电厂智能化管控技术研究与应用

李 强，高 勇，朱建国，褚红绢，蔡 兵，侯卫锋，刘文烈

电厂智能化管控技术研究与应用

李 强1，高 勇1，朱建国1，褚红绢1，蔡 兵1，侯卫锋2，刘文烈2

（1.南通醋酸纤维有限公司，江苏 南通 226007；2.浙江中智达科技有限公司，浙江 杭州 310012）

在数字化电厂的基础上，构建智能电厂的模型基础，提出一种新的智能电厂功能架构。该技术重点突出人工智能技术与电厂专业机理模型的融合，研究电厂机理建模与实时仿真、基于三维可视化的锅炉燃烧优化、锅炉与环保岛智能控制、智慧能源管理、设备智能预警与预防性维修等关键技术。该技术已在某电厂成功应用，实现了锅炉、环保岛的黑屏操作和制粉系统一键智能启停，锅炉热效率提高0.5%，锅炉炉管泄漏事故基本杜绝，实现了电厂的智能化管理与控制，取得了突出的节能和安全生产效果，具有明显的推广价值。

智能电厂；实时仿真；智能控制；燃烧优化；智慧能源管理；设备预警与预防性维修

在节能、降耗、减排政策要求和集约化、高效管理需求驱动下，国内发电和热电企业在数字化电厂建设方面取得了长足进步，实现了如分散控制系统（DCS）功能拓展、全厂控制一体化、厂级监控信息系统（SIS）与管理信息系统（MIS）深度融合等。而人工智能、大数据、物联网、云计算、三维可视化等技术的发展，为发电企业由数字化向更加清洁、高效、可靠的智能化电厂发展奠定了基础[1-2]。

虽然目前很多电厂已实现生产过程控制自动化、生产经营管理信息化，但仍与工业4.0提出的智能生产目标存在较大差距。智能电网、智能园区的推进对发电厂和热电厂在深度调峰、节能减排、安全可靠运行等方面均提出了更大的挑战，建设智能电厂的需求日益紧迫[3-4]。

在此背景下，本文提出了一种新的智能电厂功能架构，重点突出智能控制、智能管理与决策等技术的应用，并在电厂实时仿真、基于三维可视化的锅炉燃烧优化、锅炉与环保岛智能控制、智慧能源管理、设备智能预警与预防性维修等关键技术的研究与应用方面取得了突破，为电厂带来了显著的经济效益和社会效益。

1 电厂智能化管控整体架构

本文提出的智能电厂功能架构如图1所示。

智能电厂功能架构充分体现如下设计原则：1）以节能减排、安全生产为核心目标，引入实时仿真、智能控制、锅炉燃烧优化、设备预警与预防性维修等先进技术，为企业带来显著的安全与节能效果；2）以专业仿真模型和人工智能技术为核心支撑，实现机组的全流程机理仿真，并以大量人工智能算法的应用作为整个智能电厂的模型基础，实现全机组的智能化；3）在机理模型和人工智能技术的支撑下，以锅炉的先进控制和燃烧优化为智能控制的主要内容，以能源、设备和安全管理的智能化为智能管理的主要内容，在带来安全和节能效果的同时，实现全机组的管控一体化。

2 电厂全流程实时仿真

典型超临界火电机组的主要部件级设备和物质流、能量流关系示意如图2所示。

本文基于袁景淇等[5-8]和陈旭等[9]提出的燃煤机组机理模型，进行实时仿真系统的开发。燃煤机组实时仿真系统架构如图3所示。该架构接受来自现场部件级装置的DCS实测信号、SIS/MIS数据库数据和负荷信号，在机理模型系统、工质和烟气物性参数数据库、设备结构参数数据库、实时仿真软件平台的支撑下，每隔5 s输出入炉煤质量流量、入炉煤总发热量、入炉煤低位发热量、炉膛出口平均烟气温度、主蒸汽质量流量、再热蒸汽质量流量、空气预热器漏风率、锅炉热效率、典型换热设备的烟气-工质传热阻热阻（或传热系数）、低压缸排汽湿度、汽轮机热经济指标等的实时仿真值。

