火电厂热工参数软测量技术分析论文

火电厂热工参数软测量技术分析论文

　　摘要：随着社会经济的发展，对电力的需求量和平稳要求不断提升，市场的需求不断推动火力发电厂进行技术、设备优化，在火力发电厂锅炉、机组运行过程中有相当部分的能源和热量被浪费，浪费形式主要是烟气，且供电过程中对于部分锅炉和机组关键部分进行了超负荷磨损，想要实现对火力发电厂工作效率的提升、生产成本的控制必须提升对温度、压力、流量等参数的测量和监控。本文从热工参数入手，探讨软测量技术，分析软测量技术在火力发电厂热工参数方面的应用。

　　关键词：火力发电厂；热工参数；软测量技术

　　对于火力发电厂而言，优化燃烧方式、效率是控制运行成本、提高经济效益的重要方式，然而优化燃烧方式和效率需要先做好对关键技术的参数测量和控制，在火力发电厂中锅炉烟气含量在调整风、煤配比和控制燃烧效率方面作用较大，传统测量方式并不能很好的控制测量准确性和及时性，对于火力发电厂的技术革新作用偏弱，因此希望对火力发电厂热工参数的测量技术进行优化，通过对参数准确性控制和及时性提高来实现对发电厂生产效率的提高，实现火力发电厂的节能降耗。

　　1热工参数

　　热工是工程热力学的简称，主要是研究将热力学与机械做功之间相互转化，以及转化效率的研究学科，蒸汽机、空调、反应堆等反应方式都属于工程热力学研究范畴。热工参数是工程热力学研究过程中的参考数据，主要包括温度、流量、压力等，在火力发电厂中的热工参数测量主要是指燃煤发热量、烟气含氧量、飞灰含碳量、磨煤机负荷等参数的测量，这些热工参数直接影响到火力发电厂的生产效率和经济利润率，是火力发电厂进步发展的重要途径和突破口。

　　2软测量技术

　　软测量是指生产过程中对难以测量或暂时无法测量变量的变相推断，这种推断可以通过为其他可测量变量建立数学关系、数学模型的方式来实现，软测量可以使一些难以测量的重要变量更好的参与到技术、工艺的优化之中，帮助企业对产品质量进行更好的控制。常见的软测量技术包括软测量模型建立、辅助推断变量选择、测量数据采集与处理、重要变量推断等部分，在软测量技术衍化过程中出现了很多模型建立的方法，可以有效辅助生产技术、工艺的优化工作。

　　2.1主元分析法

　　主元分析法（PrincipalComponentAnalysis，简写为PCA）是一种常见的数据分析方法，主元分析法通过线性变换将原始数据转化为新的、与线性无关的数据，从此种转化过程中可以提取出数据的主要特征，通常用于高维数据降维，在火力发电厂中运用的主要作用是将难以测量或当前科学水平下不可测量的变量降维测量。降维后的高维变量能够最大程度上保持降维前的数据特征，便于技术人员对降维后数据进行处理，进而得出降维前变量的真实特征和规律。在火力发电厂热工参数测量过程中，飞灰含碳量等非线性特征变量更适合使用主元分析法进行数据测量和处理，只是此法干扰性较大，使用难度较高。

　　2.2支持向量机法

　　支持向量机法（SupportVectorMachine，简写为SVM）是一种常见的数据判别方法，主要用识别、分类、回归的方式进行数据处理和分析。支持向量机法是一种只需要小样本即可进行分析的方法，是一种由线性变量向非线性变量的扩展分析理论，由于这种扩展的分析方式，这类软测量技术才会被成为支持向量法。支持向量法的应用使得技术人员可以根据有限的样本来寻求数据之间的最优关系，以最小风险进行难以测量和当前科技水平下不可测量的变量处理，但在样本数量较大的情况下，SVM法的处理速度会相对较慢，不适合工业发展需求。

　　2.3偏最小二乘法

　　偏最小二乘法是一种利用最小化误差的平方和最佳函数进行的数学优化技术，偏最小二乘法采用最简洁的方式取得了原本难以测量或当前科技水平下不可测量的变量数据，并且这种方式所取得的数据误差相对较低。在火力发电厂中，线性关联度较高的热工参数多采用偏最小二乘法进行变量测量，相对而言误差较小，软测量技术分析结果准确性较高。

　　2.4人工神经网络法

　　人工神经网络法（ArtificialNeuralNetwork，简写为ANN）是一种较为复杂的数据网络结构，人工神经网络法中主要通过对人脑组织结构和运行机制的模拟来实现对数据信息的抽象、简化、处理，是一种现代化、模拟性较高的数据信息处理方法，相较于其他软测量技术而言，人工神经网络法更善于处理非线性、随机、模糊的数据群，对于这种大规模、结构复杂、来源不明数据群采用模拟人脑的处理方式可以有效滤过大量不可测量的变量，寻找到其中的变化因素，寻找到更适合于火力发电厂技术优化的方向和突破口。

　　2.5模糊理论法

　　模糊理论法是一种模糊逻辑处理方式，由于这种方式难以用数学的方式进行建模，甚至无法进行定量描述，所以并不适合单独使用，建议将其与人工神经网络法结合使用，提高人工神经网络法的准确性。

