杨祥良, 安连锁, 孙鑫强, 孙保民, 沈国清

(华北电力大学电站设备状态监测与控制教育部重点实验室,北京102206)

对流受热面积灰是燃煤电站锅炉经常遇到的问题,吹灰是确保火力发电厂安全、经济及平稳运行的一个重要环节.以往的吹灰模式大多根据设计煤种和负荷工况进行定期吹灰.然而,我国煤种品位高低不等,变化范围大,而且电站锅炉供煤和配煤系统仍存在许多不完善之处,燃用煤质多变,有时偏离设计值较大,这使定期吹灰难以满足当今电站锅炉的吹灰需要.而影响受热面积灰的因素十分复杂,利用物理模型进行仿真处理比较困难,难以涵盖足够的影响因素[1-2].吹灰不足会导致换热效率低,进而影响锅炉的效率;频繁吹灰不仅会消耗大量能量,而且会因磨蚀和热应力对锅炉受热面造成损坏,缩短受热面的寿命,同时也增加了吹灰装置的维修费用[3].在以往的灰污监测系统中,通常选择的监测参数是灰污系数和热有效系数,但无论灰污系数还是热有效系数,在其推导过程中不仅需要工质侧的参数,而且也需要烟气侧的参数,而烟气侧的有些参数很难直接测出(如烟气流速),有些参数测定需要很苛刻的测量工具.因此,采用灰污系数或热有效系数作为监测手段,在实际应用中不可避免地受到较大限制.笔者根据电厂实际的运行情况,采用人工神经网络(ANN)技术构建了一个非线性模型,对受热面积灰情况进行实……