李 強(qiáng)，高 勇，朱建國(guó)，褚紅絹，蔡 兵，侯衛(wèi)鋒，劉文烈

電廠智能化管控技術(shù)研究與應(yīng)用

李 強(qiáng)1，高 勇1，朱建國(guó)1，褚紅絹1，蔡 兵1，侯衛(wèi)鋒2，劉文烈2

（1.南通醋酸纖維有限公司，江蘇 南通 226007；2.浙江中智達(dá)科技有限公司，浙江 杭州 310012）

在數(shù)字化電廠的基礎(chǔ)上，構(gòu)建智能電廠的模型基礎(chǔ)，提出一種新的智能電廠功能架構(gòu)。該技術(shù)重點(diǎn)突出人工智能技術(shù)與電廠專業(yè)機(jī)理模型的融合，研究電廠機(jī)理建模與實(shí)時(shí)仿真、基于三維可視化的鍋爐燃燒優(yōu)化、鍋爐與環(huán)保島智能控制、智慧能源管理、設(shè)備智能預(yù)警與預(yù)防性維修等關(guān)鍵技術(shù)。該技術(shù)已在某電廠成功應(yīng)用，實(shí)現(xiàn)了鍋爐、環(huán)保島的黑屏操作和制粉系統(tǒng)一鍵智能啟停，鍋爐熱效率提高0.5%，鍋爐爐管泄漏事故基本杜絕，實(shí)現(xiàn)了電廠的智能化管理與控制，取得了突出的節(jié)能和安全生產(chǎn)效果，具有明顯的推廣價(jià)值。

智能電廠；實(shí)時(shí)仿真；智能控制；燃燒優(yōu)化；智慧能源管理；設(shè)備預(yù)警與預(yù)防性維修

在節(jié)能、降耗、減排政策要求和集約化、高效管理需求驅(qū)動(dòng)下，國(guó)內(nèi)發(fā)電和熱電企業(yè)在數(shù)字化電廠建設(shè)方面取得了長(zhǎng)足進(jìn)步，實(shí)現(xiàn)了如分散控制系統(tǒng)（DCS）功能拓展、全廠控制一體化、廠級(jí)監(jiān)控信息系統(tǒng)（SIS）與管理信息系統(tǒng)（MIS）深度融合等。而人工智能、大數(shù)據(jù)、物聯(lián)網(wǎng)、云計(jì)算、三維可視化等技術(shù)的發(fā)展，為發(fā)電企業(yè)由數(shù)字化向更加清潔、高效、可靠的智能化電廠發(fā)展奠定了基礎(chǔ)[1-2]。

雖然目前很多電廠已實(shí)現(xiàn)生產(chǎn)過程控制自動(dòng)化、生產(chǎn)經(jīng)營(yíng)管理信息化，但仍與工業(yè)4.0提出的智能生產(chǎn)目標(biāo)存在較大差距。智能電網(wǎng)、智能園區(qū)的推進(jìn)對(duì)發(fā)電廠和熱電廠在深度調(diào)峰、節(jié)能減排、安全可靠運(yùn)行等方面均提出了更大的挑戰(zhàn)，建設(shè)智能電廠的需求日益緊迫[3-4]。

在此背景下，本文提出了一種新的智能電廠功能架構(gòu)，重點(diǎn)突出智能控制、智能管理與決策等技術(shù)的應(yīng)用，并在電廠實(shí)時(shí)仿真、基于三維可視化的鍋爐燃燒優(yōu)化、鍋爐與環(huán)保島智能控制、智慧能源管理、設(shè)備智能預(yù)警與預(yù)防性維修等關(guān)鍵技術(shù)的研究與應(yīng)用方面取得了突破，為電廠帶來了顯著的經(jīng)濟(jì)效益和社會(huì)效益。

1 電廠智能化管控整體架構(gòu)

