锅炉飞灰含碳量测量方法综述

程启明，胡晓青，王映斐，汪明媚

(上海电力学院电力与自动化工程学院，上海 200090)

锅炉飞灰含碳量是火电厂燃煤锅炉燃烧效率的重要指标.当飞灰含碳量高时，说明煤耗和发电成本过高.实时、准确地监测飞灰含碳量，有利于调整风煤比，可将飞灰含碳量控制在最佳范围内，以提高锅炉燃烧控制水平，保证机组经济、安全、稳定地运行.但由于飞灰含碳量受煤种、锅炉结构、运行操作水平等多种因素的影响，很难直接在线测量.

目前国内外已提出多种飞灰含碳量检测方法，主要分为物理测量方法［1-14］和软测量方法［15-28］两大类.本文介绍了各种飞灰含碳量测量方法的工作原理、特点与生产厂家，这对实际应用中测量方法的选择有一定的参考价值.

1 飞灰含碳量的物理测量方法

飞灰含碳量的物理测量方法是利用碳的可燃性及高介电常数等物理、化学特性，来检测飞灰中的含碳量.

根据测量原理的不同，它可分为燃烧失重法、热重分析法、微波法、光学反射法等10多种测量方法［1-14］，其中微波法是目前应用最多、测量速度最快的测量方法.

1.1 燃烧失重法

燃烧失重法［1］是一种传统的飞灰含碳量测量方法.其测量原理是利用取样器在烟道中提取一定重量的飞灰样品，放入马弗炉中完全燃烧，然后利用燃烧前后的重量差来计算飞灰中的含碳量.燃烧失重法的全部过程包括定时采样、试样积累、制样、称重、燃烧再称重等工序，其操作复杂，且中间环节多、引入误差的机会多，还受人为因素的影响，化验分析结果往往滞后几小时，不能及时指导飞灰含碳量的在线调整，只能用于离线测量.

近10年来，这种测试方法有了很大发展，美国Rupprecht＆Palashnick公司已开发出了一种在线监测的燃烧失重法，其测量原理与传统方法相同，先将一个装在微粒天平上的空过滤筒称重，然后等速采集飞灰样品，将过滤筒再次称重后加热至804℃，并维持数分钟以氧化样品中的碳，再次称重，最后自动计算样品中的碳.其测量时间为15 min，样品量大约是 35 g，测量精度约为 ±0.5%.

燃烧失重法的优点是测量准确性高，且测量结果与煤质和煤种无关，若采样系统具备反吹装置可有效地解决管路堵灰问题，适用于当前国内火电厂的用煤现状，因此获得广泛应用.该方法的缺点是取样间隔长、时滞性大、实时性差，难以及时反映锅炉燃烧工况.尽管开发了在线监测系统，但测量时间还是需要15 min左右，难以对锅炉运行提供有效、实时的运行指导.

1.2 反射测量法

反射测量法是根据飞灰中碳颗粒与其他物质颗粒反射率的明显差异，选择不同的发射信号源，来测量飞灰含碳量的方法，已产品化的有光学反射法、红外线测量法和放射法3种.光学反射法［2］将灰样和粘合剂按一定比例混合，压制成环状物放入辉光放电室内，用单色器和光电探测器分辨辉光放电室内所产生的发射信号，并依据单色器的范围，确定飞灰含碳量和飞灰的其他组分.红外线测量法［3］是利用红外线对飞灰中碳粒反射率不同的原理进行测量的，按事先标定的反射率直接得出测量结果.放射线法又分为γ射线法［4］和X射线法［5］两种，它们的测量原理是光电效应和康普顿散射效应.当飞灰中含碳量低时，光电效应较强而康普顿散射效应较弱.反之，则光电效应较弱而康普顿散射效应较强.因此，通过核探测器记录的反散射γ或X射线强度的变化就可以测量出飞灰中的含碳量.

光学反射法具有仪器简单经济、测定时间快等特点，适合连续监测.但此法与燃烧失重法一样，需要用已知的灰样标定进行测量，当飞灰颗粒不均匀时，不同颗粒中的含碳量与反射信号之间无法构成严格的线性关系，从而影响测量精度.另外，煤种、灰成分的变化对测量精度影响很大，很难保证数据的可靠性.其主要产品有丹麦M＆W ASKETEKNIK公司的RCA V10/V11型飞灰测碳仪，所需的样品量约为3 g，测量时间为4～5 min，其测量精度大于0.5%.

