火电机组中速磨制粉数据分析系统的研究与实现

《火电机组中速磨制粉数据分析系统的研究与实现》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、1绪论出的优化控制策略，可以合理调整一次风压力的值，从而使风煤配比相符，进而提高制粉系统的运行效率【4】。因此，火电机组制粉数据分析系统的设计与实现，不仅满足了对制粉系统一次风压力进行优化控制的需求，而且也使火电机组入炉煤量得到充分燃烧，提高了制粉系统的运行效率，并且在保证火电机组安全、稳定及高效运行下，能够提高火电机组运行的经济性，达到节能减排的目的。1．2研究现状火力发电是我国主要的电力来源，但是火电厂发电使用的化石能源所产生的废弃物，既给环境带来了恶劣的影响，也造成了一定的经济浪费。因此，减少火电厂的能源消耗，实现节能降耗的

2、生产目标是火力发电厂中亟待解决的问题。进入20世纪后，伴随着计算机技术的高速发展与火电机组数据量的日益增大，火电厂对智能控制系统、数据分析系统的需求量也越来越大。近年来，随着“智能电网”理念在火力发电领域的应用日益广泛，不仅降低了火电厂的能源消耗，同时也为火电厂的日常运行提供了更高的经济利益，而且还也可以更好地缓解经济发展与环境、能源之间的矛盾，为自然环境的保护做出巨大的贡献。在火电厂中，制粉系统是重要的辅助系统，同时也是主要的能源消耗部门，它的主要任务是为火电机组的锅炉提供一定质量符合燃烧与负荷要求的煤粉[5】。因此，针对制粉系

3、统的优化措施不仅有助于火电机组的优化运行，还可以节约发电成本，并提高火电厂效益。目前，国内电厂运行的火电机组制粉系统主要包括两种，即中间储仓式和直吹式。钢球磨煤机是中间储仓式制粉系统的主要构成部分，中间储仓式制粉系统是利用钢球将煤块打碎存储在煤粉仓中，再通过给粉机吹入火炉【6】。这种中间储仓式制粉系统的磨煤机类型结构相对简单，便于维护，可以根据需要补充钢球，并且对煤的种类接受空间大，但是中间储仓式制粉系统也不易筛选出煤中的所包含的杂质，如石块、铁块、木屑等。而且中间储仓式制粉系统的占地面积广，运行噪音大，磨得煤粉并不是很均匀，造成

4、系统误差较大，因此给火电机组的安全有效运行带来一定难度。直吹式制粉系统分为负压系统和正压系统，并且可用于搭配各种磨煤机【7】。负压系统下的制粉系统，由于它的磨煤21绪论机在排粉机之前，因此所有的煤粉都需要经过排粉机，造成排粉机磨损就相对较大，需要经常更换，带来一定的经济压力，但是煤粉不易外泄，工作环境较为清洁。而正压系统下的制粉系统的磨煤机在排粉机之后，就不会造成排粉机磨损，但是需要磨煤机做好密封工作，因为煤粉泄露不仅会造成环境污染，也存在煤粉自燃并引发爆炸的危险。直吹式制粉系统占地面积小，投资低，但是由于直吹式制粉系统不易调节风

5、量与煤粉的比例，容易出现风煤配比失调，造成浪费。因此，需要对火电机组制粉系统进行必要的改革措施，以提高火电机组制粉系统的安全性与经济性。刘定平，肖蔚然通过将最小二乘支持向量机和混合遗传算法相结合来建立模型以实现对直吹式中速磨制粉系统的优化研究【8]。首先，他们利用最小二乘支持向量机(LSsvM)的非线性特性，针对制粉系统进行分析，建立了制粉单耗与相关运行参数(机组负荷、给煤量、磨煤机电流、热风门开度、冷风门开度、入口风温、平均风量、一次风功率)之间的最小二乘支持向量机模型，则LSSVM的估计形式如公式1．1所示：y(工)：圭口Ⅸ(

6、x，朋)+b’(1．1)J=l通过模型的建立将训练过程的影响因素作为模型的输入参数，制粉单耗作为模型的输出参数。模型优化过程是在给定条件下通过采用混合遗传算法使制粉单耗达到最小值时，求得每一个输入参数对应的运行工况，进而对机组进行优化控制。但是，该模型是通过制粉单耗这一参数对火电机组运行状况进行优化控制，且在模型的建立时仅仅对数据进行了标准化处理，并没有过多地考虑火电机组实际运行状态时可能会出现数据采集缺失、数据采集错误、数据异常等复杂情况。同样地，在火电机组的运行过程中，运行状态会发生实时动态的变化，因此，对火电机组直吹式中速磨

7、制粉系统的优化控制也只能在一段时间之内，要想对其做全局的优化控制策略往往会存在较大的误差，导致后续相关参数的设置与实际之间有较大的差异。因此，为了更加精确地对火电机组中速磨制粉系统进行优化控制，不仅需要对其建立精确、简便的数学模型，而且随着火电机组的运行，需要对模型进行动态地优化更新，使之能够进行实时动态地优化控制。刘鑫沛，翟永杰等基于聚类分析和状态估计对火电机组中速磨制粉系统进行了有关故障预警方面的研究【9】。他们采用多变量状态估计的方法进行建模，31绪论然后依据机组正常运行状态下的历史数据建立用于定义系统正常状态的各个参数之间

8、的关系。对于非线性的系统，它的运行状态由传感器信号直接或间接地表示，尽管状态向量不一定是线性独立的，但它们均与正在发生的系统运行过程有一定程度的相关性。因此，对于系统的每一个新的采样数据值，多变量状态估计法都采用从已学习的模型来估计系统当前的真实状