基于zoloboss激光测量系统的锅炉燃烧优化项目建设可行性研究报告.doc

基于ZoloBOSS激光测量系统的
锅炉燃烧优化项目建议书

2

BCOS-ZOLO
基于ZoloBOSS激光测量系统的
锅炉燃烧优化系统

1
u 电力生产的能耗与排放现状
u 锅炉燃烧优化技术
u 投资回报分析
u 燃烧优化的关键问题及解决方案
u 炉膛参数测量
u ZoloBOSS测量原理
u ZoloBOSS技术特点
u ZoloBOSS激光测量网
u ZoloBOSS激光系统构成
u 燃烧过程数学模型的建立
u 优化步骤与方法
u 燃烧优化的内容与步骤
u 燃烧优化效果
u BCOS-ZOLO技术特点
u 优化模式
u 系统实施
u 可行性分析
u 安全性和经济性分析

电力生产的能耗与排放现状
我国电力工业高速发展，发电企业以煤电为主，截至2006年年底，我国发电装机容量达到62200万千瓦，其中，火电总装机容量达48405万千瓦，约占总容量77.82%，近年我国火电发电量比重在80% 以上，火电在电力构成中仍占统治地位。
2006 年我国供电煤耗为366 克/ 千瓦时，当前世界先进水平的供电煤耗是285 克/ 千瓦时，世界平均水平为335 克/千瓦时。我国当前供电煤耗相当于发达国家1990 年左右的平均水平。
在火电发电成本中，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。

另一方面，我国目前的大气污染状况很严重，二氧化硫和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。
随着国家对电站污染物排放的限制,如何有效降低污染物排放的技术成为电厂当前关注的热点。

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,迫切需要更好的面向节能、降耗与降低污染的生产过程一体化控制与调度方法。

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,并能够降低锅炉污染物的排放。
锅炉燃烧优化技术
燃烧优化技术的实质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。

目标是根据锅炉的负荷和煤种，实时优化锅炉配风、配煤燃烧运行方式，指导锅炉燃烧调整，提高锅炉燃烧运行效率，降低发电煤耗，同时减少烟气的NOx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是由两个方面决定的:
l 锅炉的设计制造水平
l 锅炉的操作运行水平

锅炉燃烧优化技术的两种主要方式：

第一类： 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。

第二类：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。
投资与回报分析
世界著名先进控制领域的公司所做的有关调查表明：
用DCS实现常规PID控制，其投资占总投资的70%，取得的经济效益约占总效益的15%；
在常规PID控制的基础上，实现常规先进控制(TAC)，投资额10%，效益也提高10%；
再增加10%的投资实现预测等先进控制(MPC)，便可取得约的35%效益；
在实现先进控制的基础上，增加实时优化(CLRTO)，成本增加约10%，可进一步获得40%的效益。
可见，实施先进控制与优化的产出投入比是极高的，因而有人把优化称为“不用投资的技术改造”。
实施先进控制与优化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。

燃烧优化的关键问题及解决方案
【目前问题】真正有效的实现燃烧优化，涉及几个关键的问题：
l 炉膛内参数的测量
炉膛燃烧区域被称为“测量盲区”，因为现有的各种测量仪表均无法忍受燃烧区域摄氏1500度的高温，因此无法获得实时、有效的燃烧数据，给实时燃烧控制带来极大的难题与挑战。

l 燃烧过程数学模型的建立
锅炉燃烧过程是个复杂的物理和化学反应过程，涉及到燃烧学、流体力学、热力学、传热传质学等学科领域。影响锅炉燃烧品质的参数繁多，各参数之间的关系复杂，目前对燃烧过程机理尚未完全了解透彻。

l 优化算法的选择与应用
早期锅炉燃烧优化技术的研究主要集中在设备层面，以提高锅炉燃烧安全性为目标的。目前电站锅炉燃烧优化技术发展到以经济性、安全性、环保并举为目的，效率和环保并重的多目标优化方式。

