基于改进PSO的锅炉过热器温度模型辨识探讨.docx

基于改进PSO的锅炉过热器温度模型辨识探讨摘要：由于如今火电机组处于频繁大范围变工况的工作环境下，以往的模型先验知识不再适用于新模型的建立，文章提出一种基于PSO算法的改进APS-PSO(automaticparameterspace-PSO)方法，利用"碰壁"思想，做到模型参数寻优范围的自适应调整。利用大型火电机组过热汽温运行数据进行了数据处理和建模验证。结果表明：采用所提方法取得了较好的建模效果，检验了该方法的有效性，具备一定的现场使用价值。关键词：火电机组；锅炉；过热蒸汽温度；系统辨识；改进粒子群算法1、引言火力发电一直是电力工业的重要支柱，为提高热力循环效率，高参数、大容量的火电机组均采用蒸汽再热系统。在电站热工过程研究中，系统的设计与分析都建立在被控对象数学模型的基础之上。文献1H2依据再热器的结构参数和热力参数，对再热蒸汽温度的动态特性进行定量计算，给出再热蒸汽温度的机理模型，但再热器系统具有复杂热工对象所普遍存在的非线性及动态特性随工况参数变化等特点,通过理论分析的方法很难获得其准确的数学模型。文献利用差分进化算法编制再热蒸汽温度辨识程序，在二次再热机组仿真平台上进行辨识实验，得到几种调温方式下再热蒸汽温度的传递函数模型，但由于仿真平台运行环境和机组实际运行的差异，辨识结果存在一定偏差。文献利用最小二乘法对锅炉的再热蒸汽温度进行辨识建模，但基本优化算法由于结构简单，易受现场不规则数据的影响，仍然难保证对于再热蒸汽温度的辨识精度。在传统的模型辨识工作中，改进的方向通常为辨识的精度、辨识的稳定性以及辨识所需要耗费的时间，并以这些来作为评价指标，来判断算法的优劣。在这样的辨识工作中，待辨识系统的模型参数往往是已知的，在算法改进工作中，只需要以准确的模型参数作为基准，设置一个范围较小的上下限，就可以做到对对象的精准识别。但在“双碳目标的驱动下，为了消纳波动性很强的新能源出力，当前的火电机组经常工作在大范围变负荷的工况下，而随着工况的大范围变化，火电机组的各个系统的模型参数将发生较大范围的变化,此时如果再使用额定功率下的模型参数所确定的寻优范围进行系统模型参数的辨识，可能会出现该范围内根本没有全局最优点的情况。在(韩璞老师的书中)中，可以通过一次又一次的改变寻优范围，来做到逐渐逼近真正的全局最优目的。在控制系统向智能化迈进的今天，无人值守或者少人值守的电站建设正在有序进行，依靠人力来不断调整参数的寻优范围显然是不现实的，同时随着火电机组频繁的参与到调峰调频任务中，需要对机组进行更为细致的控制，而对于一个未知系统进行系统模型辨识，在没有先验知识的情况下，如何进行初始寻优范围的选择，这是机组现场一个急需解决的问题。本文采用一种基于自适应速度的区间碰壁算法(APS(automaticparameterspace)-PS0),可以有效地解决参数寻优初始范围无法确定以及后续的寻优区间调整工作量较大的问题，并利用仿真数据进行系统模型辨识试验，验证模型的可行性。同时基于电站现场的大量历史数据，利用算法对锅炉过热器温度模型进行辨识优化，结果证明该算法具有较强的实用性，对下一步使用GPC等现代控制策略在现场的应用打下基础。2、粒子群算法2.1 基本粒子群算法粒子群优化算法(PSo)是Eberhart和Kennedy于1995年基于对鸟群、鱼群的行为模拟的一种新型仿生优化设计算法，它的设计思想主要来自于人工生命和进化算法。主要应用于复杂非线性函数的优化问题，具有便于实现、计算速度快、可以辨识闭环系统等优势。