化工学报 ›› 2024, Vol. 75 ›› Issue (3): 924-935.DOI: 10.11949/0438-1157.20231345
董益斌1(), 熊敬超2, 王敬宇1, 汪守康1, 王亚飞1, 黄群星1()
收稿日期:
2023-12-18
修回日期:
2024-02-23
出版日期:
2024-03-25
发布日期:
2024-05-11
通讯作者:
黄群星
作者简介:
董益斌(1999—),男,硕士研究生, 22160492@zju.edu.cn
基金资助:
Yibin DONG1(), Jingchao XIONG2, Jingyu WANG1, Shoukang WANG1, Yafei WANG1, Qunxing HUANG1()
Received:
2023-12-18
Revised:
2024-02-23
Online:
2024-03-25
Published:
2024-05-11
Contact:
Qunxing HUANG
摘要:
提出了一种融合激光雷达料位测算的锅炉燃烧优化控制策略。该控制策略通过激光雷达对生物质的入炉给料量进行实时在线监测,并采用最大互信息系数(MIC)方法分析其对于主汽压力、燃烧室温度、出口烟气氧量等关键参数的时延长度,结合经过特征筛选的锅炉特征参数,构成模型样本集;通过粒子群优化(PSO)算法进行参数优化,获得燃烧过程外源自回归(ARX)模型,并采用模型预测控制的方法优化锅炉燃烧。以700 t/d生物质燃烧发电锅炉为测试对象,该控制策略在主汽压力与燃烧室温度约束下实现了烟气氧量优化。实验结果与对比分析表明:(1)该预测模型具有较高的精度与泛用性,能满足预测控制的要求;(2)相较于PID与模糊控制,该控制算法拥有更高的控制性能,在仿真结果中氧量与其设定值的平均偏移能控制在±25%以内。该控制策略理论上具有较好的实践意义,可为生物质发电锅炉的智能化稳定燃烧提供解决方案。
中图分类号:
董益斌, 熊敬超, 王敬宇, 汪守康, 王亚飞, 黄群星. 融合激光雷达料位测算的锅炉燃烧优化模型预测控制[J]. 化工学报, 2024, 75(3): 924-935.
Yibin DONG, Jingchao XIONG, Jingyu WANG, Shoukang WANG, Yafei WANG, Qunxing HUANG. LiDAR measurement based on model predictive control for boiler combustion optimization[J]. CIESC Journal, 2024, 75(3): 924-935.
参数 | 数值 | 参数 | 数值 |
---|---|---|---|
探测距离/m | 0~40 | 距离分辨率/cm | 1 cm |
保护距离 | ≥40 m@70%反射率 | 水平场视角/(°) | 270 |
数据采样率/kHz | 45 | 测量精度/cm | ±2 |
波长/nm | 940 | 工作温度/℃ | -25~60 |
表1 激光雷达主要技术参数
Table 1 Main technical parameters of LiDAR
参数 | 数值 | 参数 | 数值 |
---|---|---|---|
探测距离/m | 0~40 | 距离分辨率/cm | 1 cm |
保护距离 | ≥40 m@70%反射率 | 水平场视角/(°) | 270 |
数据采样率/kHz | 45 | 测量精度/cm | ±2 |
波长/nm | 940 | 工作温度/℃ | -25~60 |
编号 | 实际体积 Vr/cm3 | 测试1 V1/cm3 | 测试2 V2/cm3 | 测试3 V3/cm3 | 平均误差/% | 标准差/cm3 |
---|---|---|---|---|---|---|
1 | 5713.00 | 5825.65 | 5798.36 | 5905.78 | 2.25 | 45.59 |
2 | 4438.00 | 4521.52 | 4568.32 | 4592.24 | 2.71 | 29.37 |
3 | 6192.00 | 6249.37 | 6298.47 | 6258.63 | 1.23 | 21.30 |
4 | 4952.00 | 5032.18 | 5088.69 | 5074.95 | 2.25 | 24.06 |
5 | 5087.00 | 5198.61 | 5154.27 | 5225.52 | 2.05 | 29.37 |
表2 实时给料测试误差
Table 2 Feeding amount detection error
编号 | 实际体积 Vr/cm3 | 测试1 V1/cm3 | 测试2 V2/cm3 | 测试3 V3/cm3 | 平均误差/% | 标准差/cm3 |
---|---|---|---|---|---|---|
1 | 5713.00 | 5825.65 | 5798.36 | 5905.78 | 2.25 | 45.59 |
2 | 4438.00 | 4521.52 | 4568.32 | 4592.24 | 2.71 | 29.37 |
3 | 6192.00 | 6249.37 | 6298.47 | 6258.63 | 1.23 | 21.30 |
4 | 4952.00 | 5032.18 | 5088.69 | 5074.95 | 2.25 | 24.06 |
5 | 5087.00 | 5198.61 | 5154.27 | 5225.52 | 2.05 | 29.37 |
类别 | 名称 | 符号 | 单位 |
---|---|---|---|
输入参数 | |||
状态参数 | 炉室差压左 | PA1 | MPa |
炉室差压右 | PA2 | MPa | |
燃烧器下部压力左2 | PB2 | Pa | |
燃烧器下部压力左1 | PB1 | Pa | |
燃烧器下部压力右1 | PB3 | Pa | |
燃烧器下部压力右2 | PB4 | Pa | |
主汽流量 | F | t/h | |
总给水流量 | FW | m3/h | |
