《燃煤锅炉的热效率热效率计算(共8页).doc》由会员分享，可在线阅读，更多相关《燃煤锅炉的热效率热效率计算(共8页).doc（8页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、精选优质文档-倾情为你奉上燃煤锅炉的热效率热效率计算根据关于发展热电联产的规定(计基础20001268号)文件，热效率=（供热量+供电量3600千焦/千瓦时）/（燃料总消耗量燃料单位低位热值）100%，供热量就是热力产品（热水、蒸汽）根据供热流量、压力、温度的参数进行焓值计算后得出的焦耳热值当量年度产量，加上年发电量换算成焦耳热值当量（kWh乘以3600），二者的和就是热电厂年产品总量（电+热）。分母是热电厂的燃料消耗，如果是燃煤电厂，就用所耗煤种的低位热值（可以查到）*年耗煤吨量；如果是燃气电厂，就用天然气的热值*年耗气量。电厂出口的总产品热值比上输入的各种一次能源消耗热值，就是热效率。如何
2、求解热效率当前，能源日逐紧张。如何节能，如何提高能源的利用效率已是摆在人们面前的一个突出而现实的问题。热效率的计算也成为中考热点问题。如何求解热效率，下面通过一些典例进行分析归纳。一、燃具的效率例1、小明学习了热学的有关知识后，他想估算一下自己家煤炉的效率是多少。于是小明仔细记录了他家每天烧水、煮饭、炒菜需要的时间，并把它折算成了烧水的时间，相当于每天将30Kg20的水烧开。小明家实际平均每天需要烧4块蜂窝煤，按每块蜂窝煤含煤0Kg算，他家每天实际用煤2Kg普通煤的热值为J/Kg,则他家煤炉的效率是多少？分析与解：煤炉烧水，化学能转化为内能，水吸收的热量是有用能量，完全燃烧煤所放出的热量是总的
3、能量。煤炉的效率可用=Q有用Q总cmt/mq计算。Q有用=cmt=4.210330(100-20)J=1.008107JQ总mq23107J6107JQ有用/Q总1.008107J6107J16.8二 热机的效率例2、小兵同学想知道一辆小汽车的实际效率是多少。他从驾驶员那了解到：该汽车行驶100Km的耗油量约7Kg。从书上查得汽油的热值q4.6107JKg。他又测出在平直公路上，用644N的水平拉力可使汽车匀速前进。若空气阻力不计，试求该小汽车的效率是多少？分析与解：小汽车行驶，化学能转化为内能后又转化为机械能，对汽车做功是有用的能量，完全燃烧汽油放出的能量是总能量。小汽车的效率可用=Q有用Q
4、总FSmq计算。Q有用=FS644105J6.44107JQ总mq74.6107J3.22108JQ有用/Q总6.44107J3.22108J20三、电热器的效率例3、某品牌电热水壶的铭牌上标着如下表所示的数据：当电热水壶装满水后，在额定电压下工作，水温从20加热到100用了16min。则该电热水壶的热效率是多少？分析与解：电热水壶烧水，电能转化为内能，烧水时水吸收的热量是有用的能量，消耗的电能为总的能量。电热水壶的效率可用=Q有用Q总cmtPt 计算。Q有用=cmtcvt4.2103103410-380J1.344106JQ总Pt15001660J1.44106JQ有用/Q总1.344106
5、J1.44106J93.3四、太阳能热水器的效率例4、某同学自制了一台家用太阳能热水器。他从太阳能手册中查到：在地球表面，晴天时垂直于阳光表面接受到的辐射热为1.26103J/m2.s。如果晒水箱内的水大约有40Kg,晒水箱接受阳光垂直照射的面积始终约为1.5m2，测得要使水温上升30需89min,则这台太阳能热水器的效率是多少？分析与解：太阳能热水器加热水时，太阳能转化为内能，水吸收的热量是有用能量，接收的太阳能为总的能量。若太阳辐射热为a，阳光照射热水器的面积为s,照射时间为t,则太阳能热水器的效率可用Q有用/Q总cmtast 计算。Q有用=cmt4.21034030J5.04106JQ总
6、ast1.261031.58960J1.009107JQ有用/Q总5.04106J1.009107J50五、火力发电厂的效率例5、垃圾处理成为城市建设及可持续发展的一个重要问题。现在人们已经可以变废为宝了，利用垃圾中的可燃物质燃烧发电。某垃圾焚烧电厂，年处理垃圾2.16105t。研究表明，生活垃圾的平均热值为6.27106JKg.如果利用垃圾作为燃料建立发电厂，每燃烧1t生活垃圾，可以发电240kw.h，那么，生活垃圾燃烧发电的效率是多少？分析与解：垃圾焚烧发电，把化学能转化为内能后又转化为电能，所发的电能为有用能量，垃圾焚烧所放出的能量为总能量。此电厂的发电效率可用Q有用/Q总Wmq 计算。
