基于遗传算法的锅炉高效低NOx燃烧优化

杨巧云

(武汉电力职业技术学院，湖北 武汉 430079)

0 前言

电站锅炉运行过程中，为了降低发电成本及降低污染物排放量，需要同时获得高的效率和低的NOx排放。锅炉效率及NOx排放特性很复杂，受到燃煤性质、配风方式、炉温、过量空气系数、煤粉细度、风粉分配均匀性、锅炉负荷、炉型、燃烧器型式等多种因素的影响［1－4］，两者的控制往往存在矛盾，运行中必须兼顾两方面的影响，进行燃烧的多目标组合优化，获得最佳的运行参数。

遗传算法提供了一种求解复杂系统优化问题的通用框架，它不依赖于问题的具体领域，广泛应用于很多学科和领域，如函数优化、组合优化、生产调度、自动控制、图象处理等，在优化领域表现出了强大的能力。本文采用遗传算法对锅炉燃烧进行优化。

1 遗传算法简介

遗传算法［5－9］是模拟生物界的遗传和进化过程而建立起来的一种搜索算法，其基本思想是从一组随机产生的初始解即种群开始搜索，种群中的每一个个体，即问题的一个解，称为“染色体”。遗传算法通过染色体的适应值来评价染色体的好坏，适应值大的染色体被选择的几率高，相反，适应值小的染色体被选择的可能性小，被选择的染色体进入下一代;下一代的染色体通过交叉和变异等遗传操作，产生新的染色体，即后代;经过若干代后，算法收敛于最好的染色体，该染色体就是问题的最优解或近优解。

遗传算法的计算步骤如下:

(1)染色体编码。将问题空间的解变量转换成遗传空间，由基因按一定结构组成染色体，这一转换即为编码。

(2)随机产生初始种群。种群规模大小与问题的内在规律、问题空间的范围、交叉率和变异率的选择等因素有关。

(3)用适应度函数对染色体进行评价。

(4)选择适应值高的染色体进入下一代。

(5)通过遗传、变异操作产生新的染色体。

(6)不断重复步骤3～5步，直到满足终止进化条件。

进化计算的终止可以从两方面进行控制:

(1)预先设定进化代数;

(2)以种群的进化程度控制。种群的进化程度是指种群的当前代最大适应值与种群的平均适应值的比例关系。

遗传算法中有三种基本操作:

(1)选择:根据各个个体的适应度，按照一定的规则或方法，从当前群体中选择出一些优良的个体遗传到下一代群体中去。一般要求适应度较高的个体有更多的机会遗传到下一代群体中。

(2)交叉:交叉运算是将群体中的各个个体随机搭配成对，对每一对个体，以某个概率(称为交叉概率)交换它们之间的部分染色体。

(3)变异:变异运算是对群体中的每一个个体，以某一概率(称为变异概率)改变某一个或某一些基因座上的基因值，也是产生新个体的一种操作。

2 锅炉效率响应特性及NOx排放特性

有专家在某300 MW机组锅炉上对入炉总风量、锅炉负荷、燃尽风量、燃尽风喷嘴摆角、燃料风量及煤粉量分配方式等影响NOx排放及锅炉效率的因素进行了变工况试验［10］。以该试验数据为依据，建立锅炉效率及NOx排放的数学模型，绘制效率及NOx排放的特性曲线，如图1～图4所示。

由图1可以看出，省煤器后氧量增加时，NOx的排放量增加，当氧量增加到一定程度时，NOx的增加减慢;省煤器后氧量增加时，锅炉效率增加，当氧量增加到一定程度时，氧量再增加，效率将有所降低。

因为燃烧区域氧量增加，使火焰温度升高，热力型NOx生成量增加，氧量增加还使燃料型NOx的生成量增加，因此总的NOx生成量增加。当氧量增加到一定程度时，由于过多的空气供应使炉内温度降低，热力型NOx生成量减少，因此NOx的总量增加减慢［11］。

