论模糊数学方法预测电站锅炉结渣的新发展(6).doc

论模糊数学方法预测电站锅炉结渣的新发展 Tags电站 锅炉 新发展 [论文关键词]电站锅炉 结渣 模糊数学 预测 [论文摘要]用模糊数学方法预测燃煤锅炉结渣特性的新发展，阐述了各评判方法的优缺点。 锅炉结渣是长期困扰电站锅炉设计和运行的问题，威胁着电站锅炉的安全和经济运行。准确预测锅炉的结渣倾向，为大型电站锅炉的设计及运行提供科学依据，对提高锅炉的可用率，节约能源具有重要的现实意义和实用价值。 结渣过程是极其复杂的物理化学过程，取决于许多因素的综合影响。它不仅与煤的灰分含量及其物理化学性质有关，还与燃烧器型式、炉膛结构和设计参数、炉内温度水平、空气动力工况、气氛条件以及受热面的布置等有关。国内外专家学者对结渣进行了广泛、深入的研究，提出了各类结渣预测方法并取得了一定的成果。本文主要阐述近年来采用模糊数学方法预测结渣特性的新发展。 一、结渣评判指标 目前，国内外判断电厂煤结渣的因素主要有两个方面①根据煤的成分特性进行判断，比如煤灰中碱酸比B/A、硅比G、硅铝比SiO2/Al2O3、铁钙比等；②根据煤灰的物理特性进行判断，包括软化温度t2、灰渣粘度、煤灰烧结特性等。此外还有一些判定结渣的指标，如沾污指数Rf、煤灰粘度结渣指标、硫结渣指标RS、煤灰三元相图等。陈立军，文孝强等对结渣的评判指标做了归纳。 美国EPRI曾调研了各种结渣指数的分辨情况， 调研结果表明， 没有任何一项单一的指数可以完全正确预报结渣倾向， 但任何一项指数又都有相当的可靠性70 左右。 二、模糊数学方法 单指标评判和预测煤的结渣性准确率较低，难以满足实际需要。有必要找到一种能根据具体情况确定出不同指标的不同置信度的方法，以使判别结果更符合客观实际，因而产生了综合评判方法。 煤的结渣程度由弱到强的变化是一个由量变到质变的过程，是一个模糊问题。模糊数学是用数学方法研究和处理具有“模糊性”现象的一门学科，因而能很好的评判煤的结渣倾向。 （一）模糊综合评判 单一结渣特性判别指数分辨率低的一个重要原因是分割界限太明确，人为地把复杂的模糊性现象简单地处理成了清晰现象，并且单一指标只能从某个方面因素判别其结渣程度。为了提高预报的可靠性，必须兼顾多种因素综合评判。 综合评判是一种通过考虑不同因素表现出的不同作用而得到全面、合理结论的决策手段。这方面研究的共同点是选取一些常规结渣指标作为因素集， 取用结渣程度“轻微”、“中等”、“严重”三级被择集作为评语集， 并确定因素集中各因素的权重， 进行单因素评判， 最后按某一模型加以单级模糊综合评判， 得到综合评判向量。按最大隶属度原则， 判定该煤种的结渣程度等级。上述方法使用方便， 在实践中得到广泛应用， 取得较好的效果。选择具有较高准确度的评判指标，在合理选择隶属函数和权重集的基础上，能够最大程度地减少人为因素的影响，使判别结果更准确。其关键在于从实际情况出发，建立合适的隶属函数和权重集。 1．综合评判模型的发展及评判因数集的选取 孙亦碌等人采用模糊数学的方法预测燃煤结渣性，并编制了用于综合判别的RTSQ 程序，此模型为燃煤结渣特性模糊综合评判的雏形。 冯宝安等人提出了常规结馇指标的模糊综合评判方法， 并将其用于8个煤种的结馇特性判，所得评判结果与实际结渣状况相符。又应用主因素决定型MΛ ，V 、主因素突出型M，V 、综合评判型MΛ ，及加权平均型M， 四种单级模糊综合评判模型对国内8个煤种的常规结渣指标进行评判，由评判结果比较得出单级模型M Λ ，V 的准确率最高的结论。 邱建荣等人对单一煤种及混煤的结渣特性进行了研究， 以软化温度t2 、硅铝比SiO2 / Al2O3 、硅比G、碱酸比B/ A为评判因素集对煤的结渣特性进行了评判。该方法不仅能够全面考虑各种煤质因素在具体情况下对结渣程度的综合影响，而且考虑了不同指标在不同情况下的重要程度，因而与常规指标相比，其评价更为全面客观。 杨圣春提出了分别适合于预测单一煤种和混煤的模糊评判模型CSM1和CSM2。刘伯谦等人针对元宝山褐煤的结渣特性预报不准确的问题，提出了将改进了的常规指标及锅炉运行参数等多种单一判别准则运用于模糊数学，对褐煤结渣状况进行了有效判别。 浙江大学曹欣玉、兰泽全等人在分析单一结渣判别指标的缺陷及其原因的基础上，针对常规指标评判水煤浆结渣倾向准确率普遍不高的问题，有针对性地提取了分辨率较高的结渣综合指数R 以及4 个常规指标构成评判因素集。该方法较传统的方法有更高的准确性。 2．隶属函数的确定 关于隶属函数的确定人们一直都是采用线性函数，杨圣春提出的混煤结渣模型CBM2的隶属度函数采用正态分布，函数变化较慢，评判结果表明该模型具有较高的分辨率和可信度，可为锅炉燃用混煤进行优化配煤提供参考。但该模型是否适用任何煤种，还有待于进一步通过实践来验证。 浙江大学舒红宁、黄镇宇尝试性地提出由正态分布函数演化而来非线性隶属函数，函数变化较慢，并与实际结渣情况进行了对比，发现评判结果和实际结渣情况取得了很好的吻合。