摘要：本文针对巴陵石化热电事业部9号炉中储式钢球磨制粉系统的特点，采用神经网络技术建立制粉系统的运行工况模型，并通过非线性优化技术确定使制粉单耗最低的运行参数；在此基础上，采用模仿人操作行为的智能控制技术对整个制粉系统进行自动控制，确保制粉系统运行在最佳的工况上，实际应用表明，通过对制粉系统的智能控制后，对降低磨制粉单耗和锅炉飞灰含碳量，提高煤粉均匀性指数，有良好效果。

    关键词：锅炉；制粉系统；钢球磨；节能；智能控制

    Abstract: In this paper, according to the characteristics of the coal pulverizing system with ball mill of # 9 boiler in Thermoelectric Division of Baling Petrochemical Co., Ltd., the operation condition model of the coal pulverizing system was built by using neural network technology, and the lowest consumption operation parameters of the coal pulverizing system were determined through nonlinear optimization technology. On this basis, the overall coal pulverizing system was controlled automatically by using the intelligent control technology which imitated the manual operation behavior. The best operation condition of the pulverizing system was ensured. The practical application showed that good results were achieved through the intelligent control of the coal pulverizing system. The consumption of the pulverizing system was reduced effectively; the uniformity coefficient of the coal was improved and the carbon content in fly ash of the boiler was reduced.

    Key words: Boiler; Coal pulverizing system; Ball mill; Energy saving; Intelligent control

    由于钢球磨煤机具有可磨煤种多、可靠性高、使用时间长、维护量小等优点，已广泛应用于国内外的火力发电厂中。但钢球磨煤机也存在缺点，主要为钢球消耗量大、无法直接监测磨煤机负荷从而造成耗电量大等。据统计，钢球磨的用电量约占厂用电量的15%左右，是电厂的耗电大户之一，同时也是潜在的节能大户之一。各电厂均把如何减少钢球磨单位电耗作为一个重要的技改方向。要降低制粉系统的制粉单耗，必须尽量维持制粉系统运行在最优的工况上，这必须同时解决两个相关的问题：研究并确定制粉系统最优的参数化工况；以及采用先进的控制技术对制粉系统的参数进行有效控制，确保制粉系统运行在最优的工况点上。

    为研究中储式钢球磨制粉系统的节能及智能控制方法，2009年中石化巴陵石化分公司正式批准“锅炉制粉系统节能与控制方法研究”为科技开发项目，并委托巴陵石化热电事业部和东南大学联合研制。

    研究工作在热电事业部9号炉中储式钢球磨制粉系统上进行，为获得制粉系统的最优运行参数，首先采用了神经网络技术建立制粉系统的运行工况模型，并通过非线性优化技术确定使制粉单耗最低的运行参数；在此基础上，进一步采用模仿人操作行为的智能控制技术对整个制粉系统进行自动控制，确保制粉系统运行在最佳的工况上。实际应用表明，通过对制粉系统的智能控制，有效降低了磨制粉单耗和锅炉飞灰含碳量，提高了煤粉均匀性指数。本文主要阐述在9号炉上实施的制粉系统节能和控制方法，为其它电厂钢球磨制粉系统的节能改造提供思路和方法。

    1 确定制粉系统的最优运行参数

    1.1 制粉系统的电耗模型

    制粉系统的电耗主要来自磨煤机和排粉机的电耗，而磨煤机和排粉机的电耗又直接正比于各自电流的大小，制粉系统的运行参数如：磨入口温度（℃）、磨入口负压（Pa）、磨出口温度（℃）、磨进出口差压（Pa）及给煤指令(rpm)对磨煤机和排粉机的电流有直接影响，可以表示为:
       
      式中， , 分别为磨煤机和排粉机电流；T₁,T₂,P,Δ_P 分别为磨入口温度（℃）、磨出口温度（℃）、磨入口负压（Pa）及磨进出口差压（Pa）； n₀为给煤机的转速指令(rpm)。

      F₁(•)  F ₂分别为磨煤机电流和排粉机电流的非线性模型。传统的方法很难建立此模型，本文利用制粉系统的实际运行数据，采用文[1]所提出的补偿递归模糊神经网络，可方便地获得磨煤机和排粉机的电流模型。补偿递归模糊神经网络模型^[1]如图1所示。 
 
