摘要：常規(guī)的煤質(zhì)在線檢測方法以灼燒稱重的形式為主，經(jīng)過采樣、化驗等多個環(huán)節(jié)，影響了煤質(zhì)分析的準確性。因此，本文設(shè)計了基于LIBS的燃煤電廠煤質(zhì)在線智能檢測方法。提取燃煤電廠煤質(zhì)光譜特征，分析光譜線上的化學(xué)、物理狀態(tài)信息。基于LIBS構(gòu)建燃煤電廠煤質(zhì)在線智能檢測模型，映射光譜特征與煤質(zhì)指標之間的關(guān)系。使用定標檢測電廠煤質(zhì)單變量元素，建立LIBS光譜數(shù)據(jù)定量關(guān)系，準確檢測單元素的含量。本文采用對比試驗，試驗結(jié)果表明該方法的檢測準確性更高，能夠應(yīng)用于實際。

關(guān)鍵詞：LIBS；燃煤電廠；煤質(zhì)；在線智能檢測方法

中圖分類號：O657""""""""" 文獻標志碼：A

燃煤電廠是用煤炭作為燃料的電力工廠，煤炭經(jīng)過輸送、制備、燃燒、發(fā)電、廢氣排放和灰渣處理后，完成一次發(fā)電步驟，保證電力穩(wěn)定供應(yīng)。煤質(zhì)是煤炭的物理、化學(xué)和工藝性質(zhì)，對煤炭的利用方式、燃燒效率有重要影響。為了提高煤炭燃燒效率，研究人員設(shè)計了多種煤質(zhì)檢測方法。其中，基于便攜式激光誘導(dǎo)擊穿光譜儀的燃煤電廠煤質(zhì)在線智能檢測方法與基于微服務(wù)架構(gòu)的燃煤電廠煤質(zhì)在線智能檢測方法應(yīng)用較為廣泛[1-2]。以上2種方法分別使用了便攜式激光誘導(dǎo)擊穿光譜儀和微服務(wù)架構(gòu)分析煤炭燃燒數(shù)據(jù)，數(shù)據(jù)涉及范圍較廣，最終檢測結(jié)果有一定誤差[3]。因此，本文結(jié)合LIBS的優(yōu)勢設(shè)計了燃煤電廠煤質(zhì)在線智能檢測方法。

1燃煤電廠煤質(zhì)在線智能LIBS檢測方法設(shè)計

1.1提取燃煤電廠煤質(zhì)光譜特征

煤炭資源深埋地下，能夠燃燒發(fā)電，對電力發(fā)展的作用十分重要。煤炭成分較為復(fù)雜，化學(xué)組成結(jié)構(gòu)較多[4]。在燃煤電廠的煤炭資源以煤粉顆粒的形式存在，煤質(zhì)成分包括C、H、O、N、S、Si、Al、Fe、Ca、Mg、Ti、K和Na等元素，除了S以外，均能夠利用LIBS技術(shù)進行檢測。根據(jù)光譜信息獲取有效光譜圖，對煤質(zhì)各種元素的特征光譜線進行分析，提取光譜線上的化學(xué)、物理狀態(tài)信息，為后續(xù)煤質(zhì)檢測提供基礎(chǔ)條件。煤質(zhì)光譜特征譜線見表1。

在提取光譜線信息后，對光譜進行預(yù)處理，篩選合適的譜線作為檢測基礎(chǔ)條件，避免檢測失誤。大量測量并計算平均值，能夠結(jié)合數(shù)理統(tǒng)計，將誤差范圍縮小至允許值之內(nèi)。當煤質(zhì)光譜譜線出現(xiàn)異常時，激光發(fā)射煤炭樣品表面的光譜數(shù)據(jù)傳輸量級存在變化。此時，在同樣的條件下，多次測量煤質(zhì)光譜數(shù)據(jù)，減少檢測誤差。煤質(zhì)光譜特征向量的標準偏差如公式（1）所示。