这些说明了用正态分布函数建立其隶属函数比线性隶属函数更准确、更合理，更加符合实际情况。 3．权系数的确定 在模糊综合评判方法中， 权系数反映各个评价指标在综合评判中的可信度，直接影响综合评判的效果。 因此， 权系数的确定是综合评价方法的关键.通常采用专家咨询法来解决. 而专家咨询法的致命弱点是过分依赖专家的主观判断和经验， 其结果有时难以令人信服。 赵显桥等利用粗糙集理论来确定综合评判模型中的权系数， 将权系数确定问题转化为粗糙集中属性重要性评价问题， 利用粗糙集理论中的知识支持度和属性重要性评价方法， 给出了模糊综合评判模型权系数的计算方法。该方法不需要建立解析式的数学模型， 完全是由数据驱动来确定各个预测方法的权系数， 克服了传统权系数确定方法的主观性， 使得综合评判方法更客观、更科学。 （二）聚类分析 灰色聚类方法是基于模糊数学的方法之一，是以灰色统计为基础，将聚类对象对不同聚类指标所拥有的白化数按几个灰类进行归纳整理，从而判断聚类对象属于哪一类的灰色统计方法。 浙江大学曹欣玉等人在分析单一结渣判别指标的缺陷及其原因的基础上，提出将分辨率较高的Rs与另外5个结渣指数 t2、B／A、G、SiO2／A12O3、R一起作为评判因素集，采用灰色聚类方法对新汶黑液水煤浆及普通水煤浆结渣特性进行预测评估。结果表明，该模型较传统单一评价方法有更高的准确度。 许志华针对有关模糊判别法和灰色聚类法中所出现的缺欠，对其进行了补正，并讨论了补正后引起的计算量增大的问题。 邱建荣等人将邓聚龙的灰色聚类理论应用于燃煤结渣特性的评判中。灰色聚类理论继承了模糊数学法的优点，注意到分级界限不确定性问题，并在此基础上给出了属于某一等级的可能性分布。用此理论来判别煤的结渣性其结果无疑更符合客观实际。王桂明．谢竣林等人应用灰色理论对煤结渣性能进行评判，并对煤的结渣机理进行了分析，其结论与邱建荣等人相同，为煤的结渣评判提供了新思路。 华中理工大学郭嘉、曾汉才运用模糊聚类分析法分析预测混煤的结渣趋势，此方法不仅适合混煤的特点，而且考虑了模糊因素的影响方便易行。 （三）模糊模式识别 模糊模式识别法大致可分为直接法和间接法又称群体模式识别方法 。直接法是根据最大隶属原则来归类，间接法则是按照择近原则来对被识别对象进行识别。 郭嘉， 曾汉才采用间接法，将已知结渣状况的6个煤种作为模型，采用煤灰软化温度 、硅铝比、碱酸比和硅比4个评判指标，对受检煤种进行识别。通过计算与前6个已知模型的贴近度，来判别受检者的归属类型。但此模型比较粗糙，识别范围狭窄，且只考虑了煤灰的特性，仅适用于燃烧工况比较接近的不同煤灰的评判。 兰泽全， 曹欣玉采用间接法对待识别对象进行结渣特性判别。选用了7 个已知结渣程度的燃煤作为标准模型，以4 个常规指标和综合指数R 为评判因素集， 对同一台锅炉不同部位的3 个样品炉渣，转向室灰，除尘灰 以及某燃料水煤浆灰进行识别， 以判断属于何种结渣程度，结果表明该模型较以前的四因素法具有更高的准确性。同时指出应用模糊模式识别法来评价其沾污结渣特性时，在因素集的选取方面应更多地考虑锅炉设计参数及运行工况的影响。 赵利敏，路丕思综合考虑灰熔点、碱酸比、硅铝比、硅比 及炉膛平均温度和无因次实际切圆直径6个因素，利用模糊模式识别的方法判断锅炉结渣。以实际运行中已知结渣程度的9台锅炉作为样本，对7 台受检锅炉进行评判，评判结果与实际情况相符。此新方法可预示大容量锅炉的设计及运行时的结渣程度。 随着模式识别样本库的不断丰富和完善，此方法将会得到更广泛的应用。 三、结论 目前的采用的预测方法大多以煤指特性为指标，对锅炉的运行情况考虑较少。由于炉内结渣的多种因素影响，用某种固定的预测方法得到的结果，往往达不到要求的精度，难以找到通用的预测模型，而且数据本身也具有局限性。要想提高结渣预测的精确度，需要不断改进计算方法，建立和完善煤质特性、锅炉运行参数的数据库，寻找普遍使用的模型。 参考文献 [1] 陈吟颖、石惠芳、阎维平，达拉特发电厂3 号锅炉炉膛结渣研究[J].动力工程， 2003， 2352635～2637. [2] 张忠孝，用模糊数学方法对电厂锅炉结渣特性的研究[J]. 中国电机工程学报， 2000，2010 64～66. [3] 陈宝康、阎维平、李霄飞，基于神经网络的电站锅炉辐射受热面污染监测[J]. 动力工程， 2003， 235 2660～2664. [4]舒红宁、黄镇宇、董一真等，基于煤灰成分的非线性结渣模糊综合预测模型[J]. 电站系统工程， 2006， 224 11～12. [5] 陈力哲、艾静，煤的结渣特性磁力分析的研究[J]. 热能动力工程， 2000， 153 110～ 111， 194. [6]陈立军、文孝强、王恭等，燃煤锅炉结渣特性预测方法综述[J]. 热力发电， 2006，06 1～5.