【解决方案】BCOS-ZOLO锅炉燃烧优化系统，类似于飞机上的“黑匣子”，突破了传统的理论和设计思想，使用先进的激光测量网技术准确获得炉内燃烧参数，提出一种全新优化模式，提供一个对锅炉多目标性能优化的实时在线分析系统，给出锅炉运行中燃烧系统的优化空间和最具优化潜力的参数。
技术方案突破了当前常见优化方案的传统理念和方法，主要立足于全面优化思想和技术路线。在锅炉基本信息前期调查、企业需求分析和优化目标确定、试验设计、增加关键中间参数测量和控制、试验数据采集、数据验证、人工神经网络训练、确定优化结果和建立锅炉性能优化分析系统数学模型等方面都有创新和独到之处。该方案能够实现锅炉燃烧整体优化，改善锅炉热效率，保证锅炉安全高效运行，提高企业效益。
炉膛参数测量-“黑匣子”破解“测量盲区”
【目前问题】锅炉运行中，对炉内燃烧工况的实时检测和控制，是保证机组正常运行的前提和必要条件，在煤种变化频繁以及混煤燃烧条件下尤其重要。传统的锅炉燃烧检测方法和手段已无法对煤的燃烧过程进行有效地监控。现有的燃烧优化项目完成并投入运行之后都不能达到预期的效果，其最主要的问题在于缺乏炉膛燃烧区域、火焰中心的直接数据，包括温度、O2、CO的浓度值。
对于炉膛温度的测量，由于炉膛温度的测量条件不好，温度高，一般锅炉设计时多采用普通热电偶进行测量，只测量升炉时的温度，等到一定负荷或温度的时候自动退出，由于锅炉燃烧优化的需要，要求对炉膛温度进行长期实时测量，甚至是对炉内燃烧的温度梯度进行分析，所以就提出了长期连续测量炉内温度的课题，也是燃烧优化的瓶颈问题。
对于O2、CO的测量一般依靠传统的测量仪表，例如氧化锆探头、CO探头，这些直接测量设备无法在炉膛燃烧区域直接测量以获得数据，因为在摄氏1500度的炉温下都会熔化。要想获得这些数据，现有的做法是在锅炉尾部烟道、空气预热器附件安装氧化锆、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的浓度值。由于炉膛漏风以及其它锅炉缺陷，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。
现有的各种测量仪表均无法忍受燃烧区域摄氏1500度的高温，无法获得实时、有效的燃烧数据，所以，炉膛燃烧区域被称为“黑匣子”，给实时燃烧控制带来极大的难题与挑战。

【解决方案】在ZOLOBOSS这种激光测量系统发明以后，这些问题便迎刃而解。可以说，ZOLOBOSS激光测量网的发明是一个革命性的技术突破，它解决了燃煤火力发电厂诞生以来燃烧区域测量的难题。

ZoloBOSS测量原理
美国佐炉科技公司与斯坦福大学（Stanford University）高温气体动力学实验室（High Temperature Gasdynamics Laboratory）合作开发了ZoloBOSS激光测量网。
ZoloBOSS采用可调谐二极管激光吸收光谱（tunable diode laser absorption spectroscopy，TDLAS）技术，这种技术的原理在于每种气体分子都有独一无二的光谱吸收特性。针对炉内气体的测量原理是：特定波长的激光在穿过炉膛过程中，光量会被相应的气体吸收。未被吸收光量P与被吸收光量Pabs之间的比率值P/Pabs与气体浓度成函数正比关系。
特定波长值
光量
P = 未被吸收光量
Pabs=被吸收的光量
被CO 吸收的光谱波长
% CO ~ function (P / Pabs)

ZoloBOSS集多种不同波长激光于一根光纤，然后使发出的光线穿过锅炉。接收器采集光线后将其传回控制柜，由控制柜测量未吸收光线与被吸收光线的比例，从而确定各个被测对象的浓度。

ZoloBOSS技术特点

ZoloBOSS每次测量，都将对穿过锅炉的特定波长的基准光量与被测物质分子所吸收的光量之间的比率进行比较。气体分子的浓度与该比率成正比，只需关心P与Pabs 之间的比率值P/Pabs，而与穿过锅炉的光量无关。因此，测量不受炉膛内煤灰、尘渣的影响。

