生物质循环流化床锅炉燃烧过程多目标经济预测控制

北极星火力发电网讯:生物质能源是一种可再生的清洁能源，种类丰富，如建筑废料、农作物秸秆等。我国作为一个农业大国，近年来年秸秆产量约有9亿吨，除去部分用作动物饲料和还田外，剩下的大部分被随意丢弃、堆放或直接燃烧，间接地造成了经济损失，而且易污染环境。因此，寻求秸秆资源的合理利用方式既是经济效益的追求，更是解决环境污染问题的重要举措。由于循环流化床锅炉(circulatingfluidizedbedboiler，CFBB)具有燃料适应性广、燃烧效率高和环保等优点，可以实现秸秆等生物质资源的高效利用。

（来源：微信公众号“循环流化床发电”  ID：xhlhcfd  作者：何德峰）

生物质CFBB燃烧过程需要稳定床温，否则会导致燃烧不完全而造成熄火，降低脱硫效率而造成大气污染，而且对于秸秆等生物质燃料，控制床温能在一定程度上抑制床料黏结。锅炉的输入量为燃料添加速率、一次风风速和二次风风速，可通过控制三者的大小来调节床温，然而随着锅炉炉膛中燃烧的进行，燃料量和氧含量会发生变化，可能引起床温波动，难以稳定在期望数值，另外输入量的调整还受到风煤比限制。对于整个锅炉燃烧过程，需要考虑生产成本，包括燃料消耗和风机耗电，但这可能会与锅炉的稳定运行要求产生冲突。因此，如何选择合适的控制策略满足CFBB燃烧过程的多目标控制要求，是待解决的问题与难点。

随着工业化进程和科学技术的不断发展，越来越多的先进控制方法用于CFBB的控制与优化。对于CFBB燃烧过程的非线性、时变、强耦合问题，不少学者运用了模糊控制方法。文献［8］采用改进后的遗传算法设计床温模糊控制器，制定了一种新的床温调节策略。文献［9］提出了一种针对床温动态特性的模糊控制器，具有很强的鲁棒性。文献［10］在研究了一次风和回料阀开度对床温影响的基础上，设计了CFBB燃烧模糊控制器，增强了系统的稳定性，减少了耦合对系统的影响。预测控制十分适用于CFBB这类复杂的工业过程，文献［13］采用了系统辨识方法建立锅炉模型，并结合模型预测控制(modelpredictivecontrol，MPC)算法实现了锅炉床温、蒸汽压力控制。文献［14］提出了一种基于多模型的预测控制策略，通过离线辨识获得多个工况点的模型，来逼近整个过程的动态特性，成功实现了锅炉床温控制。此外，自适应控制和神经网络控制也在实践中取得了成功，主要实现了床温和主蒸汽压力的解耦控制。许多文献侧重于实现CFBB的床温和(或)主蒸汽压力控制，通过结合一些先进控制方法，来解决锅炉运行过程的非线性、时变、强耦合等问题，然而很少有文献引入一些具体的多目标方法，实现锅炉燃烧过程的优化控制。

本文从锅炉持续运行的角度出发，分析了其中存在的控制要求。一方面当锅炉状态偏离预期生产工况时，需要及时恢复，另一方面希望恢复过程的生产成本尽可能小。为此，本文提出了一种字典序模型预测控制(lexicographicmodelpredictivecontrol，LMPC)策略，以实现锅炉燃烧过程的控制优化，并通过与传统的加权模型预测控制(weightedmodelpredictivecontrol，WMPC)策略的对比，验证了LMPC策略的有效性，同时表明了该策略能避免WMPC策略依赖权重调整的缺点。

1生物质CFB燃烧过程描述

1.1燃烧过程建模

循环流化床锅炉主要由炉膛、分离器、返料器、排渣装置、省煤器、过热器等组成，如图1所示。其燃烧过程的基本原理是：(生物质)燃料和脱硫剂粉碎后，通过给料机送入炉膛，然后被炉膛中的流化态物料加热燃烧;同时从炉膛底部和侧墙分别送入一次风和二次风，使得物料随着上升气流朝着炉膛上部运动，其中粗颗粒在炉膛下部的密相区燃烧，细颗粒在炉膛上部的稀相区燃烧，燃烧产生的热量被炉膛四周布置的水冷壁吸收。另外，有一部分细小颗粒被气流带出炉膛后由分离器捕捉收集，再经返料器送回炉膛继续燃烧，烟气则进入尾部烟道，与过热器、省煤器和空气预热器等完成换热过程，最后经除尘器处理后由烟囱排向大气。

通常为了保证锅炉安全运行和脱硫效率，需对锅炉床温实施控制，使其维持在850℃左右，同时需要监测烟气氧含量以保证锅炉热效率，烟气氧含量过低则燃料燃烧不充分，过高则通风量过大，热量损失多，一般烟气氧含量要求在3%～6%的范围内。根据质量与能量守恒定律，文献［7］利用了机理建模方法建立如下锅炉炉膛的动力学方程：

