一种锅炉受热面氧化皮脱落监测装置及防控方法与流程

1.本发明属于锅炉监测技术领域，具体涉及一种锅炉受热面氧化皮脱落监测装置及防控方法。

背景技术：

2.目前以火力发电为主的电力装机结构下，大型燃煤火电机组向着更高参数的超(超)临界技术升级成为必然选择。中国已经成为世界上先进超超临界技术机组的运行数量和新建数量最多的国家。超(超)临界技术的发展有力的支撑起我国电力生产结构向更高效、清洁的方向转型升级，但是在技术的推广应用过程中，也给我国发电设备的可靠、安全运行带来诸多问题。
3.其中锅炉高温受热面氧化皮脱落造成的堵塞爆管和汽轮机固体颗粒冲蚀问题是最突出的问题之一。国内最新投运的机组作为再热器管材的super304h耐热钢使用环境恶劣(运行温度＞623℃，蒸汽压力＞6mpa)，在高温和蒸汽压力的作用下会产生组织老化、蒸汽氧化等问题，同时较高的cr含量也使得其晶间腐蚀敏感性增加，这一系列问题都会给锅炉运行带来安全隐患。在火电机组的实际运行中，高温受热面蒸汽侧氧化皮带来的两类安全问题依然十分严峻：一方面由于氧化皮的集中脱落易引发锅炉局部管壁超温爆管，机组可靠性下降；另一方面氧化皮容易造成汽轮机主汽门卡涩和动叶的固体颗粒侵蚀(spe)。
4.目前较为先进的锅炉受热面氧化皮防控方法是基于金属特性形成的机理模型，通过受热面的管壁运行状态控制氧化皮的生产，该方法存在管材初始状态难以确定，对氧化皮的脱落判断不够准确，脱落氧化皮无法监测等问题，在现役机组上使用时存在诸多门槛。也有将进行离线数据模型修正的，但是需要进行检测和采集的数据量非常庞大，增加检修人员的劳动负荷。
5111413243a公开了一种锅炉管内堆积氧化皮的智能定量检测方法及检测仪，其中方法为：将氧化皮检测仪的探头对准锅炉管的弯管起弯点处，沿弯管的外弧面的中心线移动至弯管的终点处，在移动的过程中，所述氧化皮检测仪每间隔预设时间后检测一次当前时刻所述弯管内的氧化皮的单位质量当量，所述氧化皮检测仪对所述单位质量当量进行求和运算，得到锅炉内堆积氧化皮的总质量当量。该方法对操作的要求较为严格，对测量结果影响较大，准确度有待考证。
6.综上所述，如何提供一种简单高效，且可精准检测受热面氧化皮质量的方法与装置成为当前亟待解决的问题。

