基于吹灰器敏感性分析的电站锅炉吹灰策略优化

doi:10.3969/j.issn.1008-0198.2022.02.001

湖南电力 ›› 2022, Vol. 42 ›› Issue (2): 1-4.doi: 10.3969/j.issn.1008-0198.2022.02.001

• 研究与试验 • 下一篇

基于吹灰器敏感性分析的电站锅炉吹灰策略优化

梅海龙¹, 蒲靖凡², 周林¹, 虞兵¹, 张林¹, 谭鹏²

1.国电汉川发电有限公司,湖北孝感 431616;
2.华中科技大学能源与动力工程学院煤燃烧国家重点实验室,湖北武汉 430074

收稿日期:2021-09-22 修回日期:2022-02-14 发布日期:2025-08-05
作者简介:梅海龙(1971),男,湖北武汉人,本科,工程师,主要从事火电厂节能及智能运行相关研究。
基金资助:
中央高校基本科研业务费资助(HUST:2020kfyXJJS030)

Optimization of Utility Boiler Soot-Blowing Strategy Based on Soot-Blower Sensitivity Analysis

MEI Hailong¹, PU Jingfan², ZHOU Lin¹, YU Bing¹, ZHANG Lin¹, TAN Peng²

1. Godian Hanchuan Power Generation Co., Ltd., Xiaogan 431616, China;
2. State Key Laboratory of Coal Combustion, Huazhong University of Science and Technology, Wuhan 430074, China

Received:2021-09-22 Revised:2022-02-14 Published:2025-08-05

摘要/Abstract

摘要： 以某1 000 MW超超临界燃煤锅炉为研究对象,利用其历史运行数据,通过数据挖掘方法对该锅炉吹灰器敏感性进行了分析。结果表明,各受热面吹灰器敏感性存在不同程度的差异。基于敏感性分析,对各受热面吹灰策略进行了优化,提高了机组的吹灰有效性和经济性。

关键词: 燃煤锅炉, 数据挖掘, 吹灰优化, 敏感性分析

Abstract: This paper takes a 1 000 MW ultra-supercritical coal-fired boiler as the research object, uses its historical operation data to analyze the sensitivity of the soot blower of the thermal power units based on data mining. The results show that there are different degrees of soot blower sensitivity difference on each heating surface. Based on the sensitivity analysis, the corresponding soot blowing strategies are optimized for different heating surfaces, which is helpful to improve the efficiency and economy of the units.

Key words: coal-fired boiler, data mining, soot blowing optimization, sensitivity analysis

中图分类号:

TK223.27

梅海龙, 蒲靖凡, 周林, 虞兵, 张林, 谭鹏. 基于吹灰器敏感性分析的电站锅炉吹灰策略优化[J]. 湖南电力, 2022, 42(2): 1-4.

MEI Hailong, PU Jingfan, ZHOU Lin, YU Bing, ZHANG Lin, TAN Peng. Optimization of Utility Boiler Soot-Blowing Strategy Based on Soot-Blower Sensitivity Analysis[J]. Hunan Electric Power, 2022, 42(2): 1-4.

参考文献

[1] 刘雅文.《bp世界能源统计年鉴》2021年版发布:能源市场遭受巨大冲击[J]. 中国石油和化工, 2021(8): 32-33.
[2] 国家统计局. 中国统计年鉴—2020[M]. 北京: 中国统计出版社, 2020.
[3] 李德波, 沈跃良, 余岳溪, 等. 旋流燃烧煤粉锅炉主要烟气组分及分布规律试验[J]. 广东电力, 2016, 29(3): 1-7.
[4] 于鹏峰, 黄伟, 李文军, 等. 660 MW超临界塔式炉燃用高钠褐煤实践研究[J]. 湖南电力, 2016, 36(4): 66-69.
[5] 卢顺新, 戴荣, 杨义军, 等. 600 MW锅炉空预器积灰堵塞原因分析及防范[J]. 湖南电力, 2012, 32(2): 47-49,52.
[6] 伍绍钢, 段学农, 陈一平, 等. 670 t/h锅炉排烟温度偏高原因及综合治理[J]. 湖南电力, 2007,27(5): 47-49.
[7] 张冠群, 付琼, 张伟. 1 000 MW锅炉再热汽温623℃难点及控制要点分析[J]. 湖南电力, 2016, 36(5): 54-57.
[8] Pophali A, Emami B, Bussmann M, et al. Studies on sootblower jet dynamics and ash deposit removal in industrial boilers[J]. Fuel Processing Technology, 2013(105): 69-76.
[9] 黄书芳, 陈一平. 脱硝火电厂空气预热器堵塞原因分析及对策[J]. 湖南电力, 2014, 34(6): 55-56,60.
[10] 阎维平, 梁秀俊, 周健, 等. 300 MW燃煤电厂锅炉积灰结渣计算机在线监测与优化吹灰[J]. 中国电机工程学报, 2000,20(9): 84-88.
[11] 徐啸虎, 周克毅, 韦红旗, 等. 燃煤锅炉炉膛灰污染监测的炉膛出口烟温增量方法[J]. 中国电机工程学报, 2011, 31(29): 21-26.
[12] 朱予东, 张婷, 李太兴, 等. 基于传热熵产的吹灰优化模式的改进[J].电力科学与工程, 2008(3): 41-43.
[13] 朱予东, 阎维平, 高正阳, 等. 燃煤锅炉对流受热面污染沉积对传热熵产的影响[J]. 中国电机工程学报, 2008,28(5): 23-27.
[14] 刘经华, 周延藤, 马素霞, 等. 600 MW锅炉省煤器的灰污监测[J].热能动力工程, 2018, 33(3): 88-92.
[15] 陈烨璇. 基于不同计算模型的燃煤电站锅炉吹灰优化系统的研究[D]. 北京: 华北电力大学, 2015.
[16] 钱虹, 宋亮, 陈琪琪, 等. 基于生产数据挖掘的吹灰需求度置信规则库研究[J]. 热力发电, 2017, 46(6): 113-118.
[17] 陈琪琪, 钱虹, 张连垚. 基于证据融合的锅炉受热面吹灰诊断方法[J]. 电力科学与技术学报, 2018, 33(3): 134-139.
[18] Peña B, Teruel E, Díez L I. Soft-computing models for soot-blowing optimization in coal-fired utility boilers[J]. Applied Soft Computing, 2011, 11(2): 1657-1668.
[19] Kumari S A, Srinivasan S. Ash fouling monitoring and soot-blow optimization for reheater in thermal power plant[J]. Applied Thermal Engineering, 2019, 149: 62-72.
[20] Xu L G, Huang Y J, Yue J F, et al. Improvement of slagging monitoring and soot-blowing of waterwall in a 650 MW e coal-fired utility boiler[J]. Journal of the Energy Institute, 2021, 96: 106-120.
[21] 陈宝康. 电站锅炉受热面污染监测及优化吹灰的理论与实验研究[D]. 保定: 华北电力大学, 2004.

基于吹灰器敏感性分析的电站锅炉吹灰策略优化

Optimization of Utility Boiler Soot-Blowing Strategy Based on Soot-Blower Sensitivity Analysis

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 2

编辑推荐

Metrics

本文评价

[1]	王朝盛, 邵峰, 谭锐, 王忠熬. 全厂AGC调度模式负荷经济分配方法研究[J]. 湖南电力, 2023, 43(1): 90-94.
[2]	陈刚, 蒲靖凡, 梅海龙, 虞兵, 张林, 石川, 谭鹏. 基于多层感知器神经网络的锅炉再热蒸汽温度预测[J]. 湖南电力, 2022, 42(1): 71-75.