张元舒 Zhang Yuanshu
华电电力科学研究院有限公司，浙江 杭州310030
摘要：燃煤发电机组的高效低能耗运行是发电行业向低碳转型的必然选择。从凝汽式燃煤发电机组能耗评价指标分析入手，分析影响燃煤发电机组运行能耗的主要因素，提出运行优化是降低燃煤发电机组能耗的主要措施。从运行参数的分级测量与重构、设备热力特性模型的建立和基准工况的确定三个方面谈论了燃煤发电机组能耗诊断与运行优化的方法及研究现状，指出信息化技术的应用是燃煤发电机组运行优化未来的发展方向。
关键词：能耗诊断 运行优化 状态监测 数据挖掘
1 前言
电力行业一直是全球最大的用能和碳排放行业。2017年，全球一次能源消费总量中的40%用于发电[1]，到2040年，这一比例预计将提升至50%[2]。目前，燃煤发电占全球发电量的38%，尽管近年来可再生能源保持快速增长，但由于其总量占比很低（2017年仅为8%），预计未来二十年内，煤炭依然是电力的最主要能源来源。因此，降低燃煤发电机组的运行能耗，不仅可以降低发电厂生产成本，还可以减少碳排放，具有重大的经济效益和社会效益。
本文首先分析了燃煤发电机组能耗的评价指标以及制约机组能耗的主要因素，其次从参数测量、设备热力特性建模和基准工况确定三个方面讨论燃煤发电机组能耗诊断及运行优化的方法及研究现状。
2 燃煤发电机组能耗评价指标
对于大型燃煤凝汽式发电机组，通常选择供电煤耗率作为整体能耗水平的评价指标。
.png)
式中：b为供电煤耗率，g/(kW·h)；HR为汽机热耗率，kJ/(kW·h)；ηb为锅炉热效率，与锅炉的燃烧及传热状况有关；ηp为管道效率，与主蒸汽管道和再热蒸汽管道的流动压损及散热损失有关，一般取值为0.98～0.99；ra为机组发电厂用电率，与辅机的单耗有关。
分析式1可知，降低汽轮机热耗率、提高锅炉效率、降低发电厂用电率是实现燃煤发电机组节能降耗的主要途径。
3 燃煤发电机组能耗制约因素
对于热力系统构成固定的机组，影响锅炉效率、汽轮机热耗率和发电厂用电率3个参数的因素可分为如下三类[3]（如表1所示）：
（1）不可控外部约束：主要包括负荷、燃料成分、环境温度、湿度等；
（2）运行可控因素：主汽压力、主汽温度、再热汽温度、排烟氧量和水煤比等机组运行中可调整的工质运行参数以及减温水的投切、磨煤机的启停、以及循环水泵运行策略等主辅设备的运行方式；
（3）主辅设备的效能指标：如汽轮机缸效率、泵或风机的效率、凝汽器传热系数、空预器漏风率等，该类参数主要由设备健康状况所决定，取决于设备自身经济性能和设备检修维护水平，需要通过加强设备维护，提高检修质量等措施，保障主辅设备的能效指标处于良好的状态。
.png)
在机组实际运行过程中，针对外部约束条件的变化，运行人员首先要调整主辅设备的运行方式，包括多台机组之间的负荷调度优化、磨煤机运行台数、循环水泵运行策略优化和锅炉配风优化等，在确定机组负荷、风煤比、水煤比后，应当及时调整机组的运行参数和辅机运行方式至最佳值。
与设备能效提升改造或维修相比，通过调整运行参数和设备运行策略（运行优化）降低机组运行能耗的方式具有投资少，收益高的优势，因此，运行优化一直是燃煤发电机组节能降耗最主要的手段之一。
4 能耗诊断与运行优化
大型燃煤发电机组能耗诊断与运行优化的基础是机组运行参数的准确测量，核心是建立精确的设备热力特性模型，以及确定机组运行参数和辅机运行方式优化的目标值。
4.1 运行参数的分级测量与重构
目前，应热工控制的要求，火电机组运行参数测点的设置着重于保证可靠性和趋势准确性，尚不能完全满足能耗诊断与运行优化的需要，因此需要对现有测点进行分级测量与重构。
运行参数的测量需要广泛运用各类检测技术，除了工质压力、温度、流量、电功率、电压、电流等常规测量之外，还需要得到燃煤成分、烟气成分等新型检测技术的支持。
4.1.1 数据的分类
根据对能耗分析的重要性，运行参数可以分为3级，下面以汽轮机运行参数为例，说明分级的基本思想。
核心参数 描述汽轮机不可控外部约束条件的运行参数，包括机组负荷、环境温度、湿度。
重要参数 准确度显著影响汽轮机能耗计算结果的参数，包括主汽压力、主汽温度、再热汽温、真空、最终给水温度和给水流量等。
一般参数 准确度对计算结果影响较小的参数，包括汽轮机抽汽压力和温度、加热器出水温度和疏水温度等。
