模糊综合评价法在电厂混煤方案寻优中应用

张恩先，陈有福，王亚欧，徐颂梅

模糊综合评价法在电厂混煤方案寻优中应用

张恩先，陈有福，王亚欧，徐颂梅

（江苏方天电力技术有限公司，江苏 南京 210000）

针对煤炭价格不断上涨及电站煤种使用多样化的现状，某电厂以灰分、挥发分、发热量、价格、污染物（SO2、NOx）排放量和灰熔融温度为评价指标，利用熵值法确定各指标权重，通过模糊评价法来选取综合性能最优的混煤方案。试验结果表明：本文提出的8种混煤配比方案中，方案5综合性能最好，为最佳混煤配比方案，方案7次之，而方案4的综合性能最差。按照最佳混煤配比方案5进行试运行混煤燃烧试验发现，炉内燃烧火焰分布集中，高温受热面无结焦趋势，飞灰和炉渣含碳量较低，锅炉运行的安全性和经济性良好。本文结果可为商业运行和优化配煤方案提供指导。

模糊综合评价；熵值法；混煤方案；评价指标；决策矩阵；燃烧试验；锅炉效率

煤炭是我国主要的一次能源，燃煤电厂的容量约占全国总发电量的70%，且预计将在未来能源结构中继续扮演重要角色[1-2]。然而，由于煤炭价格不断上涨及电站购煤渠道的多样化，燃煤电站锅炉难以保证在设计煤种下长期运行，经常需要电厂采取一定的混煤掺烧技术[3]。在当前国家实施增效降耗的大背景下，各发电集团已逐步开展混煤掺烧工作，以此来降低燃煤成本、扩展购煤渠道、减少污染物排放量等。但锅炉在掺烧经济煤种时，可能会出现锅炉效率低、低负荷燃烧不稳定等问题[4-5]。

通常情况下，一种配煤方案的成功应用与其综合性能密不可分，尤其对现场实际工程而言，在保证系统运行稳定性和安全性的前提下，对配煤方案进行多元化、多指标的综合评价，具有十分重要的意义。王雅君等[6]针对配煤煤质指标，提出了动力配煤应关注灰分、水分、硫分、挥发分、发热量等主要煤质指标的分析基指标。周慧等[7]应用灰色系统理论在3个目标下对3种混煤方案进行了优化选择。陈琪华等[8]利用TOPSIS数学方法针对电厂燃煤的非单一性以及不确定性，从6个方面对8种预选混煤方案进行综合评价，最终利用预选方案与正负理想解的接近程度来判断预选方案的优劣。多属性模糊综合评价可以将多维复杂的评价指标转 化为一维评价指标，充分反映了评估对象信息的主要特征。当前，模糊综合评价方法已被广泛应用于建筑环境领域、生态环境评估和能源投资项目的评价当中[9-11]。

本文针对某电厂330 MW燃煤机组提出了8种备选掺烧方案。通过建立多元综合评价体系，以灰分、挥发分、发热量、价格、污染物（SO2、NO）排放量和灰熔融温度为评价指标，通过模糊评价法来选取综合性能最优的混煤方案。

1 基于熵值法的模糊综合评价

模糊决策模型由Zadeh L A和Bellman R E于20世纪60年代共同提出，是以模糊数学为基础，应用模糊关系合成的原理，将一些边界不明、不易定量的因素定量化而进行综合评价的一种方法。基于模糊层次法的综合评价是利用层次分析法和模糊数学中的最大隶属度原则，根据不同指标对评价对象的影响程度来分配权重，并对影响评价对象的各指标因素统一量化，从而对评价对象做出合理的综合评价，以解决路线评价中不能完全精确量化与决策的问题[12-13]。

1.1 评价体系的建立

为了多方面地反映燃煤电厂混煤掺烧中的主要特征和层次结构，利用专家问卷的方式对熟悉评价对象的9位动力工程领域专家征集意见，进而对反馈结果进行统计和归纳，最终形成了意见趋于一致的燃煤电厂混煤掺烧综合评价体系（图1）。

该评价体系可划分为3层次，以混煤方案综合性能为评价目标，共涉及灰分、挥发分、发热量、购煤成本、NO排放量、SO2排放量和灰熔点7个评价指标，方案层共有8种预选配煤方案。

