王英敏, 張志剛, 張文君, 朱憲然, 葉 翔

(1. 中國(guó)大唐集團(tuán)科學(xué)技術(shù)研究院有限公司火力發(fā)電技術(shù)研究院，北京 100040; 2.內(nèi)蒙古大唐國(guó)際托克托發(fā)電有限責(zé)任公司，呼和浩特 010206)

中國(guó)地域遼闊，水、煤炭等資源分布極不均衡[1]，在煤價(jià)較高、電力用煤供需緊張的情況下，為了減少購(gòu)煤壓力，降低燃料成本，電廠普遍采用配煤摻燒的方法[2]。早期的配煤摻燒在保證安全的情況下，加大劣質(zhì)煤的比例。在配煤之前一定要對(duì)燃用混煤進(jìn)行試驗(yàn)研究[3]。由于試驗(yàn)結(jié)果無(wú)法完全反映電廠摻燒煤種在任意負(fù)荷下的最佳配比，單憑借試驗(yàn)來(lái)確定電廠實(shí)際需求的最佳配比是不太合理的。其低價(jià)劣質(zhì)煤摻配的比例往往超出了鍋爐本身所能適應(yīng)的范圍，從而進(jìn)一步導(dǎo)致了鍋爐性能的惡化和難以控制，嚴(yán)重者甚至發(fā)生設(shè)備損壞、機(jī)組非停等事故。目前針對(duì)電廠中混煤摻燒的制粉系統(tǒng)優(yōu)化，主要基于試驗(yàn)研究和結(jié)合專家人工經(jīng)驗(yàn)來(lái)確定摻燒配比[4]。為了減少燃燒非設(shè)計(jì)煤種對(duì)鍋爐和機(jī)組帶來(lái)的不適應(yīng)性，提高安全性和提高經(jīng)濟(jì)效益，中外許多機(jī)構(gòu)正在開(kāi)展多煤種摻燒工作研究[5]。

浙江大學(xué)熱能工程研究所提出了混煤的煤質(zhì)特性和燃燒特性與各組成單煤之間并非是簡(jiǎn)單的加權(quán)關(guān)系，而是具有復(fù)雜的非線性特征,并建立了非線性的優(yōu)化動(dòng)力配煤模型，成功開(kāi)發(fā)了優(yōu)化配煤專家系統(tǒng)[6]；北京煤化學(xué)研究所開(kāi)發(fā)的動(dòng)力配煤軟件是利用線性規(guī)劃原理建立目標(biāo)函數(shù)以及約束條件，開(kāi)發(fā)了動(dòng)力配煤優(yōu)化配比的應(yīng)用軟件；梁景坤[7]面對(duì)煤質(zhì)的變化，根據(jù)從操作者、在線分析家、電廠實(shí)時(shí)數(shù)據(jù)、裝置運(yùn)行預(yù)測(cè)和煤的流動(dòng)模型等收集來(lái)的大量信息，確定合適的方案。

國(guó)外混煤在電站鍋爐引用也日益廣泛。西方國(guó)家主要采用低硫煤和高硫煤混合降低排放和結(jié)渣，而日本等國(guó)主要是節(jié)省煤炭，減少費(fèi)用。

上述方法選擇的優(yōu)化目標(biāo)為單一目標(biāo)，多為混煤價(jià)格最低或者摻燒劣質(zhì)煤量最大等來(lái)確定摻配比例是否最大，考慮目標(biāo)單一，無(wú)法對(duì)制粉系統(tǒng)整體運(yùn)行參數(shù)的控制與調(diào)整進(jìn)行精細(xì)化管理[3]。

隨著全球能源緊缺和環(huán)境污染問(wèn)題日益嚴(yán)峻[8]，優(yōu)化目標(biāo)應(yīng)不僅包括發(fā)電煤耗、采購(gòu)成本，還應(yīng)考慮環(huán)保因素等。

