CN112197262B - 一种循环流化床燃煤锅炉智能控制方法 - Google Patents

Abstract

本申请属于锅炉控制技术领域，公开了一种循环流化床燃煤锅炉智能控制方法，该方法以PID控制为基础，结合DMC（动态矩阵控制）系统先进过程控制技术组合而成的新型控制方法，能够追踪锅炉效率变化，调整控制策略，实现系统长周期优化；根据工况能够自动选择优化操作模式，实现单炉及多炉联动实时优化控制；自动识别煤质变化和下游需求变化，快速调节负荷，稳定蒸汽品质。

Description

一种循环流化床燃煤锅炉智能控制方法

技术领域

本申请涉及锅炉控制技术领域，具体涉及一种循环流化床燃煤锅炉智能控制方法。

背景技术

循环流化床燃煤锅炉是一个多输入/多输出的非线性、强耦合和大滞后的复杂控制对象，现在通常是通过基于反馈的PID调节，是一个手动开环的操作过程。对循环流化床进行操作时往往会面临以下几点问题：

（1）煤质频繁变化

锅炉燃料的煤种变化和掺烧是常见现象，即便是一种煤，其挥发份、热值也不是恒定的，并且随着储存时间、天气条件等也在发生变化。因此煤质变化总是客观存在的。煤的热值变化无法实时测量，其变化会迅速导致炉膛温度场的变化，造成锅炉燃烧效率波动，煤耗升高；另外造成蒸汽品质波动，给下游装置生产操作造成影响。

（2）锅炉快速动态变化

锅炉生产过程是迅速、动态变化的，且控制参数之间存在强耦合，控制目标在不同工况下的权重不同，操作手段有限，生产控制需要适应这种过程的快速变化和控制目标重要性的变化，迅速响应负荷变动，以满足蒸汽用户的需求，并充分节能。基于反馈和前馈控制的传统DCS控制模式无法从根本上解决这种快速响应、全局优化的需求，必然导致人工操作干预过程引起的波动、差异和效益损失。

（3）负荷随机变化

由于下游装置运行原因和气候、天气、昼夜温差等环境因素的影响，以及油品变化引起的热量需求的变化，锅炉下游对蒸汽的需求并非常量，加上煤质变化等因素引起的锅炉自身波动，锅炉需要随机调整负荷以满足需求，由于人为因素的介入，不可避免存在以下两个问题：一是关注度不够，调节不及时，错失最佳时机；二是调节水平局限，很难维持最佳燃烧效率，而且蒸汽品质波动大、煤耗高、影响下游操作。

（4）锅炉联运优化空间

作为共用工程，大型企业供汽均采用多台锅炉联运。除每台锅炉的负荷调整外，为满足蒸汽用量大幅变化的需求，通常企业均建有备用锅炉，根据需要启停。这种启停过程可能无法及时满足蒸汽用量突变的需求，而由于性能和负荷约束的不同，多台锅炉之间的负荷分配可能存效率低下和能源浪费等不合理的状况。更加快速、稳定、高效的做法是，在全厂进行精确能源平衡的基础上，选择一台性能良好的锅炉作为负荷“随动系统”，由智能APC控制，根据需要随时调整负荷，其他锅炉满负荷运行。

（5）燃烧过程中的热量损失

锅炉燃烧过程中存在大量优化利用热能的空间，如减温水操作不够精细，传统人工操作通常采用过量加减水的办法迅速压制汽温上升或下降的势头，然后通过几次回调使过程趋于平稳，这种过量调整的方式必然造成热量的损失；此外，出于安全考虑，操作工通常将锅炉氧含量控制在较高的范围，在动态负荷调整时，为满足需求，氧含量操作动作较大，造成大量热量随烟气流失。