技术实现要素：

7.针对现有技术存在的问题，本发明的目的在于提供一种锅炉受热面氧化皮脱落监测装置及防控方法，所述防控方法利用氧化皮脱落监测装置，通过关联多种参数，到了一种切实可行的锅炉受热面氧化皮防控运行策略，有效延长装置运行寿命，具有较好的经济效益。
8.为达此目的，本发明采用以下技术方案：
9.第一方面，本发明提供了一种锅炉受热面氧化皮脱落防控方法，所述防控方法包括以下步骤：
10.(1)在各个锅炉蒸汽出口管上安装氧化皮脱落监测装置；锅炉燃烧时通过受热面将水加热成为蒸汽；蒸汽携带脱落氧化皮进入管道撞击氧化皮脱落监测装置，产生振动信号，所得振动信号经转换处理，得到氧化皮质量监测值；
11.(2)根据燃料投运情况、风门开度与锅炉效率、炉膛出口no
x
含量以及氧化皮质量目标值之间的关系，建立神经网络，得到计算模型；
12.当氧化皮质量监测值超过限定值时，根据计算模型，对燃料投运情况和风门开度进行调整，实现防控。
13.本发明所述氧化皮脱落监测装置可直接在现有的设备上进行安装，无需重新更换整个设备，使用成本较低，其安装好后即可实现实时在线监测，步骤(1)中所指监测值特指锅炉运行稳定较长时间后，氧化皮产生较多时段的监测值；而步骤(2)中的目标值是指锅炉运行稳定时最佳状态下数值(即氧化皮产生较少时段)。
14.本发明所述防控方法将测量数据与神经网络二者相结合，关联锅炉运行方式等相关参数，极大地提升了氧化皮质量测量的精确度，且根据得到的计算模型对氧化皮脱落监测装置，实现对氧化皮质量的控制，有效降低锅炉四管泄漏，减少锅炉侧通往汽机侧蒸汽中的氧化皮，同时还能够有效降低汽机固体颗粒腐蚀，减缓汽轮机叶栅冲蚀状况，使叶栅寿命提高50％。
15.以下作为本发明优选的技术方案，但不作为本发明提供的技术方案的限制，通过以下技术方案，可以更好地达到和实现本发明的技术目的和有益效果。
16.作为本发明优选的技术方案，步骤(1)将所述振动信号转换为氧化皮质量的计算公式为：
[0017][0018]
其中，m为蒸汽管道中氧化皮质量，mg/h；α为信号修正系数，mg/(h
·
v)；r为蒸汽管道半径，m；l为连杆在蒸汽管道中的长度，m；a为蒸汽流速修正系数s/m；b为颗粒径向分布修正系数；v为蒸汽流速，m/s；f为信号接收器接收到的电压信号值，v。
[0019]
作为本发明优选的技术方案，步骤(2)所述神经网络算法包括bp神经网络算法。
[0020]
作为本发明优选的技术方案，所述bp神经网络输入层的神经元种类包括7种，分别包括机组负荷、主蒸汽温度、主蒸汽压力、过热器减温水量、磨煤机电流、磨煤机出口分离器挡板开度以及风门挡板开度。
[0021]
其中，输入层神经元的具体个数包括：机组负荷1个，主蒸汽温度1个，主蒸汽压力1个，过热器减温水量1个，磨煤机电流个数以及磨煤机出口分离器挡板开度个数根据磨煤机具体数量而定，风门挡板开度的个数根据具体情况而定。
[0022]
优选地，所述bp神经网络隐含层的数量为7个。
[0023]
优选地，所述bp神经网络输出层的神经元个数为3个，分别为锅炉效率、炉膛出口no
x
含量以及氧化皮质量。
[0024]
作为本发明优选的技术方案，所述bp神经网络输入层至隐含层的神经元传递函数包括其中，t仅指代未知数，并无实际含义。
[0025]
优选地，所述bp神经网络隐含层至出输出层的神经元传递函数包括或其中，z仅指代未知数，并无实际含义。
[0026]
作为本发明优选的技术方案，所述bp神经网络的最大训练周期为100，训练精度为95％。
[0027]
作为本发明优选的技术方案，所述bp神经网络的学习速率为0.1-0.4，例如0.1、0.2、0.3或0.4等，但并不仅限于所列举的数值，该数值范围内其他未列举的数值同样适用。
[0028]
示例性地，本发明利用bp神经网路算法得到计算模型的过程包括：
[0029]
s1：选择38个输入向量和3个输出向量进行控制研究，输入向量分别为1个机组负荷pe(为机组的输出负荷，单位为mw)、1个主蒸汽温度t(单位为℃)、1个主蒸汽压力(单位为mpa)、1个过热器减温水量(单位为t/h)、7个磨煤机电流(单位为a)，7个磨煤机出口分离器挡板开度(单位为％)，20个风门挡板开度(单位为％)，即x＝[x1，x2，x3，x4，
…
，x
38
]；输出向量为锅炉效率(单位为％)、炉膛出口no
x
含量(单位为ppm)以及氧化皮质量目标值(mg/h)，即包括期望输出向量d＝[d1，d2，d3]和实际输出向量o＝[o1，o2，o3]；