本文提出的智能電廠功能架構(gòu)如圖1所示。

智能電廠功能架構(gòu)充分體現(xiàn)如下設(shè)計(jì)原則：1）以節(jié)能減排、安全生產(chǎn)為核心目標(biāo)，引入實(shí)時(shí)仿真、智能控制、鍋爐燃燒優(yōu)化、設(shè)備預(yù)警與預(yù)防性維修等先進(jìn)技術(shù)，為企業(yè)帶來顯著的安全與節(jié)能效果；2）以專業(yè)仿真模型和人工智能技術(shù)為核心支撐，實(shí)現(xiàn)機(jī)組的全流程機(jī)理仿真，并以大量人工智能算法的應(yīng)用作為整個(gè)智能電廠的模型基礎(chǔ)，實(shí)現(xiàn)全機(jī)組的智能化；3）在機(jī)理模型和人工智能技術(shù)的支撐下，以鍋爐的先進(jìn)控制和燃燒優(yōu)化為智能控制的主要內(nèi)容，以能源、設(shè)備和安全管理的智能化為智能管理的主要內(nèi)容，在帶來安全和節(jié)能效果的同時(shí)，實(shí)現(xiàn)全機(jī)組的管控一體化。

2 電廠全流程實(shí)時(shí)仿真

典型超臨界火電機(jī)組的主要部件級(jí)設(shè)備和物質(zhì)流、能量流關(guān)系示意如圖2所示。

本文基于袁景淇等[5-8]和陳旭等[9]提出的燃煤機(jī)組機(jī)理模型，進(jìn)行實(shí)時(shí)仿真系統(tǒng)的開發(fā)。燃煤機(jī)組實(shí)時(shí)仿真系統(tǒng)架構(gòu)如圖3所示。該架構(gòu)接受來自現(xiàn)場(chǎng)部件級(jí)裝置的DCS實(shí)測(cè)信號(hào)、SIS/MIS數(shù)據(jù)庫(kù)數(shù)據(jù)和負(fù)荷信號(hào)，在機(jī)理模型系統(tǒng)、工質(zhì)和煙氣物性參數(shù)數(shù)據(jù)庫(kù)、設(shè)備結(jié)構(gòu)參數(shù)數(shù)據(jù)庫(kù)、實(shí)時(shí)仿真軟件平臺(tái)的支撐下，每隔5 s輸出入爐煤質(zhì)量流量、入爐煤總發(fā)熱量、入爐煤低位發(fā)熱量、爐膛出口平均煙氣溫度、主蒸汽質(zhì)量流量、再熱蒸汽質(zhì)量流量、空氣預(yù)熱器漏風(fēng)率、鍋爐熱效率、典型換熱設(shè)備的煙氣-工質(zhì)傳熱阻熱阻（或傳熱系數(shù)）、低壓缸排汽濕度、汽輪機(jī)熱經(jīng)濟(jì)指標(biāo)等的實(shí)時(shí)仿真值。

實(shí)踐證明，實(shí)時(shí)仿真系統(tǒng)計(jì)算精度較高。以入爐煤熱值計(jì)算結(jié)果為例，與4 h/次的離線化驗(yàn)值 相比，實(shí)時(shí)計(jì)算的入爐煤熱值相對(duì)誤差小于0.5%（圖4）。由于模型解算時(shí)間小于1 s，故入爐煤熱值最短刷新周期可達(dá)5 s。

3 電廠智能化控制

3.1 基于三維可視化的鍋爐燃燒優(yōu)化

實(shí)現(xiàn)鍋爐優(yōu)化燃燒是機(jī)組優(yōu)化運(yùn)行的重要前提。這要求全面、準(zhǔn)確、實(shí)時(shí)掌握和采集燃燒以及與燃燒有關(guān)的重要信息，特別是溫度信息，以便實(shí)時(shí)調(diào)整燃燒，實(shí)現(xiàn)過程的優(yōu)化。然而，電站鍋爐爐內(nèi)環(huán)境惡劣，具有溫度高、尺度大、多種物理場(chǎng)共存等特點(diǎn)，傳統(tǒng)的一些溫度測(cè)量方法無法滿足現(xiàn)場(chǎng)測(cè)量的實(shí)時(shí)性和準(zhǔn)確性[10-11]。

本文提出在某鍋爐爐膛出口屏式過熱器下部1～2 m層面內(nèi)、燃盡風(fēng)上部，配置爐膛煙氣聲波測(cè)溫系統(tǒng)，以解決鍋爐從啟動(dòng)開始全負(fù)荷范圍內(nèi)實(shí)時(shí)監(jiān)測(cè)爐膛出口煙氣溫度的問題，并且測(cè)量爐膛內(nèi)部最高溫度區(qū)域溫度，監(jiān)測(cè)燃燒偏斜。