1.2 相关性分析

相关分析用来描述2个连续变量间的关联程度，剔除相关性较小的指标，简化评价体系。对其中的定量指标，通过建立Pearson相关系数来量化相关性程度，可表示为

1.3 模糊综合评价

1.3.1熵值法权重赋值

权重是能够反映各指标在评价体系中价值地位的系数，不同的权重组合会造成不同的评价结果。本文利用熵值法对各指标赋予权重。熵是信息论中测定不确定性的量，信息量越大，不确定性就越小，熵也越小[14]。一般将评价对象集记为{A}(=1,2,…,)，用于评价的指标集记为{X}(=1,2,…,)，用x表示第个方案第个指标的原始值。熵值法的计算过程如下：

1）将x做正向化处理，并计算第个指标第个方案所占的比重p

2）计算第个指标的熵值e

3）计算第个指标的差异系数

4）计算第个指标的权重

1.3.2模糊综合评价

将指标标准化后，得到各评价子路线的评价矩阵

采用模糊复合运算各层次进行综合评价，

2 模糊综合评价实际应用

2.1 机组概况

试验机组为亚临界330 MW机组，采用HG1018/18.6-YM23型、中间一次再热、单炉膛、平衡通风、四角切圆燃烧、固态排渣、自然循环汽包锅炉。燃烧煤种按矿点分为王家山煤（WJS）、石炭煤（ST）、清水沟煤（QSG）3类，试验煤种的工业分析结果见表1。

表1 试验煤种工业分析结果

Tab.1 The proximate analysis results of the test coal

2.2 配煤方案

根据燃煤电厂的实际情况，王家山煤成本低廉，为经济煤种，但其煤质不稳定、硫含量较高，单独燃烧时易出现炉内燃烧不稳定，燃烧后烟气SO2质量浓度过高，不利于脱硫设备连续、安全运行等问题，因此需要与石炭煤、清水沟煤进行掺烧。初步评、筛选出8种混煤配比方案，混煤配比方案及各因素指标见表2。

表2 混煤配比方案及各因素指标

Tab.2 The coal blending schemes and evaluation indexes

在7个评价指标中，灰分、SO2排放质量浓度、NO排放质量浓度及购煤成本为成本型指标，该指标值越低，对评价结果的影响越好；而挥发分、发热量及灰熔融温度属于效益型指标，其值越高对评价结果越好。灰分的存在不利于氧与可燃质的结合，使单位燃料量的发热量减少，而且影响燃料的着火和燃尽，同时也是造成锅炉受热面积灰、磨损的主要因素。燃煤污染物的排放当前受环保部门严格的监管，燃烧后烟气污染物质量浓度过高，不利于后续脱硫脱硝设备连续、安全运行。通常，电厂用来购煤的成本占到总成本的70%~80%，是运行过程中的主要成本。挥发分越高，煤粉着火越容易，燃烧越稳定。发热量是锅炉炉膛的热负荷计算和磨煤机容量选择的主要参考参数，是动力煤计价的主要依据。灰熔融温度是判别锅炉运行中结渣特性的重要参数，锅炉的积灰结渣会使炉内受热面吸热量下降，从而造成炉膛出口烟温上升，使过热器和再热器沾污加重[15]。

在模糊综合评价中，=8，=7。由表2可得初始评价数据矩阵如式(8)：

按式(2)—(3)计算各指标的熵值e

则差异系数

各指标权重

为使评判结果更加准确，利用加权平均算法对计算结果进行综合，权重分配(0.3,0.3,0.4)。因此，2种路线的环境性评价结果为

对应折线图如图2所示。从图2可以看出，本文提出的8种混煤配比方案中，方案5综合性能最好，为最佳混煤配比方案，方案7次之，而方案4的综合性能最差。分析认为5号方案的购煤成本虽然较高，但煤种灰分含量低，挥发分较高，发热量较高，生成的SO2量最低，环保性能高，具有良好的着火特性、燃烧稳定性以及综合优势。

