人工智能技術在電站鍋爐燃燒優化中的應用研究
工業技術
作者：王貴忠 楊東勝
[摘要]從優化方法談，我國人工智能控製算法真正在工業應用的成果不多，大都停留在研究、試驗階段。將人工智能控製算法應用於電站鍋爐燃燒優化，實現鍋爐燃燒優化控製，在未來會有很大的發展，將為進一步提高電廠燃煤鍋爐的熱效率奠定良好的工作基礎。
[關鍵詞]人工智能技術；電站鍋爐燃燒優化；技術應用
中圖分類號：TK227.1；TP18文獻標識碼：A文章編號：1009-914X（2014）35-0093-01
當前，我國電力行業正在由計劃經濟體製逐步向市場經濟體製過渡，發電企業一方麵麵臨廠網分開、競價上網的電力市場競爭，另一方麵由於能源緊張導致煤價上漲，生產成本進一步加大。因此發電企業迫切要求挖掘機組運行的潛力，提高機組運行效率，降低生產成本，提高企業競爭能力。同時，隨著國家對電站NOx排放的限製，如何有效降低NOx排放的技術也是電廠當前關注的熱點。
鍋爐是實現能源轉化的主要設備之一，在能源工業中起著重要的作用。電力、機械、冶金、化工、紡織、造紙、食品等行業及民用采暖都需要鍋爐供給大量的蒸汽。據不完全統計，能源浪費很嚴重，每年多燃用原煤600Ot，這其中一大部分是煤粉爐。基於這種情況，世界各國的專家學者一直試圖找到可行的方法來提高鍋爐的熱效率，保持其燃燒的經濟性。
由於人工智能技術在電站鍋爐燃燒優化中能夠有效提高機組運行效率，降低發電成本，並能夠降低鍋爐NOx排放，因此受到發電企業的普遍關注。
電站鍋爐燃燒是個複雜的物理化學過程，涉及到燃燒學、流體力學、熱力學、傳熱傳質學等學科領域。電站鍋爐燃燒產物（簡稱排放物）的生成機製很複雜，受多種因素的製約，諸如煤種、鍋爐熱負荷、風煤比、配風方式、爐膛溫度以及其分布的均勻性等。鍋爐燃燒過程具有非線性、強耦合、大延遲、大熱慣性和時變多變量的特征，是複雜的熱力反應過程，其輸入與輸出參數間存在的強烈非線性關係。
由於電力市場的原因，使得很多燃煤機組參與調峰，因此僅僅考慮鍋爐燃燒的穩態優化是不夠的，一個能夠長期投運有效的燃燒優化人工智能控製軟件必須能夠實現機組動態變化過程中的燃燒優化控製。
燃料在鍋爐的爐膛中燃燒釋放熱能，經過金屬壁麵傳熱使鍋爐中的水轉化成具有一定壓力和溫度的過熱蒸汽，隨後把蒸汽送入汽輪機，由汽輪驅動進行發電。人工智能化燃燒優化技術能夠有效提高鍋爐燃燒的效率並減少汙染。
從鍋爐燃燒優化技術角度看，鍋爐燃燒優化技術可以分為三類：第一類通過在線檢測鍋爐燃燒的重要參數，指導運行人員調節鍋爐燃燒，這類燃燒優化技術目前在國內占據著主導地位。第二類燃燒優化技術是在DCS的基礎上，作為鍋爐運行的監督控製係統，通過采用先進的控製邏輯、控製算法或人工智能技術，實現鍋爐的燃燒優化。隨著先進控製和人工智能技術的逐步成熟和在工業上成功的應用，這類燃燒優化技術發展迅猛。第三類燃燒優化技術在設備層麵，通過對燃燒器、受熱麵等的改造實現鍋爐的燃燒優化調整。上述三類技術在實際中各有優點和應用，但其中第二類技術成為很多電廠首選的燃燒優化技術。
我國經濟發展逐漸從粗放型轉入集約型，對電站鍋爐的燃燒不僅要追求經濟效益還要實現安全性及環保性。20世紀70年代測量技術的改進有效促進煤炭燃燒效率的提高。先進的燃燒優化技術是煤炭消耗降低的重要原因之一。
人工智能技術應用於電站鍋爐燃燒優化中，著重針對我國電站鍋爐的燃燒特點進行了研究。應用人工智能神經網絡技術設計的燃煤電廠燃燒優化控製係統，主要功能是以提高鍋爐熱效率和降低NOx排放為目標的穩態優化。人工智能係統利用DCS本身具有的數據庫的數據作為數據分析的基礎，經過神經網絡模型在線分析，迅速得出運行參數的最優值，然後輸出到DCS，DCS係統通過控製偏移量，進而實現NeuSIGHT對鍋爐燃燒的優化控製。
從國外的情況看，人工智能控製算法已經開始在電站鍋爐燃燒優化上實現大規模應用，取得了很好的效果。日本的某些人利用燃燒區域火焰圖像處理技術對燃煤鍋爐爐膛出口未燃盡炭進行預測，根據得到的預測值調整鍋爐的燃燒，使鍋爐熱效率提高了3%。