聲波發(fā)生系統(tǒng)采用電動(dòng)聲源，螺旋線聲波導(dǎo)管和功率放大器相匹配，具有功率大、安全可靠、聲波頻率可調(diào)等特點(diǎn)。針對(duì)冷態(tài)時(shí)爐內(nèi)的混響問題和熱態(tài)時(shí)爐內(nèi)的高噪聲問題，采用先進(jìn)的時(shí)間延遲估計(jì)算法，可以得到準(zhǔn)確的時(shí)間延遲估計(jì)值。

針對(duì)爐膛二維截面，布置8發(fā)8收（每側(cè)2個(gè)），形成24條測(cè)量路徑，通過計(jì)算機(jī)層析成像算法實(shí)現(xiàn)溫度場(chǎng)重建，準(zhǔn)確得出了復(fù)雜溫度場(chǎng)中任意一點(diǎn)的溫度信息。該系統(tǒng)為運(yùn)行人員優(yōu)化燃燒提供了直觀依據(jù)，可以減少受熱面爆管概率，提高燃燒效率，減少氮氧化物生成量。

3.2 鍋爐與環(huán)保島智能控制系統(tǒng)

現(xiàn)有的鍋爐和環(huán)保島優(yōu)化控制研究很少能實(shí)現(xiàn)整體智能控制和在線持續(xù)應(yīng)用[12-15]。本文首次將燃煤機(jī)組機(jī)理模型、基于三維可視化的鍋爐燃燒優(yōu)化與多變量預(yù)測(cè)控制算法相結(jié)合，實(shí)現(xiàn)了鍋爐與環(huán)保島的多目標(biāo)、多層次智能協(xié)調(diào)與優(yōu)化控制，并在現(xiàn)場(chǎng)裝置上成功應(yīng)用，其控制方案如圖5所示。

控制方案：制粉控制器同時(shí)實(shí)現(xiàn)磨煤機(jī)一鍵啟/停自動(dòng)智能控制和磨煤機(jī)出口溫度、入口負(fù)壓、壓差的優(yōu)化控制；鍋爐燃燒控制器同時(shí)實(shí)現(xiàn)升降負(fù)荷優(yōu)化控制、爐膛A/B側(cè)溫差優(yōu)化控制、二次風(fēng)優(yōu)化控制、爐膛氧含量?jī)?yōu)化控制、爐膛負(fù)壓平穩(wěn)控制、主蒸汽壓力平衡優(yōu)化控制、風(fēng)粉平衡優(yōu)化控制、一次風(fēng)壓平衡優(yōu)化控制、一/二級(jí)減溫水優(yōu)化控制和汽包液位平穩(wěn)控制等多目標(biāo)的優(yōu)化控制；脫硫脫硝控制器基于機(jī)理模型和多變量預(yù)測(cè)控制器，以尿素流量為操作變量，生產(chǎn)負(fù)荷、爐膛氧含量為干擾變量，實(shí)現(xiàn)對(duì)NO的卡邊平穩(wěn)操作，避免環(huán)保指標(biāo)超標(biāo)的同時(shí)降低消耗。將上述方案在某鍋爐和環(huán)保島上進(jìn)行應(yīng)用，取得了顯著的效果。

1）自動(dòng)化程度顯著提高 從制粉開始，包括磨煤機(jī)的智能啟停、鍋爐的產(chǎn)汽和脫硝脫硫無需人工操作，系統(tǒng)能智能控制，可以24 h連續(xù)運(yùn)行，達(dá)到真正的“黑屏操作”。特別是磨煤機(jī)的一鍵啟/停，整個(gè)過程無需人工干預(yù)，只需點(diǎn)一下啟停按鈕，就能智能完成磨煤機(jī)的啟停工作，大幅降低了操作人員勞動(dòng)強(qiáng)度。

