煤質實時檢測技術在電力行業研究

前言：本站為你精心整理了煤質實時檢測技術在電力行業研究范文，希望能為你的創作提供參考價值，我們的客服老師可以幫助你提供個性化的參考范文，歡迎咨詢。

摘要：針對目前電力行業中火電機組煤質化驗數據存在的滯后性以及給鍋爐運行帶來的安全性和經濟性問題，研究基于LIBS技術的入爐煤質檢測分析技術與建模技術，建立入爐煤質數據庫，實現入爐煤質在線檢測，分析精度、重復性限、再現臨界值等指標滿足國標要求。建成集煤炭自動取樣、連續制樣及激光在線檢測分析裝置于一體的應用系統，實現LIBS技術從煤炭行業到電力行業火電機組入爐煤實時檢測的研究與應用。

關鍵詞：LIBS；特征譜線；訓練模型；在線檢測

1研究背景

燃煤電廠煤質分析一般是在實驗室內用物理和化學方法對煤樣進行化驗和測試。每一批次煤要得到分析煤樣需經過初級采樣、破碎、縮分、收樣、制樣等環節。實驗室煤質分析需若干步驟，獲得最終煤質化驗報告的時間一般在24h左右，煤質化驗報告時間嚴重滯后于入廠煤接卸和入爐煤摻配工作。煤質的成分、特性對燃煤電廠安全經濟生產及環境保護具有極其重要的影響。多數燃煤電廠入爐煤種繁多且經常變化，不同煤種的摻配往往導致難以準確判斷實時入爐煤質，因此造成鍋爐熱損失大，結焦及熄火等情況時有發生，對機組運行的安全性和經濟性有很大影響。傳統解決辦法一般采用煤質庫歷史數據平均值替代，但往往因誤差過大而無法作為數字化煤場管理實時指導依據。隨著電力行業發展，燃煤電廠入廠煤種及煤質呈現復雜多變的形勢，目前亟需一種能夠實時、全面、準確地進行入爐煤煤質分析的設備及系統。

2主要研究內容

建立一套LIBS煤質在線檢測系統，基于系統提供的檢測數據，構建貧煤及多煤種混合燃料的模型。實時提供入爐煤發熱量、全水分、灰分、揮發份、碳、氫、硫等煤質指標的檢測分析結果，實時比對、查詢、分析煤質變化趨勢，不斷提高檢測數據精密度和準確度。具體內容如下：(1)利用激光技術實現對煤質進行快速檢測分析，并提供一套適合現場的自動取樣、連續制樣及激光檢測裝置，實現對煤質的實時在線檢測分析；(2)建立激光檢測分析計算數學模型，并在對一定數量的標準煤樣進行試驗、比對的基礎上，建立算法模型，經過優化試驗建立入爐煤定標煤樣模型數據庫。(3)整體設計激光在線檢測分析系統控制系統，控制取樣、制樣及激光檢測分析裝置工作流程及頻率，實現整個系統的無人干預、自動檢測。

3研究應用情況

3.1技術理論。LIBS技術采用高能量密度激光脈沖燒蝕樣品，激發被分析物質產生等離子體，同時采用光譜分析裝置對等離子體中原子和離子的能級躍遷特征光譜進行分析，得出各個元素成分及含量。其中自由定標法（CF-LIBS）是基于合理的實驗操作方法和等離子體理論下提出的，利用實驗檢42電站系統工程2021年第37卷測到的光譜數據和相關的理論能同時進行多元素定量化分析。定量分析的理論依據如下：(1)激光等離子體中的化學組分能夠代表樣品的真正化學組分；(2)激光等離子體應處于局部熱平衡（LTE）或近似局部熱平衡。在近似LTE條件下，如果存在Ek和Ei兩個能級之間的躍遷，在實際的光譜LIBS檢測中，由于光學系統的光學效率會影響光譜線的絕對強度，躍遷產生的譜線線積分強度可由下列修正式給出：ki(1)式中：ki是實驗檢測到的光譜線強度；是考慮LIBS系統的光學采集體系效率、激光等離子體密度和體積等因素后引入的實驗參數；是譜線躍遷波長；代表S粒子的含量；是譜線躍遷概率；是上能級統計權重；是玻爾茲曼常量；是激光等離子體溫度；是S粒子配分函數。經過公示變形及替換，S粒子含量可由下式得出：s(2)式中：與粒子含量的自然對數成正比例關系；、、可從原子譜線數據庫中查到；、、從光譜實驗數據中計算得到。