4.1.2 数据有效性的验证
基于上述分类，对各类运行参数测量结果的有效性应采用不同的验证策略：
（1）对于核心参数和重要参数，主要通过冗余测点测量结果进行验证。
（2）对于一般参数，可以采用以硬件验证为主，软测量验证为辅的验证方法。硬件验证是指根据冗余测点和上下游测点的测量结果验证其有效性。软测量验证是指采用基于设备及其能效特性建立的软测量模型验证其有效性。
4.1.3 失效及缺失数据的重构
对于未能通过有效性验证的测点以及缺失的测点，应采取软测量的方法予以重构。目前软测量技术在数据重构领域得到了广泛的应用。文献[4]建立了锅炉飞灰含炭量在线软测量的神经网络模型，该模型能够正确描述电站飞灰含炭量的响应特性。文献[5]提出了一种汽轮机排汽干度的在线软测量方法，该方法同基于测量流量的计算方法相比，结果更为准确。文献[6]提出一种基于混沌灰熵分析法（GECA）和支持向量机（SVR）的的中储式制粉系统出力在线软测量模型，经验证该模型精度较高，可以反映制粉系统实际工况。文献[7]提出一种以测量数据为基础，综合考虑各类测点的误差分布和机组能量平衡的主汽流量软测量方法，该方法已应用在300MW机组SIS系统中。
4.2 设备热力特性模型的建立
热力特性是指设备的运行参数对约束条件的响应。以汽轮机系统为例，进行能耗分析需要建立的设备热力特性模型有：（1）汽轮机通流特性模型，指汽轮机各级抽汽压力和温度随主蒸汽流量变化的响应特性。（2）汽轮机回热系统特性模型，指各级加热器出水温度、疏水温度随负荷的响应特性。（3）凝汽器特性模型，指凝汽器压力随凝汽器负荷、循环水温度和循环水流量的变化规律。（4）汽轮机热耗率特性模型，指汽轮机热耗率随机侧参数的响应特性。[3]（5）机组的能耗特性模型，指机组在任意参数组合下的能耗响应特性。
目前，主要有机理建模法和数据挖掘建模法两种热力特性建模方法。机理模型是反映生产过程中物质流与能量流的传递机理的精确数学模型。机理建模一般以能量平衡和质量平衡为基础，并采用一些假定条件，简化模型的约束。机理模型具有结构清晰，模型通用性强的优点。但是由于燃煤发电机组边界条件的多变性以及工艺过程的复杂性，机理模型的计算结果往往与实际运行数据存在相当大的偏差，降低了模型的准确性。
基于数据挖掘方法建立热力特性模型时无需进行复杂的机理分析，而是从历史数据中提取机组的设备响应特性，建立机组各子系统、各设备和各参数之间的关联关系。文献[8]提出了基于果蝇算法优化广义回归神经网络的凝汽器真空预测模型，模型能够准确的预测某600MW火电机组凝汽器的真空变化值。文献[9]使用BP神经网络建立了直接空冷凝汽器背压预测模型，模型以风机功率、环境温度和负荷为输入，凝汽器背压为输出，其预测结果的精度能够满足现场控制的需求。文献[10]利用模糊粗糙集属性约简方法对影响机组能耗特性的运行特征参数进行约简，得到最简属性集。然后采用支持向量机技术建立机组能耗敏感性分析模型，分析不同负荷工况下各运行特征参数对供电煤耗的敏感性系数，为机组实际运行优化及节能降耗提供指导。
4.3 能耗基准工况的确定
一般将机组所有运行参数的集合称为运行工况，能耗基准工况是指在某不可控外部约束条件下，机组能耗最低时对应的运行工况。因此，确定能耗基准工况是燃煤发电机组能耗分析和运行优化的最终目标。
常用的基准工况确定方法有设计值法、热力试验法、变工况智能优化法和数据挖掘法。设计值法是将机组的设计工况定为基准工况，该方法适用于不可控约束条件和设备能效指标与设计工况相同的机组。热力试验法是在典型不可控约束条件下，通过热力性能试验，确定机组的基准工况，但试验成本高昂，所能优化的工况有限。
变工况智能优化法是基于设备的能耗特性模型，使用智能优化算法寻优，确定一定约束条件下的基准工况。该方法的准确性取决于设备特性模型的准确性和优化算法全局寻优的能力。目前，常用的优化算法包括遗传算法、粒子群算法、模拟退火算法和蜂群算法等。文献[11]运用支持向量机建立了300MW亚临界燃煤机组的煤耗率和NOx排放量预测模型，并基于遗传算法，以煤耗率和NOx排放量为优化目标，建立了锅炉燃烧优化模型，优化结果可指导燃煤机组高效洁净运行。文献[12]提出了带系数的距离学习粒子群算法，有效克服粒子群早熟的问题，并将其应用于NOX的减排优化中，优化结果表明算法可使NOX排放量更低，优化结果也更稳定。文献[13]基于支持向量机模型和人工蜂群优化算法，建立了以总风量、二次风挡板开度和旋转分离器转速为被优化参数，以锅炉净效率最低为目标的优化模型，给出了不同负荷下锅炉的最佳氧量以及二次风配风形态的规律。
