锅炉受热面灰渣污染的监测方法技术

本发明专利技术公开了一种锅炉受热面灰渣污染的监测方法，包括如下步骤：从数据源获取机组各测点的历史数据，进行数据预处理后，选择清洁状态下的数据建立PCA模型，再将实时数据输入模型，得到SPE指标，其变化趋势可用来监测受热面污染情况。当发现污染出现严重趋势时，通过分析该段时间平均贡献图，可对污染部位的分布进行定位。本发明专利技术提供一种锅炉受热面灰渣污染的监测方法，可实现对受热面结渣积灰的预测与定位。

【技术实现步骤摘要】
锅炉受热面灰渣污染的监测方法
本专利技术涉及一种锅炉受热面灰渣污染的监测方法，属于燃煤锅炉受热面结渣积灰监测

技术介绍
：锅炉是火电机组三大主设备之一，影响锅炉运行的安全性和经济性的因素有很多，其中最常见的问题就是受热面的结渣和积灰等污染问题，锅炉受热面结渣污染是一种典型的性能劣化过程。在我国，锅炉中使用的煤一般都含有较高的灰分和硫分，燃烧后形成的残渣在炉膛内高温环境下容易软化粘结在受热面上。会经常发生炉膛内水冷壁沾污和结渣，过热器和再热器沾污，尾部受热面积灰、堵灰。由于灰渣的导热性能比受热面材料低很多，会严重影响锅炉的热转换，从而造成排烟温度过高，锅炉效率降低。当积灰严重的时候，还会增加烟道的阻力，使得锅炉出力变大，严重的还会导致停炉。此外，受热面污染带来的高温腐蚀和磨损等问题原始造成锅炉爆管的主要原因。目前大多数电厂都采用吹灰器对受热面的灰渣进行清除。但是由于缺乏对受热面污染的有效监测手段，所以在何时进行吹灰一直是个难题。一般都采用定时周期性吹灰方式，该方法具有一定盲目性，很容易导致过吹或者欠吹。过吹会增加额外的成本，且会对受热面带来冲蚀，影响其寿命。欠吹的话会影响锅炉的热效率，不能从本根上解决积灰对机组的经济性带来的影响。因此，想要解决受热面污染的问题，其首要就是要对受热面的受污染情况进行有效的监测。当前对受热面污染监测的手段主要分为在线测量和模型预测。在线测量旨在通过各种测量仪器如热流计等直接对受热面的结渣积灰状况进行诊断，但由于受到测量精度和仪器成本等的影响，直接诊断的方法往往都出现在科学研究中，还不能推广应用于实际生产中。模型预测是指通过一定手段，建立能够反映锅炉受热面污染特性的模型，从而对受热面的污染状态进行预测和监测。目前，模型预测的方法中，主要分为机理模型和数据驱动模型。机理模型是通过对受热面热传递效率和烟气阻力特性等方程，建立受热面的污染机理模型。但由于锅炉运行是一个综合错乱的变工况过程，且受热面结构复杂，机理建模过程中的很多参量如炉膛辐射热量等很难计算，导致机理建模的难度增加，监测效果不理想。此外，电厂的吹灰动作也会带来扰动，这会影响受热面的灰渣积累速度和传热性能以及各个运行参数，对定量的准确计算带来很大的干扰。
技术实现思路
：专利技术目的：为了克服现有方法中的不足，本专利技术提供一种锅炉受热面灰渣污染的监测方法，在基于机组运行数据对锅炉的受热面积灰结渣污染的情况进行预测和诊断，该方法能够很好的预测出受热面各个阶段的灰渣污染过程，且能定位积灰相对严重的部位，从而避免了盲目吹灰，为智能吹灰创造了条件。技术方案：为解决上述问题，本专利技术提供一种锅炉受热面灰渣污染的监测方法，所述步骤包括如下：(1)采集测点历史数据。从机组的SIS数据源采集各个测点所需时间跨度的历史数据，间隔1min采取包括负荷，磨煤机电流，炉膛氧量，SO2含量，烟气压力，个受热面温度测点等数据。将采取的数据按时间顺序排列，其中数据的时间跨度和采取间隔可自定义。(2)数据预处理。由于传感器故障或信号中断，运行数据中可能存在一些异常值；另外由于电厂内各项数据存在一定延迟，可能出现各个数据无法准确对应的情况。因此在进行数据分析前先进行数据预处理。(2.1)剔除异常值。针对数据中可能存在一些异常值，例如数值超过正常运行的上下限和数值在一段时间内保持不变等，需要剔除掉这些数据，保证结果的可靠性。(2.2)数据时均化。针对数据可能出现无法准确对应的情况，对数据进行一定时间的时均化处理可有效改善该问题，例如对各项数据进行30min累计。(3)数据处理。在各项数据进行预处理得到正确的运行数据后，为了防止数据之间的量级差异过大，对数据进行零均值标准化处理。(3.1)以X0为m条N个测点的历史数据集合，对原始数据进行标准化，使之变为均值为0和方差为1的数据集，其公式如下：其中，X0代表待标准化的数据，E(X0(i))代表待标准化的数据均值，代表标准化的数据方差。(4)选取长吹或者大修之后的一段数据作为清洁受热面的数据，建立PCA模型。主元空间的主元个数按照累计贡献值大于85％选取。(4.1)数据集X的协方差矩阵S可以表示为：(4.2)对S做奇异值分解，得式中，P∈Rm×l是主元载荷分量，是残差载荷分量；Λ＝diag{λ1,λ2,Lλl}，对于每一组数据x，都可以映射为主元空间的投影和残差空间的投影即其中，分别为主元空间和残差空间映射矩阵。(5)将实时数据输入到模型中，得到残差空间的统计指标SPE值，该指标的变化表征受热面污染情况偏离清洁时候的程度，用于监测受热面的灰渣污染。(5.1)在PCA模型的基础上，可以采用SPE或T2两种统计量作为衡量指标来量化设备当前的污染程度。SPE指标衡量的是样本在残差空间上的投影，其计算方法如下式：(5.2)，T2用来衡量样本在主元空间的投影，计算方法如式：T2＝xTPΛ-1PTx＝xTDx其中，D＝PΛ-1PT；P∈Rm×l是主元载荷分量。(6)当SPE指标变化满足设定的报警条件后，采用Q贡献图法，可以对各受热面的污染程度分布位置进行分析。(6.1)Q贡献图法比较各个运行测点对于SPE的贡献值大小，从而对受热面的灰渣污染情况进一步定位。各测点对SPE的贡献值如下式：其中，代表第i个测点对于SPE的贡献值。值越大，就说明该测点变量的值的变化对SPE指标变化的影响越大，也就说明该测点附近发生污染的严重性和可能性越大。(7)根据步骤(6)得到的贡献图，通过比较各测点的贡献值大小，占比较大的测点的部位即认为是污染较严重的部位。然后根据不同部位的结渣严重程度分别制定相对应的吹灰措施。本专利技术提出基于运行数据的PCA模型的SPE指标用于监测锅炉受热面灰渣污染。该方法能够很好的预测出受热面各个阶段的灰渣污染过程。且能定位积灰相对严重的部位，从而避免了盲目吹灰，为智能吹灰创造了条件。符合工程上的需求，充分发挥了机组大数据的优势。目的是为了对锅炉受热面的灰渣污染程度进行评估和监测，分析各受热面的灰渣分布。有益效果：本专利技术相对于现有技术而言，具有以下优点：(1)该方法基于机组的历史运行数据，发挥了大数据的优势，避免了实验法存在无法反映实际烟气场而造成的预测误差等问题。(2)提出了全新的锅炉受热面污染程度的评判指标，能够更加提前监测到受热面严重污染的前兆。(3)在监测到灰渣污染时，本方法提供Q贡献图，用以定位各受热面实际污染程度的分布情况。附图说明图1是本专利技术的流程图；图2是监测模型所需的运行参数；图3是残差空间的统计指标SPE值分布图；图4是第三次(c)积灰过程各测点的平均贡献值分布图。具体实施方式：下面结合附图对本专利技术作更进一步的说明。数据驱动模型是黑箱模型，利用电站SIS系统中和炉本文档来自技高网...

