基于數字孿生的直接空冷燃煤機組節能優化方法

陳 嘉,陳福兵,趙平真,梁永吉,鐘 鳴

(1.西安交通大學,陜西 西安 710049;2.朗坤智慧科技股份有限公司,江蘇 南京 211100;3.華能銅川照金煤電有限公司,陜西 銅川 727100;4.華能霞浦核電有限公司,福建 寧德 355200)

0 引言

我國西北地區煤炭資源豐富但是水資源匱乏,煤電機組大多采用空氣作為汽輪機排汽冷卻介質,前期建設機組以直接空冷為主。然而由于空氣換熱能力相比水較差,直接空冷機組在運行背壓、廠用電率和供電標煤都高于相同等級下的濕冷機組。探索在復雜工況下的最佳運行方式,尋找最佳背壓,對于提升直接空冷機組熱經濟性至關重要,同時也是困擾行業多年經典難題[1]。

冷端優化研究首先基于變工況計算、熱力學公式推導以及系統數值仿真等機理分析層面展開[2]。郭民臣[3]以冷端系統的變工況模型為基礎,根據相似定律確定迎面風速對風機耗功的影響,分析簡化得到機組背壓與發電功率的關系,最終導出不同環境溫度和熱負荷下迎面風速對應的最佳真空。梁偉平[4]通過熱力學計算和機理分析,建立機組出力與風機功率的增量數學模型,獲得機組出力凈增量極大值對應的最佳經濟背壓。張學海[5]采用等效熱降法計算變工況下的阻塞背壓并得到背壓修正曲線,采用凈功率增量法計算得出不同工況下空冷風機經濟運行頻率曲線。高建強[6]建立機理性經濟背壓計算模型,計算不同負荷下背壓變化產生的發電收益,獲得經濟背壓隨負荷的變化趨勢。盡管部分科研工作通過理論分析計算、數值模擬等方式對直接空冷機組冷端系統優化進行分析研究,但是目前落地應用案例較少,經濟效益尚不明顯。

隨著大數據、人工智能以及工業互聯網等技術日趨成熟,機器學習與智能算法在火電設備狀態監測、故障預警診斷與運行優化等方面得到廣泛應用[7]。劉吉臻[8]提出智能運行控制思路,基于機器學習的數據挖掘技術,結合先進控制理論方法與專家知識,確定不同工況下最優控制目標,實時指導集控進行優化操作。安留明[9]利用灰色關聯度分析法分析影響機組凈功率的主要因素,使用隨機森林算法建立直接空冷機組的凈功率-背壓模型,獲得不同工況所對應的最佳背壓。徐婧[10]基于歷史運行數據,結合數據挖掘方法與深度學習算法,提出汽輪機組冷端優化的研究框架,可提供有效的真空異常預警及優化信息。李健[11]針對環境風作用下的直接空冷機組,通過軸流風機群陣列布局下空氣流場和溫度場建模,提出采用灰色差分微增量關聯度方法,為深入研究空冷島軸流風機控制提供理論和試驗基礎。

燃煤電廠在日常運行中會產生海量數據,如何利用沉淀數據產生有價值的信息進而指導實際運行是目前的研究熱點。本文基于某600 MW直接空冷機組實際運行數據,采用數據建模的方法建立冷端系統的數字孿生模型,進而實時計算當前工況所對應的最佳背壓,為機組運行優化提供科學理論指導。

1 基礎情況

本文分析數據來自某個國產600 MW直接空冷機組,每臺機組的空冷島由56臺風機組成,按照8排7列布置,其中順流區40臺風機、逆流區16臺風機。單臺風機額定功率為132 kW,電機功率因數0.88,風機名義轉速為90.9 rpm,風機直徑為11 m,風機采用變頻控制,風機頻率可在15～50 Hz之間任意調度?？绽錂C組的換熱管束由單排翅片管組成,翅片/翅片管材料為碳鋼/AL,翅化比(散熱面積/迎風面積)為123,總散熱面積為162萬m2。最近三年的空冷島廠用電率平均值為0.65%。