（1）

式中：S為煤質(zhì)光譜特征向量的標準偏差；xi為第i次測量得到的LIBS數(shù)據(jù)；x為xi的算術(shù)平均數(shù)；n為測量次數(shù)。當最終得到的光譜數(shù)據(jù)低于S-0.5或超過S+0.5的閾值時，證明光譜數(shù)據(jù)為異常狀態(tài)，予以剔除。僅留下與S幾乎一致的光譜數(shù)據(jù)，生成光譜譜線，保證后續(xù)煤質(zhì)檢測的準確性。

1.2基于LIBS構(gòu)建燃煤電廠煤質(zhì)在線智能檢測模型

煤質(zhì)是煤炭的性質(zhì)，不同煤炭樣品的煤質(zhì)指標不同，灰分、水分、揮發(fā)分和發(fā)熱量也存在變化。根據(jù)煤質(zhì)灰分、水分、揮發(fā)分和發(fā)熱量在光譜數(shù)據(jù)上的變化特征，映射光譜特征與煤質(zhì)指標之間的關(guān)系[5]?；曳?、水分、揮發(fā)分和發(fā)熱量彼此有統(tǒng)計學(xué)意義，分別為礦物質(zhì)、自由水、氣體混合物和分解釋放能量值。本文利用LIBS技術(shù)，得到煤質(zhì)光譜數(shù)據(jù)，并采用3種煤質(zhì)指標與光譜數(shù)據(jù)混合建模的方案，形成煤質(zhì)在線智能檢測模型，如圖1所示。

由圖1可知，灰分、水分的含量值與光譜數(shù)據(jù)在數(shù)量級方面有差異，將灰分、水分與光譜數(shù)據(jù)結(jié)合進行分析，能夠得到更加準確的煤質(zhì)信息。GS法為泛化光譜，能夠?qū)⒒曳?、水分含量組合為光譜數(shù)據(jù)，檢測發(fā)熱量與揮發(fā)分情況。GS法輸出的檢測值如公式（2）所示。

式中：x'為GS法輸出的檢測值；j為常數(shù)，滿足0＜max（|x'|）＜1的整數(shù)?；曳帧⑺趾恐蹬cLIBS光譜數(shù)據(jù)經(jīng)過歸一化處理后，首尾拼接為自變量矩陣，得到更加準確的檢測值。MLR-PLS為多元線性回歸與偏最小二乘集成法，能夠?qū)⒒曳?、水分含量作為自變量，直接得到發(fā)熱量、揮發(fā)分的檢測值，如公式（3）所示。

式中：yMLR為MLR-PLS法輸出的檢測值；β0、β1和β2為MLR回歸參數(shù)；Aa、Ma為灰分、水分含量；MR-PLS與非線性多變量回歸有統(tǒng)計學(xué)意義，根據(jù)灰分、水分含量直接分析發(fā)熱量與揮發(fā)分，增加灰分與水分的指數(shù)項。使用MR-PLS法得到的檢測值如公式（4）所示。

式中：yMR為MR-PLS法得到的檢測值；ω0、ω1、ω2、ω3和ω4為回歸參數(shù)；Aa2、Ma2為灰分、水分含量的指數(shù)項。當x'≈yMLR≈yMR，三者差值為±0.1時，將三者進行平均數(shù)處理，得到的數(shù)據(jù)就是檢測值。

1.3定標檢測電廠煤質(zhì)單變量元素

煤炭是一種復(fù)雜的天然有機物質(zhì)，包括豐富的元素，其中碳、氫、氧、氮和硫是其主要成分，還含有多種微量金屬元素。這些元素的含量和比例很大程度地影響了煤炭的性質(zhì)和用途，因此，準確檢測煤炭中的元素含量是煤質(zhì)評價的關(guān)鍵環(huán)節(jié)。

LIBS技術(shù)是一種快速、無損的元素檢測技術(shù)，在煤炭元素分析領(lǐng)域應(yīng)用前景廣泛。本文基于LIBS光譜信號原理研究影響C原子譜線的各種因素，進一步揭示了煤質(zhì)檢測中基體效應(yīng)的來源。