标准粒子群算法首先依据实际问题构建一个搜索空间，通常是欧氏空间的一个子集。然后在这个搜索空间中以随机的方式生成n个粒子,每个粒子都有自己的位置、速度和适应值。一个粒子的位置对应搜索空间中的一个点，每个粒子的飞行方向受当前飞行速度、粒子自身历史最优位置以及种群历史最优位置三者的综合影响。每次飞行到下一个位置，都需要通过计算适应度函数的值来更新粒子自身历史最优位置和种群历史最优位置。在d维的搜索空间中，记第i个粒子的位置和速度分别为工，1.:'以及。.，称1.，是第i个粒子在d维空间中所经历过的最好位置，称作个体历史最优位置，。是整个粒子群曾经到达过的最优位置。根据上面的最优值，粒子可以通过公式来更新自己的速度：Vg¢+1)=W+<Yi(P.«)-。(£)+q弓-Xw(O)同时通过公式来更新自己的位置：¾÷l)=xtf()+0÷I)式中：W表示惯性权重，决定了粒子对当前速度继承的比例。当W值比较大时，粒子在全局的寻优能力比较强，在局部寻优的能力比较弱；相反，粒子在全局的寻优能力比较弱，在局部的寻优能力比较强。采用合适W的值会在搜索速度和准确性方面起到非常恰当的协调作用。Y.Shi和RCEberhart提出了惯量权重线性递减(1.DW)的方法，即在算法使用初期取较大的w值帮助其对问题空间进行有效的搜索，在后期取较小的W值有利于算法的收敛，惯性权重递减公式为：式中：W的取值范围可以先预设为0.8,1.2,GmaX为最大迭代次数，g为当前算法已经迭代的次数。Cl和c2为两个学习因子，也称为加速度因子，Cl代表了粒子追踪自身所取得的历史最优值的权重系数，反映了粒子个体的历史最优位置对当前位置的影响，称为“个体认知系数;c2则代表了粒子追踪全局最优值的权重系数，体现了粒子间的协同合作和知识的共享，称为“社会学习系数”。一般情况下，我们令Cl=C2=2。门和己为0,1之间的随机数，可以实现概率随机搜索。在粒子更新过程中，为了避免粒子在演化过程中超过规定的搜索空间，粒子每个维度的大小和速度通常应限制在一定的设定范围之内。如果超过范围，则被限制在其上限值或下限值。标准粒子群算法的步骤如下：步骤1.粒子群算法的初始化，设置相关参数，包括粒子位置和速度的范围，学习因子Cl和c2的取值，算法最大的进化次数，粒子群种群规模。通过随机的方式产生n个粒子及其初始种群的位置Xio以及速度矩阵。计算每个粒子的初始适应度值，令此时的个体历史最优位置Pi=Xi0,n个粒子对应的适应度值中最好的值对应的粒子位置即为，该适应度值为全局最佳适应度值。步骤2：对粒子的当前速度和位置进行实时更新，从而产生新的种群，检查粒子当前速度及当前位置是否存在越界问题。步骤3：计算适应度函数的值Pi,更新个体历史最优位置、种族历史最优位置和全局最佳适应度值。步骤4：检查当前情况是否达到了截止的条件(是否到达最大迭代次数或者是否达到优化精度)，如果没有，返PI步骤2继续进行寻优操作，否则，算法终止。算法流程框图如PSo的流程框图如图1所示图1标准PSO流程框图2.2 改进的APS-PSO算法在进行算法辨识的过程中，数据的好坏以及算法的固定参数的选取都会对最终的辨识结果产生较大的影响。特别是在对一个没有先验知识的系统进行模型辨识时，若是使用传统的PSo算法进行辨识，初始的寻优范围无法确定，若是设置一个较小的范围，则可能真正的全局最优点，或者说符合工程精度的全局最优点不在所设定的寻优区间之内；此时若是通过人工手动来调整寻优范围，则需要对每一个触碰边界的参数区间不断进行修改，直到达到一个能够满足预期要求的模型参数。