飞灰含碳在线测量在660 MW机组锅炉燃烧中应用

张 超 柳 宁 绳鹏鹏 崔小军

(陕西德源府谷能源有限公司)

锅炉燃烧优化主要是通过调整锅炉燃料以及优化配风来实现，在保证稳定着火、安全燃烧的基础上，提升锅炉运行的经济性[1-4]，并减少污染物的排放。快速准确地测量锅炉运行的重要参数是锅炉优化燃烧的关键，众多的参数中燃煤机械未完全燃烧损失占比较大，而飞灰含碳量多少反映了燃煤机械未完全燃烧损失的大小[5-6]。

目前，飞灰含碳测量技术主要包括微波谐振法、失重法、激光法等[7]。采用符合国家标准《DLT 926-2005 自抽式飞灰取样方法》的飞灰取样器将灰样由烟道内取出，在测量单元中进行测量和分析。微波谐振法的优点是在线监测能力强，但存在测量扰动量容易混淆的问题；激光法的优点是效率高，但存在飞灰颗粒流的颗粒分布不均匀和激光烧蚀激发不完全的问题，进而导致光谱稳定性降低，给后续的定量分析造成很大干扰[8]；基于失重法的飞灰含碳精准检测技术是一种测量可信高、不受煤种变化影响的研究方法，如何解决取样器的磨损和堵塞问题是保证设备正常工作的重要课题[9]。

1 飞灰含碳检测原理

利用灰样烧失量计算灰样中含碳量：称出收灰前空坩埚的质量以及取灰后的坩埚加灰样的质量；执行机构将装有灰样的坩埚送入电炉进行灼烧；灼烧到规定时间(8 min)后，再由执行机构将坩埚从电炉中取出，并送到称重单元对灼烧后的坩埚加灰样进行称重；利用称重单元对收灰前、收灰后、灼烧后所称出的质量值来计算灰样的含碳量。灼烧的灰样由测量箱内的排灰机构排回到烟道中去。灰样中含碳量计算式为：

(1)

式中：wc为所测灰样中含碳量质量百分数；m1为收灰前坩埚质量，g；m2为收灰后坩埚质量，g；m3为灼烧后坩埚质量，g。

2 飞灰含碳检测方案

飞灰测碳装置主要采用了以下几项技术措施：①取样管整体采用不锈钢，并在取样管的迎风面贴有定制的耐磨陶瓷片，保证烟道内的飞灰取样管不易磨损；②旋流集尘器采用耐磨钢，在旋流集尘器内部采用耐磨陶瓷贴片，在旋流集尘器外部采用高性能的膜式加热器，保证飞灰不易粘结和磨损；③取样弯管采用陶瓷整体设计技术，在接口部分采用不粘灰的四氟材料，防止飞灰粘结；④对测量管路、分离器、弯管采用全程加热，确保取样管路处于高温状态，不会产生冷凝水，防止取样管的堵塞；⑤采用周期性的振打，使管壁上可能粘结的灰块脱落。实践证明，这些措施可以有效防止灰路系统的堵塞、磨损和粘结问题。

基于灼烧失重法的飞灰测碳装置，称重单元的设计是非常关键的，其对于现场环境的适应性决定了飞灰测碳装置的测量精度。工业现场对天平测量精度的影响因素主要有振动、温度和气流。对天平的称量部件进行了独特的防风设计，确保天平的测量精度，使其能完全满足对飞灰含碳量测量的应用。

常温实验室称量条件下通常忽略空气浮力对物体质量的影响。在热作用下物体受到气体密度、气体流量、温度和相对湿度等因素的影响，相对于常温实验室称量条件下物体的质量产生变化的现象称为浮力效应[10]。飞灰测碳装置所采集的灰样需要在线灼烧，加热装置的设定温度为815±10 ℃，飞灰测碳单元内的气流扰动比较剧烈，在对称重单元进行充分防护的基础上，需要进一步采用空白坩埚进行浮力效应校正。装置定期采用空坩埚在不取样情况下执行一次灼烧称重流程进行浮力校验，可有效消除环境变化所产生浮力效应的影响。

浮力效应校正的经验公式为：

(2)

式中：mf为经浮力效应校正后的样品和坩埚质量；ma为室温下空白坩埚的质量；mt为测定温度下空白坩埚的质量；mst为测定温度下带样坩埚的质量。

3 实例分析

某2×660 MW超超临界燃煤空冷发电机组，2022年9月在3、4号炉上各安装了4套飞灰含碳量在线测量装置，装置投运后运行稳定。

为了进一步验证飞灰测碳装置的测量精度，在飞灰含碳量在线测量装置取样点附近安装了手动取样装置。在不同工况下，通过手动取样器上收取一定数量的灰样送到实验室进行化验，同步记录下在线仪表的显示数值，在线仪表显示值和化验值对比结果如表1所示。

表1 在线仪表显示值与化验值对比结果

在线仪表显示值和化验值误差较小，均在 ±0.4%以内，完全能满足电厂智慧燃烧系统对测量精度的要求。

针对该660 MW机组，采用数据驱动方法建立的飞灰含碳预测模型结构如图1所示。最小二次支持向量机模型(LSSVM)中选取上一时刻机组负荷、给煤机给煤量、二次风门开度、燃尽风门开度、省煤器出口氧量与飞灰含碳作为输入，当前时刻飞灰含碳量预测值作为模型输出。

图1 飞灰含碳预测模型结构

从机组DCS历史数据库中导出20 d历史运行数据，采样周期设置为20 s。对数据进行清洗和归一化后，选择前2 000个样本建立飞灰含碳预测模型，后5 000个样本用于模型性能测试。针对锅炉因煤质变化、炉膛积灰结渣等扰动出现燃烧特性时变的现象，文章通过适当的旧样本替换新样本策略完成模型自更新[11]，以实时跟踪锅炉特性。飞灰含碳预测模型中，核参数1.2，惩罚参数100，核参数和惩罚参数采用粒子群优化算法(PSO)结合5折交叉验证得出。模型支持向量数设置为500，最大允许误差设置为0.01%，即当模型预测误差大于0.01%时采用样本替换更新策略。

飞灰含碳实际值与预测值误差保持在较小范围内，最大误差不超过0.015%。这说明模型具有良好的预测精度，能准确预测飞灰含碳变化趋势，正确反映锅炉燃烧特性。

利用飞灰含碳的现场测量数据，建立实时更新LSSVM飞灰含碳预测模型，并以其为燃烧优化系统预测模型之一。通过预测控制技术，对给煤机给煤量、二次风门开度、燃尽风门开度、省煤器出口氧量进行了实时优化调整。现场运行结果表明，投入燃烧优化系统后，飞灰含碳量均值由优化前的2.1%降到1.5%，锅炉效率平均提高0.21%。

4 结论

针对失重法飞灰测碳装置取样及测量方面的不足进行了有效改进和应用，提高了飞灰测碳装置的测量精度，设计了防堵耐磨的取样单元，提高了飞灰测碳装置的取样稳定性。

基于灼烧失重法的飞灰含碳测量精度高，不受煤种变化影响，是一种极具前景的测量方法，具有很高的研究与应用价值。