圖1 對電廠運行大數據進行數據挖掘指導生產實踐

數據采集自2020年非供暖季節的1#、2#機組實際運行數據。在采暖季由于機組帶有供熱負荷,會從汽輪機中抽取一定流量的抽汽用于供暖,而供暖蒸汽的流量和參數不斷波動,對汽輪機發電功率產生較大影響,難以確定背壓對發電功率的影響規律,所以數據采集時間避開采暖季。另外在采暖期間環境溫度較低,凝汽器中汽輪機排汽容易出現空冷換熱管束結冰現象,背壓控制目標以防凍為主,運行人員會主動提升背壓,在此期間防凍措施會影響數據質量[12]。目前主要采用非供暖期建模,在供暖期中對抽汽供熱流量對發電功率的影響進行修正的解決方案。

數據采集說明情況:在數據采集中忽略排汽阻力損失,可以認為低壓缸排汽壓力即為凝汽器運行壓力,也就是背壓。在運風機平均頻率由在運的所有風機頻率平均值得出。相比一些研究中采用功率因素計算風機電耗的方法,直接采用空冷變壓器計算空冷島電耗更加快速準確[13]?？绽鋶u全部風機由4臺空冷變壓器A1、A2、B1、B2供電,其耗電功率可以由四臺空冷變壓器負荷之和確定,空冷變壓器負荷由低壓側斷路器相電流和400 V母線電壓的乘積計算,即

如表1所示,采集后的數據需要進行預處理,在機組正常運行主要參數范圍內進行篩選,剔出停機或者大幅偏離正常工況的數據,為數據建模提供基礎。

表1 機組正常運行主要參數范圍

2 數字孿生建模

數字孿生概念源于航空飛行器設計領域,是指以數字化方式創建物理實體相應的虛擬實體,借助歷史數據以及算法模型,模擬、驗證、預測和控制物理實體全生命周期過程的技術手段。數字孿生技術可以融合工業機理、專家知識和數據統計,對實體域運行設備和系統進行全工況建模,進而為業務決策提供指導、完成數據閉環,實現機理數據雙驅動。

數字孿生技術中采用的機器學習算法直接在實際工程中應用還存在一些適應性問題。首先人工智能具有不可解釋性,模型出現偏差或者異常問題,難以進行調試。其次數字建模質量嚴重依賴數據質量,數據質量決定數據建模的上限,而算法優化僅僅是逼近其上限。并且工業實際數據有其自身特點,如樣本數據集存在嚴重不平衡性,數據中存在空泡以及缺失值,時序數據中含有大量噪聲數據,嚴重影響建模質量和模型表現。另外熱工過程還普遍存在延遲現象,數據在時間軸層面并不對齊。因此在數據建模前需要進行大量的數據預處理工作,并且根據應用場景選擇合適算法,附加各種限定條件,將機理先驗知識融合在建模過程中,合理使用機器學習算法。

數據預處理需要對所采集的運行數據進行數據清洗,對幾類異常數據進行處理,包括缺失值、異常值、重復值和噪音數據。圖2可以看出,正常工況下蒸汽流量與發電功率成正比例關系,在圖像上呈現出線性關系,經過上下限定值清洗后的數據仍然包含大量偏離點,包括測點漂移、汽輪機緊急跳閘、甩負荷等異常工況數據,需要對數據進行進一步有效清洗。

圖2 數據清洗示意圖

通過數據挖掘可以對機組運行狀態進行穩態檢測,以進一步篩選有效數據,提升數據質量。在SIS系統中根據要求離線篩選所需要的數據,并將控制過程中的穩態與過渡態區分看來。先將待檢測對象的采樣數據進行區間劃分,再按區間計算方差或均值,針對相鄰區間或相鄰時刻的狀態改變情況來建立統計量,最后在確定置信度下進行假設檢驗以判斷是否為穩態工況。

利用現場運行數據可以對冷端系統進行系統-設備級建模,主要包括與直接空冷機組冷端相關的發電功率模型、空冷島換熱模型和空冷島電耗模型。從機理角度分析,汽輪機發電功率與主蒸汽壓力、溫度、流量以及背壓等測點參數有關。發電功率模型用于評估當前工況下背壓對發電功率的影響,以確定背壓增加或者減少1kPa對發電功率的影響。在當前發電功率所對應的阻塞背壓之上,隨著背壓的降低發電功率逐漸增加,但是增加趨勢逐漸減弱[14]。

最小二乘支持向量機(LS-SVM)為支持向量機(SVM)的最小平方形式,是分析數據和識別模式的有效監督學習方法,可用于分類與回歸分析。最小二乘支持向量機算法通過線性方程組替代凸二次規劃問題,通過核函數將低維空間的非線性回歸轉化為高維空間的線性回歸。如圖3利用SVM(支持向量機)算法對回歸分析,可見預測值與實際值貼合緊密,而且在時域表現上跟隨特性良好,最大相對預測誤差小于0.5%。