同时实际系统一般都是多入多出的复杂模型，参数较多，使用人工进行范围调整的工作量太大;若是设置每一个范围区间都尽可能的合理并且保持一个较大的范围，以避免其中没有真正的全局最优点。但辨识的结果没有触碰到区间边界，且寻优结果不理想。没有触碰到边界，意味着只能在上次的寻优得出的结果附近进行区间缩小，以达到优化的目的，而这样的迭代效果很差。图2APS-PS0流程框图3、过热蒸汽温度模型锅炉系统中，锅炉的过热蒸汽温度即主蒸汽温度作为机组主要的调节控制参数，要控制在一定的范围之内。过热蒸汽温度过高，会使锅炉“四管管壁金属超限，造成金属管壁不可逆的损伤，进而降低了锅炉管道的寿命，严重会造成锅炉"四管"泄漏引发安全事故；经济性方面，过热温度过高的话，就会增加减温水的用量，大大地降低机组的工作热效应，降低机组的经济性。反之，如果过热蒸汽温度过低，也会产生不良影响。过热蒸汽过低时，空气预热器入口的温度就会降低，那么对于空预器易产生低温腐蚀；在保证汽轮机出力不变的情况下，需要更多的过热蒸汽来做功，大幅降低机组的经济性；当过热蒸汽温度继续降低至对应压力下的饱和温度时还易造成汽轮机末级叶片蒸汽带水、汽轮机进水，锅炉减温水控制系统的作用不言而喻。3.1 模型变量选取典型的减温水系统结构图如图3所示，饱和蒸汽从汽包产生，经过热器以及两级喷水减温得到主蒸汽。其主要作用，是在锅炉负荷变化时，通过两级减温水调门，粗调和细调相结合，共同作用来保持和控制主蒸汽温度在一定的允许范围内，不出现超温、低温等情况，除此之外，还可以提升机组运行的经济性。K2.S过热8或温控制，惊”构图图3减温水系统结构图根据实际工程经验以及理论分析,影响过热器出口温度即主蒸汽温度的因素主要有如下几方面：1）过热器减温水流量过热器减温水系统的主要手段就是把水喷入过热蒸汽中使其雾化,喷入的减温水来自给水母管，一般其温度远低于一级减温器前的过热蒸汽温度，减温水通过蒸发吸热达到降温的目的。2）机组负荷在锅炉煤量不变的基础情况下，汽机增加负荷，过热蒸汽流量首先增加（换热），而锅炉燃烧没有发生变化，那么对应过热蒸汽的温度将降低；同理，汽机降低负荷，主蒸汽流量减少时，过热器出口温度反而会升高，由此我们可以得到，机组负荷是影响过热汽温的一个重要原因。3）总燃料量锅炉总燃料量是锅炉燃烧的一个最根本的要素，锅炉通过燃烧释放化学能产生热能，这一过程的转化效率通常可高达90%以上，燃烧之后通过锅炉内部的辐射换热、对流换热的方式加热给水到蒸汽,而加热的总能量是由锅炉燃料来提供,是影响过热蒸汽温度的根本原因。3.2模型辨识将机组负荷，减温水流量以及给煤量作为输入，以过热一级减温器出口汽温作为输出，得到一个三人一出的减温水系统模型。用于系统建模的数学模型种类较多，但基于传递函数模型的过程控制在电厂中应用最广，且绝大部分热工对象均有自平衡能力。常见的传递函数模型（式（4）由惯性环节、积分环节、正零点以及延迟环节组成：（布+1）（承+1）3D式中：K为放大系数；Tn（n=l,2）为时间常数；r为延时时间。由此可见，该类模型需辨识的参数数量较多。由于热工过程时间常数大，阶数高，造成各参数之间相差较大，无法确定每个参数的合适范围，这使寻优时间变长，辨识结果的精度难以保证。为了降低辨识的复杂度，同时从机组现场控制需求的需求出发，一个二阶的惯性带迟延的环节已经可以满足控制要求。