針對(duì)某電廠配煤摻燒的特點(diǎn)：近幾年來(lái)一直大量摻燒低價(jià)劣質(zhì)煤，但深度配煤摻燒的管理仍停留在粗放式的水平上；其設(shè)計(jì)燃料為準(zhǔn)格爾煙煤，然而實(shí)際燃用的煤質(zhì)種類繁多，且具有高水分、高硫分等特點(diǎn)。采用多目標(biāo)協(xié)同優(yōu)化的方法研發(fā)了一套配煤摻燒決策系統(tǒng)，對(duì)進(jìn)廠煤種根據(jù)煤質(zhì)不同進(jìn)行智能儲(chǔ)煤，考慮制粉系統(tǒng)磨煤機(jī)出力和磨煤機(jī)溫度的約束條件來(lái)確定配煤摻燒比例，綜合考慮煤種采購(gòu)成本、廠用電率、發(fā)電煤耗和脫硫費(fèi)用等，設(shè)計(jì)摻燒收益模塊。

1 系統(tǒng)功能概述

建立火電機(jī)組混煤摻燒與優(yōu)化系統(tǒng)用以自動(dòng)實(shí)現(xiàn)對(duì)多煤種摻燒工作的儲(chǔ)煤管理、制粉優(yōu)化、經(jīng)濟(jì)性評(píng)價(jià)等功能。該系統(tǒng)共涵蓋了智能儲(chǔ)煤模塊、制粉優(yōu)化模塊和經(jīng)濟(jì)效益模塊三大模塊。

根據(jù)煤種的元素分析、工業(yè)分析、發(fā)熱量、灰熔點(diǎn)等特性計(jì)算擬合出一個(gè)煤種分類的判斷指標(biāo)，將現(xiàn)場(chǎng)的多煤種進(jìn)行簡(jiǎn)化和整合，用于指導(dǎo)相近煤種的統(tǒng)一堆放、管理、上煤等。依據(jù)不同煤種的煤質(zhì)特性和不同制粉系統(tǒng)的相關(guān)特性，通過(guò)理論計(jì)算制定制粉系統(tǒng)的安全邊界，如磨煤機(jī)出口溫度上下限、磨煤機(jī)出力、磨煤機(jī)風(fēng)量、和風(fēng)煤比等，用于指導(dǎo)制粉系統(tǒng)的優(yōu)化運(yùn)行及摻燒比例。要根據(jù)燃煤價(jià)格及煤質(zhì)情況、摻燒比例、鍋爐運(yùn)行參數(shù)及負(fù)荷、脫硫和脫硝系統(tǒng)物料價(jià)格及消耗情況、廠用電率等計(jì)算并即時(shí)顯示出機(jī)組的摻燒收益，用于動(dòng)態(tài)指導(dǎo)機(jī)組乃至全廠的摻燒工作。

2 多煤種智能存儲(chǔ)模塊

提出一種基于K均值聚類算法的火電廠儲(chǔ)煤配煤智能化管理方法。首先利用專家知識(shí)，在原煤的煤質(zhì)參數(shù)中選取電廠在實(shí)際運(yùn)營(yíng)中著重關(guān)注的要素，即煤分類堆放的分類基礎(chǔ)。再利用K-means聚類方法將進(jìn)場(chǎng)的原煤參數(shù)進(jìn)行無(wú)監(jiān)督式聚類，按照現(xiàn)場(chǎng)要求分成幾類進(jìn)行堆放，并考察新進(jìn)場(chǎng)的原煤煤質(zhì)參數(shù)，通過(guò)聚類模型，決策其應(yīng)堆放的位置。

2.1 K-means聚類算法

K-means算法是很典型的基于距離的聚類算法，通過(guò)求數(shù)據(jù)對(duì)象與簇中心的距離進(jìn)行相似度計(jì)算，然后進(jìn)行聚類分析，與簇中心近的數(shù)據(jù)就劃分為一個(gè)簇。具體算法如下[9]：給定樣本集D={x1,x2,…,xN},x∈Rd,(n=1,2,…,N),K-means算法針對(duì)聚類所得簇劃分為C={C1,C2,…,CM},M個(gè)互不相交的簇。K-means算法的聚類準(zhǔn)則為類內(nèi)誤差總和最小，即聚類誤差最小。聚類誤差指簇中的各元素xn到其簇中心mk的歐式距離平方和。其數(shù)學(xué)表達(dá)式為

(1)

(2)