实践证明，实时仿真系统计算精度较高。以入炉煤热值计算结果为例，与4 h/次的离线化验值 相比，实时计算的入炉煤热值相对误差小于0.5%（图4）。由于模型解算时间小于1 s，故入炉煤热值最短刷新周期可达5 s。

3 电厂智能化控制

3.1 基于三维可视化的锅炉燃烧优化

实现锅炉优化燃烧是机组优化运行的重要前提。这要求全面、准确、实时掌握和采集燃烧以及与燃烧有关的重要信息，特别是温度信息，以便实时调整燃烧，实现过程的优化。然而，电站锅炉炉内环境恶劣，具有温度高、尺度大、多种物理场共存等特点，传统的一些温度测量方法无法满足现场测量的实时性和准确性[10-11]。

本文提出在某锅炉炉膛出口屏式过热器下部1～2 m层面内、燃尽风上部，配置炉膛烟气声波测温系统，以解决锅炉从启动开始全负荷范围内实时监测炉膛出口烟气温度的问题，并且测量炉膛内部最高温度区域温度，监测燃烧偏斜。

声波发生系统采用电动声源，螺旋线声波导管和功率放大器相匹配，具有功率大、安全可靠、声波频率可调等特点。针对冷态时炉内的混响问题和热态时炉内的高噪声问题，采用先进的时间延迟估计算法，可以得到准确的时间延迟估计值。

针对炉膛二维截面，布置8发8收（每侧2个），形成24条测量路径，通过计算机层析成像算法实现温度场重建，准确得出了复杂温度场中任意一点的温度信息。该系统为运行人员优化燃烧提供了直观依据，可以减少受热面爆管概率，提高燃烧效率，减少氮氧化物生成量。

3.2 锅炉与环保岛智能控制系统

现有的锅炉和环保岛优化控制研究很少能实现整体智能控制和在线持续应用[12-15]。本文首次将燃煤机组机理模型、基于三维可视化的锅炉燃烧优化与多变量预测控制算法相结合，实现了锅炉与环保岛的多目标、多层次智能协调与优化控制，并在现场装置上成功应用，其控制方案如图5所示。

控制方案：制粉控制器同时实现磨煤机一键启/停自动智能控制和磨煤机出口温度、入口负压、压差的优化控制；锅炉燃烧控制器同时实现升降负荷优化控制、炉膛A/B侧温差优化控制、二次风优化控制、炉膛氧含量优化控制、炉膛负压平稳控制、主蒸汽压力平衡优化控制、风粉平衡优化控制、一次风压平衡优化控制、一/二级减温水优化控制和汽包液位平稳控制等多目标的优化控制；脱硫脱硝控制器基于机理模型和多变量预测控制器，以尿素流量为操作变量，生产负荷、炉膛氧含量为干扰变量，实现对NO的卡边平稳操作，避免环保指标超标的同时降低消耗。将上述方案在某锅炉和环保岛上进行应用，取得了显著的效果。

1）自动化程度显著提高 从制粉开始，包括磨煤机的智能启停、锅炉的产汽和脱硝脱硫无需人工操作，系统能智能控制，可以24 h连续运行，达到真正的“黑屏操作”。特别是磨煤机的一键启/停，整个过程无需人工干预，只需点一下启停按钮，就能智能完成磨煤机的启停工作，大幅降低了操作人员劳动强度。

2）工艺指标平稳性显著提高 先进控制实现了锅炉的核心工艺指标，如母管蒸汽压力、二次风速、炉膛氧含量、一级减温水、蒸汽温度、NO质量浓度、给粉机风粉混合温度、磨煤机入口负压、炉膛负压等控制。先进控制系统投运后稳定性比投用前提高了40%以上。

3）磨煤机一键启停过程工艺指标波动性大幅减少 磨煤机一键启停系统安装完成后，由之前的人工控制升级到智能控制，启停过程一键完成。工艺指标包括蒸汽母管压力、蒸汽流量、乏气带粉量、启停时间等比人工启停稳定性提高60%以上，主要表现为蒸汽母管压力波动幅度减小、蒸汽流量波动幅度减小、乏气带粉量减少、启停时间减少等，特别是停磨煤机的时候，乏气带粉明显减少，母管压力波动也小很多。