　　3软测量技术在火力发电厂热工参数方面的应用

　　3.1烟气含氧量测量

　　传统热工参数测量方式主要是通过热磁式传感器、氧化锆传感器进行，由于烟气中含有大量的未燃尽煤粉，锅炉有可能存在漏风等情况，使用热磁式传感器和氧化锆传感器的测量误差较大，且得到数据的及时性较差，且用于测量烟气含氧量的传感器使用过程中磨损较大，寿命较短，导致火力发电厂热工参数测量成本较高。采用软测量技术进行热工参数测量，可以通过对总燃料量、风量、电流量、给水流量、蒸汽温度、锅炉压力、出口烟气温度等参数对烟气含氧量进行推导测量，常见的测量方式是偏最小二乘法，也可采用偏最小二乘法与主元分析法、支持向量机法联合的方式提高软测量结果的有效性。

　　3.2飞灰含碳量

　　传统飞灰含碳量的测量方式是燃烧失重法、反射法和微波吸收法，然而这三种方法中燃烧失重法存在及时性差，反射法和微波吸收法存在成本高的缺陷，且由于飞灰含碳量还会受到煤矿质量、锅炉运行质量的影响，传统三法无法很好实现对飞灰含碳量的准确测量。热工参数软测量技术主要通过基低位发热量、挥发分、水分、灰分、入煤量、烟气含氧量、鼓风量、风压、锅炉负荷等参数进行数据处理，由于参数量较大、种类较多，通常情况下依据线性测量方法并不能很好的进行飞灰含碳量测量，因此飞灰含碳量的常见软测量技术是非线性处理效果较强的人工神经网络法，若参数获取有效性比较高，可以采用支持向量机法与偏最小二乘法联合的方式进行数据处理。

　　3.3球磨机负荷

　　传统球磨机负荷的测量方法主要有振动法、物位法、差压法、电流法、噪音法，但由于传统测量方法精确性不高，测量结果无法准确指导球磨机进行煤粉研磨，不仅无法控制磨粉的质量，还会导致电能的无用消耗。球磨机负荷软测量可将入煤量、出入口压力差、入风量、电流量作为参数进行处理，由于影响球磨机负荷的各项参数之间线性结构并不明确，采用支持向量机法与偏最小二乘法联合可以得到比较有效的测量结果，采用人工神经网络法也可以得到较好的测量结果，经过软测量技术处理的数据可以有效提高球磨机研磨的精度和对电能的控制。

　　3.4煤炭质量

　　煤炭质量对于火力发电厂多个环节生产效率的影响都十分显著，因此对于火力发电厂热工参数软测量技术必须将煤炭质量列入处理行列，且煤炭质量的测量处理还需要根据不同环节进行调整，例如在球磨机环节，入机煤炭量、出口烟气成分组成、发热量、球磨机运行状态都是煤炭质量的软测量技术参数；在锅炉燃烧环节，入机煤炭量、鼓风量、电流量、出口烟气成分组成都是煤炭质量的软测量技术参数。由于煤炭质量中包含煤种挥发份、固定碳含量、低温发热量等多个难测变量，且参数数量庞大，因此煤炭质量的软测量多采用人工神经网络法进行，这种方式可以有效降低煤炭质量的测量误差，最理想状态下可将误差率压缩在±2%。

　　3.5燃烧优化

　　燃烧优化是指火力发电厂经过技术、工艺优化实现效率提高、污染降低，其中包含了锅炉燃烧结果中的烟气含氧量控制、飞灰含碳量控制、排烟温度控制等多个方向，目前我国专家对于燃烧优化的思路有较大区别，第一类专家倾向于采用人工神经网络法进行性能优化，第二类专家倾向于使用支持向量机法，对烟气含氧量、飞灰含碳量的测量结合，第三类专家同样倾向使用支持向量法，但更倾向于使用锅炉燃烧效率、烟气含氧量、排烟温度的测量结合。

　　4结语

　　火力发电厂的热工参数测量主要集中在球磨机负荷、烟气含氧量、烟气温度、风煤比、飞灰含碳量、污染物排放量等部分，致力于为火力发电厂成本控制、生产效率提升提供数据基础，上文者探讨了各种软测量技术及建模。

　　参考文献：

　　[1]贺军.热工参数软测量技术在火电厂节能中的应用[J].电气技术,2017，(11):114-116，120.

　　[2]赵凯.火电机组热工参数软测量与燃烧优化研究[D].华北电力大学,2017.

　　[3]罗嘉,吴乐.电站锅炉主要热工过程参数软测量技术研究进展[J].热力发电,2015,44(11):1-9+13.

【火电厂热工参数软测量技术分析论文】相关文章：

电弧加热发动机参数的测量技术04-26

红外探测技术对多目标弹道参数的测量04-30

基于即时学习策略的火电厂烟气含氧量软测量04-26

气动谐振管加热过程气体参数的测量与分析05-02

RTK测量技术对国土测量的应用论文05-01

公差配合测量技术论文09-23

桥梁软土地基的处理技术的工学论文04-30

股市收益率的风险测量-基于参数与非参数GARCH技术的动态VaR计算04-30

电镀电流参数在线测量04-25

软土路基工后沉降预测技术与应用实践04-28