发明内容

针对背景技术中循环流化床存在的煤质变化及负荷变化等动态过程控制存在波动以及尾氧浓度偏高造成能源浪费等问题，本申请基于DMC（动态矩阵控制）系统先进过程控制技术开发的智能控制系统解决方案，通过单炉智能控制和多炉智能控制优化，使得燃煤蒸汽锅炉在应对煤质变化、负荷调整等动态过程中能够以最优的方式和最快的速度加以响应，基于模型由智能控制系统代替操作员进行系统操作，克服了基于反馈的常规调节模式的滞后和波动问题，使锅炉始终保持较高的燃烧效率，降低蒸汽煤耗，并通过锅炉性能差异的动态判断，优化负荷调整分配，兼顾各自的炉温约束限制各锅炉调节幅度，确保安全，延长锅炉使用寿命。

为实现上述目的，本发明采用的技术方案为：

一种循环流化床燃煤锅炉智能控制方法，该方法包含：

设定基本负荷，智能控制器根据基本负荷通过DCS进行煤种补偿，然后智能控制器进行给煤量设定和给煤速度设定；

智能控制器根据给煤量设定和给煤速度设定通过DCS进行增益补偿；

智能控制器将设定的给煤量和给煤速度发送给DCS，DCS通过接收的给煤量和给煤速度对给煤机进行控制，锅炉系统工作时，DCS采集锅炉系统的燃烧参数和风机参数的实时数据并进行储存；以及

智能控制器根据燃烧参数和风机参数的实时数据和一定时间范围内的历史数据来设定锅炉的主蒸汽压力和流量，在锅炉运行时进行多项优化控制。

进一步的，所述燃烧参数包括流化床层温度、锅炉炉膛温度，所述风机参数包括一次风机、二次风机的风速、运行时间和风量。

进一步的，所述多项优化控制包含：

多炉优化控制、煤质变化响应优化控制、主蒸汽温度和炉膛温度优化控制、氧含量优化控制、给煤机优化控制。

进一步的，所述多炉优化控制的具体方法包含：

引入备用炉信号、各炉运行效率实时值、各炉最佳负荷区间作为输入信号，通过模型进行识别和判断锅炉的用/备情况，并及时决定主从锅炉进行负荷调节，始终在确保安全前提下尽肯能迅速地调节负荷。

进一步的，所述煤质变化响应优化控制的具体方法包含：

煤质变化会第一时间反映在被控变量炉膛温度以及氧浓度上，本项目间接采用被控变量模型预测与实际值累积偏差修正的办法，智能控制器通过炉膛温度及氧浓度预测与实际值间的累积误差来断定热值的波动，热值变大则适当调大给煤对压力的增益，热值变小则减小给煤对压力的增益，从而维持锅炉始终运行在最优条件下。

进一步的，所述主蒸汽温度和炉膛温度优化控制的具体方法包含：

建立一次风压力、给水、炉膛温度和主蒸汽的温度相关联的模型，根据不同的状况，调节一次风的压力、给水流量或一级减温水的温度控制器等相关的操纵变量，使主蒸汽的压力保持在较小的范围内波动，炉膛温度控制在合理的范围内，减少减温水的使用。提高锅炉转换效率，降低能耗。同时，由于主蒸汽的温度趋向恒定，减温水的使用量降低，这样也会降低锅炉产生的蒸汽温度，使炉膛维持一个合理的温度，减少氮氧化合物的生产，减少锅炉向周围空气散失的热量。这样，能够提高锅炉的热效率，也会减少因炉膛温度高而易形成结焦的情况。

进一步的，所述氧含量优化控制的具体方法包含：

稳态锅炉负荷平稳，建立二次风和氧含量相关联的模型，通过调节二次风，使锅炉内的氧气含量控制在目标值。

进一步的，所述氧含量优化控制的具体方法包含：

动态锅炉负荷发生变化，建立负荷、一次风、二次风和氧含量相关联的模型，通过调节一次风和二次风，优化锅炉内的氧气含量。由于氧气浓度的控制，目标是向下限靠近。这样，在炉膛出口的氧气浓度就会降低，从而减少炉膛里过量空气的总量。尽量减少主燃烧区的空气量，使主燃烧成为富燃烧区。同时，增加燃尽区的风量，使煤粉燃尽，降低氮氧化合物的生成，降低烟气的温度，减少烟气带走的热量损失，提高锅炉的效率。