                  
                                    图1补偿递归模糊神经网络模型

    对该网络模型的说明如下：

    第一层：输入层。该层神经元的主要作用就是将输入数据传给第二层神经元。

    第二层：模糊化和递归层。该层的每一个神经元包含如下计算过程，首先将前一时刻保存的该神经元的输出值乘以一定的比例系数加到当前时刻的输入中，然后根据隶属度函数进行输入变量的模糊化。隶属度函数采用高斯函数，该层的输出为：
   
     
    式中，Of_ij(k)是当前时刻连接第i个输入和第j条模糊规则的模糊神经元的输出；而Of_ij(k-1)则为该神经元在前一时刻的输出；c_ij、σ_ij、θ_ij 分别是该神经元的结构参数，即为中心值、宽度值和递归环节的反馈系数。

    第三层：模糊推理层。该层主要根据模糊规则库进行模糊推理，每一个神经元代表一条模糊规则，用来匹配模糊规则的前件，完成模糊运算。模糊规则的形式如下：

    第j条规则：If x₁ is F_1j, x₂ is F_2j, ……, x_n is F_nj, Then y_j is w_j. j = 1,2,…,L

    该层的运算结果为：
  
                  
    式中，Opj(k)是第j条模糊规则的推理结果，n为输入向量的维数。

    第四层：补偿运算层。该层对模糊规则的输出进行补偿运算。消极推理的结果Up和积极推理的结果Uo分别为：
           
             
               (5)

    式中，Oc_j(k)为该层的输出，γj为第j条模糊规则对应的补偿系数。因此，模糊规则演变为：

    第j条规则：[If x₁ is F_1j, x₂ is F_2j, ……, x_n is F_nj]^{1－γj+γj/n} , Then y_j is w_j. j = 1,2,…,L.

    第五层：归一化层。该层神经元将补偿之后的输出结果进行归一化运算，并输出：
 
     
    式中，On_j(k)为该层的输出。

    第六层：输出层。计算归一化之后所有输出之和。
  
          
   
    式中，wj，j=1,2,…,L为该层的加权系数。  

    对上面补偿递归模糊神经网络的训练，主要分为两步[1]：一是结构辨识，二是参数逼近。结构辨识的主要任务是确定模糊规则的条数及其各个高斯函数的中心c和宽度σ的初始值。结构辨识后，将最小二乘算法和传统BP算法有机结合起来，从而对网络进行快速的学习，最终获得相关的网络参数模型。

    为建立磨煤机电流和排粉机电流的模糊神经网络模型，选取磨入口温度（℃）、磨入口负压（Pa）、磨出口温度（℃）、磨进出口差压（Pa）及给煤机转速指令(%)为网络的输入参数并进行归一化。针对巴陵石化热电事业部的9号炉，在一段时间内记录上述数据后，通过结构辨识，得到7条模糊规则，再采用改进的BP算法对网络参数进行进一步的逼近，最终可计算出磨煤机电流和排粉机电流的模糊神经网络的模糊化层的中心c、宽度σ值。

    1.2 运行参数的非线性优化

    针对所建立的磨煤机电流和排粉机电流模型，采用非线性粒群优化方法[2]求解制粉系统的最优运行参数。

    定义能反映制粉系统制粉单耗的指标函数：
           
          (8)  

    式中， 为磨煤机的电流； 为排粉机电流； 给煤机的转速指令。很明显，上述指标尽管不是制粉系统的制粉单耗，但可以反映制粉单耗的大小。可采用非线性粒群优化方法[2]进行优化求解，从确保制粉系统安全运行的角度考虑，优化过程中，制粉系统的运行参数还应限制在允许的范围内。因此，问题就归结为如下带约束条件的优化问题：

       J₀=minJ      (9)  

    约束条件： 280℃≤磨入口温度≤335℃，-0.4kPa≤磨入口负压≤-0.1kPa，80 ℃≤磨出口温度≤90 ℃，-2.0kPa≤磨进出口差压≤-1.2kPa，300rpm≤给煤机的转速指令≤380rpm。

