基于声波测温的电站锅炉燃烧优化控制系统.docx
《基于声波测温的电站锅炉燃烧优化控制系统.docx》由会员分享，可在线阅读，更多相关《基于声波测温的电站锅炉燃烧优化控制系统.docx（21页珍藏版）》请在冰豆网上搜索。
基于声波测温的电站锅炉燃烧优化控制系统
基于声波测温的电站锅炉
燃烧优化控制系统
项目建议书
华北电力大学
一目前电站锅炉燃烧系统存在的问题
1.1共性问题
1.1.1两对矛盾需要解决
①锅炉效率（η）与污染排放（NOx）之间的矛盾
当我们追求高的锅炉效率的时候,势必要使煤粉在炉内充分燃烧。
要达到这一目的，则需要提高炉内燃烧温度以及使用较高的过量空气系数，而这两方面都会增加污染的排放.反之，则锅炉效率较低。
炉内的高温燃烧还会带来水冷壁结渣等事故的发生.因此需要在两者之间做出最佳的折中选择.
②锅炉排烟热损失（η2）和机械未完全燃烧热损失（η4）之间的矛盾
对于锅炉效率影响最大的两项热损失—排烟热损失（η2）和机械未完全燃烧热损失（η4）—而言，也存在类似的矛盾.提高炉内燃烧温度以及使用较高的过量空气系数,可以降低机械未完全燃烧热损失（η4），但是排烟热损失（η2）则会随之增加.因此也需要在两者之间做出最佳的折中选择。
1。
1。
2四个优化问题需要解决
①锅炉效率（η）与污染排放（NOx）的联合优化
通过寻找最佳的二次风门和燃尽风门组合,建立良好的炉内燃烧空气动力场,可以达到锅炉效率（η）与污染排放（NOx）的共赢。
②锅炉排烟热损失（η2）和机械未完全燃烧热损失（η4）的联合优化
通过寻找最佳的烟气含氧量（O2）设定值，可以达到锅炉排烟热损失（η2）和机械未完全燃烧热损失（η4）的共赢.
③汽温控制方案的优化
联合调节燃烧器和喷水，尽量使用燃烧器摆角等方式来调节汽温而减少减温水的使用量，可以较大幅度的提高机组热效率。
④防止炉内结渣的优化
这可以通过以下方法实现：
一是寻找最佳的煤粉和二次风门、燃尽风门的组合,调整均衡燃烧，防治火焰偏斜；二是调节炉膛出口温度目标值；三是组织合理的吹灰优化。
1.1.3炉膛内三个参数的测量需要解决
①炉膛温度场的测量
②炉内O2浓度的测量
③炉内CO浓度的测量
炉膛温度、O2和CO与锅炉效率、污染物排放、炉内结渣等等关系密切,它同时还反映了燃烧是否均衡以及燃料的质和量的变化情况。
通过炉膛温度测量可以达到
a）监控炉膛出口温度，防止过热器结焦和管壁过热，防止启动时升温太快和烧坏再热器管（干烧）,监控炉膛水冷壁的吸热量情况，指导吹灰和调整风量，减少过热器和再热器喷水量（300MW，再热喷水减10t/h，降低煤耗1.91g/kwh）;
b）矫正燃烧不均衡，防止两侧烟温、汽温偏差,防止一侧水冷壁磨损、结焦,防止汽包水位两侧严重偏差，防止局部过热而流渣;
c）提高燃烧效率，均衡风量分配,优化风煤比,降低O2，控制火焰中心高度；
d）降低污染物排放,防止局部火焰过热，降低NOx生成（1482℃时NOX成指数级增加），减少脱硝系统运行成本.
