陳 雪， 楊東偉， 顧晨愷， 管 堅(jiān)， 郁鴻凌

（1. 上海理工大學(xué) 能源與動(dòng)力工程學(xué)院，上海 200093；2. 中國特種設(shè)備檢測(cè)研究院，北京 100029）

燃煤成分對(duì)鍋爐效率、大氣污染物排放濃度有著重要的影響。一般情況下，鍋爐運(yùn)行實(shí)際煤種特性應(yīng)與設(shè)計(jì)煤種相接近，以確保燃燒穩(wěn)定及各參數(shù)在正常范圍內(nèi)運(yùn)行。但近年來，隨著碳煤價(jià)格日益高漲，鍋爐用煤的來源與成分復(fù)雜多變，供煤質(zhì)量波動(dòng)幅度增大，使得鍋爐負(fù)荷的調(diào)節(jié)控制難度加大，從而對(duì)燃煤的燃燒效率和鍋爐安全穩(wěn)定運(yùn)行造成了很大的影響[1-2]。而且，目前煤質(zhì)成分的實(shí)時(shí)測(cè)量技術(shù)尚不成熟，常采用的離線取樣分析方法存在結(jié)果滯后、誤差大等問題，煤質(zhì)數(shù)據(jù)的實(shí)時(shí)性得不到滿足[3]，不利于實(shí)時(shí)調(diào)節(jié)燃燒，對(duì)鍋爐運(yùn)行效率難以預(yù)測(cè)。所以，建立可實(shí)時(shí)調(diào)用的虛擬煤質(zhì)數(shù)據(jù)庫，對(duì)于鍋爐熱效率計(jì)算并及時(shí)調(diào)整燃燒優(yōu)化鍋爐運(yùn)行具有重要的意義。

李洋[4]以云南某電廠的化驗(yàn)煤質(zhì)為例，運(yùn)用模糊聚類算法建立了以發(fā)熱量為索引的煤質(zhì)數(shù)據(jù)庫，忽略了燃煤揮發(fā)分對(duì)煤燃燒效率的影響，且單以發(fā)熱量為索引的煤質(zhì)在線辨識(shí)，其可信度仍有待加強(qiáng)。王洋等[3]和趙明等[5]則采用PAM（partitioning around medoid）算法建立煤質(zhì)數(shù)據(jù)庫，以電廠某天化驗(yàn)的發(fā)熱量與數(shù)據(jù)庫發(fā)熱量作對(duì)比，驗(yàn)證數(shù)據(jù)庫的合理性，但化驗(yàn)數(shù)據(jù)來源不可靠且不穩(wěn)定，未考慮揮發(fā)分成分，數(shù)據(jù)庫不完善。

本文針對(duì)工業(yè)鍋爐常用煤，根據(jù)煤在不同地域的特性，建立以煤類型為第一索引，煤產(chǎn)地以及燃煤發(fā)熱量分別為第二和第三索引的可在線調(diào)用的煤質(zhì)數(shù)據(jù)庫，可實(shí)現(xiàn)鍋爐變工況時(shí)的熱效率實(shí)時(shí)測(cè)算。

表 1 工業(yè)鍋爐行業(yè)煤的分類標(biāo)準(zhǔn)Tab.1 Classification standards for coal in industrial boilers

1 工業(yè)鍋爐用煤

1.1 工業(yè)鍋爐用煤分類標(biāo)準(zhǔn)

為了便于使產(chǎn)品系列化，工業(yè)鍋爐行業(yè)將煤分為11 類，各類代表性煤種如表1 所示。

首先根據(jù)揮發(fā)分含量由小到大分為無煙煤、貧煤、煙煤和褐煤這4 種，再根據(jù)發(fā)熱量將無煙煤和煙煤分別細(xì)分為Ⅰ類、Ⅱ類和Ⅲ類?？梢姡济簱]發(fā)分和發(fā)熱量是表征煤特性的2 個(gè)重要因素。

1.2 煤的分布特點(diǎn)