进一步的，所述给煤机优化控制的具体方法包含：

建立一次风、二次风、给煤机速率、主蒸汽压力、负荷和炉膛温度相关联的模型，锅炉维持合理的负荷、压力和炉膛温度范围内，调节给煤机的速率，使给煤机的给煤速率达到均衡。

进一步的，该方法还包含：

运行监控系统，建立计时器，通过计时器监控DCS与上位机的通讯；通信正常时，上位机先进控制系统每个运行周期都会对该计时器复位，使得该计时器周而复始不断运行；如果通信中断，上位机的复位信号无法下达，计时器将最终停止或超越某范围，以此说明通信中断，并给出相应标记。

确保系统运行的最佳状态，本申请采用Aspen DMCplus多变量模型预测控制。所述多变量模型预测控制运行原理为，以烟气含氧量、炉膛压力、炉膛压差、蒸汽管网压力、床温下层温度、一次风流量、一次减温水阀位、二次减温水阀位作为被控变量；以一次风机变频输出、二次风机变频输出、引风机变频输出、给煤机变频输出、排渣机变频输出、一次减温水温度设定作为操作变量；以总下煤量、一次风机电流、二次风机电流作为前馈变量；预测从当前时间到稳态时间内被控变量的变化，被控变量当前值，操作变量当前值、前馈变量当前值、上周期被控变量预测值作为预测模型的输入数据，得到被控变量的预测值，根据被控变量预测值得到操作变量作为输出数据，根据操作变量得到被控变量的实际值。被控变量当前实际值与预测值进行比较，二者的偏差用于矫正预测结果。这样保证了每个周期的预测值都得到矫正，并给智能控制器提供反馈信息。智能控制器确定操作变量和前馈变量的变化对被控变量的影响，并继续矫正预测值。智能控制器根据预测模型的计算结果，在整个稳态时间内得到每个被控变量一系列的预测矫正值。

以上述被控变量的预测矫正值、操作变量的上下限值、被控变量的上下限值、模型中的可行性阶段目标函数、经济优化阶段目标函数、操作变量的设定值作为稳态优化控制的输入数据，计算得到操作变量和被控变量的目标值。

在每一采样时刻，智能控制器将计算出操作变量的控制作用以使得被控变量在未来一定时间区间内与期望值的误差最小，实现多变量模型预测控制的动态优化控制。

与现有技术相比，本申请的有益效果为：

本申请在实施过程中不需要改变原有DCS中的任何设定及控制回路。在稳态条件下（即负荷稳定，下游用量稳定），通过对给煤量、一次风、二次风等操作变量的合理控制，使锅炉稳定运行。当锅炉负荷发生变化时，智能控制器能够自动识别（如通过某关键点蒸汽压力变化趋势或其他等等），智能控制器将优先选择性能优异的锅炉进行调节（判断通过锅炉热效率来判断优异性，热效率参数可以从原有的DCS数据中计算得到，某些系统也有直接提供热效率参数），其他锅炉负荷维持稳定。通过智能控制器进行多炉优化控制、煤质变化响应优化控制、主蒸汽温度和炉膛温度优化控制、氧含量优化控制、给煤机优化控制。

本申请以PID控制为基础，结合DMC（动态矩阵控制）系统先进过程控制技术组合而成的新型控制方法，能够追踪锅炉效率变化，调整控制策略，实现系统长周期优化；根据工况能够自动选择优化操作模式，实现单炉及多炉联动实时优化控制；自动识别煤质变化和下游需求变化，快速调节负荷，稳定蒸汽品质。