該算法中，樣本集為所有進(jìn)廠煤的煤質(zhì)參數(shù)，即為該算法的輸入數(shù)據(jù)，聚類算法后所得的簇即為分類堆放煤堆的數(shù)量。根據(jù)大量的摻燒試驗(yàn)結(jié)果[10-12]，結(jié)合專家知識(shí)，選取在煤分類堆放時(shí)最關(guān)注的幾種參數(shù)：原煤全硫分、原煤干燥無(wú)灰基揮發(fā)分、原煤灰熔點(diǎn)和原煤收到基低位發(fā)熱量作為為4維的輸入矩陣，然后通過(guò)迭代優(yōu)化來(lái)近似求解式，最終求解出的簇劃分即為進(jìn)廠煤的堆放對(duì)策。

2.2 專家分類規(guī)則

通過(guò)K均值聚類算法結(jié)果設(shè)計(jì)以下兩級(jí)分類規(guī)則。

(1)在一級(jí)規(guī)則下，只考慮兩個(gè)參數(shù)進(jìn)行分類，即原煤全硫分St、原煤灰熔點(diǎn)tST。以煤種與設(shè)計(jì)煤種的差值絕對(duì)值大小進(jìn)行分類依據(jù)。

|ΔSt|=|St-Sts|

(3)

|ΔtST|=|tST-tSTs|

(4)

式中：Sts為設(shè)計(jì)煤種全硫分；tSTs為設(shè)計(jì)煤種灰熔點(diǎn)。

一級(jí)規(guī)則為|ΔtST|≥1%或|ΔtST|≥300 ℃時(shí)，原煤進(jìn)行單獨(dú)堆放。

(2)在二級(jí)規(guī)則下，將排除全硫分和灰熔點(diǎn)的影響，繼續(xù)根據(jù)原煤揮發(fā)分Vdaf和低位發(fā)熱量Qnet,ar與設(shè)計(jì)煤種的差值繼續(xù)進(jìn)行分類。

ΔVdaf=Vdaf-Vdafs

(5)

ΔQnet,ar=Qnet,ar-Qnet,ars

(6)

對(duì)于ΔVdaf和ΔQnet,ar分別按照區(qū)間分為7檔，即第1～7類。

ΔVdaf按照區(qū)間[0,8]、(8,15]、[-15,-8)、[15,20)、[-20,-15)、[20,+∞)、(-∞,-20)分成7類。

ΔQnet,ar按照區(qū)間[0,3]、(3,6]、[-6,-3)、[6,10)、[-10,-6)、[10,+∞)、(-∞,-10)分成7類。

若一個(gè)指標(biāo)非常接近(差別等級(jí)較低的一檔)、另一個(gè)指標(biāo)相差較大(差別等級(jí)較高的一檔)，則按差別等級(jí)高的一檔分類；若上述兩個(gè)指標(biāo)有交叉、差別等級(jí)同檔，可同時(shí)按兩個(gè)指標(biāo)分類，則優(yōu)先選擇按揮發(fā)分歸類存放。

3 制粉優(yōu)化模塊

為了提高配煤摻燒的精細(xì)化水平，采用粒子群優(yōu)化(particle swarm optimization,PSO)算法對(duì)制粉系統(tǒng)進(jìn)行優(yōu)化控制。制粉優(yōu)化模塊根據(jù)制粉系統(tǒng)熱平衡方程和專家知識(shí)確定制粉系統(tǒng)的安全邊界條件，然后采用PSO算法尋找磨煤機(jī)運(yùn)行的最優(yōu)控制策略，以指導(dǎo)磨煤機(jī)運(yùn)行。

3.1 控制策略

根據(jù)不同煤種的煤質(zhì)特性和制粉系統(tǒng)的系統(tǒng)特性，計(jì)算制粉系統(tǒng)的安全邊界，包括單臺(tái)磨煤機(jī)出口溫度上下限、單臺(tái)磨煤機(jī)最大出力、磨煤機(jī)送風(fēng)量和風(fēng)煤比等。在保證安全和考慮環(huán)保消耗的前提下，計(jì)算不同摻燒比例下的經(jīng)濟(jì)效益，并計(jì)算出最大摻燒收益下對(duì)應(yīng)的摻燒比例，得出鍋爐制粉系統(tǒng)的最佳摻燒配比方案以指導(dǎo)鍋爐優(yōu)化運(yùn)行。

3.2 PSO算法

PSO算法[13]是由Kennedy和Eberhart于1995年共同提出，其基本思想是模擬鳥群覓食的行為，通過(guò)模擬鳥群覓食過(guò)程中的遷徙和群聚行為而提出的一種基于群體智能的全局優(yōu)化算法。