我國動(dòng)力煤儲(chǔ)量豐富，分布廣泛，煤種齊全。從全國分布情況看，尤以三西（山西、內(nèi)蒙西部、陜西）儲(chǔ)量最多，占全國的60%[6]。研究發(fā)現(xiàn)，褐煤與無煙煤具有較強(qiáng)的地域性。

無煙煤是我國儲(chǔ)量最多的煤，約占動(dòng)力煤的37.57%[6]，以山西省最為顯著，山西陽泉和晉城最多，除此之外還包括四川芙蓉礦區(qū)、湖北西塞山及內(nèi)蒙古太西等。

褐煤約占動(dòng)力煤的8.03%，是我國的第二大煤種，主要存在于內(nèi)蒙古東北部，礦區(qū)有霍林河、寶日希勒等。

煙煤一般含水分略高，約10%。多分布于我國開灤、撫順等。

貧煤一般含水分較少，主要以山東淄博、兗州、新泰為主，還有貴州六盤水和吉林通化等地都有一定的儲(chǔ)量。

通過收集全國各地工業(yè)鍋爐常用煤，根據(jù)表1和煤的儲(chǔ)量分布特點(diǎn)對(duì)各種煤進(jìn)行分類，在此基礎(chǔ)上，通過數(shù)據(jù)提取，分析特定地區(qū)的某一煤種特性以及煤中各元素之間的耦合關(guān)系。

2 煤質(zhì)特性分析研究

煤炭種類的多樣性和結(jié)構(gòu)的復(fù)雜性是由成煤原始物質(zhì)、年代等因素造成的[7]。煤的合理利用對(duì)節(jié)約能源具有重要的意義。

2.1 煤的元素分析

煤是由復(fù)雜的高分子碳?xì)浠衔锝M成的有機(jī)燃料，其主要成分是：碳、氫、氧、氮、硫、灰分和水分。煤的元素成分通常用收到基質(zhì)量分?jǐn)?shù)來表示。

式 中：Car，Har，Oar，Nar，Sar，Aar和Mar分 別 表示燃料的碳、氫、氧、氮、硫、灰分和水分的質(zhì)量分?jǐn)?shù)。

煤中的水分和灰分含量常隨開采、運(yùn)輸、貯存及氣候條件的變化而變化。即使對(duì)同一種煤，由于水分和灰分的變化，其他成分的含量也將隨之發(fā)生變化。因此，為了實(shí)際應(yīng)用的需要和理論研究的方便，通常用干燥無灰基表示煤質(zhì)特性，即

研究表明[8-10]，煤埋藏年代越久，碳化程度越深，含碳量也越高。隨著碳化程度的加深，煤中的碳含量不斷增加，泥煤的干燥無灰基碳含量一般為55%～62%；褐煤為60%～76.5%，煙煤為77%～92.7%；無煙煤為88.98%～98%。而氫、氧的成分由于揮發(fā)而逐漸減少。隨著變質(zhì)程度的不斷加深，全硫含量呈上升趨勢(shì)。但是，全硫含量的增高與煤的變質(zhì)程度之間并沒有直接關(guān)系，主要由不同成煤時(shí)期沉積環(huán)境的影響所造成[11]。在內(nèi)陸、濱海三角和海陸交替環(huán)境下形成的煤的含硫量比較高。

入爐煤含碳量的確定原則：一般根據(jù)煤產(chǎn)地的統(tǒng)計(jì)含碳量以及燃煤種類，配合該地區(qū)的燃煤含硫量特點(diǎn)獲得。

通過對(duì)收集的全國各地405 組煤質(zhì)回歸分析發(fā)現(xiàn)，煤中氫含量相對(duì)穩(wěn)定，并且氫和碳含量之間有良好的線性關(guān)系[3]，如式（1）所示。表2 為收集的部分煤質(zhì)數(shù)據(jù)，同理，煤中的氮與氫、氫與氧含量之間也存在線性關(guān)系，如式（2）和式（3）所示。

表 2 部分地區(qū)的煤質(zhì)參數(shù)Tab.2 Coal quality parameters in some areas

2.2 煤的工業(yè)分析

煤的工業(yè)分析是評(píng)價(jià)煤質(zhì)和了解煤質(zhì)特性的重要依據(jù)[12]。通常由水分、灰分、揮發(fā)分以及固定碳組成。