7、Q有用W240kw.h2403.6106J8.64108JQ总mq10006.27106J6.27109JQ有用/Q总8.64108J6.27109J13.8基于遗传算法的燃煤锅炉热效率优化摘 要：在对飞灰含碳量进行人工神经网络建模的基础上，确定了各种运行参数和煤种对锅炉飞灰含碳量的影响关系。由于锅炉煤种的多变性，针对某个煤种进行实炉调整所获得的最佳工况往往与目前燃用煤种所需的最佳工况偏离。文中结合遗传算法和人工神经网络技术，对某台300MW四角切圆燃煤电厂锅炉热效率的优化进行了研究，为大型电厂锅炉通过燃烧调整提高锅炉效率提供有效手段。 1 引言 锅炉的热效率受到多种热损失的影响，但比较而言，
8、以机械不完全燃烧损失q4受锅炉燃烧状况影响最为复杂，飞灰含碳量受锅炉煤种和运行参数影响很大，相互关系很难以常规的计算公式表达，因此采用了人工神经网络对锅炉的飞灰含碳量特性进行了建模，并利用实炉测试试验数据对模型进行了校验，结果表明，人工神经网络能很好反映大型电厂锅炉各运行参数与飞灰含碳量特性之间的关系。采用锅炉负荷、省煤器出口氧量、各二次风挡板开度、燃尽风挡板开度、燃料风挡板开度、煤种特性，各磨煤机给煤量、炉膛与风箱差压、一次风总风压、燃烧器摆角作为神经网络的输入矢量，飞灰含碳量作为神经网络的输出，利用3层BP网络建模是比较合适的。 目前锅炉运行往往根据试验调试人员针对锅炉的常用煤种进行燃烧调
9、整，以获得最佳的各种锅炉运行参数供运行人员参考，从而实现锅炉的最大热效率。但这种方法会带来如下问题：由于锅炉燃煤的多变性，针对某一煤种进行调整试验获得的最佳操作工况可能与目前燃用煤种的所需的最佳工况偏离；由于调试试验进行的工况有限，试验获得的最佳工况可能并非全局最优值，即可能存在比试验最佳值更好的运行工况。 本文在对某300MW四角切圆燃烧锅炉进行实炉工况测试并利用人工神经网络技术实现飞灰含碳量与煤种和运行参数关系的建模工作基础上，结合遗传算法这一全局寻优技术，对锅炉热效率最优化运行技术进行了研究，并在现场得到应用。 2 遗传算法和神经网络结合的锅炉热效率寻优算法 利用一个21个输入节点，1个
10、输出节点，24个隐节点的BP网络来模拟锅炉飞灰含碳量与锅炉运行参数和燃用煤种之间的关系，获得了良好的效果，并证明了采用人工神经网络对锅炉这种黑箱对象建模的有效性1。人工神经网络的输入采用锅炉负荷、省煤器出口氧量、作者：周昊 朱洪波 曾庭华 廖宏楷 岑可法各二次风挡板开度、燃尽风挡板开度、燃料风挡板开度、各磨煤机给煤量、炉膛与风箱差压、一次风总风压、燃烧器摆角和煤种特性，除煤种特性这一不可调节因素外，基本上包括了运行人员可以通过DCS进行调整的所有影响锅炉燃烧的所有参数。 遗传算法是受生物进化学说和遗传学说启发而发展起来的基于适者生存思想的一种较通用的问题求解方法2,3，作为一种随机优化技术在解
11、优化难题中显示了优于传统优化算法的性能。遗传算法目前在优化领域得到了广泛的应用，显示了其在优化方面的巨大能力3。遗传算法的一个显著优势是不需要目标函数明确的数学方程和导数表达式，同时又是一种全局寻优算法，不会象某些传统算法易于陷入局部最优解。遗传算法寻优的效率较高，搜索速度快。 根据锅炉的反平衡计算公式，锅炉热效率可由下式求得： =100-(q2+q3+q4+q5+q6)(%) (1) 式中 q2为排烟热损失，q3为可燃气体不完全燃烧热损失，q4为固体不完全燃烧损失，q5为锅炉散热损失，q6为其他热损失。 根据遗传算法的要求，确定锅炉热效率为遗传算法的目标函数，用式（1）计算。对该300MW锅
12、炉，利用DCS与厂内MIS网的接口按每6s下载各运行参数，包括排烟氧量、排烟温度、锅炉负荷、各二次风挡板开度、燃尽风挡板开度、燃料风挡板开度、各磨煤机给煤量、炉膛与风箱差压、一次风总风压、燃烧器摆角等。锅炉飞灰含碳量可由飞灰含碳量监测仪在线监测或人工取样分析，燃用煤种由人工输入。这样锅炉的各项损失即可在线获得，并进而计算出各运行工况下的锅炉实时热效率。将排烟氧量和煤种特性等影响锅炉排烟热损失q2的参数按热效率计算，标准化为计算公式代入式（1），而影响q4的各参数采用人工神经网络模型代入式（1），其中炉渣含碳量对热效率影响由人工测试后输入。具体计算公式可参见锅炉热效率计算标准。 由以上步骤建立了