在PSO算法中，每個(gè)個(gè)體稱為一個(gè)粒子，每個(gè)粒子可視為D維空間中的一個(gè)搜索個(gè)體。所有的粒子都由適應(yīng)度函數(shù)決定它的適值度，每個(gè)粒子還有一個(gè)速度決定它們飛行的方向和距離。在每次迭代尋優(yōu)過(guò)程中，每個(gè)粒子通過(guò)跟蹤兩類信息來(lái)更新自己：一是粒子自身所處的位置以及歷史最優(yōu)位置，二是整個(gè)種群中全部粒子所處的最優(yōu)位置。每個(gè)粒子的飛行速度和方向由以上兩個(gè)參數(shù)決定。在實(shí)際應(yīng)用過(guò)程中，其實(shí)每個(gè)粒子代表著一個(gè)潛在的解。

設(shè)第i個(gè)粒子(i=1,2,…,m)在D維空間中的坐標(biāo)位置可表示為zi=(zi1,zi2,…,ziD)，vi=(vi1,vi2,…,vid,…,viD)為第i個(gè)粒子的飛行速度，即粒子的移動(dòng)距離，pi=(pi1,pi2,…,pid,…,piD)為單個(gè)粒子搜索到的最優(yōu)位置，pg=(pg1,pg2,…,pgd,…,pgD)為整個(gè)種群搜索到的最優(yōu)位置[14]。

在每次迭代搜索過(guò)程中，粒子根據(jù)式(7)～式(9)更新自己的飛行速度和移動(dòng)位置。

(7)

(8)

(9)

式中:i=1,2,…,m;d=1,2,…,D;k為當(dāng)前迭代次數(shù);c1和c2為學(xué)習(xí)因子，調(diào)節(jié)個(gè)體和全局最優(yōu)粒子方向飛行的步長(zhǎng)；r1、r2為[0,1]隨機(jī)數(shù)；ω為慣性權(quán)重。

3.3 基于PSO多目標(biāo)優(yōu)化方法的制粉系統(tǒng)優(yōu)化

制粉系統(tǒng)優(yōu)化的核心是摻配比例的計(jì)算，優(yōu)化的關(guān)鍵在于制粉系統(tǒng)優(yōu)化模型的建立。采用PSO多目標(biāo)優(yōu)化方法來(lái)計(jì)算摻配比例，算法中每個(gè)粒子代表一種潛在可行的摻配比例。針對(duì)每種摻配比例，可以計(jì)算出相應(yīng)磨煤機(jī)出口溫度、風(fēng)煤比和摻燒收益等。然后根據(jù)制粉系統(tǒng)優(yōu)化控制問(wèn)題的數(shù)學(xué)模型進(jìn)行優(yōu)化計(jì)算摻配比例。

3.3.1 約束條件

制粉系統(tǒng)的各項(xiàng)特定的技術(shù)要求構(gòu)成了制粉系統(tǒng)的基本約束條件?；烀旱拿嘿|(zhì)指標(biāo)和各摻配單煤的煤質(zhì)采用加權(quán)平均的方式計(jì)算[15]。各約束條件如下。

(1)粉管一次風(fēng)速v。對(duì)直吹式制粉系統(tǒng)，粉管一次風(fēng)速v不能低于18 m/s，即v≥18 m/s;對(duì)中儲(chǔ)式制粉系統(tǒng)，干燥劑送粉系統(tǒng)中粉管一次風(fēng)速不能低于18 m/s，即v≥18 m/s，熱風(fēng)送粉系統(tǒng)中粉管一次風(fēng)速不能低于24 m/s，即v≥24 m/s。

(2)磨煤機(jī)出口溫度tM。每一種摻燒比例所對(duì)應(yīng)的磨煤機(jī)出口溫度值需在磨煤機(jī)出口溫度的下限和上限之間。即tMmin

對(duì)直吹式中速磨煤機(jī)，Vdaf<40%時(shí)

tMmax=[(82 -Vdaf)×(5/3)-5]～

[(82-Vdaf)×(5/3)+5] ℃

(10)

Vdaf≥40%時(shí)

tMmax= 60～70 ℃

(11)