根据某电厂燃煤储运量、机组运行实际情况、带负荷能力等综合情况，在试运行阶段，按照5号方案进行了混煤燃烧试验，结果见表3。从燃烧试验结果来看，炉内燃烧火焰分布集中，高温受热面无结焦趋势，飞灰和炉渣含碳量较低，锅炉运行状况良好。

表3 5号方案锅炉实际燃烧试验结果

Tab.3 The actual combustion results of coal blending scheme 5

3 结 论

1）针对某330 MW燃煤机组锅炉，以灰分、挥发分、发热量、价格、污染物（SO2、NO）排放量和灰熔融温度为评价指标，通过一种基于熵值法的模糊综合评价方法对8种混煤配比方案进行了综合评价，得到各方案的优劣排序，其中方案5综合性能最好，为最佳混煤配比方案，方案7次之，而方案4的综合性能最差。

2）按照配比方案5进行了试运行混煤燃烧试验。从试验结果来看，炉内燃烧火焰分布集中，高温受热面无结焦趋势，飞灰和炉渣含碳量较低，锅炉运行的安全性和经济性良好，可为电厂获得较高的社会效益和经济效益。

［1］ 牛拥军, 宦宣州, 李兴华. 燃煤电厂烟气脱硫系统运行优化与经济性分析[J]. 热力发电, 2018, 47(12): 26-32.

NIU Yongjun, HUAN Xuanzhou, LI Xinghua. Operation optimization and economic analysis for WFGD system of coal-fired power plants[J]. Thermal Power Generation, 2018, 47(12): 26-32.

［2］ 郑婷婷, 周月桂, 金圻烨. 燃煤电厂多种烟气污染物协同脱除超低排放分析[J]. 热力发电, 2017, 46(4): 10-15.

ZHENG Tingting, ZHOU Yuegui, JIN Qiye. Integrated removal and ultra-low emission of multiple pollutants for coal-fired power plants[J]. Thermal Power Generation, 2017, 46(4): 10-15.

［3］ 王路松. 330 MW燃煤锅炉混煤燃烧及NO释放特性研究[D]. 北京: 华北电力大学, 2017: 18.

WANG Lusong. Research on combustion and NOrelease characteristics during blended coals combustion in a 330 MW pulverized coal boiler[D]. Beijing: North China Electric Power University, 2017: 18.

［4］ 陈庆文, 马晓茜, 刘翱. 大型电站锅炉混煤掺烧的NO排放特性预测与运行优化[J]. 中国电机工程学报, 2009, 29(23): 20-26.

CHEN Qingwen, MA Xiaoqian, LIU Ao. Prediction and operation optimization for NOemission property of large-scale mixed coal-fired utility boiler[J]. Proceedings of the CSEE, 2009, 29(23): 20-26.

［5］ 艾晨辉. 烟煤锅炉掺烧高硫煤燃烧特性试验[J]. 热力发电, 2017, 46(6): 56-61.

AI Chenhui. Experimental research on co-firing high suffer content coals in bituminite-fired boiler[J]. Thermal Power Generation, 2017, 46(6): 56-61.

［6］ 王雅君, 赵寒雪, 何京东. 动力配煤主要煤质指标可加性的研究[J]. 应用能源技术, 2004(5): 15-17.

WANG Yajun, ZHAO Hanxue, HE Jingdong. Study on additivity of main coal quality indexes in dynamic coal blending[J]. Applied Energy Technology, 2004(5): 15-17.

［7］ 周慧, 辛天益, 周毅. 确定混煤配比方案的灰色优化方法[J]. 西安矿业学院学报, 1999(4): 343-346.

ZHOU Hui, XIN Tianyi, ZHOU Yi. Gray optimized method for determining the ratio solution of mixed coal[J]. Journal of Xi’an Institute of Mining, 1999(4): 343-346.

［8］ 陈琪华, 李茂东, 张振顶. TOPSIS法在综合评价电厂混煤方案中的应用[J]. 热力发电, 2014, 43(5): 128-131.

CHEN Qihua, LI Maodong, ZHANG Zhending. Application of TOPSIS method in comprehensive evaluation of coal-blending scheme in power plants[J]. Thermal Power Generation, 2014, 43(5): 128-131.