13、锅炉热效率和锅炉各运行参数及煤种的函数关系，即锅炉热效率作为因变量，而锅炉的各操作参数和煤质特性作为自变量，这样就可以利用遗传算法进行寻优计算，获得最佳的锅炉运行条件，实现锅炉热效率的最大化。 火电厂锅炉运行中，为考虑到习惯运行方式和各种安全因素的影响，对各种可调因素的选择区域都有一定的范围限制，寻优范围必须控制在这些范围以内，这些限制构成了自变量的定义域。至此，完成了锅炉热效率最优化燃烧的结合神经网络的遗传算法优化过程，具体程序流程见图1。 3 燃煤锅炉热效率的优化效果 在电厂锅炉运行中，运行人员调节最为频繁的参数主要是各种配风方式，包括各二次风、燃尽风、由送引风机配合所确定的氧量等，其余影
14、响锅炉燃烧的因素，如负荷和煤种，对于运行人员而言在某一工况下是不可调节因素，燃烧器的摆角出于汽温调节的需要，往往也不会对其调整以实现低的飞灰含碳量。作为示例，我们对影响燃烧的部分参数的寻优过程进行了模拟和验证。 某个实际运行工况如表1所示，除煤种特性为事先取样分析人工输入外，其余参数均由集散控制系统（DCS）下载。考虑对锅炉的排烟氧量和各二次风门开度及燃尽风门开度进行寻优，其余参数维持该工况，利用软件寻优，遗传算法选择的参数种群规模为50，交换概率为0.8，突变概率为0.15，迭代次数500次，可调参数7个，计算获得优化后的各风门开度、氧量及锅炉效率和飞灰含碳量值，优化后的各值如表2所示。图2
15、示出了不同迭代次数下的遗传算法计算得到的飞灰含碳量值和锅炉热效率，图中曲线1表示锅炉效率，曲线2表示省煤器后氧量，曲线3表示飞灰含碳量，可见遗传算法的收敛速度很快。 对图2的寻优过程进行分析，发现飞灰含碳量曲线具有震荡，这是因为氧量同时影响到排烟热损失和飞灰含碳量，优化过程初期氧量较高，飞灰含碳量相应可以搜索到较低值，但由于排烟热损失比机械不完全燃烧损失数值更大，迫使优化过程向氧量较低的方向寻优，而氧量较低又导致飞灰含碳量有所增加，这种相互反作用的机理使飞灰含碳量曲线呈现震荡性，这种震荡性也是由遗传算法的寻优本质所决定的。 由于遗传算法可以对多个自变量同时进行寻优，如果有需要，可以对任何需要的
16、参数进行寻优，甚至对所有影响因素进行寻优，在软件编程上实现也很方便，这为遗传算法在锅炉优化运行中的应用提供了便利。 对锅炉在中等负荷下的热效率优化过程也进行了试验，表3示出了某种中等负荷条件下锅炉实际运行工况。表4为中等负荷下遗传计算获得的优化结果。现场验证表明，按优化结果推荐的配风方式进行调节，工况调节后由DCS下载数据计算得到的锅炉效率与优化算法预测的锅炉效率基本相当。多个试验结果表明高负荷下的飞灰含碳量的预测和实测基本相当，而中等负荷下的飞灰含碳量预测略有偏低，这可能与神经网络建模时中等负荷下的样本数量偏少有一定关系。但由于本文研究的锅炉燃烧状况较好，燃料的灰分低而且挥发分和热值均较高，
17、所以飞灰含碳量都较低，机械不完全燃烧损失也较小，对锅炉热效率的影响也较小。因此各工况下预报的锅炉热效率值与实测误差很小，一般在0.2以内。 对于燃用燃尽性能差和高灰分煤的锅炉，机械不完全燃烧损失占到锅炉效率损失的很大部分，由于排烟热损失的优化比较简单，而本文主要针对机械不完全燃烧损失进行优化，因此对于燃用劣质煤锅炉采取此优化方法具有更好的应用前景，能够确定锅炉最佳氧量和各风门开度。 对锅炉热效率优化另一种方法也进行了研究，即将锅炉热效率与煤种特性、运行参数之间的关系直接采用人工神经网络建模，然后利用遗传算法优化，结果表明这种方法的效果远不如本文的方法。其原因经分析为，人工神经网络方法进行建模时存在一定的误差，由于热效率的绝对值较大对锅炉热效率直接建模，导致误差过大淹没了方案的可行性。 4 结论 本文在对大型燃煤电厂锅炉进行实炉多工况热态试验和采用人工神经网络进行锅炉飞灰含碳量特性建模的基础上，利用遗传算法对大型电厂锅炉提高热效率的优化运行方法进行了研究并经现场应用，表明采用人工神经网络和遗传算法进行锅炉燃烧优化是可行的。 专心-专注-专业