这些参数对于炉内燃烧状况的实时监测和诊断具有十分重要的意义。
对于炉膛温度场的测量，在声波测温装置问世之前还一直是个棘手的难题。
而对于炉内O2浓度和CO浓度,课题组将计算智能和炉膛温度场、尾部烟道氧量测量等气体分析装置相结合，所研究的相关软测量技术能够达到相当好的精度。
1。
2特殊问题
不同的电厂、不同的运行人员或不同的运行水平，带来个不系统的问题，比如：
有的厂，二次风的配风长期以来不正常（二次风挡板开得很少,甚至几乎不开），结果造成排烟处的氧量只有2%-3％，炉内燃烧严重缺氧，飞灰、炉渣可燃物增加；还造成主汽温、再热汽温降低、二次风喷嘴烧坏、水冷壁高温腐蚀等一系列的负作用。
有些厂的运行人员人为过多的压风量,造成低负荷下缺氧燃烧这样做的理由是怕熄火，认为风速低一点，风量少一点，有利于燃烧稳定,很多电厂的司炉头脑中都持有这一观点。
有的锅炉主汽温、再热汽温一直偏低，为了提高汽温，抬高燃烧器的倾角，结果造成煤粉在炉内停留的时间缩短，机械未完全燃烧热损失增大。
1.3问题的复杂性
以上所述表明:
在数学上,燃烧系统是一个非线性的、多变量严重耦合的、复杂的问题，对一个目标的调节会矛盾地影响到其它目标的实现,属于多目标的优化问题.
在测量手段上，需要开创性的引入炉膛参数测量设备，给我们的运行人员和优化系统配备一双“火眼金睛”。
在运行方式上，我们需要对燃烧系统重新认识，合理组织燃烧，真正的做到节能减排。
也正是在这种思想的指导下,我们基于课题组在该方面多年的探索、探寻和积累,终于研究开发出全新一代的燃烧优化控制系统。
二本项目实施的目的和意义
在火力发电成本中，燃料费用一般要占70%以上，提高锅炉燃烧系统的运行水平对机组的节能降耗具有重要意义。
同时，发电企业面临厂网分开、竞价上网的电力市场竞争，由于能源紧张导致燃煤价格上涨，进一步加大了发电企业的生产成本。
一方面，就供电煤耗来说,根据中国电力企业联合会2008年的全国300MW机组煤耗评比数据，最佳供电煤耗是301.52g/Kw·h。
300MW机组世界先进水平的供电煤耗是285g/Kw·h。
我国当前供电煤耗相当于发达国家1990年左右的平均水平。
大部分电厂的发电煤耗还有很大提升空间。
另一方面，我国目前的大气污染状况很严重,氮氧化物、二氧化碳排放量分别居世界第一位和第二位，因此造成了高昂的经济成本和环境成本.研究表明大气污染造成的经济损失占GDP的3-7%。
造成严重大气污染的主要原因也在于我国以燃煤为主的能源结构，煤炭能源占整个能源的70％左右，大气污染中烟尘和二氧化碳排放量的70％、二氧化硫的90%、氮氧化物的67%来自于燃煤.截至2006年底，中国环境统计的煤炭消费总量达到了23。
7亿吨,其中火电燃煤量达12。
63亿吨，占总煤炭消费的50%以上,成为最大的消费途径.
燃煤价格的上涨和污染排放的限制，使国内燃煤电站面临着提高锅炉效率与降低污染排放的双重要求，迫切需要面向节能、降耗与降低污染、安全运行的生产过程优化控制与调度方法.