红外线法具有仪器设备简单、成本低、速度快且又不污染环境等特点.但与光学反射法一样，当飞灰颗粒大小不一并且颗粒中的含碳量不均匀时，反射信号不是严格的按比例变化，同时反射信号还会随煤种的变化而变化.因此，测量精度受飞灰颗粒和煤种的影响很大，很难保证测量精度.丹麦、荷兰、英国多家公司生产此类产品，测量时间约为3 min，测量精度约为0.5%.

放射线法属非接触性测量，标定简单，精度较高，且不受压力、粘度、湿度、腐蚀性等影响.但若飞灰颗粒太大将无法得出精确结果，且由于飞灰碳颗粒偏大且密度较小，在灰样装入样品盒时碳颗粒会流向盒的四周，从而使测量值偏低.另外，灰中原子序数高、比重大的Fe和Ca等元素对测量精度有很大影响，需要修正基体效应产生的误差.由于该法需要一个稳定的放射源，存在辐射问题，即便低能量的γ射线能量也较大，对人体也有伤害，维护成本较高.低能X射线散射法能量低，对人体影响很小，防护比较容易.黑龙江省科学技术物理研究所进行了相关的技术开发，其样品的实验测量精度小于0.5%.

1.3 热重分析法

热重分析法［6］是在程序控制的温度下，测量物质质量变化与温度关系的一种方法.飞灰受热或冷却，其结构、相态和化学性质的变化必将伴有相应的质量变化(失重或增重).热重仪可以测量飞灰试样的质量变化并自动进行数据记录和处理，绘出质量变化与温度的关系曲线，由此测得的质量损失可对飞灰试样组成等进行定量分析，从而测出飞灰含碳量.

此法具有操作简便、自动化程度高、准确度高、分析速度快，以及试样微量化等优点.但此法的分析时间需要1 h左右，不能做到实时快捷，且检测过程操作复杂，仪器价格昂贵，不易推广使用.由于无法检测体系在受热过程中逸出的挥发性组分，使得热分析技术难以推广.目前，热重分析法常与质谱等其他先进的检测系统联用.美国LECOTGA2601热重分析仪一次称量可同时测定19个样品，测量过程均由仪器按程序控制，可检测样品的水分、挥发分、灰分、固定碳等项目.

1.4 流化床CO2法

流化床CO2法［7］的测量原理是通过向流化床燃烧室供给一定数量的空气，将飞灰中的碳燃烧成CO2，测量CO2含量并据此算出飞灰的含碳量.

此法具有测量准确性较高、测量结果与灰质和灰种基本无关等优点.此法的缺点是送入的空气量要很精确，而工程实践中很难保证流化床燃烧室严格的密封性.此外，飞灰中的碳酸盐会出现受热分解出CO2的现象，这会影响测量精度.此法的主要产品有英国Bristol Babrock Lid公司的Clgm飞灰测碳仪，样品量约为2.5 g，测量时间约5 min，测量精度为 0.5%.

1.5 激光感生击穿光谱法

激光感生击穿光谱法［8］的测量原理是当一束高功率的脉冲激光光束集中照射到样品时，样品烧蚀为高温等离子体，通过测量等离子体发射光谱对应的波长和强度就可以得到所测对象中的组成元素及其浓度大小.

此法属于非接触实时测量，无需取样和进行样品预处理，一次光谱可测量多种组分，测量对象包括固体、液体和气体，具有高检测灵敏度.但此法除了需要对谱线数据进行标定外，其激光能量与碳元素强度密切相关，会导致粉煤灰样品烧蚀不稳定，探测到的谱线强度不能准确反应出样品中的碳元素含量，影响测量的精确性.因此，在实际测量中应选择合适的激光能量，适当降低靶面附近的激光能量密度，避免空气的强烈击穿.华中科技大学开发出了激光感生击穿光谱煤质分析仪.

