日本在线www-日本在线播放一区-日本在线不卡免费视频一区-日本在线不卡视频-成人影院久久久久久影院-成人影院一区二区三区

    摘要：本文針對巴陵石化熱電事業部9號爐中儲式鋼球磨制粉系統的特點，采用神經網絡技術建立制粉系統的運行工況模型，并通過非線性優化技術確定使制粉單耗最低的運行參數；在此基礎上，采用模仿人操作行為的智能控制技術對整個制粉系統進行自動控制，確保制粉系統運行在最佳的工況上，實際應用表明，通過對制粉系統的智能控制后，對降低磨制粉單耗和鍋爐飛灰含碳量，提高煤粉均勻性指數，有良好效果。

    關鍵詞：鍋爐；制粉系統；鋼球磨；節能；智能控制

    Abstract: In this paper, according to the characteristics of the coal pulverizing system with ball mill of # 9 boiler in Thermoelectric Division of Baling Petrochemical Co., Ltd., the operation condition model of the coal pulverizing system was built by using neural network technology, and the lowest consumption operation parameters of the coal pulverizing system were determined through nonlinear optimization technology. On this basis, the overall coal pulverizing system was controlled automatically by using the intelligent control technology which imitated the manual operation behavior. The best operation condition of the pulverizing system was ensured. The practical application showed that good results were achieved through the intelligent control of the coal pulverizing system. The consumption of the pulverizing system was reduced effectively; the uniformity coefficient of the coal was improved and the carbon content in fly ash of the boiler was reduced.

    Key words: Boiler; Coal pulverizing system; Ball mill; Energy saving; Intelligent control

    由于鋼球磨煤機具有可磨煤種多、可靠性高、使用時間長、維護量小等優點，已廣泛應用于國內外的火力發電廠中。但鋼球磨煤機也存在缺點，主要為鋼球消耗量大、無法直接監測磨煤機負荷從而造成耗電量大等。據統計，鋼球磨的用電量約占廠用電量的15%左右，是電廠的耗電大戶之一，同時也是潛在的節能大戶之一。各電廠均把如何減少鋼球磨單位電耗作為一個重要的技改方向。要降低制粉系統的制粉單耗，必須盡量維持制粉系統運行在最優的工況上，這必須同時解決兩個相關的問題：研究并確定制粉系統最優的參數化工況；以及采用先進的控制技術對制粉系統的參數進行有效控制，確保制粉系統運行在最優的工況點上。

    為研究中儲式鋼球磨制粉系統的節能及智能控制方法，2009年中石化巴陵石化分公司正式批準“鍋爐制粉系統節能與控制方法研究”為科技開發項目，并委托巴陵石化熱電事業部和東南大學聯合研制。

    研究工作在熱電事業部9號爐中儲式鋼球磨制粉系統上進行，為獲得制粉系統的最優運行參數，首先采用了神經網絡技術建立制粉系統的運行工況模型，并通過非線性優化技術確定使制粉單耗最低的運行參數；在此基礎上，進一步采用模仿人操作行為的智能控制技術對整個制粉系統進行自動控制，確保制粉系統運行在最佳的工況上。實際應用表明，通過對制粉系統的智能控制，有效降低了磨制粉單耗和鍋爐飛灰含碳量，提高了煤粉均勻性指數。本文主要闡述在9號爐上實施的制粉系統節能和控制方法，為其它電廠鋼球磨制粉系統的節能改造提供思路和方法。

    1 確定制粉系統的最優運行參數

    1.1 制粉系統的電耗模型

    制粉系統的電耗主要來自磨煤機和排粉機的電耗，而磨煤機和排粉機的電耗又直接正比于各自電流的大小，制粉系統的運行參數如：磨入口溫度（℃）、磨入口負壓（Pa）、磨出口溫度（℃）、磨進出口差壓（Pa）及給煤指令(rpm)對磨煤機和排粉機的電流有直接影響，可以表示為:
       
      式中， , 分別為磨煤機和排粉機電流；T₁,T₂,P,Δ_P 分別為磨入口溫度（℃）、磨出口溫度（℃）、磨入口負壓（Pa）及磨進出口差壓（Pa）； n₀為給煤機的轉速指令(rpm)。

      F₁(•)  F ₂分別為磨煤機電流和排粉機電流的非線性模型。傳統的方法很難建立此模型，本文利用制粉系統的實際運行數據，采用文[1]所提出的補償遞歸模糊神經網絡，可方便地獲得磨煤機和排粉機的電流模型。補償遞歸模糊神經網絡模型^[1]如圖1所示。 
 