锅炉燃烧优化技术能够有效提高机组运行效率，降低发电成本，显著降低锅炉污染物的排放，并能够监督保障锅炉的安全运行。
三国内外在相关领域的研究和应用现状
3。
1燃烧优化控制的研究和应用现状
早在上世纪八十年代末,美国和日本专家就声波测量炉膛烟气温度进行了研究.声波电站锅炉燃烧是个复杂的物理化学过程,涉及到燃烧学、流体力学、热力学、传热传质学等学科领域任何与燃烧相关参数的检测、与燃烧相关设备的改造，都可以称为燃烧优化，包括DCS控制逻辑的优化、控制模型的设计。
从锅炉燃烧优化技术角度看,锅炉燃烧优化技术可以分为三类:
第一类通过在线检测锅炉燃烧的重要参数，指导运行人员调节锅炉燃烧,这类燃烧优化技术目前在国内占据着主导地位。
第二类燃烧优化技术是在DCS的基础上,作为锅炉运行的监督控制系统,通过采用先进的控制逻辑、控制算法或人工智能技术，实现锅炉的燃烧优化随着先进控制和人工智能技术的逐步成熟和在工业上成功的应用，这类燃烧优化技术发展迅猛。
第三类燃烧优化技术在设备层面,通过对燃烧器、受热面等的改造实现锅炉的燃烧优化调整.上述三类技术在实际中各有优点和应用但其中第二类技术不需要对锅炉设备进行任何改造，能够充分利用锅炉的运行数据，在DCS控制的基础上,通过先进建模、优化、控制技术的应用，直接提高锅炉运行效率,降低NOx排放,具有投资少、风险小、效果明显的优点,因而成为很多电厂首选的燃烧优化技术.近几年来，随着锅炉燃烧在线检测、诊断技术的发展,许多以前难以测得重要燃烧参数例如炉膛燃烧截面的O2、CO浓度与温度分布值都变成了实实在在、精确的在线数据被送到DCS以及燃烧优化软件。
应用实践证明，第一类与第二类技术的结合可以取得事半功倍的效果。
第一类技术直接服务于第二类技术。
20世纪80年代末期和90年代初期，随着我国电厂“节能降耗”措施的推行,电厂开始普遍关注锅炉燃烧优化技术，通过燃烧优化降低锅炉煤耗，提高火电厂发电效率。
20世纪90年代中期和末期，随着测量技术的发展，许多企业研制开发了一系列重要的影响锅炉燃烧参数的在线测量仪表，如飞灰含碳量在线检测装置、煤粉浓度细度在线检测装置、煤质成分在线检测装置、锅炉火焰监测系统等。
同期，随着人工智能技术的发展,在分散控制系统DCS层面上控制逻辑的优化，先进的人工智能技术在锅炉燃烧优化上应用的研究也开始受到了广大科研人员的关注.20世纪90年代末期，随着社会对环境的关注，电站锅炉燃烧优化已由最初的以安全性、经济性为目标的优化发展到经济性、安全性、环保并举的时期。
电子信息技术、人工智能技术给电站锅炉燃烧优化注入了新的活力，锅炉燃烧优化技术进入新的快速发展时期。
我国研究电站锅炉燃烧优化技术的高校、研究所、企业、工程公司有近千家,这近千家单位可分为两类.企业、工程公司为一类，大都从实用角度出发,重点研究开发影响锅炉燃烧参数的测量、监测仪表。
高校、科研院所侧重于从理论角度出发，重点研究新的控制技术在电站锅炉燃烧优化上的应用。
不过这样划分并不绝对.现在，这样的界限并不是很明显.高校、科研院所也开始研制影响锅炉燃烧参数检测、监测的产品。
而企业、工程公司也开始关注新的控制技术在锅炉燃烧优化上的应用。
国外的人工智能控制算法已经在电站锅炉燃烧优化上实现了大规模工业应用，取得较好的成绩。
如德国西门子公司的P—3000产品、美国NEUCO公司的CombustionOpt。
但是国外产品对于中国市场来说存在两个方面的问题:
一是国外产品不太适应国内电厂实际运行情况；二是国外产品价格昂贵，一般在四、五百万甚至千万人民币不等，而且其服务费用高昂，再加上路途遥远导致难以快速响应客户的服务需求.
3。
2炉膛温度测量技术的现状和缺点
正因为炉膛温度测量如此重要，长期来人们进行了大量研究，开发出了各种不同原理的测量装置,但由于其固有的缺点，应用情况一直不佳,甚至大部分锅炉上至今仍是一个空白，使锅炉燃烧监控失去了一个重要依据.