1.6 微波法

微波法是目前研究最多、测量速度最快、商业化程度最高的一种测量方法.它又可分为微波吸收法和微波谐振法两种.其中微波吸收法［9］是根据飞灰中的碳粒吸收微波诱导而产生涡流的原理，飞灰中含碳量越高，导电率就越高，由感生电流产生的热量也越高，吸收的微波就越多，因此测量剩余微波能量的大小就可测定飞灰含碳量.而微波谐振法［10］是利用微波电路中谐振腔内部电场能与磁场能可相互交替变化的特点来进行测量的.由于谐振时电场能与磁场能的幅值相等，失谐时这两种能量不能自行转化，从而使谐振腔具有选频特性.当在腔中引入小体积的飞灰产生微扰时，将导致谐振频率等参量发生微小变化，根据微扰前的物理量和微扰后的测量值来计算谐振腔体参量的改变量，从而确定飞灰的含碳量.

微波法的优点是测量速度快、精度高、仪器简单、生产维护费用低且环境无污染，因而在国内燃煤锅炉中得到广泛应用.此法的缺点是需要进行标定，难以适应目前火电厂煤质多变的情况，且测量腔容易堵灰，严重的堵灰会导致仪器无法使用.此外，采用单点撞击式取样器，取出的灰样中大颗粒居多，灰样代表性差，测量准确度不高，只能反映飞灰含碳量的变化趋势.

近年提出的烟道内置式微波法测碳系统［11］采用了无灰路直接测量方式，将烟道作为测量腔，且将微波传感器安装在锅炉尾部烟道上，从根本上改变了以往必须采用取样系统才能完成的飞灰含碳量的测量.它无取样管路，结构简单，维护工作量小，可使微波信号沿垂直气流方向快速穿越整个烟道，测量在瞬间完成，真正做到了实时、准确测量，解决了现有微波法存在的采样代表性不够和管路堵灰问题.但目前仍存在着微波能量向烟气通道两端逸散、烟道飞灰密度不稳定、电子器件受环境温度影响产生的特性变化等问题，国内外都在作相关的研究与产品开发工作.

采用微波法的产品数量较多，如澳大利亚CSIRO矿产和工程公司开发的微波测碳仪，测量精度在0.08% ～0.28%之间，测量时间小于3 min;深圳赛达力电力设备有限公司生产的MCM型飞灰测碳仪，测量精度为约0.5%.

1.7 光声效应法

在光声效应法［12］的测试过程中，需要将样品放在密封的光声池内，用脉冲单色光照射，以吸收光中的能量，并转为热能传播到周围的气体中.样品池顶端高灵敏度的微音器就能检测到由此引起的声信号，由于声信号的强度与样品吸收光的能量成正比，因此通过检测声信号就可以检测粉煤灰中的含碳量.

此法的优点是实时快捷、操作方便、成本低廉、精度较高，以及受粉煤灰中其他成分影响小等.此法的缺点是由于不同的粉煤灰样品的密度等性质差别很大，检测之前需对被测的粉煤灰样品进行标定;粉煤灰样品的成分非常复杂，其他矿物成分产生的光声效应会不同程度地影响测试结果;自然状态下的粉煤灰材料很不均匀，其成分复杂，且颗粒大小分布较大，测量的精确性和可重复性会受影响;测量结果还受气煤流度、温湿度变化、管道内压力，以及煤粉分散度等多种因素影响.美国Ametek公司设计了商用型的光声测量仪Carbon Analyzer(CA200).

1.8 电容法

电容法［13］是根据将飞灰作为电介质，认为飞灰的介电常数是飞灰中含碳量的函数，含碳量的变化引起介电常数的变化这一原理进行测量的.它通过测量电容式传感器的电容值，可测得飞灰中的含碳量.

此法具有非接触式、安全可靠、安装容易、适应性强、精度高、响应快等优点.但介电常数与飞灰含碳量之间并非线性关系，其参数关系难以用解析式描述.另外，介电常数会随着飞灰中水分的改变而变化，此法不适宜水分经常变化的飞灰含碳量测量.浙江省电力建设总公司开发出了电容式测碳仪.

1.9 静电法

静电法［14］的依据是:在煤量一定的情况下，由煤粉粒子形成的静电场的大小与粉体的相对介电常数成反比，而粉体的介电常数与煤粉的含碳量成正比.因此，在煤粉浓度、温度一定的情况下，由特殊制造的静电场感应传感器采集到静电场的强、弱信号，经分析、处理、放大后传输至监测系统，从而输出当前煤粉的含碳量.

