飛灰含碳在線測量在660 MW機組鍋爐燃燒中應用

張 超 柳 寧 繩鵬鵬 崔小軍

(陜西德源府谷能源有限公司)

鍋爐燃燒優化主要是通過調整鍋爐燃料以及優化配風來實現，在保證穩定著火、安全燃燒的基礎上，提升鍋爐運行的經濟性[1-4]，并減少污染物的排放?？焖贉蚀_地測量鍋爐運行的重要參數是鍋爐優化燃燒的關鍵，眾多的參數中燃煤機械未完全燃燒損失占比較大，而飛灰含碳量多少反映了燃煤機械未完全燃燒損失的大小[5-6]。

目前，飛灰含碳測量技術主要包括微波諧振法、失重法、激光法等[7]。采用符合國家標準《DLT 926-2005 自抽式飛灰取樣方法》的飛灰取樣器將灰樣由煙道內取出，在測量單元中進行測量和分析。微波諧振法的優點是在線監測能力強，但存在測量擾動量容易混淆的問題；激光法的優點是效率高，但存在飛灰顆粒流的顆粒分布不均勻和激光燒蝕激發不完全的問題，進而導致光譜穩定性降低，給后續的定量分析造成很大干擾[8]；基于失重法的飛灰含碳精準檢測技術是一種測量可信高、不受煤種變化影響的研究方法，如何解決取樣器的磨損和堵塞問題是保證設備正常工作的重要課題[9]。

1 飛灰含碳檢測原理

利用灰樣燒失量計算灰樣中含碳量：稱出收灰前空坩堝的質量以及取灰后的坩堝加灰樣的質量；執行機構將裝有灰樣的坩堝送入電爐進行灼燒；灼燒到規定時間(8 min)后，再由執行機構將坩堝從電爐中取出，并送到稱重單元對灼燒后的坩堝加灰樣進行稱重；利用稱重單元對收灰前、收灰后、灼燒后所稱出的質量值來計算灰樣的含碳量。灼燒的灰樣由測量箱內的排灰機構排回到煙道中去?；覙又泻剂坑嬎闶綖椋?/p>

(1)

式中：wc為所測灰樣中含碳量質量百分數；m1為收灰前坩堝質量，g；m2為收灰后坩堝質量，g；m3為灼燒后坩堝質量，g。

2 飛灰含碳檢測方案

飛灰測碳裝置主要采用了以下幾項技術措施：①取樣管整體采用不銹鋼，并在取樣管的迎風面貼有定制的耐磨陶瓷片，保證煙道內的飛灰取樣管不易磨損；②旋流集塵器采用耐磨鋼，在旋流集塵器內部采用耐磨陶瓷貼片，在旋流集塵器外部采用高性能的膜式加熱器，保證飛灰不易粘結和磨損；③取樣彎管采用陶瓷整體設計技術，在接口部分采用不粘灰的四氟材料，防止飛灰粘結；④對測量管路、分離器、彎管采用全程加熱，確保取樣管路處于高溫狀態，不會產生冷凝水，防止取樣管的堵塞；⑤采用周期性的振打，使管壁上可能粘結的灰塊脫落。實踐證明，這些措施可以有效防止灰路系統的堵塞、磨損和粘結問題。

基于灼燒失重法的飛灰測碳裝置，稱重單元的設計是非常關鍵的，其對于現場環境的適應性決定了飛灰測碳裝置的測量精度。工業現場對天平測量精度的影響因素主要有振動、溫度和氣流。對天平的稱量部件進行了獨特的防風設計，確保天平的測量精度，使其能完全滿足對飛灰含碳量測量的應用。

常溫實驗室稱量條件下通常忽略空氣浮力對物體質量的影響。在熱作用下物體受到氣體密度、氣體流量、溫度和相對濕度等因素的影響，相對于常溫實驗室稱量條件下物體的質量產生變化的現象稱為浮力效應[10]。飛灰測碳裝置所采集的灰樣需要在線灼燒，加熱裝置的設定溫度為815±10 ℃，飛灰測碳單元內的氣流擾動比較劇烈，在對稱重單元進行充分防護的基礎上，需要進一步采用空白坩堝進行浮力效應校正。裝置定期采用空坩堝在不取樣情況下執行一次灼燒稱重流程進行浮力校驗，可有效消除環境變化所產生浮力效應的影響。

浮力效應校正的經驗公式為：

(2)

式中：mf為經浮力效應校正后的樣品和坩堝質量；ma為室溫下空白坩堝的質量；mt為測定溫度下空白坩堝的質量；mst為測定溫度下帶樣坩堝的質量。

3 實例分析

某2×660 MW超超臨界燃煤空冷發電機組，2022年9月在3、4號爐上各安裝了4套飛灰含碳量在線測量裝置，裝置投運后運行穩定。

為了進一步驗證飛灰測碳裝置的測量精度，在飛灰含碳量在線測量裝置取樣點附近安裝了手動取樣裝置。在不同工況下，通過手動取樣器上收取一定數量的灰樣送到實驗室進行化驗，同步記錄下在線儀表的顯示數值，在線儀表顯示值和化驗值對比結果如表1所示。

表1 在線儀表顯示值與化驗值對比結果

在線儀表顯示值和化驗值誤差較小，均在 ±0.4%以內，完全能滿足電廠智慧燃燒系統對測量精度的要求。

針對該660 MW機組，采用數據驅動方法建立的飛灰含碳預測模型結構如圖1所示。最小二次支持向量機模型(LSSVM)中選取上一時刻機組負荷、給煤機給煤量、二次風門開度、燃盡風門開度、省煤器出口氧量與飛灰含碳作為輸入，當前時刻飛灰含碳量預測值作為模型輸出。

圖1 飛灰含碳預測模型結構

從機組DCS歷史數據庫中導出20 d歷史運行數據，采樣周期設置為20 s。對數據進行清洗和歸一化后，選擇前2 000個樣本建立飛灰含碳預測模型，后5 000個樣本用于模型性能測試。針對鍋爐因煤質變化、爐膛積灰結渣等擾動出現燃燒特性時變的現象，文章通過適當的舊樣本替換新樣本策略完成模型自更新[11]，以實時跟蹤鍋爐特性。飛灰含碳預測模型中，核參數1.2，懲罰參數100，核參數和懲罰參數采用粒子群優化算法(PSO)結合5折交叉驗證得出。模型支持向量數設置為500，最大允許誤差設置為0.01%，即當模型預測誤差大于0.01%時采用樣本替換更新策略。

飛灰含碳實際值與預測值誤差保持在較小范圍內，最大誤差不超過0.015%。這說明模型具有良好的預測精度，能準確預測飛灰含碳變化趨勢，正確反映鍋爐燃燒特性。

利用飛灰含碳的現場測量數據，建立實時更新LSSVM飛灰含碳預測模型，并以其為燃燒優化系統預測模型之一。通過預測控制技術，對給煤機給煤量、二次風門開度、燃盡風門開度、省煤器出口氧量進行了實時優化調整?，F場運行結果表明，投入燃燒優化系統后，飛灰含碳量均值由優化前的2.1%降到1.5%，鍋爐效率平均提高0.21%。

4 結論

針對失重法飛灰測碳裝置取樣及測量方面的不足進行了有效改進和應用，提高了飛灰測碳裝置的測量精度，設計了防堵耐磨的取樣單元，提高了飛灰測碳裝置的取樣穩定性。

基于灼燒失重法的飛灰含碳測量精度高，不受煤種變化影響，是一種極具前景的測量方法，具有很高的研究與應用價值。