                  
                                    圖1補償遞歸模糊神經網絡模型

    對該網絡模型的說明如下：

    第一層：輸入層。該層神經元的主要作用就是將輸入數據傳給第二層神經元。

    第二層：模糊化和遞歸層。該層的每一個神經元包含如下計算過程，首先將前一時刻保存的該神經元的輸出值乘以一定的比例系數加到當前時刻的輸入中，然后根據隸屬度函數進行輸入變量的模糊化。隸屬度函數采用高斯函數，該層的輸出為：
   
     
    式中，Of_ij(k)是當前時刻連接第i個輸入和第j條模糊規則的模糊神經元的輸出；而Of_ij(k-1)則為該神經元在前一時刻的輸出；c_ij、σ_ij、θ_ij 分別是該神經元的結構參數，即為中心值、寬度值和遞歸環節的反饋系數。

    第三層：模糊推理層。該層主要根據模糊規則庫進行模糊推理，每一個神經元代表一條模糊規則，用來匹配模糊規則的前件，完成模糊運算。模糊規則的形式如下：

    第j條規則：If x₁ is F_1j, x₂ is F_2j, ……, x_n is F_nj, Then y_j is w_j. j = 1,2,…,L

    該層的運算結果為：
  
                  
    式中，Opj(k)是第j條模糊規則的推理結果，n為輸入向量的維數。

    第四層：補償運算層。該層對模糊規則的輸出進行補償運算。消極推理的結果Up和積極推理的結果Uo分別為：
           
             
               (5)

    式中，Oc_j(k)為該層的輸出，γj為第j條模糊規則對應的補償系數。因此，模糊規則演變為：

    第j條規則：[If x₁ is F_1j, x₂ is F_2j, ……, x_n is F_nj]^{1－γj+γj/n} , Then y_j is w_j. j = 1,2,…,L.

    第五層：歸一化層。該層神經元將補償之后的輸出結果進行歸一化運算，并輸出：
 
     
    式中，On_j(k)為該層的輸出。

    第六層：輸出層。計算歸一化之后所有輸出之和。
  
          
   
    式中，wj，j=1,2,…,L為該層的加權系數。  

    對上面補償遞歸模糊神經網絡的訓練，主要分為兩步[1]：一是結構辨識，二是參數逼近。結構辨識的主要任務是確定模糊規則的條數及其各個高斯函數的中心c和寬度σ的初始值。結構辨識后，將最小二乘算法和傳統BP算法有機結合起來，從而對網絡進行快速的學習，最終獲得相關的網絡參數模型。

    為建立磨煤機電流和排粉機電流的模糊神經網絡模型，選取磨入口溫度（℃）、磨入口負壓（Pa）、磨出口溫度（℃）、磨進出口差壓（Pa）及給煤機轉速指令(%)為網絡的輸入參數并進行歸一化。針對巴陵石化熱電事業部的9號爐，在一段時間內記錄上述數據后，通過結構辨識，得到7條模糊規則，再采用改進的BP算法對網絡參數進行進一步的逼近，最終可計算出磨煤機電流和排粉機電流的模糊神經網絡的模糊化層的中心c、寬度σ值。

    1.2 運行參數的非線性優化

    針對所建立的磨煤機電流和排粉機電流模型，采用非線性粒群優化方法[2]求解制粉系統的最優運行參數。

    定義能反映制粉系統制粉單耗的指標函數：
           
          (8)  

    式中， 為磨煤機的電流； 為排粉機電流； 給煤機的轉速指令。很明顯，上述指標盡管不是制粉系統的制粉單耗，但可以反映制粉單耗的大小。可采用非線性粒群優化方法[2]進行優化求解，從確保制粉系統安全運行的角度考慮，優化過程中，制粉系統的運行參數還應限制在允許的范圍內。因此，問題就歸結為如下帶約束條件的優化問題：

       J₀=minJ      (9)  

    約束條件： 280℃≤磨入口溫度≤335℃，-0.4kPa≤磨入口負壓≤-0.1kPa，80 ℃≤磨出口溫度≤90 ℃，-2.0kPa≤磨進出口差壓≤-1.2kPa，300rpm≤給煤機的轉速指令≤380rpm。