ZoloBOSS是一种创新的激光传感器，仅需一束光线及7厘米的开口即可在极其恶劣的环境下进行测量。

ZoloBOSS的发射器及接受器头自动取直、校正，以确保即使是在锅炉的动态燃烧环境之下也能获得最佳的光量传输。

ZoloBOSS无需插入探头或在锅炉旁放置易损的电子仪器，整个测量系统无需插入探头、参考气体、定期校验、气体取样，是一个真正免维护的系统。

ZoloBOSS将不同频率、波长的激光耦合于同一根光纤，然后发出激光束，使之穿过炉膛。激光从发射器射出，在炉膛的另一端，接收器接受激光，称之为一条“路径”。每条路径可以同时测量温度、O2、CO、CO2气体以及水蒸汽的浓度。

ZoloBOSS激光测量网
激光从发射器射出，在炉膛的另一端，接收器接受激光，称之为一条“路径”。每条路径可以同时测量氧(O2)、一氧化碳(CO) 、二氧化碳(CO2) 、水(H2O)的平均浓度以及温度。通常在锅炉的一个或多个层面上采用网格形式布置多条路径。通过复杂的数学运算，生成炉膛燃烧截面的气体浓度与温度剖面分析图，原理与医学CT扫描仪的成像原理相同。

布置在炉膛内的多条路径可绘制所需地点的燃烧状况图，甚至包括燃烧区域的核心地带。

ZoloBOSS激光系统构成
在一个标准的系统中，ZoloBOSS激光测量网由以下设备构成：
l 15个激光发射头
l 15个激光接收头
l 5-6个就地激光节点盒
l 控制柜
l 矩阵配电柜
l 燃烧区域二维影像分析软件
l OPC客户端通讯接口
ZoloBOSS系统中包括一个设在工厂继电室或控制室内的控制柜。控制柜中安装了所有的敏感电子仪器，其中包括激光器、检测器及计算机，用于产生、调制激光、控制激光温度、分析计算接收到的数据。控制柜将光线传输至锅炉旁的一个矩阵配电柜，光线在矩阵配电柜中被轮替分配至各个发送头。各个发送头将光线穿过锅炉传至另一侧的接收头上，采集后将光线送回控制柜进行分析。

ZoloBOSS测量系统包含15条路径，燃烧区域二维影像分析软件可以同时绘制多个浓度剖面图。在一个标准的系统中，每隔五至十秒钟即可完成针对不同高度层面的锅炉燃烧状况图的更新，数据将依据工业界标准的OPC协议、通过OPC客户端通讯接口、实时传至燃烧优化软件及电厂的DCS，参与实时燃烧优化计算与控制。

燃烧过程数学模型的建立
实现燃烧优化的另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。
BCOS-ZOLO锅炉燃烧优化系统应用先进的人工智能神经网络技术，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。
在锅炉燃烧特性建模完成的基础上，利用遗传算法和模拟退火方法等全局寻优算法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。
优化步骤与方法
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。
一、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。
二、计算智能
在电厂配合下，按照优化方案工作程序进行现场调查研究及基础数据采集，由专家会同用户作出需求分析,确定预期优化目标和技术指标。然后由专家设计制定优化方案，并通过现场试验设计采集数据、人工智能神经网络分析、训练、建模、目标值预测和优化结果验证等程序，实现锅炉性能多目标优化。编制并提供出适合该锅炉优化软件的使用手册，培训专业工程师掌握性能优化方法。
三、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、混煤燃烧、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。
BCOS-ZOLO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”，使燃烧优化系统长期有效。燃烧优化的内容与步骤
l 烟气氧量的优化

最佳的烟气氧量随负荷、煤种而变化。系统根据锅炉的负荷和煤种，实时优化烟气氧量。

l 飞灰含碳量的优化
l 一次风优化
不同的负荷和煤种具有不同的最佳一次风风速和风温。系统根据锅炉的负荷和煤种，实时优化各层一次风风压和风温。
l 二次风优化分配
层二次风的配风方式对燃烧工况有很大影响。系统根据锅炉的负荷和煤种，实时优化层二次风的风量分配。