[0030]
s2：建立38：7：3的网络，比值是指bp神经网络输入层、bp神经网络隐含层和bp神经网络的神经元比值：
[0031]
初始化bp神经网络的各参数，包括输入层和隐含层的连接权值v
ij
，隐含层和输出层的连接权值w
jk
，隐含层阈值pj，以及输出层阈值qk；
[0032]
s3：根据输入向量x，输入层和隐含层的连接权值v
ij
，以及隐含层阈值pj，计算隐含层输出y，公式如下：
[0033][0034]
其中，yi为隐含层输出；n为输入向量中的参数个数；h为隐含层神经元个数；f(
·
)为输入层至隐含层的神经元传递函数，f(t)；v
0j
＝-1，x0＝pj；
[0035]
s3：根据隐含层输出y，隐含层和输出层的连接权值w
jk
，以及输出层阈值qk，计算输出层实际输出o，公式如下：
[0036][0037]
其中，ok为输出层实际输出；l为输出层神经元个数；f(
·
)为隐含层至输出层的神经元传递函数，f(z)；
[0038]
s4：根据实际输出o与期望输出d，计算网络总体误差e，公式如下：
[0039][0040]
s5：根据网络总体误差e，更新各权值，公式如下：
[0041]vij
＝v
ij
+δv
ij
；
[0042]wjk
＝w
jk
+δw
jk
；
[0043]
[0044][0045][0046]
其中，η为学习速率。
[0047]
s6：重复迭代，直至网络总体误差满足给定精度，得到的氧化皮质量计算模型；当氧化皮质量m值过大时，根据神经网络给出的计算模型进行运行优化，控制壁温超温幅度和变负荷速率指导运行。
[0048]
第二方面，本发明提供了一种第一方面所述的氧化皮脱落监测装置，所述氧化皮脱落监测装置包括依次连接的氧化皮监测连杆、信号转换器以及信号接收器，所述氧化皮监测连杆穿插至与所述锅炉受热面相连的蒸汽管道内。
[0049]
作为本发明优选的技术方案，所述氧化皮监测连杆的材质包括不锈钢。
[0050]
作为本发明优选的技术方案，所述信号转换器内包括拾振器、f/v信号转换电路、放大电路和标准化电路。
[0051]
与现有技术相比，本发明具有以下有益效果：
[0052]
(1)本发明的氧化皮脱落监测装置可直接在现有的设备上进行安装，通过蒸汽管道中氧化皮颗粒对管道内突出物的撞击强度来判断氧化皮的颗粒浓度，无需重新更换整个设备，使用成本较低；此外，多个监测装置可以汇总到一个采集中心再连入dcs，可拓展性强，覆盖面广；
[0053]
(2)本发明所述防控方法将测量数据与神经网络二者相结合，关联锅炉运行方式等相关参数，极大地提升了氧化皮质量测量的精确度，且根据得到的计算模型对氧化皮脱落监测装置，实现对氧化皮质量的控制，有效降低锅炉四管泄漏，减少锅炉侧通往汽机侧蒸汽中的氧化皮，同时还能够有效降低汽机固体颗粒腐蚀，减缓汽轮机叶栅冲蚀状况，使叶栅寿命提高50％。
附图说明
[0054]
图1是本发明实施例1中提供的氧化皮脱落监测装置在锅炉系统中的安装示意图；
[0055]
图2是本发明图1圈a的局部放大示意图。
[0056]
图3是本发明实施例1中提供的bp神经网络的网络结构图。
[0057]
其中，1-氧化皮监测连杆，2-信号转换器，3-信号接收器，41-第一汽轮机，42-第二汽轮机，5-再热器，6-省煤器，7-发电机，8-锅炉。
[0058]
箭头方代表蒸汽流动方向。
具体实施方式
[0059]
为更好地说明本发明，便于理解本发明的技术方案，下面对本发明进一步详细说明。但下述的实施例仅是本发明的简易例子，并不代表或限制本发明的权利保护范围，本发明保护范围以权利要求书为准。
[0060]
本发明提供了一种氧化皮脱落监测装置，所述氧化皮脱落监测装置包括依次连接的氧化皮监测连杆1、信号转换器2以及信号接收器3；
[0061]
进一步地，所述氧化皮监测连杆1的材质包括不锈钢。
[0062]
进一步地，所述信号转换器2内包括拾振器、f/v信号转换电路、放大电路和标准化电路。
[0063]
再一方面，氧化皮脱落监测装置在锅炉系统中的安装结构示意图如图1所示，其中，图1中圈a的局部放大图如图2所示；
[0064]
所述锅炉系统包括锅炉8，分别通过蒸汽管道与所述锅炉8相连的第一汽轮机41和第二汽轮机42，与所述第一汽轮机41相连的再热器5，与所述第二汽轮机42相连的省煤器6；
[0065]
所述再热器5和所述省煤器6设置于所述锅炉8内部；
[0066]
