基于炉内温度场可视化的燃烧优化控制方法研究

【摘要】：对先进燃烧检测和控制技术进行研究是实现电站燃煤锅炉稳定、高效、低污染燃烧的重要途径之一。现有的炉膛三维温度场可视化技术已经能够为新的燃烧优化控制策略的实施提供实践基础。针对燃烧控制系统中固有的纯延迟、大滞后、分布参数的特性,本文提出了以炉膛三维温度场分布为中间参量,对多火嘴煤粉锅炉进行控制的新型控制策略。针对电站锅炉的运行面临降低运行成本与降低污染物排放的双重要求,开展了一种整体燃烧优化的研究。 本文建立了表征炉内三维温度分布与输入炉膛的各燃烧器的煤粉量,一、二次风量等参量的适用于控制的线性模型。提出了一种基于自适应遗传算法的以炉膛火焰温度分布为中间参量的优化控制策略,并对控制策略进行了仿真研究。结果表明,该控制策略可以有效克服锅炉负荷变化对炉内燃烧过程的影响,获得燃料量和风量控制指令以适应负荷变化,并能给出个别燃烧器故障情况下的识别和控制动作等。因此,采用基于自适应遗传算法的锅炉温度场分布优化控制策略对锅炉燃烧过程进行优化控制是可行的。 本文针对一台采用三维温度场可视化检测系统的300MW 锅炉进行了现场试验,研究了燃烧调整对炉内三维温度分布与锅炉NO_x排放特性的影响。从中得出,燃烧调整不仅对炉膛内的三维温度分布有较大的影响,并且对NO_x排放、炉膛辐射能、飞灰含碳量等产生影响; 三维温度场分布与NO_x排放量具有较强的关联性,尤其是主燃烧区内的温度对NO_x 排放量影响很大,这为通过控制炉膛三维温度场来达到控制NO_x排放的控制策略提供了依据。 在燃烧调整试验基础上,发展了基于神经网络的锅炉NO_x排放和飞灰含碳量的响应模型,并通过试验值和模型计算值的比较,证实模型的泛化能力。将炉膛断面最高温度作为输入参数引入到NO_x排放神经网络预测模型中,与不考虑此温度影响的网络相比,得到的网络训练更快,精度更高。提出了基于自适应遗传算法的电站锅炉高效低污染优化控制问题的控制策略,并进行了仿真研究,结果表明,采用该模型建议的燃烧调整参数,可明显降低NO_x排放浓度及飞灰含碳量,提高锅炉效率。最后,本文采用灰色理论中相关性分析的方法,分析锅炉入炉参数与污染物排放