燃烧优化的效果
大型燃煤电站锅炉燃烧效率的提高和污染气体的低排放对于节约能源和保护环境都有重要意义。通过燃烧优化可以提高锅炉效率、降低锅炉的氮氧化物排放、防止锅炉结焦和受热面爆管等
在锅炉现有运行条件下，根据锅炉的负荷和煤种，在线优化锅炉的配风、配煤燃烧运行方式，并给出燃烧调整操作指导，实现锅炉燃烧系统优化运行。

大量实践经验表明: 通过燃烧优化调整可以获得如下效果:
① 最高的燃烧效率;
② 最低的氮氧化物排放量;
③ 最佳的防结渣运行方式;
④ 最小的炉膛出口烟温偏差以防止受热面爆管;
⑤ 主汽温优化调节等问题的解决。

BCOS-ZOLO技术特点

基于ZOLO激光测量网的锅炉燃烧优化系统具有以下特点：
● 提高锅炉热效率
● 大幅提高锅炉安全、可靠运行时间
● 提高锅炉对燃料的适应性
● 大幅减少氮氧化物(NOX)及二氧化碳(CO2)排放
● 减少锅炉结焦、结垢
● 帮助DCS取得最佳配风量

（1） 提高锅炉效率，减少发电用煤的消耗

自2002年中国电力行业改革、重组以来，国家对于发电行业实行竞价上网机制。所以，每KWh的单位煤耗对于发电企业来讲，是一个重要的经济效益衡量指标。众所周知，只有在均衡燃烧的前提下，锅炉才能达到较高的热效率以及较低的煤耗水平。对于四角喷燃，切圆燃烧型锅炉，火球是否居中，炉膛内O2、CO浓度以及温度的分布是否均匀、是衡量取得均衡燃烧的重要指标。
在ZOLOBOSS发明以前，火球是否居中、O2、CO浓度分布是否均匀是无从知道的。现在，得益于ZOLOBOSS生成的燃烧区域截面二维影像图，可以迅速获得炉内燃烧状况的实时信息，包括火球是否居中、O2、CO浓度、火焰温度分布情况。其中，O2、CO浓度与燃烧区域温度这三个量，是监测、衡量炉膛内燃烧状况的最重要的指标与依据。有了这些数据资料，可以有效指导司炉进行优化调节与操作，例如，调节燃烧器的摆动角度、二次风挡板开度等，以达到锅炉优化燃烧的目的。
而且，在ZOLOBOSS的帮助下，效率工程师可以开展一系列锅炉热效率试验，方便快速地诊断出锅炉运行中存在的问题，并能够很快提出解决问题的方法，找到最优运行参数，添加、修改操作规程，使锅炉运行在优化状态。对于墙式燃烧器布置锅炉，炉膛内O2、CO浓度以及温度是否分布均匀同样是衡量是否取得均衡、优化燃烧的重要指标。
根据这些数据以及热效率试验，可以给司炉设计出一整套优化燃烧的手动调节方法，使锅炉燃烧保持在优化、均衡的状态，从而达到提高锅炉效率、节省燃煤的目的。
目前，许多锅炉的过氧量设定值在4.5%-5.0%左右，这势必造成过多的热空气浪费，同时大大增加了NOx、CO2排放量。理论与热效率试验都证明了，当过氧量下降1%时，整个机组热效率提高0.3%.