圖3 支持向量機發電功率模型表現

采用實際運行數據建立空冷島換熱特性模型,空冷島電耗與背壓、環境溫度和發電功率相關,用于確定背壓變化對空冷島電耗的影響,同時也可以計算背壓增加或者減少1kPa對空冷島電耗的影響[15]。如圖4所示,空冷島電耗隨著環境溫度和發電功率的增加而增加,隨著背壓的降低而降低,并且在數據上表現出單調性和平滑性。

圖4 空冷島電耗在不同環境溫度下與發電功率的關系示意圖

圖5 空冷島電耗在不同環境溫度下與風機頻率的關系示意圖

采用實際運行數據建立空冷島電耗模型,空冷島電耗與風機頻率與環境溫度相關。從數據表現上可以清晰看出,相同風機頻率下,較高的環境溫度高所對應的空冷島電耗較低。從理論上分析,空氣溫度高則密度低,在相同的容積流量下空冷島電耗變低。

根據風機相似定律,風機功率在變溫度時任意轉速條件下與轉速三次方成正比,與介質密度呈正比。由于對空冷島電耗與風機頻率有著清晰的理論研究,其模型系數可以通過機器學習中的回歸算法獲取。在此基于歷史數據樣本,采用多元回歸算法對空冷電耗模型進行訓練,從預測值和實際值的數據表現上來看,模型準確度良好,準確率達到99%以上。另外由于在特定溫度下風機頻率可在15～50 Hz范圍內調度,這也可以確定空冷島電耗的調度范圍,為評估背壓的可調度范圍做鋪墊。

采用構建的數字孿生模型可以評估當前工況下背壓對空冷島電耗和發電功率的影響,進而通過尋優算法獲取最佳背壓。在預測當前工況在不同背壓下發電功率和空冷電耗的基礎上,可以通過搜索算法實時計算最佳背壓?？紤]風機頻率和空冷島電耗可調度范圍,在背壓在5～30 kPa范圍內,以0.1 kPa為步長進行搜索,以目標函數凈功率最小值下所對應背壓為當前工況下最佳背壓。在獲取當前工況下的最佳背壓后,調用空冷島換熱模型,即可獲得最佳背壓條件下,當前環境溫度和發電功率所對應的空冷島電耗。在得到空冷島電耗目標值之后,在此調用空冷島電耗模型即可評估在此環境溫度下的風機頻率推薦值。

同時在環境溫度低于特定溫度下進入防凍模式,可以根據防凍安全性相關測點參數,包括冷凝水溫度和過冷度等數據,進行判斷適當提升推薦背壓,滿足機組防凍要求。引入各列的抽真空溫度和凝結水溫度數據,判斷是否應該進入防凍保護,冷卻工況是否有惡化等。

數據分析也可用于處理常規機理建模難于解決的工程應用場景,例如外界風速對空冷島電耗的影響。外界風速會擾亂空冷島組織換熱流場,降低換熱管束散熱效果,即在高風速的影響下維持相同背壓需要增加風機頻率以抵消風速帶來的不利影響[16]。如果采用傳統數值模擬方法研究風速敏感性影響規律,利用計算流體力學進行建模,則存在建模過程復雜、數據處理量繁重、實時性較差以及計算偏差大等困難。楊迎哲[17]對寧夏和新疆哈密、托克遜地區環境風較大的廠址進行實地調查,采集了機組實際運行數據,并進行了大量的統計和分析,尋找受環境風影響引起的背壓變速的相關規律。

如果從數據視角重新看待這個問題,利用數據分析建立數據孿生模型比較容易地量化在不同工況下外界風速對空冷島電耗的影響。圖6為在環境溫度10～11 ℃和10～11 kPa條件下,通過對不同外界風速的空冷數據進行聚類處理后的結果。通過數據分析結果表明,在此工況下外界風速每提高1 m/s,維持相同的背壓需要增加空冷島電耗92 kW,可以指導運行根據風速情況調節風機轉速。