本申请基于DMC（动态矩阵控制）系统先进过程控制技术开发的智能控制系统解决方案，通过单炉智能控制和多炉智能控制优化，使得燃煤蒸汽锅炉在应对煤质变化、负荷调整等动态过程中能够以最优的方式和最快的速度加以响应，基于模型由智能控制系统代替操作员进行系统操作，克服了基于反馈的常规调节模式的滞后和波动问题，使锅炉始终保持较高的燃烧效率，降低蒸汽煤耗，并通过锅炉性能差异的动态判断，优化负荷调整分配，兼顾各自的炉温约束限制各锅炉调节幅度，确保安全，延长锅炉使用寿命。

附图说明

图1为某75t/h燃煤蒸汽锅炉投用本发明实施例1前后汽包压力按日期的I-MR（单值极差控制图）；

图2为某75t/h燃煤蒸汽锅炉投用本发明实施例1前后汽包液位按日期的I-MR（单值极差控制图）；

图3为某75t/h燃煤蒸汽锅炉投用本发明实施例1前后出口负压按日期的I-MR（单值极差控制图）；

图4为某75t/h燃煤蒸汽锅炉投用本发明实施例1前后氧含量按日期的I-MR（单值极差控制图）；

图5为循环流化床燃煤锅炉单炉智能控制系统智能控制器单炉模型矩阵；

图6-7为本申请多变量预测模型控制逻辑；

图8为本申请智能控制系统的拓扑结构原理图；

图9为现有的循环流化床燃煤蒸汽锅炉DCS与本申请的智能控制过程系统的连接关系图。

具体实施方式

为更好的理解本发明的技术方案，下面将结合附图1-9和实施例对本发明的技术方案作进一步说明。实现本发明的方式包括但不仅限于以下实施例，以下实施例用于说明本发明，但不用来限定本发明的保护范围。若未特别指明，实施例中所用技术手段为本领域技术人员所熟知的常规手段。下述实施例中的试验方法，如无特别说明，均为常规方法。

实施例1

一种循环流化床燃煤锅炉智能控制方法，具体步骤如下：

第一步：设定基本负荷，智能控制器根据基本负荷通过DCS进行煤种补偿，然后智能控制器进行给煤量设定和给煤速度设定；

第二步：智能控制器根据给煤量设定和给煤速度设定通过DCS进行增益补偿；

第三步：智能控制器将设定的给煤机参数通过OPC（一种通讯协议）发送给DCS，DCS通过给定的给煤机参数对给煤机进行控制。锅炉系统工作时， DCS收集燃烧参数和风机参数的实时数据并进行储存，燃烧参数包括流化床层温度、锅炉炉膛温度，风机参数包括一次风机、二次风机的风速、运行时间和风量。

第四步：智能控制器根据燃烧参数和风机参数设定锅炉的主蒸汽压力和流量。在锅炉运行时进行多项优化即可。多项优化包括：多炉优化控制、煤质变化响应优化控制、主蒸汽温度和炉膛温度优化控制、氧含量优化控制、给煤机优化控制。

本申请的智能控制器通过OPC（一种通讯协议）与DCS进行通讯，智能控制器通过OPC调取DCS数据库中的实时数据并进行处理，将处理后的结果通过OPC发送给DCS，由DCS对锅炉系统进行优化调节。

某75t/h燃煤蒸汽锅炉投用本发明前后蒸汽煤耗量见表1，投用前后的汽包压力、汽包液位、出口负压、及氧含量按日期的I-MR（单值极差控制图）分别见图1-图4。

表1

。

从表1中可看出，本发明控制方法的使用能够明显降低蒸汽煤耗；从图1可以看出，本发明投用后汽包压力移动极差由0.2305降低至0.1157，降低了50%；从图2可以看出，本发明投用后汽包液位移动极差由13.3降低至9.4，降低了30%；从图3可以看出，本发明投用后出口负压移动极差由148降低至80，降低了45%；从图4可以看出，本发明投用后氧含量移动极差由1.23降低至0.739，降低了40%；因此本发明的投用，能够使锅炉始终保持较高的燃烧效率，降低蒸汽煤耗，并通过锅炉性能差异的动态判断，优化负荷调整分配，兼顾各自的炉温约束限制各锅炉调节幅度，确保安全，延长锅炉使用寿命。