（2） 增强锅炉对煤种变化的适应性，确保锅炉运行稳定

对于多数国有电厂，国家只负责解决最多60%的发电用煤来源，其余需求要靠企业自己解决煤的来源问题。这势必带来发电用煤的来源、渠道较多，煤种变化频繁，煤质参差不齐，发热量、灰分变化较大等诸多问题。某些电厂锅炉，一天当中要燃烧多达8种不同品质的煤，加上实际燃烧煤种与设计煤种差别较大，挥发份和燃烧值均低于设计值，而且变化较大，使得进入炉膛的燃料的燃烧特性随时发生改变，对燃烧稳定性造成很大危害，随时可能发生燃烧恶化引起炉膛灭火。同时由于煤质差等多方原因，锅炉偏烧、风煤配比、飞灰含碳量高等问题一直是困扰锅炉高效运行的难题。
在安装BCOS-ZOLO锅炉燃烧优化系统之后，锅炉操作员可以实时监测炉膛内O2、CO浓度以及温度变化，根据燃烧层截面扫描图判断燃烧状态是否均衡与优化，为下一步的优化调节给出明确指导。
除了锅炉操作员的手动、开环调节外，由基于人工神经网络的燃烧优化软件分析、计算当前的燃烧状况，然后连续输出偏差信号给DCS，再由DCS驱动锅炉现场执行机构，调节燃烧器的摆动角度、二次风挡板开度、三次风量等，使锅炉持续稳定在优化燃烧的状态，从而提高锅炉对煤种频繁变化的适应性，有效防止锅炉灭火以及为稳定燃烧而投入油枪助燃的不必要的燃料损失。

（3） 提高锅炉对电网调度，升降负荷的响应能力

对于一些大容量、运行时间较长的锅炉（例如500MW/600MW）,在晚间8点以后，当电网调度要求锅炉在半负荷或者1/3负荷状态运行时，由于锅炉老化与缺少燃烧监测手段，锅炉难以响应调度要求，降低至额定负荷的60%已达到极限。如再努力降低，势必造成锅炉灭火或者投入油枪助燃，造成燃料的极大浪费。同样道理，在BCOS-ZOLO锅炉燃烧优化系统的帮助下，锅炉操作员可以实时、动态监测炉膛内O2、CO浓度以及温度变化，从而判断燃烧状态是否均衡与稳定，为锅炉操作员下一步的优化调节给出明确指导。基于同样原理，BCOS-ZOLO锅炉燃烧优化系统可以帮助司炉快速响应来自电网调度的快速升负荷指令。
l 主蒸汽压力控制

基于炉膛温度等参数的测量，进行温度场重建，计算等效辐射能。这一辐射能信号表征机炉侧的能量平衡关系，可以提前对主蒸汽压力和主蒸汽温度进行调节，包括前馈超前调节和串级调节。
l 主蒸汽温度控制
可大幅度降低减温水投放量，通过实时在线监测炉膛出口烟温控制过热器与再热器的管壁温度，降低过热器和再热器的等效强制停机率，延长锅炉部件使用寿命，有效地降低锅炉维修费用。

（4） 大幅减少有害气体排放

锅炉燃烧的副产品除灰渣外，还有大量的NOx、CO2，对环境造成污染，加速全球温室效应。鉴于目前多数锅炉为降低飞灰含碳量，运行在风粉比率值较高区域，有些锅炉的过氧量设定值在4.5%-5.0%左右，这势必造成过多的热空气浪费，同时大大提高了NOx、CO2排放量。在能够实时监测燃烧区域的O2、CO浓度以及温度值以后，为实时优化燃烧调节提供了直接、可靠的数据依据，BCOS-ZOLO锅炉燃烧优化系统计算出精确的风/粉比率，可以实现均衡配风，大幅降低风粉比率值，过氧量值设定在2%左右就能够获得均衡、优化的燃烧效果。而NOx产生量的多少与过氧量成正比关系，过氧量的降低直接导致NOx排放量的大幅下降。根据美国、德国、英国、韩国等十几个火力发电厂运行的数据统计，在投运锅炉燃烧优化系统之后，NOx的排放量降低25%-30%。