4）锅炉热效率提高 先进控制系统确保锅炉各重要指标的平稳控制后，优化了锅炉出口氧含量的控制。先进控制系统投用前后锅炉热效率对比见表1，可见投运后比投运前提高了0.5%。

表1 先进控制系统投用前后锅炉热效率对比

Tab.1 The boiler thermal efficiencies before and after the advanced control system was put into service %

4 电厂智能化管理

4.1 电厂智慧能源管理系统

智慧能源管理技术将分散的能源数据信息统一分类汇总，基于电厂机理模型和人工智能算法，通过运行决策分析模型提出运行建议，提高能源效率。智慧能源管理界面如图6所示。具体内容如下。

1）热力性能评价指标 包括燃料利用系数、热化发电率、煤耗量、发电热效率、发电热耗率、发电标煤耗、供热热效率、热电比等。

2）汽轮机组热力性能分析数学模型 包括凝汽器性能分析模型、除氧器性能分析模型、高/低压加热器性能分析模型、汽轮机相对内效率、汽轮机进汽阀效率、调节级效率、高/低压级组效率等。

3）锅炉热力性能分析数学模型 包括机械不完全燃烧热损失、化学未完全燃烧热损失、排烟热损失、散热损失、灰渣物理热损失、过热器与空气预热器清洁度等。

4）母管制热力系统热力性能模型 包括锅炉损失率、汽轮机的冷端损失率、给水泵汽轮机用汽率、高压供热率、低压供热率、高压加热器与除氧器回热用热率、发电用热率、厂用电率等。

5）基于人工智能算法的能损分析 基于上述数学模型，利用人工神经网络、长短期记忆网络、进程挖掘与赋时自动机等人工智能算法进行能损分析，给出锅炉、汽轮机和供热系统可控参数能损分析。其中，针对锅炉给出排烟温度、排烟氧量能损分析；针对汽轮机给出主蒸汽压力、温度能损分析；针对供热系统给出高/低压供汽压力能损分析。

4.2 电厂设备预警与预防性维修系统

设备预警与预防性维修技术是指基于电厂机理模型和人工智能技术，通过运行状态监测，提前发现设备异常，给设备预测性维护提供数据支持，将设备运行异常消除在萌芽阶段，减少非计划性停炉、停机，减少启停炉、启停机的能源消耗[16]。

锅炉炉管泄漏是电厂常发事故。目前在国内电厂中，因该事故造成的非计划停运时间占全年总停运时间的30％以上。锅炉炉管泄漏是造成机组非计划停运的主要原因，对锅炉的经济运行威胁极大。本文针对某锅炉开发了ALD-II型炉管泄漏智能预警系统。该系统集锅炉、声学、电子、计算机、机械等多学科技术，通过增强型传感器来获取锅炉内炉管泄漏的噪声信号，在消除锅炉运行的各种复杂噪声干扰的基础上，利用人工智能技术，通过快速傅立叶变换进行声谱分析，通过对噪声强度、频谱特征及持续时间的分析计算判断炉管是否发生泄漏，实现锅炉炉管泄漏的早期测报，并判断泄漏区域位置及泄漏程度。共计18只测点对称布置，覆盖所有重要汽水受热面。当炉内汽水受热面发生早期轻微泄漏时，其声波强度信号能够发生明显变化，这有助于运行人员及早发现，减少经济损失。

整个装置设计成3个部分：现场数据采集单元、中央处理单元和显示报警单元。其技术路线原理框图如图7所示。炉管泄漏智能预警系统投运后，系统界面示意如图8所示。

借助炉管泄漏预警系统，炉管早期泄漏预报覆盖率达到90%以上，绝大部分泄漏事故被扼杀在萌芽中，大大提高了设备使用效率。

5 结 语

本文提出了新的智能电厂功能架构，基于燃煤机组机理模型开发了电厂实时仿真系统，构建了智能电厂的模型基础。在智能控制层，实现了基于三维可视化的锅炉燃烧优化，提出了融合三维可视化燃烧优化、机理模型和多变量预测控制算法的锅炉和环保岛智能控制技术，锅炉热效率提高了0.5%。在智能管理层，构建了智慧能源管理平台，开发了锅炉炉管泄露智能预警系统，为智能电厂安全、节能运行保驾护航。该技术在某电厂得到了成功应用，取得了显著的经济效益和社会效益。

［1］ 侯子良. 建设智能电厂思维的探讨[J]. 自动化博览, 2016(增刊1): 20-21.