    针对上述优化指标和前面的模糊神经网络模型，采用粒群优化后的最优制粉运行工况如表1所示。

                             表1优化所获得的制粉系统运行参数
                      

    最小的指标  J₀=0.191  A/rpm

    经与运行人员讨论后认为，上述优化后的运行参数比较合适，确实反映了制粉系统的实际情况。

    2 制粉系统的智能控制

    2.1磨煤机冷、热风门的多变量智能控制系统

    在制粉系统运行时，为保证磨煤机的通风量和干燥出力，必须将磨煤机的入口负压和入口温度维持在允许的范围内。由于当通过改变热风流量维持磨入口负压时，同时会影响磨煤机的入口温度。而冷风量同样会对磨煤机入口负压有较大的影响，因此，常规控制方案会造成两个单回路控制系统之间的交叉影响。另一方面，冷风流量改变到引起磨煤机入口温度变化是一个大惯性的过程，可以通过相位补偿降低等效对象模型的阶次。

    针对上面常规控制系统存在的缺点，提出改进的控制系统如图2所示。

    多变量解耦控制的设计原则是：

    (1) 当开大热风门时，通过解耦环节及时开大冷风门，使磨煤机入口的温度基本保持不变；反之，当关小热风门时，应同时关小冷风门开度；

    (2) 当开大冷风门时，则通过解耦环节及时关小热风门，以保证磨煤机入口负压基本保持不变；反之，当关小冷风门时，应同时适当开大热风门开度。

    由于温度侧的对象特性很慢，系统中加入了相位补偿环节，以补偿温度被控对象的惯性时间。

    另外，为了防止磨煤机出口温度的超温，设计了冷风门的强开保护回路，当磨出口温度超过某一限值时，强开磨冷风门。磨出口温度回落后，温风门恢复正常调节。可根据磨出口温度来修正磨入口负压的定值，以便当磨出口温度偏高后能通过改变磨入口风压来关小热风门。
   
              
                               图2 磨煤机入口负压和入口温度控制策略

    2.2给煤机转速的智能控制系统

    给煤机转速控制包括正常工况和非正常工况的控制，非正常工况包括给煤机断煤、磨煤机预堵煤及已堵煤工况。各种情况的控制方案应分别处理。

    2.2.1给煤机断煤工况的判别与控制

    断煤判别条件：

  

      式中，ΔP 是磨煤机进出口差压； T₂是磨煤机出口温度；   ΔP _LL , T_2HL分别是磨进出口差压低限和磨出口温度高限，应根据制粉系统的实际情况确定。

    若上面条件成立，则可判断出给煤机出现断煤，可采用如下断煤时的控制方法：

    （1） 保持给煤机转速不变；

    （2） 关小磨煤机入口热风门开度且开大入口冷风门开度，确保磨出口温度不再升高； 

    （3） 待断煤状态消除后，冷、热风门先恢复到断煤前的位置，后参与正常调节。

    2.2.2磨煤机预堵煤工况的判别与控制

    预堵煤是指磨煤机虽然没有堵煤但有堵煤的趋势，一般可根据磨煤机的进出口差压来判别，判别条件：

      

    式中， 为磨进出口差压的高I值，应根据制粉系统的实际情况确定。

    若上面条件成立，则可判断出磨煤机处预堵煤工况，可采用如下控制策略：

    （1）快速减给煤机转速一定值（如减给煤机转速40rpm）； 

    （2）待磨进出口差压正常后，给煤机转速正常调节。

    2.2.3磨煤机已堵煤工况的判别与控制

    已堵煤是指磨煤机确实已堵煤的工况，一般可根据磨煤机的进出口差压来判别，判别条件：
   
         

    式中， 为磨进出口差压的高II值，应根据制粉系统的实际情况确定。

    若上面条件成立，则可判断出磨煤机处已堵煤工况，可采用如下控制策略：

    （1）快速减给煤机转速到100rpm以下，若磨堵煤严重，则可停给煤机；

    （2） 堵粉消除后，快速增加给煤机的转速至接近堵粉前的转速，后给煤机转速正常调节。

    2.2.4正常工况下给煤机转速控制

    （1）判断磨煤机进出口差压是否在允许范围内，若进出口差压低于允许低限,则自动加煤；若进出口差压高于允许

    高限，则自动减煤，否则执行第（2）步；

    （2） 判断磨煤机出口温度是否在允许范围内，若出口温度超出允许高限,则自动加煤；若出口温度低于允许低限，则自动减煤，否则执行第（3）步；

    （3）磨煤机出口温度在允许范围内，通过微调给煤量，确保磨出口温度维持在最优定值上，具体为：若磨煤机出口温度与最优定值之间的偏差在规定的死区范围内（一般死区为0.5℃），保持给煤量不变；若偏差超出死区且出口温度大于定值，则适当加煤；若偏差超出死区且出口温度小于定值，则适当减煤。