2）工藝指標(biāo)平穩(wěn)性顯著提高 先進(jìn)控制實(shí)現(xiàn)了鍋爐的核心工藝指標(biāo)，如母管蒸汽壓力、二次風(fēng)速、爐膛氧含量、一級(jí)減溫水、蒸汽溫度、NO質(zhì)量濃度、給粉機(jī)風(fēng)粉混合溫度、磨煤機(jī)入口負(fù)壓、爐膛負(fù)壓等控制。先進(jìn)控制系統(tǒng)投運(yùn)后穩(wěn)定性比投用前提高了40%以上。

3）磨煤機(jī)一鍵啟停過程工藝指標(biāo)波動(dòng)性大幅減少 磨煤機(jī)一鍵啟停系統(tǒng)安裝完成后，由之前的人工控制升級(jí)到智能控制，啟停過程一鍵完成。工藝指標(biāo)包括蒸汽母管壓力、蒸汽流量、乏氣帶粉量、啟停時(shí)間等比人工啟停穩(wěn)定性提高60%以上，主要表現(xiàn)為蒸汽母管壓力波動(dòng)幅度減小、蒸汽流量波動(dòng)幅度減小、乏氣帶粉量減少、啟停時(shí)間減少等，特別是停磨煤機(jī)的時(shí)候，乏氣帶粉明顯減少，母管壓力波動(dòng)也小很多。

4）鍋爐熱效率提高 先進(jìn)控制系統(tǒng)確保鍋爐各重要指標(biāo)的平穩(wěn)控制后，優(yōu)化了鍋爐出口氧含量的控制。先進(jìn)控制系統(tǒng)投用前后鍋爐熱效率對(duì)比見表1，可見投運(yùn)后比投運(yùn)前提高了0.5%。

表1 先進(jìn)控制系統(tǒng)投用前后鍋爐熱效率對(duì)比

Tab.1 The boiler thermal efficiencies before and after the advanced control system was put into service %

4 電廠智能化管理

4.1 電廠智慧能源管理系統(tǒng)

智慧能源管理技術(shù)將分散的能源數(shù)據(jù)信息統(tǒng)一分類匯總，基于電廠機(jī)理模型和人工智能算法，通過運(yùn)行決策分析模型提出運(yùn)行建議，提高能源效率。智慧能源管理界面如圖6所示。具體內(nèi)容如下。

1）熱力性能評(píng)價(jià)指標(biāo) 包括燃料利用系數(shù)、熱化發(fā)電率、煤耗量、發(fā)電熱效率、發(fā)電熱耗率、發(fā)電標(biāo)煤耗、供熱熱效率、熱電比等。

2）汽輪機(jī)組熱力性能分析數(shù)學(xué)模型 包括凝汽器性能分析模型、除氧器性能分析模型、高/低壓加熱器性能分析模型、汽輪機(jī)相對(duì)內(nèi)效率、汽輪機(jī)進(jìn)汽閥效率、調(diào)節(jié)級(jí)效率、高/低壓級(jí)組效率等。

3）鍋爐熱力性能分析數(shù)學(xué)模型 包括機(jī)械不完全燃燒熱損失、化學(xué)未完全燃燒熱損失、排煙熱損失、散熱損失、灰渣物理熱損失、過熱器與空氣預(yù)熱器清潔度等。

4）母管制熱力系統(tǒng)熱力性能模型 包括鍋爐損失率、汽輪機(jī)的冷端損失率、給水泵汽輪機(jī)用汽率、高壓供熱率、低壓供熱率、高壓加熱器與除氧器回?zé)嵊脽崧?、發(fā)電用熱率、廠用電率等。

5）基于人工智能算法的能損分析 基于上述數(shù)學(xué)模型，利用人工神經(jīng)網(wǎng)絡(luò)、長(zhǎng)短期記憶網(wǎng)絡(luò)、進(jìn)程挖掘與賦時(shí)自動(dòng)機(jī)等人工智能算法進(jìn)行能損分析，給出鍋爐、汽輪機(jī)和供熱系統(tǒng)可控參數(shù)能損分析。其中，針對(duì)鍋爐給出排煙溫度、排煙氧量能損分析；針對(duì)汽輪機(jī)給出主蒸汽壓力、溫度能損分析；針對(duì)供熱系統(tǒng)給出高/低壓供汽壓力能損分析。

4.2 電廠設(shè)備預(yù)警與預(yù)防性維修系統(tǒng)