【技术保护点】
1.锅炉受热面灰渣污染的监测方法，其特征在于：所述测量步骤为：/n步骤一，从机组的SIS数据源采集各个测点所需时间跨度的历史数据，并对历史数据做预处理；/n步骤二，对数据进行零均值标准化处理；/n步骤三，建立PCA模型；/n步骤四，将实时数据输入到模型中，采用SPE或T2指标来计量受热面灰渣污染程度；/n步骤五，当计量指标变化满足设定的报警条件，采用Q贡献图法，对各受热面的污染程度分布位置进行分析；通过比较各测点的贡献值大小，根据不同部位的结渣严重程度分别制定相对应的吹灰措施。/n

【技术特征摘要】
1.锅炉受热面灰渣污染的监测方法，其特征在于：所述测量步骤为：
步骤一，从机组的SIS数据源采集各个测点所需时间跨度的历史数据，并对历史数据做预处理；
步骤二，对数据进行零均值标准化处理；
步骤三，建立PCA模型；
步骤四，将实时数据输入到模型中，采用SPE或T2指标来计量受热面灰渣污染程度；
步骤五，当计量指标变化满足设定的报警条件，采用Q贡献图法，对各受热面的污染程度分布位置进行分析；通过比较各测点的贡献值大小，根据不同部位的结渣严重程度分别制定相对应的吹灰措施。


2.根据权利要求1所述的锅炉受热面灰渣污染的监测方法，其特征在于：所述步骤一种采集的历史数据包含：
等时间间隔采取包括负荷、磨煤机电流、炉膛氧量、SO2含量、烟气压力、个受热面温度测点的数据；将采取的数据按时间顺序排列，其中数据的时间跨度和采取间隔为自定义。


3.根据权利要求1所述的锅炉受热面灰渣污染的监测方法，其特征在于：所述步骤一中，对历史数据做预处理具体步骤为：
步骤1.1剔除异常值；
步骤1.2，在数据出现无法准确情况时，对数据进行设定时间内的时均化处理。


4.根据权利要求1所述的锅炉受热面灰渣污染的监测方法，其特征在于：所述步骤二具体包含以下步骤：
步骤2.1，以X0为m条N个测点的历史数据集合，对原始数据进行标准化，使之变为均值为0和方差为1的数据集，其公式如下：



其中，X0代表待标准化的数据，E(X0(i))代表待标准化的数据均值，代表...

【专利技术属性】
技术研发人员：张铭源，
申请(专利权)人：张铭源，
类型：发明
国别省市：陕西;61