传统炉膛温度测量装置主要有接触式（伸缩式温度计）和非接触式两类,而非接触式常见有辐射式温度计和光谱图象检测系统，这些技术存在的缺点是：
1）接触式（伸缩式温度计）
目前300MW及以上机组的锅炉均配供有价格昂贵的测量炉膛出口烟气温度的伸缩式温度计，但由于探针深入炉膛很长,笨重、易变形卡涩，故障率高,因此,许多电厂实际上已停用.此外,探针受耐温限制，一般仅在锅炉启动时伸入炉膛测量出口烟气温度，当烟温达到一定值时,必须马上退出炉膛，因此，其允许使用温度范围和作用也有限。
2）辐射式温度计
众所周知炉膛烟气辐射大多不在可见光范围内,因此，目前常见的辐射式温度计主要是红外式温度计,它测量表面或区域的红外光强度。
由于炉膛烟气是气态发光，温度分布不均匀，成分不固定，再加上飞灰颗粒辐射的存在，因此,组成的光谱波长和穿透力等不确定，从而导致被测区域不确定，测量误差大.由于上述缺点影响了辐射式温度计在锅炉炉膛烟气温度测量领域的应用。
3）飞灰颗粒辐射光谱测量
这类温度测量系统是利用图像检测炉膛烟气中主要是飞灰颗粒辐射的可见光（包栝一定波长红外光，以提高温度测量上限），经计算机进行极其复杂的图象处理，从而得到炉膛内烟气的温度分布.由于受飞灰颗粒成分浓度和分布的影响，镜头污染以及复杂图象处理算法等影响,测量误差大；被测量区域也存在很大的不确定性。
加上采光系统复杂，结焦或积灰使镜头保养困难，可靠性差，价格昂贵。
从而使这类系统在炉膛烟温测量的工程实际应用中受到限制。
四项目的理论和实践依据
锅炉燃烧优化本质上是一个多目标优化问题。
在保证污染排放不超标的前提下，追求尽可能高的锅炉效率；或者在保证锅炉效率一定的前提下，采用尽可能低的污染排放控制策略；或者在锅炉效率和污染排放之间达到最佳折中，使综合成本最低。
燃烧优化的目标是在锅炉的负荷、煤种以及其它相关设备和参数的约束下,实时寻找最优的锅炉配风、配煤以及有关参数的设定值，以达到最佳的燃烧运行方式,指导锅炉燃烧调整，提高锅炉燃烧运行效率，降低发电煤耗,同时减少污染物排放，实现锅炉的经济环保运行。
锅炉的燃烧效率和污染物排放特性主要是由两个方面决定的：
①锅炉的设计制造水平
②锅炉的操作运行水平
由此相应地有锅炉燃烧优化技术的两种主要方式：
①改造锅炉的设计制造水平。
燃烧优化技术在设备层面,通过对燃烧器、受热面等的改造实现锅炉的燃烧优化调整.