同时为了体现模型的更多特征，二阶的惯性环节采用非等容的形式，最终简化后的再热蒸汽温度传递函数模型如下所示:G（三）三g+l）G+l）4、机组历史数据处理4.1 数据预处理方法由于火电机组现场热工过程的复杂性,传感器或变送器采集的数据容易受到电磁干扰而含有多种噪声，这通常会使获取的实际运行数据含有直流成分和高频成分等。辨识方法无法消除噪声对辨识精度的不利影响。在以工况为依据选取辨识所用数据后，一般要对数据进行处理，主要有数据滤波、零初始值处理、粗大值处理等。1）数据滤波对于火电机组的现场数据都是叠加了高频噪声以后的真实数据,在趋势图上表现为有很多的“毛刺。为了消除数据中的高频噪声对辨识算法的影响，一般采用低通滤波器来抑制这些干扰噪声。低通滤波器的传递函数为：Gl（6）三2）零初始值处理传递函数是指在零初始条件下线性输出量的拉普拉斯变化与输入量的拉普拉斯变换之比。而从现场采集的数据没有通过零初始值处理的话，相当于默认平衡点在系统数据的实际的0值点。需要找到这个“零点，然后将其剔除。在系统处于于某一平衡状态时开始采集数据,这样即可将这个平衡状态当做系统输入输出的“零点。则其处理后数据表示如下：X*玫XXs£11-V1-N式中，N-零初始点个数3）粗大值处理现场采集的原始数据中，即使是通过高质量的采集手段，仍然会因为各种干扰以及设备故隙等原因导致有些数据明显超过了实际运行范围，这些数据我们称之为粗大值。若不将这些粗大值剔除直接进行辨识，那势必会对辨识结果造成不利影响。因此在辨识前要挑出这些粗大值，并予以剔除。4.2 实际数据预处理辨识所采用的数据为国能集团某660MW机组的DCS数据，采样时间为Is,采用的工况为60%负荷下机组负荷，总燃料量，过热器减温水流量以及过热器出口温度的数据共12000组，采用上述方式进行数据预处理。使用MAT1.AB中的rm。UtIierS函数，用于移除数据中的离群值，这样做的目的是避免离群值对后续数据处理和分析造成不良影响。对数据进行低通滤波时使用MAT1.AB中的巴特沃斯低通滤波器，得到的结果如下所示。经过数据预处理后的数据长度为11313,选用其中的前5000组数据作为训练集,后5000组数据作为验证集，验证算法的准确性。5、锅炉过热器温度模型辨识及验证使用改进的APS-PSO算法对锅炉过热器温度模型进行辨识，算法的固定参数为，粒子群规模：300,最大迭代次数：200,学习因子取值范围为：1.0-2.5,惯性权重取值范围为：0.1-0.9,惯性权重随迭代次数自适应变化。图4训练集数据模型辨识曲线经过算法迭代，以最优的辨识辨识结果为模型参数，得到的实测数据与辨识模型输出对比如图4所示，辨识模型的输出曲线与实际输出曲线的吻合效果较好。图5验证集数据模型辨识曲线将该320MW工况下选定的5000组验证集数据输入验证函数，得到如图5所示的辨识模型输出与实际数据输出对比，结果显示，虽然辨识模型使用验证集数据的输出不能像训练集一样几乎完全贴合实际系统输出曲线。但是也能很好的跟随系统的输出变化，并在一些细节跟随上也表现较好，结果显示该模型能较好的描述出该工况下，减温水一级出口的变化特性。附参考资料：锅炉受热面壁温分布直接监测实验为准确测量火焰覆盖下的锅炉受热面表面温度，采用彩色电荷耦合器件(CCD)相机和红外热像仪同时拍摄火焰图像，获取火焰在038078m和395m两个谱段的边界辐射强度信息，并结合DRESoR法解耦求解探测器接收到的火焰辐射和壁面辐射份额，从3.95m谱段辐射检测信息中滤除火焰辐射，反演测量锅炉受热面壁温分布.