可控参数 | 4#皮带频率 | S4 | Hz |
3#皮带频率 | S3 | Hz | |
2#皮带频率 | S2 | Hz | |
1#皮带频率 | S1 | Hz | |
一次风机总流量 | FA | m3/h | |
二次风总流量左 | FA1 | m3/h | |
二次风总流量右 | FA2 | m3/h | |
雷达反馈给料参数 | 4#皮带给料流量 | FS4 | m3/s |
3#皮带给料流量 | FS3 | m3/s | |
2#皮带给料流量 | FS2 | m3/s | |
1#皮带给料流量 | FS1 | m3/s | |
输出参数 | 燃烧室温度 | T | ℃ |
主蒸汽压力 | p | MPa | |
出口烟气含氧量 | O | % |
表3 锅炉参数终选
Table 3 Boiler parameters final selection
类别 | 名称 | 符号 | 单位 |
---|---|---|---|
输入参数 | |||
状态参数 | 炉室差压左 | PA1 | MPa |
炉室差压右 | PA2 | MPa | |
燃烧器下部压力左2 | PB2 | Pa | |
燃烧器下部压力左1 | PB1 | Pa | |
燃烧器下部压力右1 | PB3 | Pa | |
燃烧器下部压力右2 | PB4 | Pa | |
主汽流量 | F | t/h | |
总给水流量 | FW | m3/h | |
可控参数 | 4#皮带频率 | S4 | Hz |
3#皮带频率 | S3 | Hz | |
2#皮带频率 | S2 | Hz | |
1#皮带频率 | S1 | Hz | |
一次风机总流量 | FA | m3/h | |
二次风总流量左 | FA1 | m3/h | |
二次风总流量右 | FA2 | m3/h | |
雷达反馈给料参数 | 4#皮带给料流量 | FS4 | m3/s |
3#皮带给料流量 | FS3 | m3/s | |
2#皮带给料流量 | FS2 | m3/s | |
1#皮带给料流量 | FS1 | m3/s | |
输出参数 | 燃烧室温度 | T | ℃ |
主蒸汽压力 | p | MPa | |
出口烟气含氧量 | O | % |
变量 | 给料响应时延/s | 对应MIC值 |
---|---|---|
燃烧室温度 | 320 | 0.25 |
主蒸汽压力 | 160 | 0.19 |
出口烟气氧量 | 120 | 0.50 |
表4 各关键参数与给料速率间的纯延迟时间及对应的MIC值
Table 4 The delay time between key parameters and feed rate, and the corresponding MIC value
变量 | 给料响应时延/s | 对应MIC值 |
---|---|---|
燃烧室温度 | 320 | 0.25 |
主蒸汽压力 | 160 | 0.19 |
出口烟气氧量 | 120 | 0.50 |
模型 | 主蒸汽压力 | 燃烧室温度 | 出口烟气氧量 | ||||||
---|---|---|---|---|---|---|---|---|---|
RMSE/MPa | MAE/MPa | MAPE/% | RMSE/℃ | MAE/℃ | MAPE/% | RMSE/% | MAE/% | MAPE/% | |
PSO-ARX | 0.01 | 0.03 | 0.13 | 0.81 | 1.07 | 0.09 | 0.65 | 0.88 | 3.70 |
MLP | 0.17 | 0.13 | 1.42 | 14.58 | 11.63 | 1.38 | 0.52 | 0.42 | 2.35 |
PLS | 0.11 | 0.09 | 0.97 | 11.04 | 9.20 | 1.08 | 1.18 | 0.89 | 4.92 |
LSSVM | 0.06 | 0.033 | 0.28 | 4.34 | 1.70 | 0.20 | 1.07 | 0.49 | 2.78 |
ARX(NL) | 0.09 | 0.06 | 0.65 | 14.24 | 10.88 | 1.29 | 2.74 | 2.07 | 5.28 |
表5 不同模型对三种参数的预测误差评价指标
Table 5 The prediction evaluation indicators of three parameters by different models
模型 | 主蒸汽压力 | 燃烧室温度 | 出口烟气氧量 | ||||||
---|---|---|---|---|---|---|---|---|---|
RMSE/MPa | MAE/MPa | MAPE/% | RMSE/℃ | MAE/℃ | MAPE/% | RMSE/% | MAE/% | MAPE/% | |
PSO-ARX | 0.01 | 0.03 | 0.13 | 0.81 | 1.07 | 0.09 | 0.65 | 0.88 | 3.70 |
MLP | 0.17 | 0.13 | 1.42 | 14.58 | 11.63 | 1.38 | 0.52 | 0.42 | 2.35 |
PLS | 0.11 | 0.09 | 0.97 | 11.04 | 9.20 | 1.08 | 1.18 | 0.89 | 4.92 |
LSSVM | 0.06 | 0.033 | 0.28 | 4.34 | 1.70 | 0.20 | 1.07 | 0.49 | 2.78 |
ARX(NL) | 0.09 | 0.06 | 0.65 | 14.24 | 10.88 | 1.29 | 2.74 | 2.07 | 5.28 |
1 | 闫庆友, 陶杰. 中国生物质发电产业效率评价[J]. 运筹与管理, 2015, 24(1): 173-178, 208. |
Yan Q Y, Tao J. Evaluation of China biomass power generation lndustry efficiency[J]. Operations Research and Management Science, 2015, 24(1): 173-178, 208. | |