煤的揮發(fā)分是表征煤的燃燒特性的重要指標(biāo)，是影響煤燃燒效率與排放的重要因素。揮發(fā)分的燃燒可以很快點(diǎn)燃固定碳，所以，煤中揮發(fā)分越高，煤越易著火，固定碳也越易燃盡。使用發(fā)熱量相同的煤，如其揮發(fā)分較高，熱效率也會(huì)較高。揮發(fā)分與煤的生成年代有關(guān)，隨著煤的碳化程度的加深，揮發(fā)分的含量逐漸減少。揮發(fā)分與干燥無灰基氫含量具有良好的擬合關(guān)系[13]。

煤中的水分和灰分均為不可燃物質(zhì)。煤中水分對(duì)于鍋爐燃燒既有利，也有弊。適當(dāng)?shù)乃帜芴岣呙旱睦寐剩?，水分過多，發(fā)熱量必然降低，且爐內(nèi)溫度降低，影響煤著火。同理，煤灰分高，其發(fā)熱量就低。燃用高灰分的煤，鍋爐熱效率普遍降低，且灰分越高，鍋爐熱效率降低的幅度越大[14]。

通過分析煤的成分發(fā)現(xiàn)，煤質(zhì)典型的多變性不在于它的干燥無灰基成分，而在于它所含的水分和灰分。對(duì)于特定地區(qū)的煤種，煤質(zhì)的干燥無灰基成分具有一定的穩(wěn)定性和規(guī)律性[3]。

3 煤質(zhì)數(shù)據(jù)庫的建立

3.1 模型建立

從收集到的405 組數(shù)據(jù)中找出所有山西陽泉的原始燃煤數(shù)據(jù)，共25 組，以此為例，通過聚類分析，獲取該地區(qū)的較穩(wěn)定的干燥無灰基成分，并與統(tǒng)計(jì)處理后的收到基水分和灰分組合，建立該地區(qū)的虛擬煤質(zhì)數(shù)據(jù)庫。煤質(zhì)數(shù)據(jù)庫建立的流程圖如圖1 所示，并用燃煤的計(jì)算發(fā)熱量與燃煤的化驗(yàn)發(fā)熱量作對(duì)比，驗(yàn)證數(shù)據(jù)庫的可靠性并剔除誤差大的數(shù)據(jù)，精簡煤質(zhì)數(shù)據(jù)庫。

圖 1 煤質(zhì)數(shù)據(jù)庫建立流程圖Fig.1 Flow chart of coal database establishment

3.2 K-means 聚類算法

K-均值（也稱K-means）聚類算法是著名的劃分聚類分割方法。劃分方法的基本思想是：給定一個(gè)有N 個(gè)元或者記錄的數(shù)據(jù)集，分類法將構(gòu)造K 個(gè)簇，每一個(gè)簇就代表一個(gè)聚類，K

3.3 數(shù)據(jù)預(yù)處理

3.3.1 水分和灰分的處理

圖2（a）和2（b）為燃煤收到基水分和灰分的散點(diǎn)分布圖。從圖2（a）和2（b）可以看出，收到基水分的分布范圍為4.92%～7.47%，收到基灰分的分布范圍為8.16%～26.22%。

為了更直觀地觀察原始數(shù)據(jù)的分布特性，首先對(duì)數(shù)據(jù)進(jìn)行排序，然后將數(shù)據(jù)導(dǎo)入Matlab 軟件，調(diào)用K-means 算法對(duì)水分和灰分分別進(jìn)行處理。

實(shí)踐表明，對(duì)于水分和灰分分別取K=6 和K=7 時(shí)，所得的均值能較好地反映原始數(shù)據(jù)的分布特征，如圖3 所示。

3.3.2 燃煤可燃基成分的處理

對(duì)燃煤可燃基成分的處理與對(duì)水分和灰分的處理相同，取K=7，作為典型的燃煤可燃基成分，將構(gòu)造的可燃基成分與水分和灰分組合，得到6×7×7=294 種虛擬煤質(zhì)數(shù)據(jù)庫。