在一台330MW煤粉锅炉上开展了实验验证，分别测量了水冷壁和屏式过热器的向火侧温度，与热电偶测量结果相比最大偏差为4.1%.在炉膛水冷壁区域靠近侧墙l2m的火焰厚度上，利用3.95m中波探测器能够避开火焰辐射获得受热面图像.研究不仅对辐射测温技术的发展形成补充，还为锅炉受热面结渣沾污监测提供重要参考.受热面壁温监测是防止超温、保障机组安全稳定运行的必要手段.我国能源领域面向低碳化发展，正在施行煤电"三改联动"(节能降耗改造、供热改造、灵活性改造)，锅炉深度调峰运行逐渐常态化，受热面壁温变化速率和壁温偏差容易超过限定值，爆管和泄漏概率显著增大W.另一方面，众多燃煤电厂受当地资源和煤价约束，已开始大比例掺烧易结渣的经济煤种，锅炉受热面结渣沾污严重影响了炉内燃烧和水动力的安全性，这对壁温检测技术提出了新的需求和挑战.现有的壁温检测主要是抽点布置热电偶检测炉管背火侧温度3,由于壁温测点布置具有局限性，因此利用数学模型间接计算壁温的方法得到了广泛应用.陈鸿伟等利用电厂MIS采集的机组运行数据，通过模型在线计算来确定受热面壁温，并开展受热面壁温及负荷时序特性的分析5.王诗啸等均利用数值模拟结果来训练受热面壁温计算模型.但是，由于输入量具有多变及不确定性，因此数学模型计算壁温的精度有待进一步提高.辐射测温是一种非接触式检测方法,在高温测量场景下具有突出的技术优势和良好的应用前景7-8.采用辐射原理监测锅炉受热面壁温的难点在于，受热面被煤粉火焰覆盖，而煤粉火焰是复杂的吸收发射散射混合型介质，水和二氧化碳等三原子气体的非连续吸收发射、灰和碳黑等颗粒的连续发射散射吸收、壁面的连续发射反射三者相互耦合干扰，要获得壁面的真实温度，须解决火焰光谱特性识别、火焰光谱参数与壁面光谱发射率耦合求解、火焰自发射辐射滤除等科学问题9.相关研究尝试对烟气覆盖下的壁面温度进行测量,钟万里等10基于源项多流法建立了烟气流下过热器壁面红外测温模型，系统分析了烟气中飞灰对红外热成像测温的影响.王煜伟等11在燃煤锅炉中采用红外辐射测温仪对过热器表面温度场进行了测量，在上述研究中，火焰温度和辐射物性均须提前假定.受热面的可视化在解决受热面结渣沾污问题、通过精准吹灰抑制炉内传热不均匀方面具有良好的应用前景.然而受热面可视化一直是锅炉技术领域的难题，特别是在水冷壁区域，由于火焰温度远高于壁面，并且煤粉火焰属于强消光性弥散介质，探测器接收到的壁面辐射远小于火焰辐射，在一些研究中甚至被忽略不计；因此，要“穿透火焰来获得清晰的受热面图像极具挑战性和难度.本研究将建立辐射成像模型，采用多个探测器分别获取火焰在不同谱段的辐射图像，解耦求解探测器接收到的火焰辐射和壁面辐射份额，从而实现对锅炉受热面壁温的可视化监测，并在实际锅炉上开展测试验证.1检测原理如图1所示，将探测器布置在炉膛边界O点处，捕捉炉内火焰和受热面图像，本质是火焰和壁面热辐射在边界处的高方向分辨率的辐射强度图像.图1检测原理示意图探测器在s视线方向上接收的单色辐射强度由火焰辐射和壁面辐射提供，即h(Ofs)=a(w,s)+a(u,s)小火焰辐射会受到壁面的吸收和反射，同时壁面辐射也会受到火焰的吸收和散射，两者相互耦合.采用DRESOR法来解耦求解边界处壁面辐射和火焰辐射的份额12,）三4jfp（J；M）M3Wrs«P（）dMwJ1.W（几例）%（.,.