2 | 向柏祥. 100 MWe再热生物质循环流化床锅炉开发[D]. 北京:清华大学, 2015. |
Xiang B X. Development of a 100 MWe reheat biomass-fired circulating fluidized bed boiler[D]. Beijing: Tsinghua University, 2015. | |
3 | 王晓炜, 张志耀, 许晓峰, 等. 生物质循环流化床锅炉燃烧波动分析与对策[J]. 工业锅炉, 2023(4): 21-23. |
Wang X W, Zhang Z Y, Xu X F, et al. Analysis and countermeasures to combustion fluctuation of biomass-fired CFB boiler[J]. Industrial Boilers, 2023(4): 21-23. | |
4 | 樊博璇, 陈桂明, 常亮, 等. 激光雷达技术在军事领域应用现状及发展趋势[J]. 航天制造技术, 2021(3): 66-72. |
Fan B X, Chen G M, Chang L, et al. Application status and development trend of lidar technology in military field[J]. Aerospace Manufacturing Technology, 2021(3): 66-72. | |
5 | 蒙庆华, 林辉, 王革, 等. 激光雷达工作原理及发展现状[J]. 现代制造技术与装备, 2019(10): 155-157. |
Meng Q H, Lin H, Wang G, et al. Laser radar operating principle and development status[J]. Modern Manufacturing Technology and Equipment, 2019(10): 155-157. | |
6 | 叶飞, 倪云兵, 贺亦斌. 激光雷达料位计在水泥厂料仓监测中的应用[J]. 水泥工程, 2023(3): 53-55. |
Ye F, Ni Y B, He Y B. Application of lidar level meter in cement silo monitoring[J]. Cement Engineering, 2023(3): 53-55. | |
7 | 张开萍. 生物质循环流化床燃烧系统建模及机组蓄能研究[D]. 北京:华北电力大学, 2023. |
Zhang K P. Modeling of biomass circulating fluidized bed combustion system and research on unit energy storage[D]. Beijing: North China Electric Power University, 2023. | |
8 | 张开萍, 高明明, 龙江, 等. 生物质直燃式循环流化床锅炉燃烧系统建模及预测研究[J]. 动力工程学报, 2023, 43(4): 452-460. |
Zhang K P, Gao M M, Long J, et al. Modeling and prediction of biomass direct fired circulating fluidized bed boiler combustion system[J]. Journal of Chinese Society of Power Engineering, 2023, 43(4): 452-460. | |
9 | 王乐钟. 基于大数据的锅炉状态参数预报研究[D]. 北京: 华北电力大学, 2023. |
Wang L Z. Research on prediction of boiler state parameter based on big data[D]. Beijing: North China Electric Power University, 2023. | |
10 | 高明明, 于浩洋, 吕俊复, 等. 循环流化床氮氧化物排放预测模型及优化控制研究[J]. 洁净煤技术, 2020, 26(3): 46-51. |
Gao M M, Yu H Y, Lv J F, et al. Study on prediction model and optimal control of nitrogen oxides emission of circulating fluidized bed[J]. Clean Coal Technology, 2020, 26(3): 46-51. | |
11 | Li K, Thompson S, Peng J X. Modelling and prediction of NO x emission in a coal-fired power generation plant[J]. Control Engineering Practice, 2004, 12(6): 707-723. |
12 | 许霖杰. 超/超临界循环流化床锅炉数值模拟研究[D]. 杭州: 浙江大学, 2018. |
Xu L J. Numerical model development of an ultra/supercritical circulating fluidized bed boiler[D]. Hangzhou: Zhejiang University, 2018. | |
13 | 熊彬. 300 MW循环流化床锅炉主蒸汽压力和床温控制算法的研究[D]. 长沙: 长沙理工大学, 2013. |