（5） 有效监测与防止锅炉结焦、燃烧失衡对水冷壁管的损伤

在典型的四角切圆燃烧锅炉中，燃烧工况组织不合理造成的四角燃烧不均匀、火焰中心偏斜、火焰刷墙等是导致炉膛结焦、炉管爆破、炉膛灭火、炉膛爆炸等事故的重要原因。在燃烧失衡、不均、火球偏离中心时，很容易发生在内炉壁、过热器、再热器区域结焦的问题。当火焰偏离中心，贴近水冷壁时，造成该区域氧含量降低，从而导致灰的熔点降低，造成结焦。同时，氧含量的骤然降低，导致氧气从水冷壁管中析出，造成水冷壁管加速老化、变薄，最终造成泄露，导致非正常的停炉检修。
BCOS-ZOLO锅炉燃烧优化系统中，可以在贴近炉壁区域以及在过热器、再热器区域布置激光路径/网格。当该区域温度持续走高，超出正常值许多，说明有结焦产生。同时，温度、CO数据传送至吹灰系统，通过计算、分析，进行有目的、针对性的吹灰，尽快将结焦清理，防止焦块越结越大，最后导致事故。
BCOS-ZOLO锅炉燃烧优化系统可以进行有针对性的燃烧调整，大幅度增强对炉膛顶部出口烟温的控制能力，为过热器、再热器的安全运行，提供有力保障。

OPC Server
VPN
Internet
DCS

历史数据库
库据
燃烧优化
软件
OPC客户端
通讯接口

控制机柜
矩阵式
配电柜
节点分
配盒

炉膛
节点分
配盒
激光接
收头

激光接
收头

激光发
射头

激光发
射头
人机界面

ZOLOBOSS测量系统与DCS、燃烧优化软件接口示意图

可以预期并已被证明的效果
根据基于ZOLOBOSS的锅炉燃烧优化系统在美国、德国、英国、韩国15个火力发电厂投入运行以来的统计数据来看，无论是锅炉的热效率，经济运行指标，还是锅炉负荷的快速响应能力，NOX减排量都得到了显著的提高与改善。所以，我们非常有信心达到以下的预期效果：

l 锅炉效率提高0.5%-1%
l 全年节省燃煤≥1%
l 负荷响应速率由1%提高到3%（20MW/min），且主汽压力波动小于±0.5MPa。
l 锅炉NOX的平均排放量降低25%。
l 主汽温度控制在540±1.5℃波动范围内。

除此之外，基于ZOLOBOSS的锅炉燃烧优化系统还会给火力发电厂带来更多的效益：

(1) 减少非停而产生的效益
炉内燃烧的稳定性得到加强，锅炉因燃烧不稳导致的MFT将不会发生，节油、水、电、汽及检修费非常可观。
(2) 延长检修周期而产生的效益
通过优化炉膛燃烧分布，减少火焰刷墙，减少炉膛水冷壁、过热器、再热器结焦及四管爆漏危险。锅炉本体平均检修周期预计延长12个月以上，无故障检修周期被大大延长。
(3) 污染物减排带来的效益
系统投入使用后，对NOx排放有明显的抑制作用：锅炉尾部烟气中氮氧化物（NOx）的排放量下降25％
经济效益计算
1、 提高锅炉燃烧运行效率，降低供电煤耗，锅炉效率一般可提高0.5%--1.5%。对运行效率较低的锅炉，经济效益更明显。 
根据ZOLOBOSS在美国、德国、英国、韩国等十几个火力发电厂运行的数据统计，在投运ZOLOBOSS系统之后，每年的燃煤节约均可达到或者超过1%。
根据国内锅炉的燃煤消耗数据，在确保热效率基础上，每天耗煤3700吨，考虑机组负荷变化因素，以年节约动力煤1%计算，全年节约燃煤12，000吨左右。
以目前坑口电站煤价计算，约为400元/吨，每年可节约价值480万元人民币的动力煤。
在中国南方、沿海地区，煤价高涨时达1000元/吨。可以推算出，ZOLOBOSS在大容量机组如600MW或1000MW以及我国南方、沿海地区的火力发电厂投入运行后，产生的经济效益将更大。

2、 规范燃烧运行操作，减少锅炉燃烧调整的随意性，提高运行人员的整体运行水平，保证锅炉的安全稳定运行。

3、 在提高锅炉效率的同时，可减少烟气NOX的排放量10％--30％， 减少对环境的污染及可能的排污费用。
300MW机组年NOx排放节约费用约50万元。：
总排烟量1.3×106m3/h，
年运行小时7000h，
按400mg/Nm3的排放量计算，降低25%，即降低100mg/m3
每污染当量NOx按0.6元收费，
每污染当量为0.95千克：
1.3×106 m3/h ×100×10＿6 kg / m3×7000h×0.6元/0.95kg=57.47万元。