“64）<*w÷i«p（几M）yA*p（）./（,01./!cmp（/她&"dGATeXP(-导)<1如+川：5(-几网)fe112KV,叫S)CIA'exp(-胃)dv+代EeXP(-几网)112qA5e×p()式中：I入(0,S)为布置在0点的探测器在S视线方向上接收的单色辐射强度；S(W,S)为壁面辐射到达检测器处的单色辐射强度；I、(v,S)为火焰辐射到达检测器处的单色辐射强度；入为波长；V为空间网格的体积；I为空间网格到探测器的距离；IW为壁面(W)网格到探测器的距离;n为折射率；Cl和C2为普朗克常数,分别为3.742X10-16Wm2和1.4388×10-2mK;B为火焰的消光系数；k为火焰的吸收系数；1.为火焰的物理厚度；£为壁面发射率；tf为火焰温度；tw为壁面温度；Rd为DRESOR数，表示火焰(壁面)的辐射能量被火焰散射或壁面反射然后被探测器在单位面积、单位角度上接收到的份额13.要实现“穿透”火焰获得受热面辐射图像，必须保证探测器接收到足够的壁面辐射.假定炉内火焰为发射、吸收、各向同性散射介质，散射系数为吸收系数的2倍，火焰光学厚度为0.1,火焰的光学厚度等于火焰的物理厚度和消光系数的乘积.假定受热面为灰性发射、吸收、漫反射表面，壁温600,均匀分布，发射率为0.8.计算探测器接收到的火焰和壁面辐射强度，如图2所示.可以看到：DRESOR法的计算结果与DoM(离散坐标)法完全符合，壁面最大辐射对应的波长位于4m附近.当火焰温度为IO(XrC时，在2.510m波段区间,壁面辐射大于火焰辐射.当火焰温度为1200°C时，在3.410m波段区间壁面辐射大于火焰辐射.rEM60一)、7/m图2光学厚度0.1时火焰和壁面辐射强度随波长变化图3给出当了火焰光学厚度为0.2时，探测器接收到的火焰和壁面辐射强度随波长变化.可以看出：当光学厚度增大时，火焰的吸收和发射作用增强，火焰辐射强度增大，而到达探测器的壁面辐射由于火焰介质的衰减作用而显著减小.此时在整个波段区间内，火焰辐射均大于壁面辐射.EM60一)/7图3光学厚度0.2时火焰和壁面辐射强度随波长变化在煤粉炉内，受热面的壁温一般在500600C范围，根据维恩位移定律，最大辐射位于35m.计算水和二氧化碳等三原子气体在红外波段的吸收特性，34,810m波段为水和二氧化碳的低吸收、高透过的光学谱段窗口带口4,因此可选用感光波段34m的中波红外探测器进行锅炉受热面成像监测.同时，为保证探测器接收的壁面辐射大于火焰辐射，选择探测器安装位置时，应尽可能靠近受热面，且避开火焰温度高、颗粒物浓度大的区域.辐射图像测温属于典型的辐射逆问题，即如何从边界辐射强度检测信息中重建源项分布.火焰温度和壁面温度均未知，单一的红外波段检测信息无法实现两者的解耦.这里采用两个探测器分别获取火焰在0380.78m和34m两个谱段的辐射强度信息，然后同时重建火焰温度和壁面温度.在0.380.78m波段，锅炉壁面辐射份额小于1%,可忽略不计.假定探测器视线方向上火焰温度和辐射物性均匀分布，此时辐射成像模型简化为二维无限大平板，可采用火焰图像温度和图像辐射率近似作为该视线方向上火焰温度和辐射率，火焰作为弥散介质的消光系数可通过辐射率和实际物理厚度反算得到.火焰图像温度和火焰辐射率计算过程如下C/n-CiexM-G/'(*f)dA=k(R/S).霖:%"G-6exp(-G(M)Q勺(G/S)'hrC1A-5exp(-C2(tf)式中：nr和ng为探测器红绿通道光谱灵敏度系数，由对应探测器的光谱响应曲线确定;kr和kg为光谱强度标定系数；R和G为红绿通道谱色值，S为探测器曝光时间；为火焰辐射率；Sr为探测器R通道接收的火焰单色辐射强度.