    2.3制粉系统的程控启停控制系统

    由于投入了程控启停控制系统，实现了一键启动或停止制粉系统，不仅有效减轻了运行人员的操作强度，而且减小了由于制粉系统启、停所造成的炉膛负压的波动，确保了锅炉的安全、稳定运行。

    制粉系统的程控启动过程如下：

    （1）第1步的动作过程

    切磨煤机冷风门到手动，并逐步关闭冷风门；将给煤机指令逐步减小到0%；当冷风门的开度已小于4%时，自动启动排粉机，排粉机启动10秒后，则自动转入第2步。

    （2）第2步的动作过程

    在磨煤机入口负压不小于-2.1 kPa的情况下，逐步开大排粉机的入口挡板。当磨煤机入口负压不满足条件时，保持排粉机入口挡板的开度，该步最多使排入口挡板开到35%；同时，在磨煤机入口负压不大于-0.1 KPa的情况下，逐步开大磨煤机的热风门。当磨煤机入口负压不满足条件时，保持热风门的开度，热风门最多开到60%； 在此过程中，对磨煤机进行暖磨，当满足启磨条件(磨出口温度大于85℃、排粉机入口挡板的开度大于30%),则自动转入第3步。

    （3）第3步的动作过程

    启动磨煤机，在磨煤机入口负压不大于-0.1 KPa的情况下，继续开大磨煤机的热风门。当磨煤机入口负压不满足条件时，保持热风门的开度，热风门最多开到60%；同时，在磨煤机入口负压不小于-2.1 kPa的情况下，继续开大排粉机的入口挡板。当磨煤机入口负压不满足条件时，保持排粉机入口挡板的开度，该步最多可使排入口挡板开到60%；当磨煤机已启动10秒后且排粉机入口挡板的开度已大于35%，启动给煤机，并将给煤机的转速指令逐步提高到24%；满足条件(排粉机入口挡板的开度已大于50%、给煤机的转速指令已大于23%)，则自动转入第4步。

    （4）第4步的动作过程

    在磨煤机入口负压不大于-0.1 KPa的情况下，继续开大磨煤机的热风门。当磨煤机入口负压不满足条件时，保持热风门的开度，热风门最多开到60%；在磨煤机入口负压不小于-2.1 kPa的情况下，继续开大排粉机的入口挡板。当磨煤机入口负压不满足条件时，保持排粉机入口挡板的开度，该步最多可使排入口挡板开到60%；当排粉机入口挡板的开度已大于53%时，则自动转入第5步。
 
    (5) 第5步的动作过程

    继续开大排粉机入口挡板60％；投制粉系统的联锁。

    3 结语

    （1）本文将制粉系统优化运行工况的研究与制粉系统的自动控制有机地联系起来，从制粉系统整体优化的角度去研究、设计及实施制粉控制系统，降低了制粉电耗，具有明显的创新性。

    （2）能使整个制粉系统甲、乙两侧的10套自动控制系统全部长期、稳定地投入运行，并具有制粉系统断煤或堵煤时的自动处理功能。

    （3）采用了多变量智能控制技术，对磨煤机入口负压、进出口差压、进口及出口温度等参数进行有效控制，维持制粉系统良好的运行工况。

    （4）采用了自适应智能控制方法对给煤机转速进行了有效控制，有效减少了磨煤机满煤情况的发生次数，并提高了制粉系统的出力，降低了制粉单耗。

    （5）实现了制粉系统的自动启停，减少了启、停制粉系统对锅炉炉膛负压的影响，提高了锅炉运行的安全性，有效减轻运行人员的操作强度。

    参考文献：

    [1] 吴波，吴科，吕剑虹. 一种补偿递归模糊神经网络及其学习算法[J]. 中国科学, 2009, 39(7):694-703.

    [2] Coello C A C, Pulido, G T, Lechuga M S. Handling multiple objectives with particle swarm optimization[J]. IEEE Transactions on Evolutionary Computation, 2004, 8(3):256 – 279.

    [3] 吕剑虹，郭颖，吴科. 中储式钢球磨制粉系统的自适应模糊控制[J]. 热能动力工程, 2007,22(4):418-422.

    摘自《自动化博览》2011年第四期