②提高锅炉的运行操作水平。
通过在线检测锅炉燃烧的重要参数，指导运行人员调节锅炉燃烧。
同时在DCS的基础上，作为锅炉运行的监督控制系统,通过采用先进的控制逻辑、控制算法或人工智能技术，实现锅炉的燃烧优化。
随着DCS技术的广泛推广、先进控制和人工智能技术的逐步成熟及其在工业上成功的应用，这类燃烧优化技术发展迅速。
就目前实现燃烧优化的方法与手段而言，我们一方面需要将先进的控制理论、完善的数学模型与功能强大的软件进一步实用化，另一个关键问题是缺乏对炉膛燃烧区域、火焰中心的直接数据的获取：
比如温度场以及O2、CO的浓度值。
由于无法实现对炉膛燃烧参数进行精确测量，无法对炉内燃烧状况进行实时监测和诊断，这导致现有的燃烧优化项目完成并投入运行之后取得的效果基本上都不是很显著。
众所周知,依靠传统的测量仪表例如氧化锆探头、CO探头无法在炉膛燃烧区域直接测量，获得数据.因为它们在摄氏1500℃的炉温下都会熔化。
要想获得这些数据，现有的做法是在锅炉尾部烟道、空气预热器附近安装氧化锆、CO探头，获取间接数据，再结合热力试验、经验公式从而修正、推算出炉膛燃烧区域的温度、O2、CO浓度。
由于炉膛漏风、氧化锆仪表的随机误差以及其它锅炉缺陷,注定这种推算值与实际测量值有很大偏差，锅炉燃烧优化系统采用这种有很大误差的数据后，必然导致优化效果大打折扣。
炉膛内是否均衡燃烧是实现锅炉最优效率、最优经济指标的绝对前提，而这又追溯到风粉是否在燃烧前均匀混合、如何取得最优的风/粉比动态值.而这些重要数据的缺乏给实时燃烧优化控制带来极大的难题与挑战。
依照传统的优化调节方法与测量手段，在做优化调整之前无法得知这些工况的具体数据，而调整之后又无法及时、准确地验证优化效果。
在声波测温诊断系统发明之后,这些问题便迎刃而解.它可以在较短时间内告诉我们锅炉优化调整的效果.
五技术特点
整个燃烧优化控制系统由声波测温诊断系统和基于人工智能建模、优化控制算法的软件包构成,其核心结构如图1所示。
左侧上部（x1,x2,…,xn1）是广泛存在于DCS
图1燃烧优化系统软件结构
或SIS中的机组常规运行数据，左侧下部（y1，y2，…，yn1）是声波测温得到的炉膛温度场数值，中间部分是基于常规运行数据和声波测量数据的多目标燃烧优化软件。
其中前两部分都通过开放的OPC协议送达优化部分，后两部分则是本项目所独有的技术，而第二部分则是火电厂极其重要而有难度很大的一种热工测量技术的重大突破，它的推广应用必将对我国电站锅炉安全、节能和减排产生重大影响。
下面就对后两部分略做介绍。
5.1声波测温工作原理
早在上世纪八十年代末，美国和日本专家就声波测量炉膛烟气温度进行了研究。
声波测温原理是基于声音的传播速度直接随介质温度而变化。
图2为声波测温系统的原理图。
图2声波测温系统原理图
由热力学中气体方程和声学中的声波波动方程推导出声波传播速度和介质温度的关系如下：
（1）
其中,C——声音在介质中的传播速度
R——气体常数
k——气体的绝热指数
M——气体分子量
T——气体温度
测点分布图现场安装的测点
平面二维温度场分布图温度场立体显示图
图3声波测温系统框图
声波测温系统主要有下列核心技术：
1）多接收器处理技术
一个声波发生器发出的声波可以有多个接收器同时监听，一个控制平台可采用多达16个发生器和接受器,比起一个发生器对一个接受器的系统来说，不仅简化了系统，更重要的是大大减少了锅炉上安装发生器必须在水冷壁弯管开孔带来的麻烦。
2）通过特殊算法计算炉膛温度场
图4为典型的4个发射点,8个接收点,锅炉炉膛温度测量系统配置图。
图4典型的炉膛温度测量系统配置图（4发，8收）
通过测量得到24个通道上烟气的平均温度,再经计算机特殊算法处理得到炉膛温度场分布（图5），并在DCS显示器上呈现出来,指导运行人员操作。
必要时还可以实现三维空间的温度场测量和显示（图6）
图5炉膛温度场分布图
图6炉膛温度场三维空间分布图
5。
2多目标燃烧优化软件介绍
5.2。
1基本方法
首先利用历史数据站存储的大量来自DCS的运行数据，分析建立锅炉燃烧优化操作变量（如：
氧量设定、给煤机偏移量、风量偏移量等）、干扰变量与反应锅炉燃烧经济性、安全运行、污染物排放的控制目标量（如:
锅炉效率、飞灰含碳、NOx排放等）之间的多变量非线性动力学模型。
离线建模调试结束后，可在线更新模型并且利用模型进行动态优化控制，通过对风、粉、氧量等影响锅炉燃烧特性的操作变量的设定值或偏置进行动态优化调整，实现基于多目标的锅炉安全运行、低排放运行、经济运行.优化的结果可以开环操作指导、闭环监督控制两种工作模式与机组的DCS控制系统相连接。
图8
5.2。
2燃烧过程数学模型
实现燃烧优化的一个关键问题是建立燃烧优化数学模型。
由于锅炉炉内煤粉燃烧过程极其复杂，无法用理论方法建立燃烧模型。
但是,锅炉的燃烧特性必然反映在锅炉的燃烧过程数据中，也就是说,锅炉实际燃烧运行数据中蕴涵了锅炉的燃烧运行特性.基于数据的黑箱建模技术是解决这一问题的有效方法.