经济效益合计:
煤价400元/吨：年节约费用为480+50=530万元
煤价600元/吨：年节约费用为720+50=770万元
煤价800元/吨：年节约费用为960+50=1010万元

通过简单的计算可以得出结论，BCOS-ZOLOBOSS即便在坑口电站一台300MW机组锅炉上投运以后，当年就可以收回全部项目投资。

优化模式
l 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。

l 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。
优化控制系统反馈给DCS的优化补偿值可以采用两种方式送给DCS：
1 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，但实现较为复杂，一般最好能够与DCS改造一起进行运行优化控制系统的投运和实施。
2 通过4-20mA信号将优化补偿值送给DCS，由DCS采集4-20mA信号并转化为优化补偿值写进DCS的数据库，进而实现优化控制。这种方式需要的设备较前者稍微复杂一些，但是实现简单，适合于已经完成DCS投运的机组进行优化控制系统的投运和实施。

系统实施

系统分为如下几个阶段：
1．与DCS连接读取DCS数据
该过程需厂方协助通过两种方式实现，一是通过电厂的MIS或SIS获取DCS数据，另一种是直接与DCS连接获取DCS数据。采用何种方式视厂方具体情况而定。
2．锅炉燃烧调整试验与数据采集
该过程要进行锅炉变参数燃烧测试，并进行燃烧过程数据的采集，剔除其中的“坏”数据，获得建立燃烧优化模型的初始数据。
3．建立燃烧优化模型
根据采集到的现场燃烧过程数据，应用神经网络技术，建立初始的燃烧优化模型。
4．模型的评估与调整
将模型输出数据和锅炉运行历史数据进行比较，对模型的正确性、有效性进行分析。并通过不断调整，找出与具体锅炉相“匹配”的燃烧优化数学模型。
5．系统运行与模型的在线调整
经过上述几个阶段后，系统可投入运行。在运行过程中，系统在线管理实时采集的燃烧过程数据，并用最新的数据不断在线修正燃烧优化模型，使模型包含的工况点得到不断扩充和完善，并保证系统“自动适应”锅炉运行特性的变化，使燃烧优化系统长期有效。
锅炉在线燃烧优化控制系统基于神经网络，专家系统以及非线性算法；通过建立多目标的动态优化控制，实时调整DCS运行参数，实现锅炉的高效低NOx燃烧，提高锅炉效率0.5～1.5％，降低飞灰含碳量，NOx排放降低10～40％。神经网络是模拟生物大脑神经元细胞的结构和功能的一种信息处理系统，具有自学习，自识别，自适应的特性，可以任意精度逼近任何非线性连续函数，适用于多目标控制的复杂环境的优化控制。

可行性分析

可行性
1、目前我国火电机组普遍进行了DCS控制改造，机组的可控性得到大大的提高。锅炉运行优化控制系统作为机组运行控制的优化决策层，而DCS作为机组运行控制的执行层，DCS能够很好地完成优化决策层下达的控制任务。
2、目前很多在线分析仪表进入实用阶段，如飞灰含炭测量，烟气连续NOx测量等，为锅炉运行性能的在线建模提供了精确的反馈量。
3、自动化领域的人工神经网络建模，多变量预测控制等的理论与实践进入了实用阶段，为锅炉运行优化提供了建模和控制手段。

自适应
锅炉燃烧过程历史数据所包含的工况点，可能不能涵盖锅炉实际可能的运行工况，造成燃烧优化模型不完备，无法寻找到实际运行工况的最佳燃烧调整参数。另外，锅炉大小修前后，燃烧系统的局部结构和设备性能有可能会发生变化。随着时间的推移，锅炉设备会老化。这些变化都会影响锅炉的燃烧运行特性。本系统实时监测锅炉燃烧过程数据，并采用神经网络的“自我学习”技术，根据最新的燃烧过程数据在线自动完成对燃烧优化模型的调整和修正，使模型所包含的“工况点”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”，使燃烧优化系统长期有效。