    針對上述優化指標和前面的模糊神經網絡模型，采用粒群優化后的最優制粉運行工況如表1所示。

                             表1優化所獲得的制粉系統運行參數
                      

    最小的指標  J₀=0.191  A/rpm

    經與運行人員討論后認為，上述優化后的運行參數比較合適，確實反映了制粉系統的實際情況。

    2 制粉系統的智能控制

    2.1磨煤機冷、熱風門的多變量智能控制系統

    在制粉系統運行時，為保證磨煤機的通風量和干燥出力，必須將磨煤機的入口負壓和入口溫度維持在允許的范圍內。由于當通過改變熱風流量維持磨入口負壓時，同時會影響磨煤機的入口溫度。而冷風量同樣會對磨煤機入口負壓有較大的影響，因此，常規控制方案會造成兩個單回路控制系統之間的交叉影響。另一方面，冷風流量改變到引起磨煤機入口溫度變化是一個大慣性的過程，可以通過相位補償降低等效對象模型的階次。

    針對上面常規控制系統存在的缺點，提出改進的控制系統如圖2所示。

    多變量解耦控制的設計原則是：

    (1) 當開大熱風門時，通過解耦環節及時開大冷風門，使磨煤機入口的溫度基本保持不變；反之，當關小熱風門時，應同時關小冷風門開度；

    (2) 當開大冷風門時，則通過解耦環節及時關小熱風門，以保證磨煤機入口負壓基本保持不變；反之，當關小冷風門時，應同時適當開大熱風門開度。

    由于溫度側的對象特性很慢，系統中加入了相位補償環節，以補償溫度被控對象的慣性時間。

    另外，為了防止磨煤機出口溫度的超溫，設計了冷風門的強開保護回路，當磨出口溫度超過某一限值時，強開磨冷風門。磨出口溫度回落后，溫風門恢復正常調節。可根據磨出口溫度來修正磨入口負壓的定值，以便當磨出口溫度偏高后能通過改變磨入口風壓來關小熱風門。
   
              
                               圖2 磨煤機入口負壓和入口溫度控制策略

    2.2給煤機轉速的智能控制系統

    給煤機轉速控制包括正常工況和非正常工況的控制，非正常工況包括給煤機斷煤、磨煤機預堵煤及已堵煤工況。各種情況的控制方案應分別處理。

    2.2.1給煤機斷煤工況的判別與控制

    斷煤判別條件：

  

      式中，ΔP 是磨煤機進出口差壓； T₂是磨煤機出口溫度；   ΔP _LL , T_2HL分別是磨進出口差壓低限和磨出口溫度高限，應根據制粉系統的實際情況確定。

    若上面條件成立，則可判斷出給煤機出現斷煤，可采用如下斷煤時的控制方法：

    （1） 保持給煤機轉速不變；

    （2） 關小磨煤機入口熱風門開度且開大入口冷風門開度，確保磨出口溫度不再升高； 

    （3） 待斷煤狀態消除后，冷、熱風門先恢復到斷煤前的位置，后參與正常調節。

    2.2.2磨煤機預堵煤工況的判別與控制

    預堵煤是指磨煤機雖然沒有堵煤但有堵煤的趨勢，一般可根據磨煤機的進出口差壓來判別，判別條件：

      

    式中， 為磨進出口差壓的高I值，應根據制粉系統的實際情況確定。

    若上面條件成立，則可判斷出磨煤機處預堵煤工況，可采用如下控制策略：

    （1）快速減給煤機轉速一定值（如減給煤機轉速40rpm）； 

    （2）待磨進出口差壓正常后，給煤機轉速正常調節。

    2.2.3磨煤機已堵煤工況的判別與控制

    已堵煤是指磨煤機確實已堵煤的工況，一般可根據磨煤機的進出口差壓來判別，判別條件：
   
         

    式中， 為磨進出口差壓的高II值，應根據制粉系統的實際情況確定。

    若上面條件成立，則可判斷出磨煤機處已堵煤工況，可采用如下控制策略：

    （1）快速減給煤機轉速到100rpm以下，若磨堵煤嚴重，則可停給煤機；

    （2） 堵粉消除后，快速增加給煤機的轉速至接近堵粉前的轉速，后給煤機轉速正常調節。

    2.2.4正常工況下給煤機轉速控制

    （1）判斷磨煤機進出口差壓是否在允許范圍內，若進出口差壓低于允許低限,則自動加煤；若進出口差壓高于允許

    高限，則自動減煤，否則執行第（2）步；

    （2） 判斷磨煤機出口溫度是否在允許范圍內，若出口溫度超出允許高限,則自動加煤；若出口溫度低于允許低限，則自動減煤，否則執行第（3）步；

    （3）磨煤機出口溫度在允許范圍內，通過微調給煤量，確保磨出口溫度維持在最優定值上，具體為：若磨煤機出口溫度與最優定值之間的偏差在規定的死區范圍內（一般死區為0.5℃），保持給煤量不變；若偏差超出死區且出口溫度大于定值，則適當加煤；若偏差超出死區且出口溫度小于定值，則適當減煤。