在LIBS檢測過程中，激光與煤炭樣品的相互作用會產(chǎn)生等離子體，等離子體發(fā)射的光譜信號包括樣品中所有元素的特征譜線[6]。由于煤炭樣品具有復(fù)雜性和多樣性，當激光與不同樣品相互作用時會產(chǎn)生不同的基體效應(yīng)，因此影響了光譜信號的穩(wěn)定性和準確性。基體效應(yīng)的本質(zhì)是激光與物質(zhì)在相互作用過程中發(fā)生的變化，這些變化可能導(dǎo)致光譜信號增強或減弱，造成檢測誤差。

為了準確檢測煤炭中的單元素含量，須先標定C原子譜線受到光譜信號影響的因素。因素包括激光能量、脈沖頻率和聚焦條件等試驗參數(shù)以及煤炭樣品的物理性質(zhì)和化學(xué)組成等樣品特性。優(yōu)化這些參數(shù)和條件可以最大程度地減少基體效應(yīng)的影響，提高光譜信號的穩(wěn)定性和準確性。

在煤質(zhì)基體效應(yīng)中，物理性質(zhì)的差異主要體現(xiàn)在煤炭樣品的顆粒度、致密度和黏合性等方面。這些物理性質(zhì)會影響激光與樣品的相互作用，影響等離子體形成和光譜信號發(fā)射[7]。

在選取特征譜線方面，選擇C I_247.86作為代表C元素含量的特征譜線。這條譜線的信號強度與穩(wěn)定性較好，適合用于定量檢測。根據(jù)C I_247.86譜線的信號強度與C元素質(zhì)量分數(shù)建立單變量定量模型，快速、準確地檢測煤炭中C元素的含量。在定標檢測的過程中，將等離子光譜發(fā)射公式進行轉(zhuǎn)換，如公式（5）所示。

式中：Is為光譜發(fā)射強度；F為物理約束；gs為主量元素；Es為轉(zhuǎn)換能量；T為等離子體溫度；K為譜線；Us為光譜信號；h為質(zhì)量分數(shù)；v為燃燒速率；m為燒灼質(zhì)量。在單變量元素檢測過程中，T、m和xi為變量，其他均為常量。在T、m保持不變的條件下，Is與h成線性關(guān)系，根據(jù)Us反推單變量元素的煤質(zhì)信息。采用內(nèi)標法處理光譜后，譜線與內(nèi)標譜線的強度不同。在內(nèi)標元素不變的情況下，Is與T、h有統(tǒng)計學(xué)意義，消除了m變化對檢測結(jié)果的影響，提高了煤質(zhì)檢測的準確性。

2試驗

為了驗證本文設(shè)計的方法是否滿足燃煤電廠煤質(zhì)在線智能檢測需求，對上述方法進行試驗。最終試驗結(jié)果將文獻[1]基于便攜式激光誘導(dǎo)擊穿光譜儀的方法、文獻[2]基于微服務(wù)架構(gòu)的方法以及本文設(shè)計的基于LIBS的燃煤電廠煤質(zhì)在線智能檢測的方法進行對比。具體的試驗準備過程以及最終試驗結(jié)果如下所述。

2.1試驗過程

燃煤電廠使用的設(shè)備以直吹式鍋爐為主，煤炭以顆粒的形式流入鍋爐。利用LIBS技術(shù)進行煤質(zhì)在線檢測，須檢測煤粉變化狀態(tài)。本文利用LIBS技術(shù)搭建1個基礎(chǔ)試驗臺架，其包括給料機、分離器、激光發(fā)生器、聚光鏡和光譜儀等設(shè)備。試驗臺架如圖2所示。整個試驗裝置是由傳輸裝置、激光源、收光、分光裝置和數(shù)據(jù)分析儀等元件組成的，能夠進行LIBS數(shù)據(jù)分析、檢測。為了提高本次試驗數(shù)據(jù)的準確性，本文將光源分為4個部分，分別為火花、火焰、ICP和激光。火花的激發(fā)溫度為10000K，火焰的激發(fā)溫度為2000K～3000K，ICP的激發(fā)溫度為6000K～8000K，激光的激發(fā)溫度為10000K。火花、激光的激發(fā)溫度相對較高，溫度變化不同，滿足本次試驗需求。激光器的波長為1064nm，重復(fù)頻率為10Hz，滿足本次試驗需求。本次試驗共選取12種工業(yè)指標差異較大的煤炭樣品，充分研磨各個煤炭樣品，形成煤粉備用。啟動鼓風(fēng)機，將煤粉送入分離器，激光由光源發(fā)出，向外輻射光譜，獲取煤粉的煤質(zhì)信息，得到相應(yīng)的檢測結(jié)果。