Xiong B. Research on control algorithm of main steam pressure and bed temperature of 300 MW circulating fluidized bed boiler[D]. Changsha: Changsha University of Science & Technology, 2013. | |
14 | 尤海辉. 循环流化床垃圾焚烧炉燃烧优化试验研究[D]. 杭州: 浙江大学, 2021. |
You H H. Experimental study on combustion optimization of circulating fluidized bed waste incinerator[D]. Hangzhou: Zhejiang University, 2021. | |
15 | Zhang Z J, Zhang Y C, Shen W, et al. Multi-objective optimization of coal mill outlet temperature control using MPC[C]//2023 9th International Symposium on System Security, Safety, and Reliability (ISSSR). IEEE, 2023: 314-320. |
16 | Afram A, Janabi-Sharifi F. Supervisory model predictive controller (MPC) for residential HVAC systems: implementation and experimentation on archetype sustainable house in Toronto[J]. Energy and Buildings, 2017, 154: 268-282. |
17 | Balram P, Tuan L A, Carlson O. Comparative study of MPC based coordinated voltage control in LV distribution systems with photovoltaics and battery storage[J]. International Journal of Electrical Power & Energy Systems, 2018, 95: 227-238. |
18 | Yu X B, Yu X R, Lu Y Q, et al. Differential evolution mutation operators for constrained multi-objective optimization[J]. Applied Soft Computing, 2018, 67: 452-466. |
19 | 陈炳基. 生物质循环流化床锅炉燃烧过程建模与优化控制[D]. 长沙: 长沙理工大学, 2018. |
Chen B J. Modeling and optimal control of combustion process of biomass circulating fluidized bed boiler[D]. Changsha: Changsha University of Science & Technology, 2018. | |
20 | 马莉, 孙万麟, 刘红. 基于模糊PID的火电机组主蒸汽温度控制系统设计[J]. 工业控制计算机, 2018, 31(9): 74-76. |
Ma L, Sun W L, Liu H. Main steam temperature control system of thermal power unit based on fuzzy PID[J]. Industrial Control Computer, 2018, 31(9): 74-76. | |
21 | 傅彩芬, 谭文. 循环流化床锅炉燃烧系统的控制研究[J]. 热能动力工程, 2016, 31(2): 66-73. |
Fu C F, Tan W. Study on control of combustion system of circulating fluidized bed boiler[J]. Journal of Engineering for Thermal Energy and Power, 2016, 31(2): 66-73. | |
22 | 刘博洋, 梁洪峰. 新型固态化激光雷达技术综述[J]. 科技创新导报, 2016, 13(13): 64-67. |
Liu B Y, Liang H F. Overview of new solid-state lidar technology[J]. Science and Technology Innovation Herald, 2016, 13(13): 64-67. | |
23 | 姜明男. 基于支持向量机和图像处理的大型固废焚烧炉控制参数预测[D]. 杭州: 浙江大学, 2022. |
Jiang M N. Control parameter prediction of large solid waste incinerator based on support vector machine and image processing[D]. Hangzhou: Zhejiang University, 2022. | |
24 | 吴康洛. 基于MIC变量选择的燃煤电站SCR脱硝系统动态建模方法研究[D]. 广州: 华南理工大学, 2022. |
Wu K L. Research on dynamic modeling method of SCR denitration system in coal-fired power station based on MIC variable selection[D]. Guangzhou: South China University of Technology, 2022. | |