［9］ JING Y, BAI H, WANG J. A fuzzy multi-criteria decision-making model for CCHP systems driven by different energy sources[J]. Energy Policy, 2012, 42: 286-296.

［10］ ERTUGRUL K E, TOLGA E. Fuzzy multi-criteria decision-making procedure for evaluating advanced manufacturing system investments[J]. International Journal of Production Economics, 2001, 69(1): 49-64.

［11］ ZHAO H, ZHAO H, GUO S. Evaluating the comprehensive benefit of eco-industrial parks by employing multi-criteria decision making approach for circular economy [J]. Journal of Cleaner Production, 2017, 142: 2262-2276.

［12］ 叶义成, 柯丽华, 黄德育. 系统综合评价技术及其应用[M]. 北京: 冶金工业出版社, 2006: 97-109.

YE Yicheng, KE Lihua, HUANG Deyu. System comprehensive evaluation and its application[J]. Beijing: Metallurgical Industry Publishing House, 2006: 97-109.

［13］ 马双忱, 范紫瑄, 温佳琪, 等. 基于模糊层次分析的燃煤电厂脱硫废水处理可利用技术评价[J]. 化工进展, 2018(11): 4451-4459.

MA Shuangchen, FAN Zixuan, WEN Jiaqi, et al. Evaluation on technology of desulfurization wastewater from coal-fired power plant based on fuzzy AHP[J]. Chemical Industry and Engineering Progress, 2018(11): 4451-4459.

［14］ 罗毅, 周创立, 刘向杰. 多层次灰色关联分析法在火电机组运行评价中的应用[J]. 中国电机工程学报, 2012, 32(17): 97-103.

LUO Yi, ZHOU Chuangli, LIU Xiangjie. Application of the multi-level grey relational analysis method in operation assessment of thermal power units [J]. Proceedings of the CSEE, 2012, 32(17): 97-103.

［15］ 文孝强, 刘彦臣, 关晓辉. 一种评判煤灰结渣特性的新方法[J]. 动力工程学报, 2012, 32(9): 682-687.

WEN Xiaoqiang, LIU Yanchen, GUAN Xiaohui. Ａ new method to evaluate the slagging behavior of coal ash[J]. Journal of Chinese Society of Power Engineering, 2012, 32(9): 682-687.

Application of fuzzy comprehensive evaluation method in optimizing coal blending plan for power plants

ZHANG Enxian, CHEN Youfu, WANG Ya’ou, XU Songmei

(Jiangsu Fangtian Electric Power Technology Co., Ltd., Nanjing 210000, China)

In response to the rising coal prices and the diversification of power plant coal use, a power plant has adopted fuzzy evaluation method to choose the coal blending scheme with the best comprehensive performance. In this method, the ash content, volatile matter content, calorific value, price, pollutants (SO2, NOx) emissions and ash melting temperature of the coal are taken as the evaluation indexes and each index’s weight is determined by entropy method. The results show that, among the eight coal blending schemes proposed in this paper, the comprehensive performance of scheme 5 is the best, that of scheme 7 is the second, while that of scheme 4 is the worst. Applying the scheme 5 in test run and the result shows that, the combustion flame distribution in the furnace is concentrated, the high temperature heating surface has no coking trend, the carbon content in fly ash and slag is low, and the safety and economy of boiler operation are good, so the research result can provide guidance for commercial operation and optimization of coal blending scheme.

fuzzy comprehensive evaluation, entropy value method, coal blending scheme, evaluation index, decision matrix, combustion test, boiler efficiency

TK227.1

A

10.19666/j.rlfd.201902236

2019-02-28

张恩先(1974)，男，硕士，高级工程师，主要研究方向为电站锅炉燃烧优化和性能试验，zhangenxian@sina.com。

张恩先, 陈有福, 王亚欧, 等. 模糊综合评价法在电厂混煤方案寻优中应用[J]. 热力发电, 2019, 48(10): 117-121. ZHANG Enxian, CHEN Youfu, WANG Ya’ou, et al. Application of fuzzy comprehensive evaluation method in optimizing coal blending plan for power plants[J]. Thermal Power Generation, 2019, 48(10): 117-121.

（责任编辑 马昕红）