設(shè)備預(yù)警與預(yù)防性維修技術(shù)是指基于電廠機(jī)理模型和人工智能技術(shù)，通過運(yùn)行狀態(tài)監(jiān)測(cè)，提前發(fā)現(xiàn)設(shè)備異常，給設(shè)備預(yù)測(cè)性維護(hù)提供數(shù)據(jù)支持，將設(shè)備運(yùn)行異常消除在萌芽階段，減少非計(jì)劃性停爐、停機(jī)，減少啟停爐、啟停機(jī)的能源消耗[16]。

鍋爐爐管泄漏是電廠常發(fā)事故。目前在國(guó)內(nèi)電廠中，因該事故造成的非計(jì)劃停運(yùn)時(shí)間占全年總停運(yùn)時(shí)間的30％以上。鍋爐爐管泄漏是造成機(jī)組非計(jì)劃停運(yùn)的主要原因，對(duì)鍋爐的經(jīng)濟(jì)運(yùn)行威脅極大。本文針對(duì)某鍋爐開發(fā)了ALD-II型爐管泄漏智能預(yù)警系統(tǒng)。該系統(tǒng)集鍋爐、聲學(xué)、電子、計(jì)算機(jī)、機(jī)械等多學(xué)科技術(shù)，通過增強(qiáng)型傳感器來獲取鍋爐內(nèi)爐管泄漏的噪聲信號(hào)，在消除鍋爐運(yùn)行的各種復(fù)雜噪聲干擾的基礎(chǔ)上，利用人工智能技術(shù)，通過快速傅立葉變換進(jìn)行聲譜分析，通過對(duì)噪聲強(qiáng)度、頻譜特征及持續(xù)時(shí)間的分析計(jì)算判斷爐管是否發(fā)生泄漏，實(shí)現(xiàn)鍋爐爐管泄漏的早期測(cè)報(bào)，并判斷泄漏區(qū)域位置及泄漏程度。共計(jì)18只測(cè)點(diǎn)對(duì)稱布置，覆蓋所有重要汽水受熱面。當(dāng)爐內(nèi)汽水受熱面發(fā)生早期輕微泄漏時(shí)，其聲波強(qiáng)度信號(hào)能夠發(fā)生明顯變化，這有助于運(yùn)行人員及早發(fā)現(xiàn)，減少經(jīng)濟(jì)損失。

整個(gè)裝置設(shè)計(jì)成3個(gè)部分：現(xiàn)場(chǎng)數(shù)據(jù)采集單元、中央處理單元和顯示報(bào)警單元。其技術(shù)路線原理框圖如圖7所示。爐管泄漏智能預(yù)警系統(tǒng)投運(yùn)后，系統(tǒng)界面示意如圖8所示。

借助爐管泄漏預(yù)警系統(tǒng)，爐管早期泄漏預(yù)報(bào)覆蓋率達(dá)到90%以上，絕大部分泄漏事故被扼殺在萌芽中，大大提高了設(shè)備使用效率。

5 結(jié) 語

本文提出了新的智能電廠功能架構(gòu)，基于燃煤機(jī)組機(jī)理模型開發(fā)了電廠實(shí)時(shí)仿真系統(tǒng)，構(gòu)建了智能電廠的模型基礎(chǔ)。在智能控制層，實(shí)現(xiàn)了基于三維可視化的鍋爐燃燒優(yōu)化，提出了融合三維可視化燃燒優(yōu)化、機(jī)理模型和多變量預(yù)測(cè)控制算法的鍋爐和環(huán)保島智能控制技術(shù)，鍋爐熱效率提高了0.5%。在智能管理層，構(gòu)建了智慧能源管理平臺(tái)，開發(fā)了鍋爐爐管泄露智能預(yù)警系統(tǒng)，為智能電廠安全、節(jié)能運(yùn)行保駕護(hù)航。該技術(shù)在某電廠得到了成功應(yīng)用，取得了顯著的經(jīng)濟(jì)效益和社會(huì)效益。

［1］ 侯子良. 建設(shè)智能電廠思維的探討[J]. 自動(dòng)化博覽, 2016(增刊1): 20-21.

HOU Ziliang. Discussion on the thought of building intelligent power plant[J]. Automation Panorama, 2016(Suppl.1): 20-21.

