[发明专利]超临界CFB锅炉燃烧信号的监测方法及优化控制方法

摘要

本发明公开了一种超临界CFB锅炉燃烧信号的监测方法及优化控制方法，所述监测方法包括：步骤1，采集现场数据，对上述现场数据进行数据预处理，并确定即燃碳量模型的辅助变量；步骤2，建立基于机理建模和数据分析的复合建模的即燃碳量模型，并利用广义卡尔曼滤波信息融合技术估算炉膛内即燃碳的存储量；所述即燃碳量模型为：步骤3，利用即燃碳量分别构造热量信号动态模型、炉膛床温信号模型和炉膛出口氧量信号模型，来对热量、床温、氧量进行预测。本发明能够准确、实时地测量超临界CFB锅炉的热量、床温、氧量等信号，实现对超临界CFB锅炉燃烧的优化控制，提高超临界CFB锅炉燃烧的稳定性。

主权项

一种超临界CFB锅炉燃烧信号的监测方法，其特征在于，包括以下步骤：步骤1，采集现场数据，所述现场数据包括给煤量、总风量、排渣量、主蒸汽流量、给水流量、主蒸汽温度、给水温度、煤质热值和床温，对上述现场数据进行数据预处理，并确定即燃碳量模型的辅助变量；步骤2，建立基于机理建模和数据分析的复合建模的即燃碳量模型，并利用广义卡尔曼滤波信息融合技术估算炉膛内即燃碳的存储量；所述即燃碳量模型为： dB ( t ) dt = F ( t ) - 1 H ( K ( PM ( t ) ) B ( t ) ) (一)式中，B(t)为即燃碳量，单位为kg/s；PM(t)为总风量，单位为m3；K为模型总系数；H为燃料的单位发热量即煤质热值，单位为MJ/kg；F(t)为从炉膛入口进入锅炉的给煤量，单位为kg/s；步骤3，利用即燃碳量分别构造热量信号动态模型、炉膛床温信号模型和炉膛出口氧量信号模型，来对热量、床温、氧量进行预测；其中，所述热量信号动态模型为： dQ ( t ) dt = 1 τ ( K ( PM ( t ) ) B ( t ) - Q ( t ) ) 式中，Q(t)为t时刻主蒸汽的热量，单位为MW；PM(t)为总风量，单位为m3；B(t)为即燃碳量，单位为kg/s；K为模型总系数；τ为热传递延迟时间，单位为s；所述炉膛出口氧量信号模型为： Y o 2 = 21 - Kl o 2 KB ( t ) PM ( t ) ( PM ( t ) - l ) 式中，Yo2为排烟氧含量，％；Klo2为氧量模型系数；K为模型总系数；l为风量校正信号；PM(t)为总风量，单位为m3；B(t)为即燃碳量，单位为kg/s；所述炉膛床温信号模型为： c s M s dT ( t ) dt = K ( PM ( t ) ) B ( t ) - Q a ( t ) - Q pz ( t ) 式中，CsMs为床料固体热容量，单位为J/(kg·K)；T为床料温度，单位为K；PM(t)为总风量，单位为m3；B(t)为即燃碳量，单位为kg/s；Qa(t)为空气在床体内的流动带出的热量，单位为MW；Qpz(t)为排渣量带出热量，单位为MW。