數學電站鍋爐結渣發展論文

導語：數學電站鍋爐結渣發展論文一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

[論文關鍵詞]電站鍋爐結渣模糊數學預測

[論文摘要]用模糊數學方法預測燃煤鍋爐結渣特性的新發展，闡述了各評判方法的優缺點。

鍋爐結渣是長期困擾電站鍋爐設計和運行的問題，威脅著電站鍋爐的安全和經濟運行。準確預測鍋爐的結渣傾向，為大型電站鍋爐的設計及運行提供科學依據，對提高鍋爐的可用率，節約能源具有重要的現實意義和實用價值。

結渣過程是極其復雜的物理化學過程，取決于許多因素的綜合影響。它不僅與煤的灰分含量及其物理化學性質有關，還與燃燒器型式、爐膛結構和設計參數、爐內溫度水平、空氣動力工況、氣氛條件以及受熱面的布置等有關。國內外專家學者對結渣進行了廣泛、深入的研究，提出了各類結渣預測方法并取得了一定的成果。本文主要闡述近年來采用模糊數學方法預測結渣特性的新發展。

一、結渣評判指標

目前，國內外判斷電廠煤結渣的因素主要有兩個方面：①根據煤的成分特性進行判斷，比如煤灰中堿酸比B/A、硅比G、硅鋁比SiO2/Al2O3、鐵鈣比等；②根據煤灰的物理特性進行判斷，包括軟化溫度t2、灰渣粘度、煤灰燒結特性等。此外還有一些判定結渣的指標，如沾污指數Rf、煤灰粘度結渣指標、硫結渣指標RS、煤灰三元相圖等。陳立軍，文孝強等對結渣的評判指標做了歸納。

美國EPRI曾調研了各種結渣指數的分辨情況，調研結果表明，沒有任何一項單一的指數可以完全正確預報結渣傾向，但任何一項指數又都有相當的可靠性(70%左右)。

二、模糊數學方法

單指標評判和預測煤的結渣性準確率較低，難以滿足實際需要。有必要找到一種能根據具體情況確定出不同指標的不同置信度的方法，以使判別結果更符合客觀實際，因而產生了綜合評判方法。

煤的結渣程度由弱到強的變化是一個由量變到質變的過程，是一個模糊問題。模糊數學是用數學方法研究和處理具有“模糊性”現象的一門學科，因而能很好的評判煤的結渣傾向。

（一）模糊綜合評判

單一結渣特性判別指數分辨率低的一個重要原因是分割界限太明確，人為地把復雜的模糊性現象簡單地處理成了清晰現象，并且單一指標只能從某個方面因素判別其結渣程度。為了提高預報的可靠性，必須兼顧多種因素綜合評判。

綜合評判是一種通過考慮不同因素表現出的不同作用而得到全面、合理結論的決策手段。這方面研究的共同點是選取一些常規結渣指標作為因素集，取用結渣程度“輕微”、“中等”、“嚴重”三級被擇集作為評語集，并確定因素集中各因素的權重，進行單因素評判，最后按某一模型加以單級模糊綜合評判，得到綜合評判向量。按最大隸屬度原則，判定該煤種的結渣程度等級。上述方法使用方便，在實踐中得到廣泛應用，取得較好的效果。選擇具有較高準確度的評判指標，在合理選擇隸屬函數和權重集的基礎上，能夠最大程度地減少人為因素的影響，使判別結果更準確。其關鍵在于從實際情況出發，建立合適的隸屬函數和權重集。

1．綜合評判模型的發展及評判因數集的選取

孫亦碌等人采用模糊數學的方法預測燃煤結渣性，并編制了用于綜合判別的RTSQ程序，此模型為燃煤結渣特性模糊綜合評判的雛形。

馮寶安等人提出了常規結馇指標的模糊綜合評判方法，并將其用于8個煤種的結馇特性判，所得評判結果與實際結渣狀況相符。又應用主因素決定型M(Λ，V)、主因素突出型M(·，V)、綜合評判型M(Λ，)及加權平均型M(·，+)四種單級模糊綜合評判模型對國內8個煤種的常規結渣指標進行評判，由評判結果比較得出單級模型M(Λ，V)的準確率最高的結論。