3.2實施路線。(1)選取元素特征譜線。在實際工業應用過程中，因煤中含有的元素種類較多，主要有C、H、O、N等非金屬元素以及Al、Fe、Ca、Mg等金屬元素，這些元素的含量會影響煤各個工業指標，因此篩選元素特征譜線作為參考，采用的譜線部分見表1。(2)研究工業分析指標與其特定元素關聯關系。當確定好工業分析指標的關聯元素后，從煤的光譜中提取元素信息從而建立從光譜到工業分析指標之間的直接映射關系。(3)研究不同分析指標之間的關聯關系。由于煤的各項分析指標之間并非完全獨立，不同分析指標之間存在強相關性，利用經驗公式、數據挖掘技術以及回歸擬合技術，可以從海量的煤質信息表中確定各項分析指標的相關性，可根據已測出的分析指標去推導其他分析指標。存在相關性的分析指標部分如下：熱值同其他分析指標的相關性：៉,,−(94.1∗,+,)碳同其他分析指標的相關性：+−8.18∗0.76氫同其他分析指標的相關性：0.075∗+3.29∗100−−−100−0.2(4)建立分析指標訓練模型。當訓練集中的煤樣基本上能反映電廠中絕大部分的入爐煤和入廠煤的特性時，模型就可以通過自學習算法學習到煤樣的光譜信息同各個分析指標之間的關聯性。由于煤樣的變質問題以及煤樣本身分布不均勻導致光譜波動大，需要采取一定的策略對異常光譜進行剔除。模型生成之后可以預測未知的煤樣，未知煤樣的煤質分析指標預測流程包括異常光譜剔除、數據預處理，然后將特征光譜強度代入模型得出分析指標。圖1模型建立流程為了驗證該技術的實際建模效果，事先準備40種國家標準煤樣，其所有分析指標均已通過國家標準工業分析法測定。當要對某一個分析指標建立模型時，首先從這40個煤樣中提取10個煤樣做預測集，剩余30個煤樣用于建模，然后用建立好的模型對預測集的煤樣進行分析。圖2展示了采用40種國家標準煤樣，以兩種典型工業分析指標揮發分和高位熱值為例的建模結果，其中決定系數R2和校正集的均方根誤差RMSEC用來表征模型的擬合好壞，測試集均方根誤差RMSEP與平均絕對誤差AAE用來評估模型對未知煤樣的預測能力，當這四個參數符合我們預期的范圍時，終止模型的訓練。對入爐煤的實際建模流程與標樣一致。但由于入爐煤品種多樣，基體組成復雜，要想針對入爐煤建立一個性能好的模型要求數據集足夠大。因此采集了400多個煤樣光譜，然后針對多個分析指標建立模型。圖3展示了以空氣干燥基揮發分Vad、彈筒熱值Qb,ad兩個分析指標為例的入爐煤建模結果。(5)模型生成后，將所有模型集成到LIBS煤質分析系統軟件中，當采集完光譜后，利用軟件中的數據分析模塊對光譜進行異常數據剔除，再進行預處理，最后調用模型進行預測并將每個指標的分析結果展現在軟件界面上，見圖4。

4技術指標

在線檢測入爐煤發熱量、全水分、揮發分、灰分、碳、氫、硫等指標，檢測結果符合《中子活化型煤炭在線分析儀》國家標準要求。建成基于LIBS技術的煤質智能在線檢測系統，實現與入爐煤皮帶機連鎖運行，可以實現每3min一次采樣、制樣、檢測、數據處理的連續自動工作，檢測過程無人為干預。煤樣制備流程符合國標制樣標準要求，煤樣輸送過程無殘留積粉、無混樣現象。可向現場生產管理系統推送入爐煤實時煤質數據信息。

5實施效果

5.1社會效益。依據入爐煤實時煤質數據，指導優化鍋爐燃燒，降低發電成本；指導優化鍋爐脫硫、脫硝系統控制，避免超標排放，降低環保運行成本。在線檢測灰熔點變化，避免出現高灰分配煤，減少磨煤機損耗，降低鍋爐結焦幾率，延長鍋爐無故障運行時間。

5.2推廣前景。采用基于大數據集的回歸模型建立，采集400組電廠入爐煤樣數據，建立一套煤質檢測模型，建立入爐煤定標煤樣模型數據庫，數據庫具備自學習、持續優化功能。LIBS煤質在線檢測系統控制取樣裝置、制樣裝置、激光檢測分析裝置按流程和頻率連續自動進行工作，實現整個系統自動在線檢測，不同批次數據自動匯總統計。該項目是燃料管理技術與工業智能技術的高度融合，是工業4.0在電力行業的典型應用，在火電行業具有廣闊應用前景。

參考文獻

[1]李娉,陸繼東,謝承利,等.用激光感生擊穿光譜技術測量燃煤含碳量[J].應用光學,2007,28(6):756～759．

[2]劉彥,陸繼東,李娉,等．內標法在激光誘導擊穿光譜測定煤粉碳含量中的應用[J].中國電機工程學報,29(5):1～4．

作者:蔣蓬勃 單位:華電國際技術服務分公司