验证了该测量值的准确性。这是机理建模与信息融合相结合的典型实例,已将其应用到SIS和DCS中。3.针对火电厂普遍存在的煤质多变情况,建立了煤质在线软测量。煤质发生变化将影响风、煤的配比关系。通过能量平衡、质量平衡定律建立了燃煤的低位发热量、水分和可磨性的解析表达。采用实际数据进行计算的结果,与电厂煤质分析报告的统计数据相比,验证了计算结果的合理性。4.针对机组负荷指令波动频繁,风、煤配比在动态过程失配的情况,研究了制粉系统和送风系统的动态特性。建立了制粉动态模型,并利用燃煤发热量和可磨性指数对制粉动态模型的燃料指令增益和制粉惯性进行在线修正。同时,采用机理分析和统计分析的方法,建立了二次风系统非线性动态模型。为解决风量响应速度与风压响应波动的矛盾,设计了二次风系统协调控制方案。通过实际数据仿真验证了模型的准确性和控制的可行性。