超临界CFB锅炉燃烧信号的监测方法及优化控制方法

摘要

本发明公开了一种超临界CFB锅炉燃烧信号的监测方法及优化控制方法，所述监测方法包括：步骤1，采集现场数据，对上述现场数据进行数据预处理，并确定即燃碳量模型的辅助变量；步骤2，建立基于机理建模和数据分析的复合建模的即燃碳量模型，并利用广义卡尔曼滤波信息融合技术估算炉膛内即燃碳的存储量；所述即燃碳量模型为：步骤3，利用即燃碳量分别构造热量信号动态模型、炉膛床温信号模型和炉膛出口氧量信号模型，来对热量、床温、氧量进行预测。本发明能够准确、实时地测量超临界CFB锅炉的热量、床温、氧量等信号，实现对超临界CFB锅炉燃烧的优化控制，提高超临界CFB锅炉燃烧的稳定性。

主权项

一种超临界CFB锅炉燃烧信号的监测方法，其特征在于，包括以下步骤：步骤1，采集现场数据，所述现场数据包括给煤量、总风量、排渣量、主蒸汽流量、给水流量、主蒸汽温度、给水温度、煤质热值和床温，对上述现场数据进行数据预处理，并确定即燃碳量模型的辅助变量；步骤2，建立基于机理建模和数据分析的复合建模的即燃碳量模型，并利用广义卡尔曼滤波信息融合技术估算炉膛内即燃碳的存储量；所述即燃碳量模型为：$\frac{dB\left(t\right)}{dt}=F\left(t\right)-\frac{1}{H}\left(K\right(PM\left(t\right)\left)B\right(t\left)\right)$   (一)式中，B(t)为即燃碳量，单位为kg/s；PM(t)为总风量，单位为m³；K为模型总系数；H为燃料的单位发热量即煤质热值，单位为MJ/kg，其中，W为机组的发电功率，单位为MW；F为当前的给煤量，单位为kg/s；η₁为锅炉燃烧效率与汽轮机发电效率的乘积；F(t)为从炉膛入口进入锅炉的给煤量，单位为kg/s；步骤3，利用即燃碳量分别构造热量信号动态模型、炉膛床温信号模型和炉膛出口氧量信号模型，来对热量、床温、氧量进行预测；其中，所述热量信号动态模型为：$\frac{dQ\left(t\right)}{dt}=\frac{1}{\tau }\left(K\right(PM\left(t\right)\left)B\right(t)-Q(t\left)\right)$式中，Q(t)为t时刻主蒸汽的热量，单位为MW；PM(t)为总风量，单位为m³；B(t)为即燃碳量，单位为kg/s；K为模型总系数；τ为热传递延迟时间，单位为s；所述炉膛出口氧量信号模型为：$Y_{o_2}=21-\frac{{\mathrm{Kl}}_{o_2}KB\left(t\right)PM\left(t\right)}{\left(PM\right(t)-l)}$式中，Yo₂为排烟氧含量，％；K1o₂为氧量模型系数；K为模型总系数；l为风量校正信号；PM(t)为总风量，单位为m³；B(t)为即燃碳量，单位为kg/s；所述炉膛床温信号模型为：$c_s{M}_s\frac{dT\left(t\right)}{dt}=K\left(PM\right(t\left)\right)B\left(t\right)-Q_a\left(t\right)-Q_{pz}\left(t\right)$式中，C_sM_s为床料固体热容量，单位为J/(kg·K)；T为床料温度，单位为K；PM(t)为总风量，单位为m³；B(t)为即燃碳量，单位为kg/s；Q_a(t)为空气在床体内的流动带出的热量，单位为MW；Q_pz(t)为排渣量带出热量，单位为MW；步骤1中的确定即燃碳量模型的辅助变量，是利用灰色关联分析方法依次分析预处理后的现场数据与即燃碳量相关性的强弱，以关联性强弱为依据进行二次选择，其结果作为即燃碳量模型的辅助变量；确定的辅助变量为给煤量、总风量和煤质热值。