邱建榮等人對單一煤種及混煤的結渣特性進行了研究，以軟化溫度t2、硅鋁比SiO2/Al2O3、硅比G、堿酸比B/A為評判因素集對煤的結渣特性進行了評判。該方法不僅能夠全面考慮各種煤質因素在具體情況下對結渣程度的綜合影響，而且考慮了不同指標在不同情況下的重要程度，因而與常規指標相比，其評價更為全面客觀。

楊圣春提出了分別適合于預測單一煤種和混煤的模糊評判模型CSM1和CSM2。劉伯謙等人針對元寶山褐煤的結渣特性預報不準確的問題，提出了將改進了的常規指標及鍋爐運行參數等多種單一判別準則運用于模糊數學，對褐煤結渣狀況進行了有效判別。

浙江大學曹欣玉、蘭澤全等人在分析單一結渣判別指標的缺陷及其原因的基礎上，針對常規指標評判水煤漿結渣傾向準確率普遍不高的問題，有針對性地提取了分辨率較高的結渣綜合指數R以及4個常規指標構成評判因素集。該方法較傳統的方法有更高的準確性。

2．隸屬函數的確定

關于隸屬函數的確定人們一直都是采用線性函數，楊圣春提出的混煤結渣模型CBM2的隸屬度函數采用正態分布，函數變化較慢，評判結果表明該模型具有較高的分辨率和可信度，可為鍋爐燃用混煤進行優化配煤提供參考。但該模型是否適用任何煤種，還有待于進一步通過實踐來驗證。

浙江大學舒紅寧、黃鎮宇嘗試性地提出由正態分布函數演化而來非線性隸屬函數，函數變化較慢，并與實際結渣情況進行了對比，發現評判結果和實際結渣情況取得了很好的吻合。這些說明了用正態分布函數建立其隸屬函數比線性隸屬函數更準確、更合理，更加符合實際情況。

3．權系數的確定

在模糊綜合評判方法中，權系數反映各個評價指標在綜合評判中的可信度，直接影響綜合評判的效果。因此，權系數的確定是綜合評價方法的關鍵.通常采用專家咨詢法來解決.而專家咨詢法的致命弱點是過分依賴專家的主觀判斷和經驗，其結果有時難以令人信服。

趙顯橋等利用粗糙集理論來確定綜合評判模型中的權系數，將權系數確定問題轉化為粗糙集中屬性重要性評價問題，利用粗糙集理論中的知識支持度和屬性重要性評價方法，給出了模糊綜合評判模型權系數的計算方法。該方法不需要建立解析式的數學模型，完全是由數據驅動來確定各個預測方法的權系數，克服了傳統權系數確定方法的主觀性，使得綜合評判方法更客觀、更科學。

（二）聚類分析

灰色聚類方法是基于模糊數學的方法之一，是以灰色統計為基礎，將聚類對象對不同聚類指標所擁有的白化數按幾個灰類進行歸納整理，從而判斷聚類對象屬于哪一類的灰色統計方法。

浙江大學曹欣玉等人在分析單一結渣判別指標的缺陷及其原因的基礎上，提出將分辨率較高的Rs與另外5個結渣指數(t2、B／A、G、SiO2／A12O3、R)一起作為評判因素集，采用灰色聚類方法對新汶黑液水煤漿及普通水煤漿結渣特性進行預測評估。結果表明，該模型較傳統單一評價方法有更高的準確度。