数据挖掘法是采用聚类算法或关联规则算法，在大量历史数据中寻找能耗最低的工况组，提取参数特征，最终确定基准工况。文献[14]基于模糊C-均值聚类算法挖掘出某300MW机组在各典型负荷下，锅炉效率最高时排烟氧量、排烟温度和飞灰含炭量的基准值。文献[15]在Hadoop平台的MapReduce架构上实现了关联规则算法Apriori的并行计算，提高了应对大量数据的处理速度，并以某1000MW机组为对象，挖掘出以热耗率最小为目标的汽轮机系统运行参数基准值。文献[16]将模糊集理论引入到动态数据流的数值型数据关联规则挖掘中，建立了一种适合动态数据流环境的模糊关联规则挖掘方法，应用于发电机组能耗基准工况的获取和最经济煤种决策方法的研究中。与变工况智能优化法相比，数据挖掘法无需建立设备的热力特性模型，优化结果不会受特性模型影响。数据挖掘法确定的基准工况是历史最优工况而非理论最优工况，因此优化结果的可实现性更强，但可能并非实际最优工况。
5 结论
（1）运行优化是挖掘火电机组节能潜力的重要途径
在确定的外部约束条件下，挖掘机组的节能潜力需要从运行优化与强化检修两个方面着手，其中运行优化具有投资少、收益高的特点。
（2）信息技术的应用将是燃煤发电机组运行优化的发展方向
大型燃煤发电机组由于系统庞大、工艺复杂，尚存在关键参数无法直接测量、某些机理过程特性未知和获取经济运行目标困难的问题。随着以数据挖掘算法为核心的智能信息技术日趋成熟，大量学者利用其“重数据、轻机理”的特点，将其引入燃煤发电机组节能优化领域并取得良好的成果。围绕燃煤发电机组的技术特点，应在系统、过程和单元等不同层面，进一步开展基于先进智能信息技术的节能策略和运行优化研究。
参考文献
[1]BP P.L.C.．世界能源统计年鉴[Z]. 伦敦，2018．
[2]BP P.L.C.. BP energy outlook[Z]. London, 2019.
[3]王培红，苏志刚，赵欢，等．火电机组的性能分析、监测与优化技术的研究进展[J]．华东电力，2010，38（10）：1517-1521．
[4]陈强，王培红，李琳，等．电站锅炉飞灰含碳量在线软测量模型算法[J]．电力系统自动化，2005（02）：45-49．
[5]张春发，赵宁，王惠杰．一种汽轮机组排汽干度的在线软测量方法[J]．中国电机工程学报，2008，28（26）：1-6．
[6]苏志刚，王培红，于向军，等．中储式制粉系统出力在线监测软测量建模[J]．中国电机工程学报，2007（29）：90-95．
[7]江峰．基于火电机组实时信息的性能监测模型及算法研究[D]．南京：东南大学，2008．
[8]葛晓霞，肖洪闯，嵇卫，等．基于果蝇算法优化广义回归神经网络的凝汽器真空预测[J]．汽轮机技术，2018（03）：208-212．
[9]王彪，刘格．基于BP神经网络的直接空冷凝汽器背压预测[J]．电力科学与工程，2014，30（05）：67-70．
[10]付忠广，刘炳含，王鹏凯，等．基于数据挖掘的燃煤机组能耗敏感性分析[J]．热力发电，2018，47（9）：15-21．
[11]王禹朋，阎维平，祝云飞，等．支持向量机理论与遗传算法相结合的300MW机组锅炉多目标燃烧优化[J]．热力发电，2015（10）：91-96．
[12]李庆伟，陈慧枫，姚桂焕．基于距离学习粒子群算法的NO_x减排优化[J]．动力工程学报，2016（05）：404-410．
[13]张元舒．大型电站锅炉燃烧特性预测及烟气氧量优化的研究[D]．南京：东南大学，2013．
[14]赵欢，王培红，钱瑾，等．基于模糊C-均值聚类的锅炉监控参数基准值建模[J]．中国电机工程学报，2011（32）：16-22．
[15]万祥，胡念苏，韩鹏飞，等．大数据挖掘技术应用于汽轮机组运行性能优化的研究[J]．中国电机工程学报，2016，36（02）：459-467．
[16]冉鹏．基于动态数据挖掘的电站热力系统运行优化方法研究[D]．北京：华北电力大学，2012．