所述第一汽轮机41和所述第二汽轮机42还与发电机7相连；
[0067]
所述氧化皮脱落监测装置的氧化皮监测连杆1穿插至蒸汽管道内。
[0068]
以下为本发明典型但非限制性实施例：
[0069]
实施例1：
[0070]
本实施例提供了一种锅炉受热面氧化皮脱落防控方法，采用具体实施方式中所述的锅炉系统与氧化皮脱落监测装置进行，所述防控方法包括以下步骤：
[0071]
(1)在锅炉蒸汽出口管上安装氧化皮脱落监测装置；锅炉燃烧时通过受热面将水加热成为蒸汽；蒸汽携带脱落氧化皮进入管道撞击氧化皮脱落监测装置，产生振动信号，所得振动信号经转换处理，得到氧化皮质量监测值，具体包括：
[0072][0073]
其中，α＝0.253mg/(h
·
v)；r＝0.291m；l＝0.021m；a＝0.13s/m；b＝1.1；v＝30m/s；f＝10v。将各参数带入，计算得到氧化皮质量m＝13.45mg/h；
[0074]
(2)根据燃料投运情况、风门开度与锅炉效率、炉膛出口no
x
含量以及氧化皮质量目标值之间的关系，建立神经网络，得到计算模型，具体包括：
[0075]
s1：选择38个输入向量和3个输出向量进行控制研究，输入向量分别为机组负荷pe(为机组的输出负荷，单位mw)、主蒸汽温度t(单位为℃)、主蒸汽压力(单位为mpa)、过热器减温水量(单位为t/h)、7个磨煤机的电流(单位为a)，7个磨煤机的出口分离器挡板开度(单位为％)，20个风门挡板开度(单位为％)，即x＝[500，605，28，20，52，52，52，52，0，52，0，60，60，60，60，60，60，60，50，100，50，80，50，50，50，30，50，50，50，70，50，80，50，100，50，100，100，100]；输出向量为锅炉效率(单位为％)、炉膛出口no
x
含量(单位为ppm)以及氧化皮质量目标值(mg/h)，即包括期望输出向量d＝[94.2，280，10]和实际输出向量o＝[o1，o2，o3]；
[0076]
s2：建立38：7：3的网络，如图3所示，比值是指bp神经网络输入层、bp神经网络隐含层和bp神经网络的神经元比值：
[0077]
初始化bp神经网络的各参数，包括输入层和隐含层的连接权值v
ij
，隐含层和输出层的连接权值w
jk
，隐含层阈值pj，以及输出层阈值qk；
[0078]
s3：根据输入向量x，输入层和隐含层的连接权值v
ij
，以及隐含层阈值pj，计算隐含层输出y，公式如下：
[0079][0080]
其中，yi为隐含层输出；n为输入向量中的参数个数；h为隐含层神经元个数；f(
·
)
为输入层至隐含层的神经元传递函数，v
0j
＝-1，x0＝pj；
[0081]
s3：根据隐含层输出y，隐含层和输出层的连接权值w
jk
，以及输出层阈值qk，计算输出层实际输出o，公式如下：
[0082][0083]
其中，ok为输出层实际输出；l为输出层神经元个数；f(
·
)为隐含层至输出层的神经元传递函数，
[0084]
s4：根据实际输出o与期望输出d，计算网络总体误差e，公式如下：
[0085][0086]
s5：根据网络总体误差e，更新各权值，公式如下：
[0087]vij
＝v
ij
+δv
ij
；
[0088]wjk
＝w
jk
+δw
jk
；
[0089][0090][0091][0092]
其中，η为学习速率，为0.2。
[0093]
s6：重复迭代，直至网络总体误差满足给定精度(设置最大训练周期为100，训练精度为95％)，得到的氧化皮质量计算模型；
[0094]
当氧化皮质量m值过大(即监测值超过25mg/h))时，根据神经网络给出的计算模型，对各磨煤机投入方式、各磨煤机出口分离器挡板门开以及各风门挡板开度进行运行优化，本实施例中将输入向量x调整为[500，605，28，20，52，52，52，52，52，0，0，50，50，50，50，50，50，50，15，100，15，80，15，50，15，25，50，35，50，70，50，80，50，100，50，75，80，100]，实现防控。
[0095]
本发明通过上述实施例来说明本发明的装置和详细方法，但本发明并不局限于上述装置和详细方法，即不意味着本发明必须依赖上述装置和详细方法才能实施。所属技术领域的技术人员应该明了，对本发明的任何改进，对本发明操作的等效替换及辅助操作的添加、具体方式的选择等，均落在本发明的保护范围和公开范围之内。