對(duì)鋼球儲(chǔ)倉(cāng)式磨煤機(jī)，根據(jù)煤質(zhì)的不同，磨煤機(jī)出口溫度上限不同。

貧煤時(shí)，tMmax=100～130 ℃

(12)

煙煤時(shí)，tMmax=70～90 ℃

(13)

褐煤時(shí)，tMmax=60～70 ℃

(14)

對(duì)于雙進(jìn)雙出鋼球磨直吹式磨煤機(jī)根據(jù)煤質(zhì)的不同，磨煤機(jī)出口溫度上限不同。

貧煤時(shí)，tMmax=100～130 ℃

(15)

煙煤時(shí)，tMmax=70～90 ℃

(16)

褐煤時(shí)，tMmax=60～70 ℃

(17)

磨煤機(jī)出口溫度下限tMmin應(yīng)大于露點(diǎn)溫度tdp，且不能小于60 ℃，并且取兩者的高值作為下限值。

制粉系統(tǒng)為中儲(chǔ)式制粉系統(tǒng)時(shí)，磨煤機(jī)出口溫度下限為

tMmin=max(tdp+5,ttp)℃

(18)

制粉系統(tǒng)為直吹式制粉系統(tǒng)時(shí)，磨煤機(jī)出口溫度下限為

tMmin=max(tdp+2,ttp)℃

(19)

式中：tdp為露點(diǎn)溫度，℃，ttp=60 ℃。

(3)磨煤機(jī)內(nèi)風(fēng)量Qv。磨煤機(jī)內(nèi)最高風(fēng)量不超過(guò)磨煤機(jī)設(shè)計(jì)的最大通風(fēng)量Qvs，即Qv≤Qvs。

(4)風(fēng)煤比g1。磨煤機(jī)在運(yùn)行區(qū)間保持風(fēng)煤比g1的范圍為1.8～2.5。

(5) 摻配比例約束。各煤種的摻燒比例為正值，且總和為1。假設(shè)共n種煤進(jìn)行摻燒，第i種煤的摻燒比例設(shè)定為xi，則

(20)

3.3.2 多目標(biāo)數(shù)學(xué)模型的建立

制粉系統(tǒng)優(yōu)化的核心目標(biāo)滿足用戶燃煤質(zhì)量和出力要求的前提下追求最佳的經(jīng)濟(jì)方案，也就是配煤的總成本最低。有些配煤方案考慮優(yōu)質(zhì)高價(jià)煤或緊缺煤配比最小或低價(jià)廉價(jià)煤或供應(yīng)充足的煤配比最大[16]。以兩個(gè)目標(biāo)值即摻燒收益最大[17]和磨煤機(jī)干燥出力最小為目標(biāo)為目標(biāo)函數(shù)，建立的制粉系統(tǒng)多目標(biāo)優(yōu)化數(shù)學(xué)模型如下。

目標(biāo)函數(shù)：

maxg(Ps,bf,bg,bmw,bzw,Pso2,…)

(21)

式(21)中：g(Ps,bf,bg,bmw,bzw,Pso2,…)為摻燒收益，不僅要考慮原煤標(biāo)單Ps，發(fā)電煤耗bf和供電煤耗bg，主減溫水影響供電煤耗bmw，再減溫水影響供電煤耗bzw的摻燒收益的影響，還要考慮脫硫物料消耗量Pso2對(duì)成本的影響等。

min|qin-qout|

(22)

式(22)中：qin為制粉系統(tǒng)輸入總的熱量；qout為制粉系統(tǒng)干燥磨制1 kg煤帶出和消耗的熱量。

約束條件見(jiàn)3.3.1節(jié)。

4 摻燒收益模塊

為獲得機(jī)組摻燒的最終收益，應(yīng)建立評(píng)價(jià)涉及全 廠的經(jīng)濟(jì)性模型[18]，混煤摻燒系統(tǒng)經(jīng)濟(jì)性分析評(píng)估以影響發(fā)電生產(chǎn)成本的因素為評(píng)價(jià)對(duì)象，將燃料采購(gòu)及生產(chǎn)數(shù)據(jù)、機(jī)組運(yùn)行數(shù)據(jù)等作為評(píng)價(jià)指標(biāo)[19]。摻燒收益模塊綜合考慮摻燒前、摻燒后和脫硫物耗對(duì)經(jīng)濟(jì)性計(jì)算的影響。