此法快速实时、运行可靠、维护容易，其测量精度达到0.5%，能够满足现场要求.但由于锅炉负荷变化对测量值有影响，因此要用给煤机对煤量进行修正，需要标定后才能使用.南京大得科技有限公司开发出了PCM-2000型静电法煤粉含碳量测量仪.

2 飞灰含碳量的软测量方法

各种测碳仪由于技术或成本的原因难以成功地应用于现场，而电厂出于提高经济效益的目的，又迫切要求能够快速、精确测量飞灰含碳量.软测量技术是利用一些易于实时测量的、与被测变量密切相关的变量(二次变量)，通过在线分析来估计不可测或难测的变量的方法.软测量为飞灰含碳量的实时测量提供了一种重要手段，它具有泛化能力好、运算时间短、适应范围广等优点，具有很好的推广应用前景.飞灰含碳量的软测量方法主要有数值计算建模和智能建模两种［15-28］.由于飞灰含碳量的诸多影响因素具有耦合性强、非线性强等特征，锅炉飞灰含碳量的软测量适合采用智能建模法.

2.1 数值计算建模法

通过数值计算法测量能够较为准确地获得飞灰含碳量值，并且能够指导如何控制飞灰含碳量的生成.国内外研究者已提出了多种飞灰含碳量数值计算方法，如文献［15］通过将炉膛从冷灰斗到大屏底部进行分切片，将炉膛分为若干区段，根据各区段间的能量平衡和物质平衡，建立对实际锅炉煤粉燃尽率与飞灰含碳量预测的一维计算方法.

此法直接利用电站锅炉运行数据进行建模，这些运行数据可以覆盖锅炉的整个运行工况，具有很好的代表性，其建模精度较高.但由于建模时考虑的方向不同，使它们在实际应用中存在一定的局限性，且计算时作出一些假设或简化，因此其预测模型的测量精度会受到影响，很难用于现场实时监测.

2.2 智能建模法

智能建模运用人工智能方法，利用火电厂DCS系统及其他现有系统丰富的数据资源，具有建模精度高、通用性好的特点，可及时准确地建立模型.

智能建模法一般对电站锅炉飞灰含碳量进行实炉试验，以获得特定工况下的试验数据，并利用这些数据应用人工智能技术建立模型.但是由于试验的工况有限，并不能代表锅炉的整个运行工况，因此建立的模型并不能很好地反映锅炉飞灰含碳量的变化.

2.2.1 神经网络法

神经网络作为一种非线性模拟的具有生命力的方法，已广泛应用于软测量建模过程.BP网络是目前应用最广泛的多层前向网络，它能实现任何非线性连续映射，在飞灰含碳量进行软测量建模时，大都采用了BP神经网络进行辨识建模.如文献［16］以热态实炉试验数据为训练样本，采用改进算法的BP神经网络结构，建立了大型四角切圆燃烧锅炉飞灰含碳量特性的神经网络模型.文献［17］在分析锅炉飞灰含碳量的影响因素和锅炉燃烧特性试验的基础上，建立了锅炉飞灰含碳量在线软测量的BP神经网络模型，取得了较好的试验结果.

由于BP算法存在训练时间长、收敛速度慢、收敛于局部极小点等缺陷，因此出现了多种BP网络改进算法和优化算法，如附加运量法、自适应学习速率、L-M算法、GA算法、BFGS法等，一些改进措施被用于飞灰含碳量的软测量.例如，文献［18］采用基于L-M算法的BP神经网络建立了飞灰含碳量软测量模型;文献［19］采用了基于BP神经网络结合遗传算法(GA)的新型软测量模型，获得了当前最佳的锅炉燃烧调整方式，解决了锅炉变工况下运行参数基准值的问题，从而使预测更加快速、准确.

RBF网络在一定程度上解决了BP网络训练时间长和存在局部极值的问题，具有收敛速度快、全局优化的特点，目前在建模中应用较广.文献［20］采用BP网络的L-M算法、BFGS算法和RBF网络算法进行了飞灰含碳量软测量建模，模型实验结果表明RBF网络的训练精度最高、耗时最短，L-M算法次之，BFGS算法相对较差，但这3种算法在训练速度和精度上均优于BP改进算法.