圖6 外界風速對空冷島電耗的影響

圖7 利用數據孿生模型實時計算當前工況下的最佳背壓

圖8 背壓調整動態過程示意圖

圖9 節能效果同期對比

3 結果分析

節能優化系統會根據當前運行工況實時評估汽輪機組發電功率空冷島電耗和在不同背壓下的增量變化,計算最佳背壓。在背壓5～10 kPa的范圍內,隨著背壓的降低,發電功率增加,但是增加趨勢逐漸減弱,而空冷島電耗隨著背壓的降低呈現出逐漸增強的趨勢。以主蒸汽流量1 000 t/h、環境溫度9 ℃、主蒸汽壓力和溫度分別為12 MPa、540 ℃的運行工況為例,在5～30 kPa背壓范圍內背壓進行搜索,以凈功率最小值所對應的背壓值7.4 kPa為最佳背壓。在此工況下,如果運行背壓從10 kPa降低到7.4 kPa,主蒸汽流量不變的情況下,可以帶來1.88 MW的凈功率輸出增量。如果將凈功率輸出增量折算成主蒸汽流量,能夠帶來0.57%的主蒸汽流量降低,以空冷機組平均320 g供電標煤耗計算,則可以平均降低1.85 g的供電煤耗。

大型火電機組的凈輸出功率受到國網統一調度,電網調度通過 AGC自動發電指令信號設定被控機組的供電功率,所以對于電廠來說,其機組凈輸出功率無法自主控制[18]。集控人員參考推薦值通過增加風機頻率將汽輪機實際運行背壓調整到最佳背壓的過程中,空冷島電耗相應增加,但是由于背壓下降所帶來發電功率增量更大,使得機組凈輸出功率增加。此時在協調控制系統(CCS) 的作用下,通過數字電液調節系統(DEH)控制汽輪機調閥關小,從而降低主蒸汽流量,在鍋爐效率短期不變的條件下,最終導致燃料量下降。所以整體上看機組動態調節過程表現為,背壓下降,發電功率增量大于空冷島電耗增量,供電功率不變,主蒸汽流量下降,進而鍋爐所需燃料量下降,最終使得機組供電標煤耗降低。

節能優化系統的節能效果通過現場試驗得到驗證,在某段時間內機組運行工況基本穩定,此工況下評估最佳背壓為6.5 kPa,集控運行人員按照背壓推薦值適當提高空冷風機頻率,將運行背壓從10.5 kPa降低到6.9 kPa。在此段時間國網AGC統調負荷基本不變的情況下,即維持機組凈輸出功率不變的情況下,空冷島功耗增加,發電功率相應增加:調整前300.63 MW,調整后301.02 MW,功率增量0.41 MW;耗煤量相對降低2.10%:調整前187.37 t/h,調整后183.40 t/h,煤耗下降3.97 t/h。按當天入爐煤熱值18 017 kJ/kg計算,折合每小時節約標煤2.43 t。

同時根據廠內今年和去年的同期日報分析,在負荷率基本相同的情況下,日平均背壓從9.5 kPa降低到7.9 kPa,而空冷耗電率從0.21%上升到0.41%。從耗差分析角度來看,平均運行背壓降低1.6 kPa可以帶來1.6 g/kWh的供電煤耗下降;空冷耗電率上升0.2%,會導致供電煤耗上升0.6 g/kWh。從全局分析,供電煤耗綜合下降1.0 g/kWh,預計全天可以節約標煤17 t,以標煤價格1 000元/t計算,全天可以節約燃料成本1.7萬元。

4 結論

該方法已經在某直接空冷燃煤電廠中得到應用,并且取得良好的經濟效益。冷端優化對于直接空冷機組運行優化意義重大,通過最優背壓設定變化就可以帶來巨大的節能空間和煤耗下降。根據現場應用情況可以獲得如下結論:

(1)在阻塞背壓以上范圍時,隨著背壓的降低,發電功率增加,但是增加趨勢逐漸減弱,而空冷島電耗隨著背壓的降低呈現出逐漸增強的趨勢。直接空冷機組的最佳背壓隨著環境溫度和發電功率的升高而增大。

(2)適當調節背壓有利于燃料消耗量降低,提升機組經濟性。通過背壓調整動態過程,在協調控制系統(CCS) 的作用下,同等供電功率下,鍋爐所需燃料量下降,最終使得機組供電標煤耗降低。

(3)運行人員采用推薦最佳背壓后,節能效果明顯,獲得良好的經濟效益。 通過生產日志數據對比,在負荷率基本相同的情況下,日平均背壓從9.5 kPa降低到7.9 kPa,而空冷耗電率從0.21%上升到0.41%,供電煤耗綜合下降1.0 g/kWh。