技术特征：

1.一种锅炉受热面氧化皮脱落防控方法，其特征在于，所述防控方法包括以下步骤：(1)在各个锅炉蒸汽出口管上安装氧化皮脱落监测装置；锅炉燃烧时通过受热面将水加热成为蒸汽；蒸汽携带脱落氧化皮进入管道撞击氧化皮脱落监测装置，产生振动信号，所得振动信号经转换处理，得到氧化皮质量监测值；(2)根据燃料投运情况、风门开度与锅炉效率、炉膛出口no
x
含量以及氧化皮质量目标值之间的关系，建立神经网络，得到计算模型；当氧化皮质量监测值超过限定值时，根据计算模型，对燃料投运情况和风门开度进行调整，实现防控。2.根据权利要求1所述的防控方法，其特征在于，步骤(1)将所述振动信号转换为氧化皮质量的计算公式为：其中，m为蒸汽管道中氧化皮质量，mg/h；α为信号修正系数，mg/(h
·
v)；r为蒸汽管道半径，m；l为连杆在蒸汽管道中的长度，m；a为蒸汽流速修正系数s/m；b为颗粒径向分布修正系数；v为蒸汽流速，m/s；f为信号接收器接收到的电压信号值，v。3.根据权利要求1或2所述的防控方法，其特征在于，步骤(2)所述神经网络算法包括bp神经网络算法。4.根据权利要求3所述的防控方法，其特征在于，所述bp神经网络输入层的神经元种类包括7种，分别包括机组负荷、主蒸汽温度、主蒸汽压力、过热器减温水量、磨煤机电流、磨煤机出口分离器挡板开度以及风门挡板开度；优选地，所述bp神经网络每个隐含层的神经元个数为7个；优选地，所述bp神经网络输出层的神经元个数为3个，分别为锅炉效率、炉膛出口no
x
含量以及氧化皮质量。5.根据权利要求3所述的防控方法，其特征在于，所述bp神经网络输入层至隐含层的神经元传递函数包括优选地，所述bp神经网络隐含层至出输出层的神经元传递函数包括或6.根据权利要求3所述的防控方法，其特征在于，所述bp神经网络的最大训练周期为100，训练精度为95％。7.根据权利要求4所述的防控方法，其特征在于，所述bp神经网络的学习速率η为0.1-0.4。8.一种如权利要求1-7任一项所述的防控方法采用的氧化皮脱落监测装置，其特征在于，所述氧化皮脱落监测装置包括依次连接的氧化皮监测连杆、信号转换器以及信号接收器，所述氧化皮监测连杆穿插至与所述锅炉受热面相连的蒸汽管道内。9.根据权利要求8所述的氧化皮脱落监测装置，其特征在于，所述氧化皮监测连杆的材质包括不锈钢。
10.根据权利要求8或9所述的氧化皮脱落监测装置，其特征在于，所述信号转换器内包括拾振器、f/v信号转换电路、放大电路和标准化电路。

技术总结

本发明提供了一种锅炉受热面氧化皮脱落监测装置及防控方法，所述防控方法包括以下步骤：在各个锅炉蒸汽出口管上安装氧化皮脱落监测装置；锅炉燃烧时通过受热面将水加热成为蒸汽；蒸汽携带脱落氧化皮进入管道撞击氧化皮脱落监测装置，产生振动信号，所得振动信号经转换处理，得到氧化皮质量监测值；根据燃料投运情况、风门开度与锅炉效率、炉膛出口NO