［2］ 張晉賓, 周四維, 陸星羽. 智能電廠概念、架構(gòu)、功能及實(shí)施[J]. 中國(guó)儀器儀表, 2017(4): 33-39.

ZHANG Jinbin, ZHOU Siwei, LU Xingyu. Concept, architecture, function and implentation of smart power plant[J]. China Instrumentation, 2017(4): 33-39.

［3］ 劉中華, 孫濤, 舒開太. 智能電廠建設(shè)探討[J]. 能源研究與管理, 2018(4): 52-54.

LIU Zhonghua, SUN Tao, SHU Kaitai. Discussion of construction in intelligent power plant[J]. Jiangxi Energy, 2018(4): 52-54.

［4］ 陳思全, 左華京. 數(shù)字化電廠的發(fā)展現(xiàn)狀及向智能化電廠發(fā)展的展望[J]. 沈陽工程學(xué)院學(xué)報(bào)（自然科學(xué)版）, 2018(2): 126-130.

CHEN Siquan, ZUO Huajing. Development status of digital power plant and the prospect towards smart power plant[J]. Journal of Shenyang Institute of Engineering (Natural Science), 2018(2): 126-130.

［5］ 劉欣, 于彤, 袁景淇. 300 MW汽輪機(jī)主汽調(diào)門組模型的建立與應(yīng)用[J]. 控制工程, 2012, 19(6): 1183-1186.

LIU Xin, YU Tong, YUAN Jingqi. Modeling and application of governor valve of 300 MW turbine unit[J]. Control Engineering of China, 2012, 19(6): 1183-1186.

［6］ 張銳鋒, 袁景淇. 基于機(jī)理建模的煤質(zhì)辨識(shí)技術(shù)研究與工程實(shí)踐[J]. 貴州電力技術(shù), 2013, 16(12): 7-10.

ZHANG Ruifeng, YUAN Jingqi. Research and engineering practice of coal quality identification technology based on the mechanism modeling[J]. Guizhou Electric Power Technology, 2013, 16(12): 7-10.

［7］ XU L, YUAN J Q. Online identification of the lower heating value of the coal entering the furnace based on the boiler-side whole process models[J]. Fuel, 2015(1): 68-77.

［8］ 丁承剛, 郭士義, 龔燕雯, 等. 電站鍋爐制粉系統(tǒng)模型的建立與應(yīng)用[J]. 鍋爐技術(shù), 2016, 47(1): 5-8.

DING Chenggang, GUO Shiyi, GONG Yanwen, et al. Modeling and application of coal pulverizing system for coal-fired power plant[J]. Boiler Technology, 2016, 47(1): 5-8.

［9］ 陳旭, 王景成. 電站鍋爐過熱器系統(tǒng)動(dòng)態(tài)建模及現(xiàn)場(chǎng)數(shù)據(jù)仿真[J]. 微型電腦應(yīng)用, 2011, 27(1): 21-23.

CHEN Xu, WANG Jingcheng. Dynamic modeling for utility boiler super-heater system and simulation by using online plant data[J]. Microcomputer Applications, 2011, 27(1): 21-23.

［10］ 胡志宏, 郝衛(wèi)東, 薛美盛, 等. 1 000 MW超超臨界燃煤鍋爐燃燒與NO排放特性試驗(yàn)研究[J]. 機(jī)械工程學(xué)報(bào), 2010(4): 105-110.

HU Zhihong, HAO Weidong, XUE Meisheng, et al. Experimental study on combustion and NOemission characteristic of 1 000 MW ultra-supercritical coal-fired boiler[J]. Journal of Mechanical Engineering, 2010(4): 105-110.

［11］ 劉燮, 鐘文琪, 李杰, 等. 超超臨界鍋爐燃燒配風(fēng)優(yōu)化的三維數(shù)值模擬[J]. 東南大學(xué)學(xué)報(bào)（自然科學(xué)版）, 2018, 48(5): 794-800.

LIU Xie, ZHONG Wenqi, LI Jie, et al. Three-dimensional numerical simulation on optimization air distribution for combustion of ultra-supercritical boiler[J]. Journal of Southeast University (Natural Science Edition), 2018, 48(5): 794-800.