本申请的控制目标是根据外部负荷和煤质改变时，通过改变给煤量、一次风、二次风等的供给量来平衡炉膛温度，从而维持汽包压力稳定，当存在多锅炉运行时，优先对锅炉通过模型进行判断，根据锅炉调节反应速度，区分主从锅炉。整个过程中要保证锅炉运行的安全性、经济性和稳定性。因此，循环流化床锅炉燃烧过程控制主要在一下两点的控制，一是能量的供给，即燃料燃烧提供的热量要能适应锅炉蒸汽负荷的需要。二是蒸汽管网的压力控制，他主要同过汽包压力来实现。燃烧过程中系统的被控变量有：烟气氧含量、炉膛压力、炉膛温度、管网蒸汽压力、一次风流量、一次减温水阀位、二次减温水阀位；操作变量有：一次风机变频输出、二次风机变频输出、引风机变频输出、给煤机变频输出、一次减温水设定；前馈变量有：总下煤量。它们分别对应着不同的优化控制。即多炉优化控制、煤质变化响应优化控制、主蒸汽温度和炉膛温度优化控制、蒸汽管网的压力优化控制、氧含量优化控制、给煤机优化控制。它们之间还存在不同耦合关系，如果改变一次风量，同时会改变炉膛温度、影响主蒸汽压力等，燃烧过程需要通过控制模型控制好以上几个变量之间的关系。

本申请采用Aspen DMCplus多变量模型预测控制。所述多变量预测控制，以烟气含氧量、炉膛压力、炉膛压差、蒸汽管网压力、床温下层温度、一次风流量、一次减温水阀位、二次减温水阀位作为被控变量；以一次风机变频输出、二次风机变频输出、引风机变频输出、给煤机变频输出、排渣机变频输出、一次减温水温度设定作为操作变量；以总下煤量、一次风机电流、二次风机电流作为前馈变量。预测从当前时间到稳态时间内被控变量的变化，被控变量当前值，操作变量当前值、前馈变量当前值、上周期被控变量预测值作为预测模型的输入数据，得到被控变量的预测值，根据被控变量预测值得到操作变量作为输出数据，根据操作变量得到被控变量的实际值。被控变量当前实际值与预测值进行比较，二者的偏差用于矫正预测结果。这样保证了每个周期的预测值都得到矫正，并给智能控制器提供反馈信息。智能控制器确定操作变量和前馈变量的变化对被控变量的影响，并继续矫正预测值。智能控制器根据预测模型的计算结果，在整个稳态时间内得到每个被控变量一系列的预测矫正值。

以上述被控变量的预测矫正值、操作变量的上下限值、被控变量的上下限值、模型中的可行性阶段目标函数、经济优化阶段目标函数、操作变量的设定值作为稳态优化控制的输入数据，计算得到操作变量和被控变量的目标值。

在每一采样时刻，智能控制器将计算出操作变量的控制作用以使得被控变量在未来一定时间区间内与期望值的误差最小，实现多变量模型预测控制的动态优化控制。表2为循环流化床燃煤锅炉智能控制系统模型结构，图5为循环流化床燃煤锅炉单炉智能控制系统控制器单炉模型矩阵。

表2 循环流化床燃煤锅炉单炉智能控制系统模型结构

。

煤质变化响应优化控制，煤质变化会第一时间体现在被控变量炉膛温度以及氧浓度上的变化上，智能控制器通过预测模型炉膛温度及氧浓度预测与实际值间的累积误差（即通过实时数据变化趋势）来断定热值的波动，热值变大则适当调大给煤对压力的增益，热值变小则减小给煤对压力的增益，从而维持锅炉炉膛温度和汽包压力稳定，是锅炉始终处于最佳运行状态。

所述主蒸汽温度和炉膛温度优化控制，主蒸汽温度是一个非常重要的参数，影响汽轮机的发电效率和设备的保护。当前蒸汽的温度控制，是通过调节一级减温水、二级减温水的阀门，来调节主蒸汽的温度。减温水会造成锅炉效率的降低。同时进煤量，风量，给水量也会影响到主蒸汽温度。进煤量，风量变化主要首先反应在炉膛温度变化上，对主蒸汽温度的影响较为滞后。