摻燒經(jīng)濟(jì)性計(jì)算如下:

g(Ps,bf,bg,bmw,bzw,Pso2,…)=

(23)

式(23)中：bgq、bmwq、bzwq分別為摻燒前的供電煤耗、主減溫水影響供電煤耗和再減溫水影響供電煤耗；bgh、bmwh、bzwh分別為摻燒后的供電煤耗、主減溫水影響供電煤耗和再減溫水影響供電煤耗。煤耗成本具體計(jì)算公式參考文獻(xiàn)[20]。

5 應(yīng)用實(shí)例

設(shè)計(jì)的火電機(jī)組混煤摻燒與優(yōu)化系統(tǒng)采用Windows操作系統(tǒng)，開(kāi)發(fā)環(huán)境為Visual Studio 2015，編程語(yǔ)言采用C#，數(shù)據(jù)庫(kù)采用MySQL。系統(tǒng)在某電廠 600 MW 機(jī)組鍋爐進(jìn)行應(yīng)用，鍋爐為 HG-2008/17.4-YM5 型單爐膛Π 型爐，鍋爐采用中速磨煤機(jī)正壓直吹制粉系統(tǒng)。進(jìn)廠煤種為6種煤，其煤質(zhì)參數(shù)如表1所示。

表1 輔機(jī)設(shè)計(jì)電機(jī)容量

圖1所示為系統(tǒng)中儲(chǔ)煤方案，按照2.2節(jié)設(shè)計(jì)的儲(chǔ)煤規(guī)則，共分為8個(gè)區(qū)，其中煤種1、2和煤種4應(yīng)該儲(chǔ)存在1區(qū)，煤種3在8區(qū)，煤種5在5區(qū)。通過(guò)智能儲(chǔ)煤系統(tǒng)，對(duì)不同煤種進(jìn)行合理分區(qū)儲(chǔ)存，為后續(xù)配煤摻燒提供便利。

圖1 儲(chǔ)煤方案Fig.1 Coal storage scheme

圖2 制粉系統(tǒng)輸入?yún)?shù)Fig.2 Input parameters pulverizing system

圖2所示為制粉系統(tǒng)優(yōu)化中制粉系統(tǒng)參數(shù)輸入情況，可通過(guò)該界面輸入管道截面積、管道煤氣體靜壓、溫度等制粉系統(tǒng)優(yōu)化計(jì)算相關(guān)參數(shù)。

根據(jù)制粉優(yōu)化結(jié)果，可看到制粉優(yōu)化建議及當(dāng)前的風(fēng)煤比曲線。如圖3所示，煤種1和煤種2的摻燒建議分別為60%和40%，風(fēng)煤比在1.8～2，符合約束條件。

圖3 制粉系統(tǒng)優(yōu)化建議Fig.3 Suggestions on optimization of pulverizing system

根據(jù)系統(tǒng)投產(chǎn)運(yùn)行分析，2018年某電廠公司共摻燒劣質(zhì)煤總量630.5萬(wàn)t，摻燒比例為37.69%，標(biāo)煤降價(jià)貢獻(xiàn)為26.15元/t，摻配效益達(dá)25 403萬(wàn)元。

6 結(jié)論

設(shè)計(jì)的火電機(jī)組混煤摻燒與優(yōu)化系統(tǒng)通過(guò)智能儲(chǔ)煤模塊實(shí)現(xiàn)了煤場(chǎng)的數(shù)字化、智能化管理，通過(guò)制粉系統(tǒng)優(yōu)化模塊為配煤決策提供重要的決策依據(jù)，不僅考慮煤種價(jià)格還考慮了環(huán)保因素，對(duì)配煤摻燒進(jìn)行經(jīng)濟(jì)性分析。通過(guò)應(yīng)用證明，該系統(tǒng)可對(duì)各個(gè)煤種進(jìn)行分類儲(chǔ)煤，并得到最佳摻配方案保證了摻燒過(guò)程中機(jī)組的安全、平穩(wěn)運(yùn)行，未發(fā)生由于摻燒帶來(lái)的降負(fù)荷、停機(jī)等事件；指導(dǎo)了摻燒收益的實(shí)時(shí)計(jì)算，確保了機(jī)組按經(jīng)濟(jì)效益最大化進(jìn)行深度摻燒工作。