在34m波段，无气体发射和吸收，火焰的辐射物性可近似认为与0.380.78m波段一致，将火焰温度和辐射参数代入式中可计算得到火焰辐射份额，然后从34m波段的辐射检测信息中滤除火焰辐射份额，结合最小二乘法可反演得到壁面的图像温度，Tw=(AlA)'1A(73-4m,O-4m,)式中：A为Rd数组成的系数矩阵；13-4Um,。和13-4m,v为34m波段的辐射检测强度和火焰辐射强度.2探测器标定为获取不同谱段的辐射图像，选用工业CCD（电荷耦合器件）彩色相机和红外热像仪两种探测器.CCD相机的感光波段为0.380.78m,属于可见光波段，避开了高温空间内气体组分的吸收谱带，主要接收火焰中焦炭粒子、灰粒子和碳黑的辐射光谱15.CCD相机的标定温度范围为900170（C,每升温20记录一个数据点，RG通道的标定曲线均为过原点的直线，各谱色值和曝光时间的比值信号与入射辐射光强信号成正比例关系口6红外热像仪的感光波段为35m,探测器类型为非制冷焦平面，像素为320x240,AD分辨率16bit,帧频60Hz,红外镜头中心通过波长3.95m,可近似为单色响应.红外热像仪输出的是温度信号,为从失真的温度信号中还原边界辐射强度，采用中温黑体炉对红外热像仪进行标定，结果如图4所示，纵坐标为黑体在395m处的单色辐射强度.-EM62)一/T/K图4红外热像仪的光谱强度标定曲线3试验结果与分析在某电厂330MW亚临界锅炉上开展了现场试验，锅炉为单炉膛平衡通风、四角切圆燃烧、口型汽包炉，燃用煤种为五彩湾混煤，入炉煤灰分17%18%.试验过程中炉膛出口CO体积分数约IXIO-4,飞灰可燃物约1%.分别在层高12.6m水冷壁区域和层高53m屏式过热器区域，用CCD相机和红外热像仪采集辐射图像，采集过程中两台探测器的物理位置和采集时间保持一致，然后测量水冷壁和屏过表面温度.在层高12.6m左墙水冷壁区域，CCD相机拍摄的火焰图像如图5所示，探测器安装位置距离侧墙水冷壁的距离约为2m,在可见光波段图像中仅能看到煤粉火焰，未观测到左墙水冷壁.图5CCD相机拍摄的火焰图像火焰图像温度和辐射率的计算结果见文献”.水冷壁侧墙区域火焰温度范围为9501050°C,该温度要远低于炉膛中心火焰温度，火焰辐射率的范围为0.30.5.红外热像仪采集的辐射图像如图6所示.与CCD相机图像不同的是,热像仪左侧视场“穿透火焰观测到了部分水冷壁管，右侧视场被高温火焰遮挡.这表明：在炉膛靠近侧墙处，火焰温度和颗粒物浓度均较低，在l2m的火焰厚度上，中波探测器接收的壁面辐射大于火焰辐射，从而在火焰覆盖区域实现受热面的可视化，这也为直接监测受热面的结渣沾污提供了一种途径.图6红外热像仪采集的辐射图像受限于观火孔的位置，无法正对壁面拍摄，在二维辐射成像模型中，假定各像素单元与壁面的物理距离即火焰厚度相等，这对于针孔成像的探测器是成立的口8.提取热像仪图像中每个像素点对应的单色辐射强度，代入辐射成像模型中滤除火焰辐射份额，最后求解壁面图像温度，如图7所示，左侧视场中水冷壁管的表面温度为42044（C.图7修正后的水冷壁区域图像温度（色标单位：K）水冷壁管屏的背火侧、屏过出口到炉顶大包之间均布置了一组热电偶测点，将这些壁温测点的检测数据与热像仪测量结果进行对比，如图8所示.在水冷壁区域，热电偶和辐射测温的结果均显示左墙壁温低于右墙，热像仪测量的向火侧壁温高于热电偶测量的背火侧，向火侧和背火侧的壁温偏差约为30C.在屏过处，热像仪的测温结果与热电偶基本符合，最大误差为4.1%.520360IAllI119:0019:2019:4020:00时刻屏过，热电偶：屏过，热像仪：左墙水冷壁.