人工神经网络（ArtificialNeuralNetworks，ANN），一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。
这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。
人工神经网络具有自学习和自适应的能力，可以通过预先提供的一批相互对应的输入－输出数据，分析掌握两者之间潜在的规律，最终根据这些规律，用新的输入数据来推算输出结果。
图9
燃烧优化系统应用神经网络技术,根据锅炉燃烧过程历史数据，建立锅炉运行工况（负荷、煤种等）、配风配煤运行方式和燃烧性能之间的关系模型，并采用非线性寻优技术，从模型中找出不同负荷、不同煤种下最佳的配风、配煤运行方式，以此作为“专家"燃烧运行经验，指导锅炉燃烧调整，实现锅炉燃烧系统的优化运行。
神经网络强大的非线性映射能力，使其成为复杂系统一致逼近建模的首选工具。
基于历史数据和试验数据，使用神经网络算法建立机组在不同的干扰量（负荷,环境温度）下，锅炉各可调量，如一次风压,二次风压及不同的二次风门开度组合,燃烧器倾角,烟气含氧量、给粉偏置等，与锅炉运行性能（NOx和效率）之间的非线性动态模型.
利用神经网络对锅炉燃用煤种、锅炉运行参数之间的函数关系、锅炉的低NOx排放特性、飞灰含碳量特性等进行学习建模.
确定输入之后，根据历史数据，训练获得神经网络模型.建立模型之后，可以根据模型分析输入变量与输出变量之间的关系,从而明确如何调节某一输入变量数值来改变输出值,更好的达到调节目的。
在锅炉燃烧特性建模完成的基础上，利用遗传算法、模拟退火方法等全局寻优算法在可行域内对锅炉的最佳燃烧工况进行寻优，获得不同煤种下各燃烧参数的最佳设定值，可以指导实现燃烧优化控制。
系统可实现低NOx高效燃烧的在线控制，对提高锅炉燃烧优化控制水平,降低NOx排放和提高锅炉效率具有重要意义。
5。
2.3优化问题
燃烧优化系统优化计算最佳的控制定值，从而能让运行得到改进,如提高锅炉效率及减少污染排放，同时满足运行安全性的限制要求。
燃烧优化系统采用遗传算法（GeneticAlgorithm）来获得最佳定值。
GA是一种优化技术,它对生物遗传演化和自然选择进行模拟。
本质上,GA创建计算“家族”允许交配以及随机变异,将每一代中适应性最强的基因传给下一代。
随着时间的推移，确定最强的或最佳的定值族。
多目标优化问题
X表示氧量、一次风各风门开度、二次风各风门开度、燃尽风各风门开度、一次风压、二次风压、总燃料量、各层煤粉流量、燃烧器摆角等组成的优化向量；D表示机组负荷、燃煤热值等不可控干扰向量；Y表示飞灰含碳量、排烟温度等可控干扰向量；Z=F3（X）表示机组除效率和氮氧化物之外的其它约束关系;Xmin和Xmax表示优化操作向量的约束范围.通过对这两目标进行加权,我们还可以得到偏重提高效率或者是偏重降低NOx排放的优化控制结果。
正交试验
