煤粉射流的高溫空氣燃燒特性與燃煤鍋爐低Nox燃燒優(yōu)化研究.pdf

1、隨著能源消耗的增加與環(huán)保需求的提高，控制污染物排放成為環(huán)境領(lǐng)域與能源領(lǐng)域的重要課題之一。氮氧化物(NOx)是電站燃煤鍋爐排放的主要污染物之一，為了滿足國家日益嚴格的排放標準，尋求各個層面上的控制手段成為當今研究控制NOx排放的焦點。本文在此背景之下，開展了兩方面的研究，一是煤粉射流在高溫空氣中的燃燒特性，二是基于人工智能的燃煤鍋爐低NOx排放燃燒優(yōu)化。
　　 高溫空氣燃燒技術(shù)已被證明在燃氣工業(yè)爐上能取得節(jié)能、降低污染物排放的效果

2、，但對于以煤炭為燃料的高溫空氣燃燒研究相對缺乏。基于人工智能的燃煤鍋爐低NOx燃燒優(yōu)化能有效降低NOx排放，在建模方法和優(yōu)化算法上也需要進一步研究。
　　 本文主要內(nèi)容包括兩部分，第一部分為煤粉射流在高溫空氣中的燃燒特性，第二部分為基于人工智能的300 MW雙爐膛燃煤鍋爐低NOx燃燒優(yōu)化研究。主要研究內(nèi)容包括：
　　 (1)高溫空氣的發(fā)生。本論文采用丙烷氣體在燃料貧燃條件下的燃燒產(chǎn)物作為煤粉射流燃燒所需的高溫空氣。為此，

3、設(shè)計了一種多孔材料火焰穩(wěn)定的協(xié)流燃燒器，中心射流為煤粉射流。最小協(xié)流平均溫度為850 K，最大協(xié)流平均溫度為1138 K。在測試實驗條件下，高溫空氣溫度Tcoflow均勻的區(qū)域面積約為40 mm(徑向)×100 mm(軸向)，溫度水平受丙烷流量影響，約1000～1100 K。
　　 該協(xié)流燃燒器可提供氧氣濃度7～9％左右、高溫空氣溫度Tcoflow為1000～1100 K左右的高溫空氣。
　　 (2)基于圖像處理的火焰振

4、蕩頻率與火焰高度的測量
　　 利用高速攝影對射流火焰振蕩頻率進行了測量。研究結(jié)論表明，火焰上部的振蕩頻率<火焰中部的振蕩頻率<火焰根部的振蕩頻率?；鹧嬲袷庮l率隨著一次風速度、給粉速度、煤粉粒徑、隨著煤階的增加而增加，且根部區(qū)域增加的幅度要大于中部和上部區(qū)域的變化幅度；隨化學當量比φ先增加，然后降低；火焰振蕩頻率基本上不隨O2/CO2比例變化。
　　 (3)煤粉射流在高溫空氣燃燒中碳燃盡特性、氮析出特性研究。
　　

5、 利用水冷探針對煤粉射流采樣，對灰樣進行元素分析與灰含量測定。實驗結(jié)果表明，隨著高溫空氣溫度降低、氧氣濃度的升高，碳剩余率越低，即燃盡率越高。當一次風為O2/CO2時，隨著氧氣濃度增加，煙煤和無煙煤的碳剩余率都降低。相同條件下，O2/CO2燃燒環(huán)境對無煙煤的影響要大于煙煤，這可能是煙煤含有高灰分的阻礙了CO2與C的氣化反應(yīng)。
　　 同時，隨著高溫空氣溫度的降低、氧氣濃度的增加，無煙煤元素氮的剩余率要低于元素碳的剩余率，但相差并不

6、大。
　　 (4)煤粉射流高溫空氣燃燒初期NOx排放研究
　　 當一次風為空氣時，在本文所研究的四組高溫空氣參數(shù)中，煙煤與褐煤的NOx變化規(guī)律相類似，即隨著高溫空氣溫度的降低、氧氣濃度升高，NOx排放值隨之降低。煙煤燃燒初期的NOx為389～299 mg/m3，褐煤燃燒初期的NOx為1313～1080 mg/m3；SH無煙煤的燃燒初期 NOx排放規(guī)律與煙煤和褐煤不同，隨著高溫空氣溫度的降低、氧氣濃度升高，NOx排放值隨之

7、增加，為513～767 mg/m3。
　　 當一次風為CO2肘，在距離噴嘴出口位置到射流下游300 mm位置內(nèi)，褐煤燃燒初期的NOx排放特性與煙煤不同，褐煤燃燒初期的NOx提前得到還原。當一次風為O2/CO2時，隨著一次風中氧氣濃度的增加，煙煤燃燒初期的NOx排放也隨之增加，無煙煤燃燒初期的NOx排放先降低然后再增加，其原因可能是著火延遲導致的火焰拉長與火焰峰值溫度的降低。富氧燃燒能夠有效降低燃燒初期NOx排放，根據(jù)煤種的不同，

8、降低幅度為38.78％～59.87％
　　 當一次風為空氣時，無煙煤煤粉越細，初期NOx的排放濃度越低，與煤粉常規(guī)空氣燃燒呈現(xiàn)出相似的規(guī)律。
　　 (5)燃煤鍋爐NOx排放預(yù)測模型的建立。針對一臺300 MW雙爐膛燃煤鍋爐，通過交叉相關(guān)性分析了鍋爐運行參數(shù)與NOx排放量之間的依賴關(guān)系。為了消除各鍋爐參數(shù)之間可能存在的線性相關(guān)性，對鍋爐參數(shù)進行了主元分析。結(jié)果表明，只需18個主元可解釋21個參數(shù)的99.999％，最終的NO

9、x排放預(yù)測模型的最終輸入減少到19個鍋爐運行參數(shù)。
　　 SVR模型預(yù)測準確度最高，驗證數(shù)據(jù)上的平均相對誤差為1.59％，執(zhí)行時間164sec，GRNN模型其次，BPNN模型再次，線性模型最差。SVR模型的執(zhí)行時間僅為GRNN的16.7％，BPNN的3.9％。
　　 (6)低NOx排放燃燒優(yōu)化?；谌济哄仩t的NOx排放模型，利用遺傳算法GA、蟻群算法ACO、分布估計算法EDA和粒子群算法PSO分別對模型的輸入?yún)?shù)(即鍋爐