热电偶；T左墙水冷壁，热像仪:一右墙水冷壁，热电偶；一右墙水冷壁，热像仪.图8受热面温度测量结果比较调取机组负荷数据与受热面壁温测量结果进行分析，如图9所示.可以看到：机组降负荷过程中，受热面壁温和炉膛出口烟温均降低；但在突然的升负荷环节，受热面壁温会有短暂的提高，而炉膛出口烟温未跟随负荷的变化，变负荷过程中受热而未发生超温.pwz1.Jme£加778774770*762T二一Y-W-T-3<2X4165,164.164.图9受热面壁温测量结果与机组负荷数据4结论a.布置在炉膛边界的探测器同时接收到火焰辐射和壁面辐射，采用DRESOR法能够解耦求解边界处壁面辐射和火焰辐射的份额.b.采用感光波段3.95m的中波红外探测器，并合理选择成像位置，使接收到的壁面辐射大于火焰辐射，能够透过火焰实现水冷壁的可视化.c.分别获取火焰在0380.78m和395m两个谱段的辐射图像，解耦求解火焰温度和壁面温度，能够对火焰覆盖下的受热面温度进行测量.d.在一台330MW亚临界锅炉上对水冷壁和屏过向火侧温度进行了测量，热像仪测温结果与热电偶基本符合，最大误差为4.1%,壁温测量结果能够准确反映机组工况变化.参考文献l1.IXu.DynamicbehaviorandcontrolofreheatedsteamtemperatureJJournaIofPowerEngineering,2009,29:150-154.2YANGHongyuezGUJunjie.MathematicalmodelandexperimentalanalysisofreheatsteamtemperaturecontrolsystemJ.EIectricPowerScienceandEngineeringz2011,27(6)51-56.3SURongqiang,WUHengyunzYANGGuotian.ReheatsteamtemperaturemodelidentificationofuItraSUPerCritiCaIUnitWithdOUbIereheatCyCIeS".ThermaIPowerGeneration,2016,45(5):62-67.41.IUJizhen,QUYaxinzTIAN1.iang,etal.ModellingofutilityboilerreheatsteamtemperaturebasedOnPartiaIleaStSqUareSregreSSionJ.ProceedingsoftheCSEE,2011,31(11):99-105.龚纯,王正林.精通MAT1.AB最优化计算M.3版.北京:电子工业出版社,2009:270-312.李芹,郭义波,杨平.双容水箱水位模型DE及PSO与1.S辨识对比试验计算机仿真,2015,32(11):407-410.韩璞,袁世通,张金营.超超临界锅炉主汽温控制系统的建模研究J.计算机仿真,2013,30(12):115-120.杨平.多容惯性标准传递函数控制器M.l版.北京:中国电力出版社.2013:22-399方崇智,萧德云.过程辨识M.l版.北京:清华大学出版社,2000:18-21.口0时乐.基于遗传算法的热工过程辨识D.保定:华北电力大学,2009:22-24.llDONOHOD1.De-noisingbysoft-thresholdingJ.IEEETransactionsonInformationTheory,1995,41(3):613-627