一种锅炉内流场热偏差模型实时预测方法技术

本发明专利技术公开了一种锅炉内流场热偏差模型实时预测方法，本发明专利技术通过采集高温过热器结构参数、管壁温度、管内介质参数和锅炉实时运行参数，计算高温过热器前端截面各个区域T1、T2、…T30的烟气温度值，通过离线数据建立高温过热器前端截面热偏差神经网络预测模型，在运行过程中通过预测模型找到锅炉运行参数与高温过热器前端截面处烟温热偏差的映射关系，利用滑动窗法实现对离线模型的在线校正，无需再重新训练，最终得到实时预测高温过热器前端截面烟温分布的模型，将锅炉内流场热偏差以烟温分布数据的形式直观的表达出来，防止因热偏差过大而出现高温爆管的事故。

A real-time prediction method of thermal deviation model of flow field in boiler

The invention discloses a real-time prediction method for the thermal deviation model of the flow field in the boiler. By collecting the structural parameters of the high-temperature superheater, the pipe wall temperature, the medium parameters in the pipe and the real-time operation parameters of the boiler, the invention calculates the T1, T2 Based on the off-line data, the neural network prediction model of the thermal deviation of the front section of the high-temperature superheater is established for the flue gas temperature value of T30. During the operation process, the mapping relationship between the operation parameters of the boiler and the thermal deviation of the flue gas temperature at the front section of the high-temperature superheater is found through the prediction model. The off-line model can be online corrected by using the sliding window method without further training, and the real-time prediction of the high-temperature is finally obtained The model of flue gas temperature distribution in the front section of superheater can express the flow field thermal deviation in the form of flue gas temperature distribution data intuitively, so as to prevent the accident of high temperature tube explosion due to the excessive thermal deviation.