2.2.2 支持向量机法

支持向量机法(SVM)应用结构风险最小化(SRM)原则，有效地解决了机器学习理论中的泛化问题.该方法的优点包括:最小化结构风险目标函数有效地抑制了欠学习和过学习现象，获得了良好的泛化能力;该算法转化为一个二次规划问题，得到全局最优点，解决了神经网络的局部极小值问题;拓扑结构只与支持向量有关，计算速度快，更适合于在线应用;适合于小样本学习.文献［21］利用支持向量机建立了大型四角切圆燃烧锅炉飞灰含碳量特性的模型，并对该模型进行了训练和校验，结果表明所建模型能根据燃煤特性及相关操作参数准确预报锅炉在不同工况下的飞灰含碳量特性，并具有良好的泛化性.

最小二乘支持向量机(LS-SVM)是标准SVM在二次损失函数下的形式，把模型优化问题转化为线性方程组的求解，大大提高了求解速度.文献［22］针对某300 MW 四角切圆电厂锅炉的实测工况数据，采用LS-SVM方法进行飞灰含碳量软测量建模研究，引入了局部学习思想，采用改进的核函数，实现了模型参数的自动优化.

支持向量机能够有效地解决高维问题，但是输入变量之间存在的线性与非线性属性影响了模型的精度和泛化能力.

2.2.3 集成软测量法

一般采用机理分析来选取软测量的辅助变量，但是由于对象机理的复杂性，往往会扩大辅助变量的选择范围，使得样本数据过于庞大.因此，出现了飞灰含碳量软测量的混合建模方法.例如，文献［23］采用将主元回归分析(PCA)与神经网络结合的混合建模方法进行了含碳量在线测量，既保留了原始变量的特征信息，又简化了神经网络的结构，使神经网络的优点得以充分发挥.实验结果表明，混合模型与单一神经网络模型相比可以获得较高的测量精度.文献［24］提出了KPCASVM的飞灰含碳量软测量建模方法，并对某300 MW四角切圆锅炉不同工况下的飞灰含碳量进行预测，仿真结果验证了这种建模方法的有效性和优越性，说明其具有良好的推广应用前景.文献［25］提出了偏最小二乘与人工神经网络的结合模型，简化了神经网络的复杂程度，减少了训练时间，保证了模型的精确度.

2.2.4 数据融合法

由于飞灰样品的密度、粒度、温度、湿度，以及飞灰中各种矿物质的含量等都对测量精度有影响，因此需要采用多个传感器从不同角度检测被测介质的特性，然后利用数据融合将多个传感器检测到的数据进行分析和集成，降低了各种因素对测量结果的影响，提取出被测对象的有效信息，形成对被测对象信息全面和完整的描述.这样可获得比单个传感器或多个传感器的算术平均值更准确的测量结果，从而提高了测量的精度和稳定性.

文献［26］采用目前广泛使用的烟道式微波测碳仪进行在线监测，但在实际中烟气密度和流速对仪器的测量精度有很大影响，使测量结果产生较大波动，因而通过选择和设计合适的传感器测量出微波功率衰减、相位变化量、烟道烟气密度和流速这4个与飞灰含碳量测量结果强相关的特征量，获得了对飞灰含碳量的多维信息描述，并选用基于L-M优化算法的3层BP神经网络对互补的多传感器的信息进行有效融合，从而提高了飞灰含碳量的测量精度和测量稳定性.

3 结论

(1)物理测量方法中，微波吸收法具有测量速度快、精度高、设备简便、生产维护费用低等优点，其效果明显好于其他物理测量方法，但此法制成的设备存在测量腔堵灰问题，而烟道式飞灰微波测碳系统解决了堵灰问题，目前应用较为广泛.

(2)由于物理测量方法存在设备复杂、造价高、维护成本高、测量精度影响因素多等缺点，而软测量方法具有泛化能力好、预测精度高、适应范围广、计算简单、成本低等优点，因此软测量方法会有较好的推广应用前景.

［1］熊东平.烧失法在线飞灰测碳装置在600 MW机组中的应用［J］.电力设备，2007，8(12):82-83.