25 | Tang Z H, Wu X Y, Cao S X. Adaptive nonlinear model predictive control of the combustion efficiency under the NO x emissions and load constraints[J]. Energies, 2019, 12(9): 1738. |
26 | Liukkonen M, Hälikkä E, Hiltunen T, et al. Dynamic soft sensors for NO x emissions in a circulating fluidized bed boiler[J]. Applied Energy, 2012, 97: 483-490. |
27 | Kim B S, Kim T Y, Park T C, et al. Comparative study of estimation methods of NO x emission with selection of input parameters for a coal-fired boiler[J]. Korean Journal of Chemical Engineering, 2018, 35(9): 1779-1790. |
28 | Leskens M. Improved economic performance of municipal solid waste combustion plants by model based combustion control[D]. Delft: Delft University of Technology, 2013. |
29 | 李建善. 基于S7-400 PLC生活垃圾焚烧机械炉排炉控制系统设计与应用[D]. 杭州: 浙江大学, 2020. |
Li J S. Design and application of grate furnace control system for domestic waste incineration machinery based on S7-400 PLC[D]. Hangzhou: Zhejiang University, 2020. | |
30 | 杨更更. Modbus软件开发实战指南[M]. 北京: 清华大学出版社, 2017. |
Yang G G. The Practical Developing Guide for Modbus[M]. Beijing: Tsinghua University Press, 2017. |
[1] | 陈思睿, 毕景良, 王雷, 李元媛, 陆规. 气液两相流流型特征无监督提取的卷积自编码器:机理及应用[J]. 化工学报, 2024, 75(3): 847-857. |
[2] | 王沛, 段睿明, 张广儒, 金万勤. 光热驱动的膜分离生物甲烷制氢过程建模与仿真分析[J]. 化工学报, 2024, 75(3): 967-973. |
[3] | 尹刚, 钱中友, 曹文琦, 全鹏程, 许亨权, 颜非亚, 王民, 向禹, 向冬梅, 卢剑, 左玉海, 何文, 卢润廷. 基于Adaboost-PSO-SVM的铝电解槽健康状态诊断方法研究[J]. 化工学报, 2024, 75(1): 354-365. |
[4] | 曹跃, 余冲, 李智, 杨明磊. 工业数据驱动的加氢裂化装置多工况切换过渡状态检测[J]. 化工学报, 2023, 74(9): 3841-3854. |
[5] | 诸程瑛, 王振雷. 基于改进深度强化学习的乙烯裂解炉操作优化[J]. 化工学报, 2023, 74(8): 3429-3437. |
[6] | 尹刚, 李伊惠, 何飞, 曹文琦, 王民, 颜非亚, 向禹, 卢剑, 罗斌, 卢润廷. 基于KPCA和SVM的铝电解槽漏槽事故预警方法[J]. 化工学报, 2023, 74(8): 3419-3428. |
[7] | 邵伟明, 韩文学, 宋伟, 杨勇, 陈灿, 赵东亚. 基于分布式贝叶斯隐马尔可夫回归的动态软测量建模方法[J]. 化工学报, 2023, 74(6): 2495-2502. |
[8] | 高学金, 姚玉卓, 韩华云, 齐咏生. 基于注意力动态卷积自编码器的发酵过程故障监测[J]. 化工学报, 2023, 74(6): 2503-2521. |
[9] | 周继鹏, 何文军, 李涛. 异形催化剂上乙烯催化氧化失活动力学反应工程计算[J]. 化工学报, 2023, 74(6): 2416-2426. |
[10] | 郑书闽, 郭鹏程, 颜建国, 王帅, 李文博, 周淇. 微小通道内过冷流动沸腾阻力特性实验及预测研究[J]. 化工学报, 2023, 74(4): 1549-1560. |
[11] | 张生安, 刘桂莲. 高效太阳能电解水制氢系统及其性能的多目标优化[J]. 化工学报, 2023, 74(3): 1260-1274. |
[12] | 顾学荣, 刘硕士, 杨思宇. 基于并行EGO和代理模型辅助的多参数优化方法研究[J]. 化工学报, 2023, 74(3): 1205-1215. |
[13] | 袁海鸥, 叶方俊, 张硕, 罗祎青, 袁希钢. 考虑中间换热器的能量集成精馏序列合成[J]. 化工学报, 2023, 74(2): 796-806. |
[14] | 陈家辉, 杨鑫泽, 陈顾中, 宋震, 漆志文. 以离子液体密度为例的分子性质预测模型建模方法探讨[J]. 化工学报, 2023, 74(2): 630-641. |
[15] | 郑群, 魏旭钊, 董乐贤, 张纪豪, 雷励斌. 基于弹性网正则化的电化学阻抗谱弛豫时间分布重构方法的研究[J]. 化工学报, 2023, 74(12): 4979-4987. |
阅读次数 | ||||||||||||||||||||||||||||||||||||||||||||||||||
全文 285
|
|
|||||||||||||||||||||||||||||||||||||||||||||||||
摘要 127
|
|
|||||||||||||||||||||||||||||||||||||||||||||||||