以一次风压力变频输出、给水阀位、一级减温水阀位作为操作变量，炉膛温度和主蒸汽的温度作为被控变量相关联的多变量预测控制模型，根据不同的状况，自动调节一次风的压力、给水流量或一级减温水的温度控制器等相关的操纵变量，使主蒸汽的压力保持在较小的范围内波动，炉膛温度控制在合理的范围内，减少减温水的使用。提高锅炉转换效率，降低能耗。同时，由于主蒸汽的温度趋向恒定，减温水的使用量降低。这样也会降低锅炉产生的蒸汽温度，同时使炉膛维持一个合理的温度。

含氧量优化控制，锅炉负荷的变化，煤质量的变化，一次风的变化、二次风的变化都会影响到氧含量的控制。氧含量的高低影响到锅炉的效率。稳态和动态时燃烧对氧含量的要求不一样，负荷增加时燃烧需要更高，这就需要把氧含量控制的目标在不同工况下定为不同的目标值。当燃煤蒸汽锅炉处于平稳运行时（模型自动识别），负荷稳定不变，通过二次风与氧含量相关的预测模型控制，通过调节二次风使锅炉内的氧气含量控制在目标值。当锅炉处于负荷变化的动态过程时（模型自动识别），通过负荷、一次风、二次风和氧含量相关联的预测模型，控制调节一次风和二次风，实现锅炉氧气含量稳定优化控制，使得当前负荷变化与氧气含量相匹配。

给煤机优化控制，建立一次风、二次风、给煤机速率、排渣量、主蒸汽压力、负荷和炉膛温度相关联的模型，根据负荷的需要，自动调节给煤机给煤量将锅炉维持合理的压力和炉膛温度范围内。

如图6、7为多变量预测模型控制自动控制逻辑图所示，具体步骤为：

以烟气含氧量、炉膛压力、炉膛压差、蒸汽管网压力、床温下层温度、一次风流量、一次减温水阀位、二次减温水阀位作为被控变量；以一次风机变频输出、二次风机变频输出、引风机变频输出、给煤机变频输出、排渣机变频输出、一次减温水温度设定作为操作变量；以总下煤量、一次风机电流、二次风机电流作为前馈变量。预测从当前时间到稳态时间内被控变量的变化，被控变量当前值，操作变量当前值、前馈变量当前值、上周期被控变量预测值作为预测模型的输入数据，得到被控变量的预测值，根据被控变量预测值得到操作变量作为输出数据，根据操作变量得到被控变量的实际值。被控变量当前实际值与预测值进行比较，二者的偏差用于矫正预测结果。这样保证了每个周期的预测值都得到矫正，并给智能控制器提供反馈信息。智能控制器确定操作变量和前馈变量的变化对被控变量的影响，并继续矫正预测值。智能控制器根据预测模型的计算结果，在整个稳态时间内得到每个被控变量一系列的预测矫正值。

以上述被控变量的预测矫正值、操作变量的上下限值、被控变量的上下限值、模型中的可行性阶段目标函数、经济优化阶段目标函数、操作变量的设定值作为稳态优化控制的输入数据，计算得到操作变量和被控变量的目标值。

在每一采样时刻，智能控制器将计算出操作变量的控制作用以使得被控变量在未来一定时间区间内与期望值的误差最小，实现多变量模型预测控制的动态优化控制。

本申请实施例的工作原理，依靠DMC（动态矩阵控制）系统提供了全套工具，以满足燃煤锅炉智能控制系统的设计要求。在此基础上开发的智能控制系统，在智能控制器中融入对流程工艺的深入理解，在系统内嵌入“人脑机制”，使原本仅能够实现平稳操作的APC控制器具备了工艺优化的功能，是“最佳工艺工程师”与“最佳操作员”的统一体，不仅对装置进行24×7全年无休的看护，同时也在对装置进行24×7全年无休的工艺优化，从而基于模型预测的控制技术，依靠多目标、多变量模型实时对生产装置的未来状态进行全局动态预测和优化控制，在确保安全的基础上，提升和稳定产品质量，并提高产量，降低消耗，创造效益。