［12］ 丁承剛, 郭士義, 石偉晶, 等. 燃煤電站鍋爐二次風(fēng)控制系統(tǒng)優(yōu)化[J]. 電氣自動(dòng)化, 2016, 38(4): 106-109.

DING Chenggang, GUO Shiyi, SHI Weijing, et al. The optimizing control of the secondary air control system of power plant[J]. Electrical Automation, 2016, 38(4): 106-109.

［13］ 柳行, 姚著, 張克偉. 循環(huán)流化床鍋爐煙風(fēng)系統(tǒng)控制優(yōu)化[J]. 熱力發(fā)電, 2017, 46(3): 126-131.

LIU Xing, YAO Zhu, ZHANG Kewei. Optimization on air and flue gas control system for circulating fluidized bed boiler[J]. Thermal Power Generation, 2017, 46(3): 126-131.

［14］ 高海東, 高林, 樊皓亮, 等. 火電機(jī)組實(shí)用智能優(yōu)化控制技術(shù)[J]. 熱力發(fā)電, 2017, 46(12): 1-5.

GAO Haidong, GAO Lin, FAN Haoliang, et al. Discussions on practical intelligent optimization control technologies for thermal power units[J]. Thermal Power Generation, 2017, 46(12): 1-5.

［15］ 鄭偉, 劉達(dá). 基于全工況數(shù)據(jù)挖掘的多目標(biāo)燃燒優(yōu)化[J]. 熱力發(fā)電, 2017, 46(6): 69-74.

ZHENG Wei, LIU Da. Multi-objective combustion optimization based on data mining with full-scale working condition[J]. Thermal Power Generation, 2017, 46(6): 69-74.

［16］ 楊勤, 張震偉, 楊茉, 等. 基于故障預(yù)警系統(tǒng)的燃煤發(fā)電設(shè)備狀態(tài)檢修[J]. 中國(guó)電力, 2019, 52(3): 109-114.

YANG Qin, ZHANG Zhenwei, YANG Mo, et al. Conditional maintenance of coal-fired power generation equipment based on early fault warning system[J]. Electric Power, 2019, 52(3): 109-114.

Research and application of intelligent management and control technology in power plants

LI Qiang1, GAO Yong1, ZHU Jianguo1, CHU Hongjuan1, CAI Bing1, HOU Weifeng2, LIU Wenlie2

(1. Nantong Cellulose Fibers Co., Ltd., Nantong 226007, China; 2. Zhejiang Cybstar Technology and Science Co., Ltd., Hangzhou 310012, China)

On the basis of digital power plant, the model foundation of intelligent power plant is built, and a new functional framework of intelligent power plant is put forward. This technology focuses on the integration of artificial intelligence technology and power plant professional mechanism model, and studies the key technologies including the mechanism modeling and real-time simulation of power plant, boiler combustion optimization based on three-dimensional visualization, intelligent control of boiler and environmental protection island, intelligent energy management, intelligent early warning and preventive maintenance of equipment, and so on. These technologies have been successfully applied in a power plant. The black screen operation and one key intelligent start-up and shutdown of the boiler and the environmental protection island have been realized. The thermal efficiency of the boiler has increased by 0.5%. The leakage accident of the boiler tube has been basically eliminated. Through the application of these technologies, the intelligent management and control of power plants has been realized, and outstanding energy-saving and safe production effects have been achieved, which has obvious popularization value.

intelligent power plant, real-time simulation, intelligent control, combustion optimization, smart energy management, equipment early warning and preventive maintenance

TM621.6

A

10.19666/j.rlfd.201907116

2019-06-10

李強(qiáng)(1974)，男，碩士，工程師，主要研究方向?yàn)殄仩t仿真與優(yōu)化控制、電廠智能管控技術(shù)，liqiang@ncfcinfo.com。

李強(qiáng), 高勇, 朱建國(guó), 等. 電廠智能化管控技術(shù)研究與應(yīng)用[J]. 熱力發(fā)電, 2019, 48(10): 15-21. LI Qiang, GAO Yong, ZHU Jianguo, et al. Research and application of intelligent management and control technology in power plants[J]. Thermal Power Generation, 2019, 48(10): 15-21.

（責(zé)任編輯 劉永強(qiáng)）