其中锅炉炉膛的输入量QC、F1和F2分别为给料速率、一次风风速和二次风风速;锅炉炉膛的状态量WC、CB、F、TB、TF和PT分别为燃料剩余量、床氧含量、稀相区氧含量、床温、稀相区温度和热功率;剩下的模型参数为燃料挥发分比例V，固体燃料燃烧时间tC，床体积VB，一次风氧含量C1，固体燃料耗氧系数XC、床料比热cI和质量WI，固体燃料热值HC，一次风比热c1和温度T1，床水冷壁传热系数aBt、面积ABt和温度TBt，烟气比热cF，稀相区体积VF，二次风氧含量C2，挥发分耗氧系数XV，挥发分热值HV，稀相区水冷壁传热系数aFt、面积AFt和温度TFt，二次风比热c2和温度T2，时间常数τmix，具体取值见文献［7］。

对于锅炉燃烧过程模型式(1)，定义状态变量x=［WC，CB，CF，TB，TF，PT］T和控制变量u=［QC，F1，F2］T，可以得到锅炉燃烧过程状态方程：

由于考虑预测控制器，以采样时间Ts离散化连续时间模型式(2)，得到离散时间非线性系统：

1.2优化目标与约束

在循环流化床锅炉持续运行时，一方面要防止

锅炉状态偏离预期工况，另一方面希望锅炉运行的生产成本低，可以归纳得到：

(1)根据模型式(1)分析炉膛内的平衡关系，结合床温、烟气氧含量等实际经济性控制要求，可以离线计算得到适合锅炉长时间稳定运行的工况，且经济性能最佳。然而实际中存在着一些难以避免的因素，如锅炉的热量散失、投料设备控制不精确、风机风压波动等，有可能使锅炉运行状态偏离预期工况，甚至偏离程度会随时间进一步扩大，因此，需要及时调节给料机和一、二次风机的运行情况，以便恢复锅炉的运行状态，因此考虑如下设定值跟踪性能目标：

其中，Q和R分别为状态偏差的正定加权矩阵和控制偏差的正定加权矩阵，xs为期望的锅炉运行状态，us为锅炉稳定运行时给料速率和一、二次风速。

(2)锅炉燃烧过程会不断消耗燃料，同时需要风机持续供风，因此生产成本由燃耗和风机耗电组成，由于这两部分物理意义有所区别，参考文献［17］的方法，将耗电量转化为发电所需煤耗，另外根据秸秆和煤的价格差异，将燃耗折算为煤耗，可以得到如下经济性能函数：

其中L2表示折算后的每秒锅炉煤耗量，p1＞0，p2＞0和p3＞0为折算系数。

此外，锅炉燃烧过程需要满足一些约束，除了设备物理条件和炉膛状态的限制外，还需要控制风机和投料机的运行状态，将风煤比维持在一定区间范围内，以保证锅炉高效燃烧，并降低氮氧化物对环境的污染，整理得到如下约束：

其中xmin、umin和αmin分别表示状态量、控制量和风煤比的下限，xmax、umax和αmax分别表示状态量、控制量和风煤比的上限。

2生物质CFB多目标经济预测控制

2.1加权多目标非线性预测控制

为了实现锅炉运行过程的多目标优化，本文考虑两种多目标MPC策略。第一种是加权模型预测控制(WMPC)，根据加权求和法，将性能指标式(4)和(5)组合成一个新的性能指标Lw，并以权值w1和w2表示性能指标的相对重要性，然后求解如下单目标有限时域最优控制问题：

其中Lw=w1L1+w2L2，约束式(7b)包括系统约束式(3)和边界约束式(6)，对应的最优解为

再根据滚动时域控制原理，得到相应的预测控制律如下：

其中u0*|k是u*k的第一个分量，对应的闭环系统为

此外，对于锅炉运行过程的两个性能指标，L1优先级高于L2，因此权值调整需满足0＜w2＜w1＜1。

由上述过程，WMPC算法如下：

步骤1选择预测时域N，调整权值w1、w2，设置目标函数Jw。

步骤2测量k时刻状态xk，求解优化问题式(7)，得到最优控制序列u*k。

步骤3将u*k的首个分量作用于系统式(3)，更新状态。

步骤4令k=k+1，并返回步骤2。

2.2字典序多目标非线性预测控制

加权求和法可以近似地处理多目标优化控制问题，但需要反复调整权重，对于锅炉这类复杂非线性系统，权重选择困难且实际控制效果可能不理想。因此，考虑字典序方法设计锅炉燃烧过程预测控制器。

根据字典序优化方法原理，先优化锅炉稳定运行目标J1，再优化经济性目标J2。为了得到锅炉运行过程的字典序最优解，在每个时刻求解如下顺序的单目标有限时域最优控制问题［18］：