本发明对循环流化床燃煤锅炉智能控制是这样实现的：首先根据锅炉工况和负荷变化，并根据智能控制器的设定模型自行判断优先调节某一台锅炉或者某几台锅炉，即与人工判断方法一样，先调好需调节的锅炉和另外的锅炉维持负荷稳定，然后根据单台炉控制器进行控制。本申请在工作过程中，不会改变原有锅炉的控制回路，仅仅是实现对锅炉的合理合量合适的操作，能够根据各参数的变化趋势提前进行工况判断，从而克服了原有控制方法的滞后调节。

综上所述，在不违背本发明创造的思想，对本发明的各种不同实施例进行任意组合，均应当视为本发明公开的内容；在本发明的技术构思范围内，对技术方案进行多种简单的变型及不同实施例进行的不违背本发明创造的思想的任意组合，均应在本发明的保护范围之内。

Claims (2)

1.一种循环流化床燃煤锅炉智能控制方法，其特征在于，该方法包含：

设定基本负荷，智能控制器根据基本负荷通过DCS进行煤种补偿，然后智能控制器进行给煤量设定和给煤速度设定；

智能控制器根据给煤量设定和给煤速度设定通过DCS进行增益补偿；

智能控制器将上述设定的给煤量和给煤速度发送给DCS，DCS通过接收的给煤量和给煤速度对给煤机进行控制，锅炉系统工作时，DCS采集锅炉系统的燃烧参数和风机参数的实时数据并进行储存；以及

智能控制器根据燃烧参数和风机参数的实时数据与历史数据来设定锅炉的主蒸汽压力和流量，在锅炉运行时进行多项优化控制；

其中，所述多项优化控制包含：

多炉优化控制、煤质变化响应优化控制、主蒸汽温度和炉膛温度优化控制、氧含量优化控制、给煤机优化控制；

所述多炉优化控制的具体方法包含：引入备用炉信号、各炉运行效率实时值、各炉最佳负荷区间作为输入信号，通过模型进行识别和判断锅炉的用/备情况，并及时决定主从锅炉进行负荷调节；

所述煤质变化响应优化控制的具体方法包含：

智能控制器通过炉膛温度及氧浓度预测与实际值间的累积误差来断定热值的波动，并根据热值进行给煤增益的调整；

所述燃烧参数包括流化床层温度、锅炉炉膛温度，所述风机参数包括一次风机、二次风机的风速、运行时间和风量；

所述主蒸汽温度和炉膛温度优化控制的具体方法包含：

建立一次风压力、给水、炉膛温度和主蒸汽的温度相关联的模型，根据不同的状况，调节一次风的压力、给水流量或一级减温水的温度控制器相关的操纵变量，使主蒸汽的压力保持在较小的范围内波动，炉膛温度控制在合理的范围内，减少减温水的使用；

所述氧含量优化控制的具体方法包含：

稳态锅炉负荷平稳，建立二次风和氧含量相关联的模型，通过调节二次风，使锅炉内的氧气含量控制在目标值；

动态锅炉负荷发生变化，建立负荷、一次风、二次风和氧含量相关联的模型，通过调节一次风和二次风，优化锅炉内的氧气含量；

所述给煤机优化控制的具体方法包含：

建立一次风、二次风、给煤机速率、主蒸汽压力、负荷和炉膛温度相关联的模型，锅炉维持在合理的负荷、压力和炉膛温度范围内，调节给煤机的速率，使给煤机的给煤速率达到均衡。

2.如权利要求1所述的方法，其特征在于，该方法还包含：

运行监控系统，建立计时器，通过计时器监控DCS与上位机的通讯；通信正常时，计时器周而复始不断运行；通信中断时，计时器给出相应标记。

Images