【技术实现步骤摘要】
一种锅炉内流场热偏差模型实时预测方法
本专利技术属于电站锅炉
，具体涉及一种锅炉内流场热偏差模型实时预测方法。
技术介绍
近年来，由于国家对于锅炉能耗和环保方面要求的提高，许多小型锅炉被迫关停，转而引进超临界和超超临界火力发电机组。这些超临界和超超临界火力发电机组的受热面温度很高，如果在运行的过程中出现较大的热偏差或者发生突发性扰动，那么高温受热面发生超温爆管事故的概率就会提升。锅炉产生热偏差的主要原因是锅炉炉膛的烟气侧热偏差。在有燃烧的热态情况下，参数之间往往存在非线性耦合的关系，因此速度切圆会发生偏移，烟气流速和温度的分布是不对称的，相对于炉膛中心位置产生一定的偏斜，从而引起锅炉炉膛出口处烟气温度的非对称分布，形成热偏差。而且随着大容量锅炉的成批量投用，热偏差也会明显增加，温度和速度的非对称分布导致的热偏差是造成高温过热器超温爆管的主要原因。超临界机组的发电效率很大程度上与材料的热应力极限值有关，目前运行的机组都已经非常接近材料允许的极限温度，如果高温过热器出现严重的热偏差，极有可能超出材料的热应力极限而损害管子的使用寿命，情况严重就会引起超温爆管，因此准确掌握材料的极限温度是机组安全高效运行的前提。为了降低高温受热面发生爆管的概率，就需要解决电站锅炉运行过程中内流场热偏差过大的问题，目前利用传感器测量的方式获取高温过热器部分外管壁的温度，然后实时显示部分管壁的温度，无法做到所有管壁温度的在线监测。
技术实现思路
针对上述情况，为克服现有技术的缺陷，本专利技术提供一种锅炉内流场热偏差模型实时预测方法。为了实现上述目的，本专利技术提供以下技术方案：一种锅炉内流场热偏差模型实时预测方法，包括以下步骤：1)将高温过热器前端截面所在烟气空间进行传热区域划分，在水平烟道内沿高度方向，从上到下将高温过热器等间隔划分成5个传热区域；在水平烟道内沿宽度方向，从左往右将高温过热器分为6个传热区域；并对划分得到传热区域进行编号Tj，j＝1，2，3，...，30，利用传感器对不同区域的管壁温度以及高温过热器进口处的工质温度t0进行采集；2)由步骤1)采集得到不同工况下的不同区域的管壁温度以及高温过热器进口处的工质温度t0，查焓温表得到高温过热器进口处焓值h0，根据高温过热器管分片分段模型，可以计算各管段工质温度tj，具体方法如下：a)将高温过热器进口处的工质温度t0带入式(1)，得到各管段外壁所受热负荷qj：式中：tbj——各管段外壁的温度，由传感器采集得到，℃；tj——各管段内工质温度，℃；β——高温过热器管子外径与内径的比值；μ——热量均流系数；qj——各管段外壁所受热负荷，kW/m2；δ——管壁的厚度，m；λ——管壁材料的导热系数，kW/(m·℃)；α′2——蒸汽侧的对流放热系数，m2·℃/kW；b)然后按照管内蒸汽流动方向累加各管段工质焓增Δhj：式中：ΔHj——各管段累计焓增；Δhj——各管段焓增；Aj——各管段受热面积，m2；D——工质流量，kg/s。c)根据式(3)得到各管段焓值hj，查焓温表得到各管段工质温度tj；hj＝h0+ΔHj(3)3)将步骤2)计算得到的各管段外壁所受热负荷qj和各管段工质温度tj带入式(4)，得到计算区域处的烟气温度值Tj；式中：Tj——计算点烟气温度，℃；ε——计算点管子的污染系数；α2——计算点烟气侧辐射放热系数；α1——计算点烟气侧对流放热系数。4)变换不同的运行工况，重复步骤2)和步骤3)，得到不同工况下的高温过热器前端截面处的烟温分布情况，将不同工况下的运行参数与烟温分布数据进行记录和保存；5)选取对锅炉内流场热偏差影响较大的10个运行参数作为输入参数，包括：锅炉负荷x1、排烟温度x2、烟气含氧量x3、一次风风速x4、一次风开度x5、二次风风速x6、二次风开度x7、炉膛进口二次风压力x8、给粉机给粉量x9、燃烧器摆角平均位置x10，通过电厂DCS控制系统采集得到；以所对应的每个工况下的高温过热器前端截面处的区域烟气温度值(T1-T30)作为输出参数；首先对输入和输出参数进行数据清洗，然后对清洗后的数据进行标准化处理，依据Z-Score公式将变量标准化或无量纲化：其中，x为需要被标准化的原始值，μ为均值，σ为标准差；最后随机划分训练集和测试集；6)ELM模型在训练开始前，设定隐含层神经元个数及激活函数类型，再利用训练集对ELM进行训练，得到锅炉高温过热器前端截面处烟温热偏差预测模型；7)利用滑动窗法对步骤6)得到的模型进行在线校正，对高温过热器前端截面处的烟温分布进行实时预测，将结果输出到显示界面。进一步地，步骤1)中，将高温过热器前端截面所在烟气空间划分成30个传热区域，每个区域的管壁上布置多个测点，测量管壁温度。进一步地，步骤6)具体包括如下步骤：6.1)选择极限学习机(ExtremeLearningMachine,ELM)作为实施模型，进行神经网络结构参数设置，确定输入层神经元数目10、输出层神经元数目30、隐含层神经元数目18，确定激活函数tanh，确定数据样本数1000，确定最小误差0.02、学习率0.001、最大迭代次数10000；6.2)初始化隐含层神经元权值、输出层神经元权值；6.3)固定隐含层神经元权值，不进行迭代求解，只需要求解从隐含层到输出层的权值；6.4)将步骤5)中的训练集的输入参数和输出参数输入ELM模型，训练隐含层到输出层的权重；6.5)利用步骤5)中的测试集对ELM模型进行仿真测试，通过计算均方误差MSE，对ELM的性能进行评价，其中：yi为真实值，y′i为预测值，n为样本总数；如果MSE<0.02，则转到步骤6.6)；如果MSE大于或者等于最小误差0.02，则返回修改隐含层数目、激活函数、学习率，并转到步骤6.4)；6.6)存储输入层到隐含层的神经元权值，存储隐含层到输出层的神经元权值，得到锅炉高温过热器前端截面处烟温热偏差预测模型。本专利技术的有益效果是：(1)本专利技术能够实时预测锅炉内流场热负荷分布模型，由高温过热器第一排壁温测点预测烟温分布，为高温过热器后排壁温的精确计算提供了基础，操作人员可以精确掌握锅炉内流场的温度偏移，更加精准的了解哪一个区域的温度达到了材料的热应力极限值，发生爆管的概率最大，提前预防超温爆管事故的发生，也为今后锅炉内流场热偏差优化方案的提出提供了依据，指导锅炉的安全经济运行。(2)本专利技术在运行过程中通过ELM找到锅炉负荷、排烟温度、烟气含氧量、给粉机给粉量、燃烧器摆角平均位置等与锅炉高温过热器前端截面处烟温热偏差的映射关系，经过预测模型在线输出不同工况下的高温过热器前端截面处的烟温分布，直观的显示出锅炉高温过热器前端本文档来自技高网...