［2］OUAZZANE A K，CASTAGNER J L，JONES A R，et al.Design of an optical instrument to measure the carbon content of fly ash［J］.Fuel，2002，81(15):1 907-1 911.

［3］何伦英，徐丽辉.红外吸收法测定碳含量的测量不确定度评定［J］.化学分析计量，2006，15(4):13-14.

［4］潘理黎，王佳莹，杨玉峰，等.火电厂飞灰含碳量在线监测设备现状［J］.热力发电，2008，37(11):10-14.

［5］杨振华，向钟，杨建康.低能X射线散射荧光法快速测煤灰及炉渣中的残碳量［J］.煤质技术，2003(2):44-46.

［6］徐朝芬，孙学信，郭欣.热重分析试验中影响热重曲线的主要因素分析［J］.热力发电，2005(6):34-36.

［7］刘鸿，周克毅.锅炉飞灰测碳仪的技术现状及发展趋势［J］.锅炉技术，2004，35(2):65-68.

［8］吴戈，陆继东，余亮英，等.激光感生击穿光谱技术测量飞灰含碳量［J］.热能动力工程，2005，20(4):365-369.

［9］张扬，马道林，陆明.微波在线飞灰含碳量测定技术及分析［J］.发电设备，2006(3):180-184.

［10］KATARZYNA S G，JANUSZ G，HENRYK J，et al.Characterization of the coal fly ash for the purpose of improvement of industrial on-line measurement of unburned carbon content［J］.Fuel，2004，83(13):1 847-1 853.

［11］李强，宣益民，冯长青，等.MCE-I型烟道式飞灰含碳量在线测量系统的研制［J］.工程热物理学报，2003，24(3):523-526.

［12］MAOHONG F，ROBERT C，BROWN S.Precision and accuracy of photo-acoustic measurements of unburned carbon in fly ash［J］.Fuel，2001，80(11):1 545-1 554.

［13］陈一帆.电容式测碳仪测量原理分析［J］.浙江电力，2003(3):58-60.

［14］王建国，姜忠.燃煤含碳量在线测量装置的研究［J］.湖南电力，2009，29(2):25-27.

［15］唐良广，郑楚光，赵海波.实际锅炉中煤粉燃尽率与飞灰含碳量的预测［J］.华中科技大学学报，2001，29(1):14-17.

［16］周昊，朱洪波，曾庭华，等.基于人工神经网络的大型电厂锅炉飞灰含碳量建模［J］.中国电机工程学报，2002，22(6):96-100.

［17］陈强，王培红，李琳，等.电站锅炉飞灰含碳量在线软测量模型算法［J］.电力系统自动化，2005，29(2):45-49.

［18］李智，蔡九菊，郭宏.基于神经网络的电站锅炉飞灰含碳量软测量系统［J］.节能技术，2004，22(4):6-7.

［19］陈敏生，刘定平.电站锅炉飞灰含碳量的优化控制［J］.动力工程，2005，25(4):545-549.

［20］王海群，张素贞，刘军.人工神经网络在燃煤锅炉含碳量测量中的应用［J］.锅炉技术，2004，35(2):35-35.

［21］王春林，周昊，周樟华，等.基于支持向量机的大型电厂锅炉飞灰含碳量建模［J］.中国电机工程学报，2005，25(20):72-76.

［22］ZHANG Gui-wei，BAO Lin.Soft-sensing modeling of the carbon content in fly ash based on information fusion for thermal power plant［C］//Proceedings of the IEEE International Conference on Mechatronics and Automation， China，Changchun:2009:3 860-3 865.

［23］谭浩艺，陈绍炳，周自强.基于PCA-BP神经网络的锅炉煤质的软测量［J］.能源技术，2009，30(1):9-11.

［24］陈敏生，刘定成.基于核主元分析和支持向量机的电站锅炉飞灰含碳量软测量建模［J］.华北电力大学学报，2006，33(1):72-75.

［25］杨国强.反向建模方法在电站锅炉飞灰含碳量测量中的应用［D］.北京:华北电力大学，2010.

［26］牛培峰，化克，张现平.基于信息融合技术的锅炉飞灰含碳量测控系统［J］.仪器仪表学报，2009，30(6):1 207-1 210.