HOU Ziliang. Discussion on the thought of building intelligent power plant[J]. Automation Panorama, 2016(Suppl.1): 20-21.

［2］ 张晋宾, 周四维, 陆星羽. 智能电厂概念、架构、功能及实施[J]. 中国仪器仪表, 2017(4): 33-39.

ZHANG Jinbin, ZHOU Siwei, LU Xingyu. Concept, architecture, function and implentation of smart power plant[J]. China Instrumentation, 2017(4): 33-39.

［3］ 刘中华, 孙涛, 舒开太. 智能电厂建设探讨[J]. 能源研究与管理, 2018(4): 52-54.

LIU Zhonghua, SUN Tao, SHU Kaitai. Discussion of construction in intelligent power plant[J]. Jiangxi Energy, 2018(4): 52-54.

［4］ 陈思全, 左华京. 数字化电厂的发展现状及向智能化电厂发展的展望[J]. 沈阳工程学院学报（自然科学版）, 2018(2): 126-130.

CHEN Siquan, ZUO Huajing. Development status of digital power plant and the prospect towards smart power plant[J]. Journal of Shenyang Institute of Engineering (Natural Science), 2018(2): 126-130.

［5］ 刘欣, 于彤, 袁景淇. 300 MW汽轮机主汽调门组模型的建立与应用[J]. 控制工程, 2012, 19(6): 1183-1186.

LIU Xin, YU Tong, YUAN Jingqi. Modeling and application of governor valve of 300 MW turbine unit[J]. Control Engineering of China, 2012, 19(6): 1183-1186.

［6］ 张锐锋, 袁景淇. 基于机理建模的煤质辨识技术研究与工程实践[J]. 贵州电力技术, 2013, 16(12): 7-10.

ZHANG Ruifeng, YUAN Jingqi. Research and engineering practice of coal quality identification technology based on the mechanism modeling[J]. Guizhou Electric Power Technology, 2013, 16(12): 7-10.

［7］ XU L, YUAN J Q. Online identification of the lower heating value of the coal entering the furnace based on the boiler-side whole process models[J]. Fuel, 2015(1): 68-77.

［8］ 丁承刚, 郭士义, 龚燕雯, 等. 电站锅炉制粉系统模型的建立与应用[J]. 锅炉技术, 2016, 47(1): 5-8.

DING Chenggang, GUO Shiyi, GONG Yanwen, et al. Modeling and application of coal pulverizing system for coal-fired power plant[J]. Boiler Technology, 2016, 47(1): 5-8.

［9］ 陈旭, 王景成. 电站锅炉过热器系统动态建模及现场数据仿真[J]. 微型电脑应用, 2011, 27(1): 21-23.

CHEN Xu, WANG Jingcheng. Dynamic modeling for utility boiler super-heater system and simulation by using online plant data[J]. Microcomputer Applications, 2011, 27(1): 21-23.

［10］ 胡志宏, 郝卫东, 薛美盛, 等. 1 000 MW超超临界燃煤锅炉燃烧与NO排放特性试验研究[J]. 机械工程学报, 2010(4): 105-110.

HU Zhihong, HAO Weidong, XUE Meisheng, et al. Experimental study on combustion and NOemission characteristic of 1 000 MW ultra-supercritical coal-fired boiler[J]. Journal of Mechanical Engineering, 2010(4): 105-110.

［11］ 刘燮, 钟文琪, 李杰, 等. 超超临界锅炉燃烧配风优化的三维数值模拟[J]. 东南大学学报（自然科学版）, 2018, 48(5): 794-800.

