火电厂运行优化技术探究

《火电厂运行优化技术探究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、火电厂运行优化技术探究【摘要】随着电力体制改革的不断深化及煤炭等能源价格的不断提高，发电企业面临着更加激烈的市场竞争，在确保机组运行安全性与环保性的同时，要求进一步降低发电成本与管理成本，故机组的节能降耗与优化运行管理的需求也越来越突出。本文以最优化方法确定锅炉最佳煤粉细度的过程为引子，探讨了优化过程中可能存在的一些问题，尝试提出优化运行的发展方向与趋势，以期为电厂优化运行提供借鉴。【关键词】最优化；发展趋势；综述；运行优化；电厂1•用最优化方法确定锅炉最佳煤粉细度的方法一般而言，用最优化方法解决实际工程问题可分为3步进行：（1）根据所提

2、出的最优化问题，建立最优化问题的数学模型，确定变量，列出约束条件和目标函数；（2）对所建立的数学模型进行具体分析和研究，选择合适的最优化方法；（3）根据最优化方法的算法列出程序框图和编写程序，用计算机求出最优解，并对算法的收敛性、通用性、简便性、计算效率及误差等作出评价。对于锅炉来说，煤粉的经济细度和很多因素相关，其中最主要的是锅炉的不完全燃烧损失和制粉系统的电耗。煤粉细度R越小，锅炉的不完全燃烧损失q4越小，但是需要磨煤电耗3m较大，而且对于磨煤机来说，金属的磨损量也越大。通过试验可以获得煤粉细度R与锅炉的不完全燃烧损失q4、煤粉细度R

3、与磨煤电耗3m的静态关系曲线。这样，可以建立煤粉经济细度的优化目标函数。2.利用最优化方法理论分析的缺陷2.1典型问题利用如上方法求取煤粉细度是最优控制理论的一个较简单的应用，求出的结果在现场有较好的使用效果。然而，从具体求解过程分析，火电厂优化过程中存在着如下几个典型问题。(1)求解是静态寻优，即反映的是到达稳态后的静态最优值。建立的模型都是静态模型，建模过程和求解过程相对简单，优化结果很容易表示，但是在动态过程是否最优值得商榷。(2)建立模型的简化较多。在建立煤粉细度对锅炉燃烧损失的数学模型的时候，没有考虑锅炉的负荷、煤粉的煤质、锅炉

4、的运行状态等因素，在建立煤粉细度对制粉系统能耗时同样没有考虑到制粉系统的运行状态、煤粉的煤质等因素，同时，煤粉细度不同造成对制粉系统不同程度的金属磨损量等设备损耗，也应该算入运行成本中。(3)现场运行的适应性差。电厂原用煤来源相对比较固定，最多就是几个煤矿的煤作为主要燃料来源，这样经济细度的模型只要对几种煤源分别进行试验后就可以长期使用。但是目前电厂用煤相对紧张，部分电厂的煤质多变，混煤的情况很多，煤质的可磨系数变化大，这个参数很难通过测量手段直接获取，但是对经济细度有很大影响，使得原来的经济细度就不再适用于新的煤质。(1)静态模型求解后

5、煤粉经济细度是一个具体的值，容易写入DCS控制系统中。但是，如果采用的是动态模型或者比较复杂的模型，优化结果不能用具体值或曲线来表示时，优化结果如何与DCS系统进行联结并将优化结果作为控制系统被调量的给定值进行闭环控制，也是一个较复杂的问题。2.2煤粉经济细度的优化结果实际应用分析以上提出的5个问题不同程度地存在于几乎所有火电厂优化系统中，但最终采用此煤粉经济细度优化结果，却具有很好的现场使用效果，主要原因如下：(1)煤粉细度的测量方法。目前市场还没有很好的关于煤粉细度的测量方案，从准确性、实时性和低成本这几个方面都满足要求的测量设备还几

6、乎没有。也就是说，煤粉细度的现场测量本身不是很精确，测量的实时性不能满足要求，那么要更高精度的动态优化结果是没有实际意义的。(2)因为对煤粉细度的测量结果的正确性不能满足要求，所以测量的结果只能作为制粉系统运行的参考，而不能作为闭环控制来进行，所以优化的意义相对较弱了。(1)要建立一个与煤质及机组运行状态相关的动态模型成本很高，难度也很大，目前几乎没有电厂会这样做，而煤质、机组运行状态对煤粉经济细度的影响有限，所以一般都进行了忽略。2.电厂运行优化系统研究的发展趋势从煤粉经济细度的求解这个简单的问题进行分析，火电厂优化系统的发展趋势主要有

7、以下几个方向。3.1测量技术的不断发展是火电厂优化的有力推动力目前，存在着很多优化目标可以明确，但是没有办法通过闭环控制来实现的情况，例如煤粉经济细度、飞灰含碳量、煤粉浓度等。测量的准确性和实时性使些优化结果无法形成闭环控制的目标给定值，而只能作为运行人员开环指导的运行目标的一个重要原因。所以测量技术的不断突破与发展是火电厂优化的一个重要方向。新的测量设备的研发对于火电站的自动调节来说，意味着一个新的优化系统的应用。测量技术是一个多学科结合的领域，需要结合电子、电气、物理等多领域技术的最新发展，用于热工测量领域，并将测量技术的发展与火电厂

8、运行优化相结合起来，才能获得最佳的优化效果。2.2利用多种先进技术进行建模与模型求解在传统试验建模与机理建模的基础上，新的建模与模型求解方法也将不断应用于过程优化领域。神经网络是一种强大的非线