    2.3制粉系統的程控啟停控制系統

    由于投入了程控啟停控制系統，實現了一鍵啟動或停止制粉系統，不僅有效減輕了運行人員的操作強度，而且減小了由于制粉系統啟、停所造成的爐膛負壓的波動，確保了鍋爐的安全、穩定運行。

    制粉系統的程控啟動過程如下：

    （1）第1步的動作過程

    切磨煤機冷風門到手動，并逐步關閉冷風門；將給煤機指令逐步減小到0%；當冷風門的開度已小于4%時，自動啟動排粉機，排粉機啟動10秒后，則自動轉入第2步。

    （2）第2步的動作過程

    在磨煤機入口負壓不小于-2.1 kPa的情況下，逐步開大排粉機的入口擋板。當磨煤機入口負壓不滿足條件時，保持排粉機入口擋板的開度，該步最多使排入口擋板開到35%；同時，在磨煤機入口負壓不大于-0.1 KPa的情況下，逐步開大磨煤機的熱風門。當磨煤機入口負壓不滿足條件時，保持熱風門的開度，熱風門最多開到60%； 在此過程中，對磨煤機進行暖磨，當滿足啟磨條件(磨出口溫度大于85℃、排粉機入口擋板的開度大于30%),則自動轉入第3步。

    （3）第3步的動作過程

    啟動磨煤機，在磨煤機入口負壓不大于-0.1 KPa的情況下，繼續開大磨煤機的熱風門。當磨煤機入口負壓不滿足條件時，保持熱風門的開度，熱風門最多開到60%；同時，在磨煤機入口負壓不小于-2.1 kPa的情況下，繼續開大排粉機的入口擋板。當磨煤機入口負壓不滿足條件時，保持排粉機入口擋板的開度，該步最多可使排入口擋板開到60%；當磨煤機已啟動10秒后且排粉機入口擋板的開度已大于35%，啟動給煤機，并將給煤機的轉速指令逐步提高到24%；滿足條件(排粉機入口擋板的開度已大于50%、給煤機的轉速指令已大于23%)，則自動轉入第4步。

    （4）第4步的動作過程

    在磨煤機入口負壓不大于-0.1 KPa的情況下，繼續開大磨煤機的熱風門。當磨煤機入口負壓不滿足條件時，保持熱風門的開度，熱風門最多開到60%；在磨煤機入口負壓不小于-2.1 kPa的情況下，繼續開大排粉機的入口擋板。當磨煤機入口負壓不滿足條件時，保持排粉機入口擋板的開度，該步最多可使排入口擋板開到60%；當排粉機入口擋板的開度已大于53%時，則自動轉入第5步。
 
    (5) 第5步的動作過程

    繼續開大排粉機入口擋板60％；投制粉系統的聯鎖。

    3 結語

    （1）本文將制粉系統優化運行工況的研究與制粉系統的自動控制有機地聯系起來，從制粉系統整體優化的角度去研究、設計及實施制粉控制系統，降低了制粉電耗，具有明顯的創新性。

    （2）能使整個制粉系統甲、乙兩側的10套自動控制系統全部長期、穩定地投入運行，并具有制粉系統斷煤或堵煤時的自動處理功能。

    （3）采用了多變量智能控制技術，對磨煤機入口負壓、進出口差壓、進口及出口溫度等參數進行有效控制，維持制粉系統良好的運行工況。

    （4）采用了自適應智能控制方法對給煤機轉速進行了有效控制，有效減少了磨煤機滿煤情況的發生次數，并提高了制粉系統的出力，降低了制粉單耗。

    （5）實現了制粉系統的自動啟停，減少了啟、停制粉系統對鍋爐爐膛負壓的影響，提高了鍋爐運行的安全性，有效減輕運行人員的操作強度。

    參考文獻：

    [1] 吳波，吳科，呂劍虹. 一種補償遞歸模糊神經網絡及其學習算法[J]. 中國科學, 2009, 39(7):694-703.

    [2] Coello C A C, Pulido, G T, Lechuga M S. Handling multiple objectives with particle swarm optimization[J]. IEEE Transactions on Evolutionary Computation, 2004, 8(3):256 – 279.

    [3] 呂劍虹，郭穎，吳科. 中儲式鋼球磨制粉系統的自適應模糊控制[J]. 熱能動力工程, 2007,22(4):418-422.

    摘自《自動化博覽》2011年第四期