3.4 煤質(zhì)數(shù)據(jù)庫的驗(yàn)證

圖 2 水分和灰分的散點(diǎn)分布圖Fig. 2 Scatter plots of water and ash

圖 3 水分和灰分的聚類分布Fig. 3 Clustering distribution of water and ash

煤的發(fā)熱量是表征煤化程度和煤質(zhì)特性的主要指標(biāo)，也是動(dòng)力用煤計(jì)價(jià)的主要依據(jù)[16]。燃煤發(fā)熱量與各成分之間存在密切的關(guān)系。因此，可以通過比較燃煤的計(jì)算發(fā)熱量與化驗(yàn)發(fā)熱量來驗(yàn)證數(shù)據(jù)庫的適用性。由于數(shù)據(jù)庫的燃煤化驗(yàn)發(fā)熱量不可得，因此借用神經(jīng)網(wǎng)絡(luò)建立數(shù)據(jù)庫發(fā)熱量的預(yù)測(cè)模型，以此作為燃煤的化驗(yàn)發(fā)熱量，完成數(shù)據(jù)庫的驗(yàn)證。

3.4.1 燃煤計(jì)算發(fā)熱量

煤的發(fā)熱量可利用元素分析結(jié)果近似獲得。式（4）是適用于計(jì)算中國煤的低位發(fā)熱量的回歸式[7]，根據(jù)式（4）可計(jì)算出虛擬數(shù)據(jù)庫中各煤質(zhì)的發(fā)熱量

在式（4）中：當(dāng)煤Car＞95%或Har≤1.5%時(shí)，K1=327，其他煤的K1=335；當(dāng)Cdaf<77%時(shí)，K2=1 256，其他煤的K2=1 298。

3.4.2 化驗(yàn)發(fā)熱量的獲得

近年來，人工神經(jīng)網(wǎng)絡(luò)由于具有很強(qiáng)的自學(xué)習(xí)、自組織能力，在理論上能逼近任意非線性函數(shù)，適合對(duì)具有多變量、非線性等特性的復(fù)雜過程建模，已在各工程領(lǐng)域中得到廣泛的應(yīng)用，特別是在數(shù)據(jù)預(yù)測(cè)和函數(shù)優(yōu)化等方面[17]。

BP 神經(jīng)網(wǎng)絡(luò)是基于誤差反向傳播學(xué)習(xí)算法的神經(jīng)網(wǎng)絡(luò)[18]，通常由三層組成，每層由若干個(gè)神經(jīng)元構(gòu)成，層與層之間用權(quán)值連接，學(xué)習(xí)過程由正向傳播和誤差的反向傳播兩個(gè)過程組成。正向傳播時(shí)，輸入樣本由輸入層逐層傳輸?shù)捷敵鰧?。若輸出層的網(wǎng)絡(luò)輸出與期望輸出不符，則轉(zhuǎn)向誤差的反向傳播階段。網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練的過程就是權(quán)值不斷調(diào)整的過程，此過程一直到網(wǎng)絡(luò)輸出的誤差減少到可以接受的程度或者達(dá)到預(yù)先設(shè)定的學(xué)習(xí)次數(shù)為止。

本文借助Matlab 神經(jīng)網(wǎng)絡(luò)工具箱，從收集的405 組數(shù)據(jù)中，選出含有燃煤化驗(yàn)發(fā)熱量的50 組原始煤質(zhì)數(shù)據(jù)（其中，38 組數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，其余12 組作為測(cè)試數(shù)據(jù)），建立燃煤各成分與燃煤化驗(yàn)發(fā)熱量的關(guān)系模型。網(wǎng)絡(luò)輸入層神經(jīng)元個(gè)數(shù)i=7，分別為Car，Har，Oar，Vdaf，Sar，Aar和Mar，輸出層神經(jīng)元個(gè)數(shù)k=1，為 Qydw，隱含層神經(jīng)元目前沒有確定的解析式，常采用經(jīng)驗(yàn)公式（5）。

k 值的選取依據(jù)：依據(jù)式（5）選取一個(gè)初始值，然后在此值的基礎(chǔ)上上下波動(dòng)，比較每次網(wǎng)絡(luò)的預(yù)測(cè)性能，選擇性能最好的對(duì)應(yīng)值作為隱含層神經(jīng)元數(shù)。