2.2試驗結(jié)果

在上述試驗條件下，本文隨機選取12種質(zhì)類型，編號為C#01～C#12。并檢測揮發(fā)分和發(fā)熱量，實際值與檢測值之間的誤差越小，檢測結(jié)果越準確。在其他條件均已知的情況下，對比文獻[1]方法的檢測值、文獻[2]方法的檢測值以及本文設(shè)計的檢測方法的檢測值。試驗結(jié)果見表2。

在煤質(zhì)樣品C#01～C#04中，揮發(fā)分在21wt.%～29wt.%變化，發(fā)熱量為21MJ/kg～26MJ/kg。使用文獻[1]方法后，揮發(fā)分、發(fā)熱量的檢測值與實際值之間誤差為±2，檢測結(jié)果不準確，無法滿足煤質(zhì)檢測需求。使用文獻[2]方法后，揮發(fā)分、發(fā)熱量的檢測值與實際值之間誤差為±0.2，檢測性能比文獻[1]方法好，但是需要進一步優(yōu)化。使用本文方法后，揮發(fā)分、發(fā)熱量的檢測值與實際值之間誤差為±0.01，甚至存在誤差為0的情況，檢測準確性更高，達到本文研究目的。

3結(jié)語

燃煤為電力主要供應(yīng)方式，燃煤電廠的運行效率與安全性均受到廣泛關(guān)注。煤質(zhì)是燃煤電廠運行的關(guān)鍵，檢測水分、揮發(fā)分、發(fā)熱量和灰分等含量，分析燃煤電廠相關(guān)設(shè)備的運行情況，提高煤質(zhì)燃燒效率。本文利用LIBS設(shè)計了燃煤電廠煤質(zhì)在線智能檢測方法。從光譜特征、檢測模型和變量定標檢測等方面檢測更加準確的煤質(zhì)信息。將激光誘導(dǎo)擊穿光譜技術(shù)與人工智能技術(shù)相結(jié)合，快速得到高維度、非線性的煤質(zhì)信息，提高了煤質(zhì)檢測的精準度。

參考文獻

[1]竇有權(quán)，王慶松，王森，等. 便攜式激光誘導(dǎo)擊穿光譜儀的研制及其在煤質(zhì)檢測中的應(yīng)用[J]. 中國無機分析化學(xué)，2023，13（9）：993-998.

[2]曹亮. 基于微服務(wù)架構(gòu)的煤質(zhì)檢測試驗室管控平臺研究與設(shè)計[J]. 中國煤炭，2023，49（6）：73-78.

[3]邱詒耿，孟凡亮，李彥文. 基于LIBS的燃煤電廠煤質(zhì)在線檢測應(yīng)用場景及入爐煤試驗研究[J]. 自動化應(yīng)用，2023，64（23）：139-141.

[4]王文毓，弓林娟，王林，等. 基于煤質(zhì)在線檢測的燃燒優(yōu)化及自適應(yīng)協(xié)調(diào)控制研究[J]. 動力工程學(xué)報，2023，43（2）：143-150.

[5]倪浩然，周清，朱秋閣，等. 樣本量對激光誘導(dǎo)擊穿光譜技術(shù)在煤質(zhì)灰分檢測的影響研究[J]. 煤炭加工與綜合利用，2022（12）：86-91.

[6]邱詒耿，孟凡亮，李彥文. 基于LIBS的燃煤電廠煤質(zhì)在線檢測應(yīng)用場景及入爐煤試驗研究[J]. 自動化應(yīng)用，2023

（23）：139-141.

[7]倪明輝，李燕，易鎮(zhèn)鑫，等. 激光誘導(dǎo)擊穿光譜（LIBS）在煤質(zhì)檢測中的應(yīng)用現(xiàn)狀[J]. 中國無機分析化學(xué)，2022，12（4）：9.