【技术保护点】
1.一种锅炉内流场热偏差模型实时预测方法，其特征是，包括以下步骤：/n1)将高温过热器前端截面处所在烟气空间进行传热区域划分，在水平烟道内沿高度方向，从上到下将高温过热器等间隔划分成5个传热区域；在水平烟道内沿宽度方向，从左往右将高温过热器分为6个传热区域；并对划分得到传热区域进行编号T

【技术特征摘要】
1.一种锅炉内流场热偏差模型实时预测方法，其特征是，包括以下步骤：
1)将高温过热器前端截面处所在烟气空间进行传热区域划分，在水平烟道内沿高度方向，从上到下将高温过热器等间隔划分成5个传热区域；在水平烟道内沿宽度方向，从左往右将高温过热器分为6个传热区域；并对划分得到传热区域进行编号Tj，j＝1，2，3，...，30，利用传感器对不同区域的管壁温度以及高温过热器进口处的工质温度t0进行采集；
2)由步骤1)采集得到不同工况下的不同区域的管壁温度以及高温过热器进口处的工质温度t0，查焓温表得到高温过热器进口处焓值h0，根据高温过热器管分片分段模型，可以计算各管段工质温度tj，具体方法如下：
a)将高温过热器进口处的工质温度t0带入式(1)，得到各管段外壁所受热负荷qj：



式中：
tbj——各管段外壁的温度，由传感器采集得到，℃；
tj——各管段内工质温度，℃；
β——高温过热器管子外径与内径的比值；
μ——热量均流系数；
qj——各管段外壁所受热负荷，kW/m2；
δ——管壁的厚度，m；
λ——管壁材料的导热系数，kW/(m·℃)；
α′2——蒸汽侧的对流放热系数，m2·℃/kW；
b)然后按照管内蒸汽流动方向累加各管段工质焓增Δhj：



式中：
ΔHj——各管段累计焓增；
Δhj——各管段焓增；
Aj——各管段受热面积，m2；
D——工质流量，kg/s。
c)根据式(3)得到各管段焓值hj，查焓温表得到各管段工质温度tj；
hj＝h0+ΔHj(3)
3)将步骤2)计算得到的各管段外壁所受热负荷qj和各管段工质温度tj带入式(4)，得到计算区域处的烟气温度值Tj；



式中：
Tj——计算点烟气温度，℃；
ε——计算点管子的污染系数；
α2——计算点烟气侧辐射放热系数；
α1——计算点烟气侧对流放热系数。
4)变换不同的运行工况，重复步骤2)和步骤3)，得到不同工况下的高温过热器前端截面处的烟温分布情况，将不同工况下的运行参数与烟温分布数据进行记录和保存；
5)选取对锅炉内流场热偏差影响较大的10个运行参数作为输入参数，包括：锅炉负荷x1、排烟温度x2、烟气含氧量x3、一次风风速x4、一次风开度x5、二次风风...

【专利技术属性】
技术研发人员：童水光，张翔，吴燕玲，钟崴，童哲铭，唐宁，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江;33