許志華針對有關模糊判別法和灰色聚類法中所出現的缺欠，對其進行了補正，并討論了補正后引起的計算量增大的問題。

邱建榮等人將鄧聚龍的灰色聚類理論應用于燃煤結渣特性的評判中。灰色聚類理論繼承了模糊數學法的優點，注意到分級界限不確定性問題，并在此基礎上給出了屬于某一等級的可能性分布。用此理論來判別煤的結渣性其結果無疑更符合客觀實際。王桂明．謝竣林等人應用灰色理論對煤結渣性能進行評判，并對煤的結渣機理進行了分析，其結論與邱建榮等人相同，為煤的結渣評判提供了新思路。

華中理工大學郭嘉、曾漢才運用模糊聚類分析法分析預測混煤的結渣趨勢，此方法不僅適合混煤的特點，而且考慮了模糊因素的影響方便易行。

（三）模糊模式識別

模糊模式識別法大致可分為直接法和間接法(又稱群體模式識別方法)。直接法是根據最大隸屬原則來歸類，間接法則是按照擇近原則來對被識別對象進行識別。

郭嘉，曾漢才采用間接法，將已知結渣狀況的6個煤種作為模型，采用煤灰軟化溫度、硅鋁比、堿酸比和硅比4個評判指標，對受檢煤種進行識別。通過計算與前6個已知模型的貼近度，來判別受檢者的歸屬類型。但此模型比較粗糙，識別范圍狹窄，且只考慮了煤灰的特性，僅適用于燃燒工況比較接近的不同煤灰的評判。

蘭澤全，曹欣玉采用間接法對待識別對象進行結渣特性判別。選用了7個已知結渣程度的燃煤作為標準模型，以4個常規指標和綜合指數R為評判因素集，對同一臺鍋爐不同部位的3個樣品(爐渣，轉向室灰，除塵灰)以及某燃料水煤漿灰進行識別，以判斷屬于何種結渣程度，結果表明該模型較以前的四因素法具有更高的準確性。同時指出應用模糊模式識別法來評價其沾污結渣特性時，在因素集的選取方面應更多地考慮鍋爐設計參數及運行工況的影響。

趙利敏，路丕思綜合考慮灰熔點、堿酸比、硅鋁比、硅比及爐膛平均溫度和無因次實際切圓直徑6個因素，利用模糊模式識別的方法判斷鍋爐結渣。以實際運行中已知結渣程度的9臺鍋爐作為樣本，對7臺受檢鍋爐進行評判，評判結果與實際情況相符。此新方法可預示大容量鍋爐的設計及運行時的結渣程度。

隨著模式識別樣本庫的不斷豐富和完善，此方法將會得到更廣泛的應用。

三、結論

目前的采用的預測方法大多以煤指特性為指標，對鍋爐的運行情況考慮較少。由于爐內結渣的多種因素影響，用某種固定的預測方法得到的結果，往往達不到要求的精度，難以找到通用的預測模型，而且數據本身也具有局限性。要想提高結渣預測的精確度，需要不斷改進計算方法，建立和完善煤質特性、鍋爐運行參數的數據庫，尋找普遍使用的模型。

參考文獻：

[1]陳吟穎、石惠芳、閻維平，達拉特發電廠3號鍋爐爐膛結渣研究[J].動力工程，2003，23(5):2635～2637.

[2]張忠孝，用模糊數學方法對電廠鍋爐結渣特性的研究[J].中國電機工程學報，2000，20(10):64～66.

[3]陳寶康、閻維平、李霄飛，基于神經網絡的電站鍋爐輻射受熱面污染監測[J].動力工程，2003，23(5):2660～2664.

[4]舒紅寧、黃鎮宇、董一真等，基于煤灰成分的非線性結渣模糊綜合預測模型[J].電站系統工程，2006，22(4):11～12.

[5]陳力哲、艾靜，煤的結渣特性磁力分析的研究[J].熱能動力工程，2000，15(3):110～111，194.

[6]陳立軍、文孝強、王恭等，燃煤鍋爐結渣特性預測方法綜述[J].熱力發電，2006，(06):1～5.