多因素试验方法,适用于多因素、多指标、因素间存在交互作用及具有随机误差的试验,具有试验工作量小、信息量丰富、试验方案程序化的特点，能够实现对各影响因素进行组合简化试验.将这种试验方法应用于锅炉燃烧优化，能够掌握了解多种因素的共同影响,通过合理的试验次数分析各因素及其交互作用对试验指标的影响，并按其重要程度找出主次关系，确定最佳的运行参数。
模型的自适应技术
锅炉燃烧是一个非线性的动态过程,如果只是建立线性模型或者稳态模型,往往不能进行很好的燃烧优化.入炉煤种的不稳定,再加上锅炉检修、积灰、结渣等因素的影响,使得在性能试验数据基础上建立的锅炉模型失配严重，所以如何利用最新的燃烧数据进行模型的在线自适应修正和建模显得格外重要,也是成功进行燃烧优化的关键.相对于国外燃煤电站锅炉,我国电站锅炉具有煤质多变，负荷变化大的特点，导致一些进口的燃烧优化控制软件在国内应用存在适应性差的问题。
锅炉燃烧优化系统采用自适应技术，根据锅炉最新的燃烧过程更新样本数据，在线修正燃烧优化数学模型，将运行中出现的新的“工况点”加入模型，使模型随着时间的推移得到不断的扩充和完善，同时保证模型与变化的锅炉特性相“匹配”，使燃烧优化系统滚动更新，保证优化效果长期有效.
5。
3总体方案
首先利用历史数据站存储的大量来自DCS的运行数据，建立锅炉操作变量（如:
氧量设定、磨煤机偏置、风量偏移量等）、干扰变量与反应锅炉燃烧经济性、安全运行、污染物排放的控制目标量（如：
锅炉效率、飞灰含碳、排放等）之间的多变量非线性动力学模型.
采用基于神经网络建模与多目标遗传算法优化（NN-GA）的系锅炉燃烧优化系统在线进行过程优化，同时在线模型参数可以根据新的稳态实时数据或测试数据滚动更新，及时修正更新在线模型参数。
离线建模调试结束后,可在线利用模型进行动态优化控制，通过对风、粉、氧量等影响锅炉燃烧特性的操作变量的设定值或偏置进行动态优化调整，实现基于多目标的锅炉安全运行、低排放运行、经济运行。
5.4优化模式
优化结果可以以开环指导、闭环控制两种工作模式与机组的DCS控制系统相连接。
①开环优化模式
锅炉运行优化控制系统将优化结果，即与锅炉运行性能有关的各个操作量的偏置值，提交给运行人员，由运行人员手工设定DCS设定值的偏置量。
②闭环优化模式
锅炉运行优化控制系统将优化结果，即与锅炉运行性能有关的各个操作量的偏置值，直接下载到DCS,完成性能闭环控制。
采用闭环优化模式，优化控制系统反馈给DCS的补偿值可以采用两种方式反馈给DCS：
一是通过与DCS的数字通信，将优化补偿值传送给DCS的数据库，进而实现优化控制.这种方式需要的设备简单,但通信接口实现较为复杂,一般最好能够与DCS改造一起进行.
二是通过标准4—20mA电信号将优化补偿值送给DCS,由DCS采集这些新的补偿信号，写进数据库，进而实现优化控制.这种方式需要的设备较前者复杂一些，但是数据接口实现较为简单.
图10通过OPC通信方式或I/O硬接线方式将定值送入现有DCS
图11
5。
5系统实施
（１）安装声波测温装置并调试；
（２）数据接口调试：
（2a）燃烧优化系统与声波测温装置接口通讯调试；
（2b）燃烧优化系统与DCS/SIS等软件接口通讯或硬件数据传送调试；
（３）燃烧调整试验——按照实验方案确定实验工况进行正交试验以采集锅炉特性数据
升级会员 