图1 锅炉效率、NOx排放量与省煤器出口氧量的关系

图2 锅炉效率、NOx排放量与燃烬风量的关系

图3 锅炉效率、NOx排放量与燃烬风喷嘴摆角的关系

图4 锅炉效率、NOx排放量与煤粉量分配方式的关系

因为随着氧量增加，不完全燃烧损失降低较多，同时烟气量增加，排烟热损失有所增加，此时锅炉总损失降低，效率增加。当氧量增加到一定程度时，不完全燃烧损失较小，如果再增加氧量，不完全燃烧损失降低值小于排烟热损失的增加值，锅炉效率降低。

图2～图3表明，当燃尽风量增加、燃尽风喷嘴由下倾摆至上倾时，NOx的排放量减少，锅炉效率降低。这是因为降低了主燃烧区域氧浓度，增强了分级燃烧程度，使NOx的生成量减少［11］;减少了主燃烧区氧量，火焰温度降低，缩短了燃尽时间，使锅炉效率降低。

图4表明，燃料从均匀分配变为下多上少时，NOx的排放量减少，锅炉效率增加。原因是降低了主燃烧区域氧浓度，增强了分级燃烧程度，使NOx的生成量减少;下多上少的煤粉分配方式使火焰中心位置降低，增加了燃尽时间，使锅炉效率提高。

由以上分析可以看出，省煤器出口氧量、燃尽风量、燃尽风喷嘴摆角等参数变化时，锅炉效率和NOx排放浓度有同时增大和减小的变化趋势，因此需要选择合适的运行参数，使锅炉同时满足高效和低NOx排放要求。

3 锅炉NOx排放与效率的组合优化

3.1 NOx排放与效率组合优化的数学模型

优化过程中，对如何协调锅炉的高效和低污染，有不同的侧重。如果从经济性考虑，在污染物排放严重的情况下，侧重于降低NOx的排放，以减少污染物排放费用;对锅炉效率过低的机组，侧重于提高锅炉的效率。如果从环保方面考虑，侧重于NOx排放的降低。从不同的侧重点考虑，有不同的优化目标函数和优化结果。

对多目标优化问题，目标函数的确定对于优化结果有很大的影响。本文燃烧优化的目的是降低NOx排放的同时提高锅炉效率，是多目标优化问题，可采用如下优化目标函数。

(1)同时兼顾NOx排放与锅炉效率，目标函数定义为［12］

式中 ηb、ηbc——原工况下及优化后的锅炉效率/［%］;

NOx、NOxc——原工况下及优化后NOx排放浓度/mg·Nm－3。

a、b——锅炉效率及NOx的权重。

优化目标是使函数f(x)最大，即达到提高效率、降低NOx排放的目的。通过权重的变化，可以获得不同侧重情况下的锅炉优化参数。

(2)将NOx排放浓度控制在国家规定的标准下，使锅炉效率最大。优化目标函数定义为

优化目标仍然是使f(x)达到最大。

3.2 优化过程

本文对上述300 MW机组锅炉进行燃烧优化，该锅炉燃用贫煤，NOx排放浓度较高，采用式(1)定义的目标函数。

根据分析可知，对于锅炉，省煤器出口氧量、燃尽风量、燃尽风喷嘴摆角及煤粉量分配等可调运行参数对锅炉NOx排放浓度及效率有一定影响，因此以这几个参数作为优化参数。优化计算过程［12－15］如图5所示。

图5 遗传算法计算流程

本优化中，染色体编码采用浮点编码方式，种群规模p取40，交叉率取0.8，变异率取0.1。首先在各参数的变化区间内分别随机选取p个数据，组合成为初始种群，然后进行以下计算:

(1)根据目标函数计算每个染色体的适应值fit(xk)，k=1，2，…，p。

(2)计算每个染色体选择概率pk。

式中 F——所有染色体的适应值之和。

(3)计算每个染色体的累积概率。

(4)选择操作。

采用随机采样方法，即根据个体的生存概率进行随机选择。基本思想是:适应值大的个体对应较高的生存概率，则被选择进入下一代的几率相对较高。

(5)交叉计算

采用随机选择的方法选择交叉父代，父代以线性交叉方式产生子代，计算步骤如下:

①确定交叉操作的次数nc

式中 pc——交叉率。

②在种群中随机选取两个染色体，进行交叉计算产生后代。

③重复步骤②，直到运算次数等于交叉操作次数。

(6)变异运算

①计算变异操作次数nm

式中 pm——变异率。

②在种群中随机选取nm个染色体进行变异。

经过以上运算后，产生新一代个体，然后重复计算，直到预定的进化代数。

3.3 优化计算

以该锅炉某一工况为例进行优化计算，工况数据如表 1所示。原工况下，NOx排放浓度为966 mg/Nm3，锅炉效率为87.85%。在不同的NOx排放和效率权重下，对该工况运行参数优化，结果见表2所示。

表1 锅炉运行参数

表2 优化计算结果

由表2中的数据可以看出，经过优化后，与原工况相比，NOx的排放浓度降低，锅炉效率提高。因此，可以通过运行参数的调整，实现锅炉的高效低NOx排放运行。

4 结论

(1)对于电站锅炉，利用遗传算法可以进行燃烧优化，为调整运行参数实现高效低NOx运行提供依据。

(2)优化过程中，对NOx排放和锅炉效率的侧重程度不同则优化结果不同。当NOx排放的权重较大即以降低NOx排放为侧重点时，NOx排放浓度降低较多，锅炉效率提高较少;反之则锅炉效率提高较多，NOx排放浓度降低较少。

［1］张晓辉，孙锐，孙绍增，等.200 MW锅炉空气分级纸NOx燃烧改造实验研究［J］.热能动力工程，2008，23(6): 676－681.

［2］陆涛.摆动式水平浓淡风煤粉燃烧器在670 t/h锅炉的应用研究［J］.节能技术，2007，25(3):266－268.

［3］王培红，李磊磊，陈强，等.人工智能技术在电站锅炉燃烧优化中的应用研究［J］.中国电机工程学报，2004，24 (4):184－188.

［4］高飞，杨伟良.锅炉的计算效率与燃料的高低位发热值的关系［J］.热能动力工程，2001，17(4):564－565.

［5］阎平凡，张长水.人工神经网络与模拟进化计算［M］.北京:清华大学出版社，2000.

［6］朱文坚，陈东，等.遗传算法在多目标优化设计中的应用研究［J］.机械工程师，2001(12):7－9.

［7］高岩.基于专家系统的锅炉燃烧系统优化控制［J］.电力自动化设备，2005，25(5):27－29，33.

［8］陈海平，吴胜利，李平，等.锅炉侧面来风对空冷机组换热效率的影响［J］.汽轮机技术，2012，54(1):37－40.

［9］张毅，陈彪，丁艳军，等.燃煤锅炉高效低NOx运行策略的实验研究［J］.清华大学学报:自然科学版，2006，46 (5):666－669.

［10］曾汉才，徐华清，郭国顺.300 MW机组贫煤锅炉NOx排放特性试验研究［J］.华中电力，1998，11(6):1－5.

［11］朱全利.大型锅炉NOx生成机理及燃烧器火焰脱硝数值模拟的研究［D］.武汉:华中科技大学，2000.8.

［12］王培红，李磊磊，陈强，等.电站锅炉高效低污染燃烧优化算法研究［J］.动力工程，2004，24(4):466－469.

［13］周昊，朱洪波，岑可法.基于Internet/Intraner的火电厂锅炉低NOx燃烧优化指导系统［J］.热力发电，2003 (2):8－11.

［14］周昊，朱洪波，曾庭华，等.基于遗传算法的燃煤锅炉热效率优化［J］.中国电机工程学报，2002，22(7):125－128.

［15］周建新，仇晓智，司风琪，等.四角切圆燃煤锅炉低NOx燃烧优化研究［J］.热能动力工程，2009，24(2):200－204.