LIU Xie, ZHONG Wenqi, LI Jie, et al. Three-dimensional numerical simulation on optimization air distribution for combustion of ultra-supercritical boiler[J]. Journal of Southeast University (Natural Science Edition), 2018, 48(5): 794-800.

［12］ 丁承刚, 郭士义, 石伟晶, 等. 燃煤电站锅炉二次风控制系统优化[J]. 电气自动化, 2016, 38(4): 106-109.

DING Chenggang, GUO Shiyi, SHI Weijing, et al. The optimizing control of the secondary air control system of power plant[J]. Electrical Automation, 2016, 38(4): 106-109.

［13］ 柳行, 姚著, 张克伟. 循环流化床锅炉烟风系统控制优化[J]. 热力发电, 2017, 46(3): 126-131.

LIU Xing, YAO Zhu, ZHANG Kewei. Optimization on air and flue gas control system for circulating fluidized bed boiler[J]. Thermal Power Generation, 2017, 46(3): 126-131.

［14］ 高海东, 高林, 樊皓亮, 等. 火电机组实用智能优化控制技术[J]. 热力发电, 2017, 46(12): 1-5.

GAO Haidong, GAO Lin, FAN Haoliang, et al. Discussions on practical intelligent optimization control technologies for thermal power units[J]. Thermal Power Generation, 2017, 46(12): 1-5.

［15］ 郑伟, 刘达. 基于全工况数据挖掘的多目标燃烧优化[J]. 热力发电, 2017, 46(6): 69-74.

ZHENG Wei, LIU Da. Multi-objective combustion optimization based on data mining with full-scale working condition[J]. Thermal Power Generation, 2017, 46(6): 69-74.

［16］ 杨勤, 张震伟, 杨茉, 等. 基于故障预警系统的燃煤发电设备状态检修[J]. 中国电力, 2019, 52(3): 109-114.

YANG Qin, ZHANG Zhenwei, YANG Mo, et al. Conditional maintenance of coal-fired power generation equipment based on early fault warning system[J]. Electric Power, 2019, 52(3): 109-114.

Research and application of intelligent management and control technology in power plants

LI Qiang1, GAO Yong1, ZHU Jianguo1, CHU Hongjuan1, CAI Bing1, HOU Weifeng2, LIU Wenlie2

(1. Nantong Cellulose Fibers Co., Ltd., Nantong 226007, China; 2. Zhejiang Cybstar Technology and Science Co., Ltd., Hangzhou 310012, China)

On the basis of digital power plant, the model foundation of intelligent power plant is built, and a new functional framework of intelligent power plant is put forward. This technology focuses on the integration of artificial intelligence technology and power plant professional mechanism model, and studies the key technologies including the mechanism modeling and real-time simulation of power plant, boiler combustion optimization based on three-dimensional visualization, intelligent control of boiler and environmental protection island, intelligent energy management, intelligent early warning and preventive maintenance of equipment, and so on. These technologies have been successfully applied in a power plant. The black screen operation and one key intelligent start-up and shutdown of the boiler and the environmental protection island have been realized. The thermal efficiency of the boiler has increased by 0.5%. The leakage accident of the boiler tube has been basically eliminated. Through the application of these technologies, the intelligent management and control of power plants has been realized, and outstanding energy-saving and safe production effects have been achieved, which has obvious popularization value.

intelligent power plant, real-time simulation, intelligent control, combustion optimization, smart energy management, equipment early warning and preventive maintenance

TM621.6

A

10.19666/j.rlfd.201907116

2019-06-10

李强(1974)，男，硕士，工程师，主要研究方向为锅炉仿真与优化控制、电厂智能管控技术，liqiang@ncfcinfo.com。

李强, 高勇, 朱建国, 等. 电厂智能化管控技术研究与应用[J]. 热力发电, 2019, 48(10): 15-21. LI Qiang, GAO Yong, ZHU Jianguo, et al. Research and application of intelligent management and control technology in power plants[J]. Thermal Power Generation, 2019, 48(10): 15-21.

（责任编辑 刘永强）