經(jīng)反復(fù)調(diào)試，最終確定隱含層神經(jīng)元個(gè)數(shù)j=6。建立的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖如圖4 所示。Wji，Wki為權(quán)重。

圖 4 燃煤發(fā)熱量神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖Fig. 4 Structure diagram of neural network for coal-fired calorific values

如圖5 所示，38 組訓(xùn)練樣本的回歸系數(shù)R=0.986 48，R 越接近于1，擬合效果越好。經(jīng)計(jì)算發(fā)現(xiàn)，煤質(zhì)化驗(yàn)發(fā)熱量與網(wǎng)絡(luò)輸出發(fā)熱量相對(duì)誤差最大值為?3.831%，最小值為0.001%，平均值為2.7%。考慮到煤質(zhì)現(xiàn)場化驗(yàn)的允許誤差，應(yīng)用神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的燃煤發(fā)熱量可作為燃煤的化驗(yàn)發(fā)熱量。

圖 5 燃煤發(fā)熱量回歸系數(shù)Fig. 5 Regression of coal-fired calorific values

3.4.3 結(jié)果分析

用建立的模型預(yù)測(cè)煤質(zhì)數(shù)據(jù)庫的燃煤發(fā)熱量，并與式（4）計(jì)算的發(fā)熱量作對(duì)比。圖6 為兩種方法獲得的部分燃煤發(fā)熱量對(duì)比圖。

由圖6 可知，網(wǎng)絡(luò)預(yù)測(cè)的燃煤發(fā)熱量與計(jì)算發(fā)熱量在趨勢(shì)上保持了高度的一致性，兩者的最大差值為709 kJ/kg，理論上能夠滿足工業(yè)鍋爐用煤的要求。

3.5 煤質(zhì)數(shù)據(jù)庫的應(yīng)用

圖 6 數(shù)據(jù)庫煤質(zhì)網(wǎng)絡(luò)輸出與計(jì)算發(fā)熱量的對(duì)比Fig. 6 Comparison between the output of database coal quality network and the calculated calorific value

以型號(hào)為SHL10--WⅢ的蒸汽鍋爐為例，選用虛擬煤質(zhì)數(shù)據(jù)庫的煤質(zhì)，在其他工況、燃燒條件不變的情況下，分析當(dāng)入爐煤與設(shè)計(jì)煤種不同時(shí)，鍋爐熱效率[6]的變化。結(jié)果如表3 所示。當(dāng)實(shí)際煤種與設(shè)計(jì)煤種相近時(shí)，鍋爐燃燒穩(wěn)定且各參數(shù)在正常范圍內(nèi)運(yùn)行，熱效率是隨著燃煤發(fā)熱量的降低而逐步減少的，燃煤發(fā)熱量越低，熱效率降低的速度越大。

表 3 同工況下不同煤種對(duì)應(yīng)的鍋爐熱效率Tab.3 Boiler thermal efficiency of different coal types under the same working condition

4 結(jié) 論

用K-means 聚類算法獲取了水分、灰分和煤質(zhì)干燥無灰基成分的典型值，組合成了虛擬煤質(zhì)庫，并驗(yàn)證了數(shù)據(jù)庫的實(shí)用性，分析了鍋爐變負(fù)荷時(shí)燃煤的熱效率變化趨勢(shì)，得出結(jié)論：

a. 運(yùn)用神經(jīng)網(wǎng)絡(luò)建立的模型能用來預(yù)測(cè)數(shù)據(jù)庫的發(fā)熱量，且網(wǎng)絡(luò)的精度高、泛化能力強(qiáng)；

b. 通過比較煤質(zhì)的計(jì)算發(fā)熱量與預(yù)測(cè)發(fā)熱量，發(fā)現(xiàn)兩者匹配度較好，能滿足鍋爐實(shí)際應(yīng)用；

c. 鍋爐熱效率是隨著燃煤發(fā)熱量的降低而逐步減少的，燃煤發(fā)熱量越低，熱效率降低的速度越快。