安全性和经济性分析

安全性
系统在预先确定的最大值最小值范围内寻找最佳的配风配煤方式，使优化结果保持在允许的安全范围内，确保锅炉运行的安全性。最大值最小值范围的限定是动态的，一般随负荷的不同而变化。
1、锅炉运行优化控制系统仅仅是在原DCS控制系统的设定值上增加一个偏置值，为DCS指明一个优化的控制目标和方向，以提高机组运行性能，并不参与DCS的实际控制过程。
2、锅炉运行优化控制增加到DCS控制系统设定值上的偏置值，需要经过多个安全逻辑检查和安全限判断，才能加入到DCS控制的设定值上，从而保证原控制系统的安全性。

经济性
锅炉的负荷和入炉煤质对锅炉的燃烧工况有很大影响。不同的负荷、不同的煤种具有不同的最佳燃烧运行参数。本系统燃烧优化时，既考虑了锅炉负荷的变化又考虑了入炉煤质的变化，实现同时根据锅炉负荷和入炉煤质优化配风、配煤运行方式。另外，系统还考虑了给水温度、环境温度等因素的变化对燃烧工况的影响。因此，系统对负荷变动，煤质波动，给水温度、环境温度等因素变化的反应都很灵敏，有效提高锅炉的运行效率。

美国佐炉科技公司介绍
美国佐炉科技公司是一家位于美国科罗拉多州Boulder市的高科技公司，专注于火力发电厂清洁煤燃烧技术的开发与应用。公司自1999年成立以来，一直与美国斯坦福大学保持密切的合作关系，致力于将实验室研究成果转化为可以造福社会的实用工业产品。公司的首席技术官，也是创始人之一是斯坦福大学的博士毕业生以及博士后。ZOLOBOSS激光测量网是我们的一个主打产品。许多国际著名的大公司都投资于佐炉科技公司，其中包括德国西门子、美国杜克能源集团、美国亚利桑那州公共电力公司等。ZOLOBOSS激光测量网已申请获得美国政府多项发明专利，以及多项认证。

ZOLOBOSS 用户清单：

发电厂名称
安装国家
机组容量
锅炉类型
投运日期
中国华能日照发电厂
中国
680MW (CE)
四角切圆燃烧
2011年7月
PRPA – Rawhide 1# 锅炉
美国
270 MW (CE)
四角切圆燃烧
2006年2月
NRG – Limestone 2# 锅炉
美国
813 MW (CE)
四角切圆燃烧
2006年4月
PacifiCorp – Bridger 2#锅炉
美国
578 MW (CE)
四角切圆燃烧
2006年5月
Southern Company – Hammond 4# 炉
美国
578 MW (FW)
对冲燃烧
2006年6月
CPS Energy – Deely 1#锅炉
美国
446 MW (CE)
四角切圆燃烧
2006年12月
Xcel Energy – Sherco 2#锅炉
美国
660 MW (CE)
四角切圆燃烧
2007年2月
Constellation - Brandon Shores 1#锅炉
美国
685 MW (BW)
对冲燃烧
2007年3月
SCG&E – Cope 1#锅炉
英国
430 MW (CE)
四角切圆燃烧
2007年12月
KOSEP Yeunghung 1 #锅炉
韩国
800 MW
四角切圆燃烧
2008年2月
KOSEP Yeunghung 2 #锅炉
韩国
800 MW
四角切圆燃烧
2008年11月
KOMIPO Boryeong 1#锅炉
韩国
500 MW
对冲燃烧
2008年4月
KOMIPO Boryeong 2#锅炉
韩国
500 MW
对冲燃烧
2009年2月
Exelon – Eddystone 2#锅炉
美国
295 MW
四角切圆燃烧
2008年12月
APS Cholla 3#锅炉
美国
500 MW
对冲燃烧
2008年11月
Mark E/Siemens – Elverlingsen 2#锅炉
德国
180MW
四角切圆燃烧
2009年8月
Duke – Cayuga 2#锅炉
美国
530 MW (CE)
四角切圆燃烧
2009年