论文部分内容阅读
[摘 要]本文浅析动力配煤的重要性及动力配煤技术数学模型。
[关键词]动力配煤；重要性；模型；优化求解
中图分类号：P618.11 文献标识码：A 文章编号：1009-914X（2014）36-0094-01
1 动力配煤的重要性
1）煤炭燃用过程中存在的问题。①煤炭热能利用率低。煤的热能利用率在电厂、工业锅炉、工业窑炉仅为33%-34%、55%～60%、20%-30%。燃煤来源渠道多、煤种杂、质量不稳定、偏离锅炉等燃烧设备的设计煤种等原因造成了利用率低。②煤炭燃用设备安全性和可靠性低。锅炉着火、燃烧、结渣、磨损及腐蚀等问题是引起电站锅炉事故的主要原因。③燃煤污染物排放严重。煤炭燃烧时产生了大量的SO2、NO2、烟尘及其他有害物质，为大气污染的主要来源。
2）推广和使用动力配煤目的。①保证燃煤特性与用煤设备设计参数相匹配，以利于提高设备热效率，节约煤炭。②保证燃煤质量的稳定，使用煤设备正常、高效运行。③可以充分利用低质煤，提高社会效益。④调节燃煤中硫及其他有害物质的含量，满足环保要求。
2 动力配煤技术数学模型
2.1 线性规划模型。动力配煤的优化设计原则，就是在一定约束条件下追求目标函数的极值，分提出约束条件、确定目标函数、建立数学模型为三步骤。
1）线性规划的约束条件：①用n种单煤配制的第i个技术指标不能大于配煤技术指标的上限，即：Ti，jXj≤Ai，式中n为单煤的种类数；Ti，j为第i种单煤的第j个指标，i，j=1，2，3，…n；Xj为第j个指标的权数；Aj为第i个指标的配煤技术指标的上限。②用n种单煤配制的第i个技术指标不能小于配煤技术指标的下限，即：Ti，jXj≤Ai，式中Bj为第i个技术指标的配煤技术指标的下限。③在配煤计划期内，资源不足的单煤配比不能大于它占配煤量的比，即：Xj≤Hj/S，其中Hj为资源不足的单煤量；S为配煤总量。④n种单煤相配，配比之和必须为100%，即：Xj=100%⑤各种单煤的配比不能为负值，即：Xj>0。
2）线性规划的目标函数：①n种单煤相配，其成本最低，即：Zmin=CjXj，式中Zmin为最小的成本，Cj为第j种指标的成本。②n种单煤相配，优质煤配比最小，即：Xmin=Xj，式中Xmin为最小的优质煤配比。③n种单煤相配，劣质煤配比最大，即：Zmax=Xj，其中Zmax为最大的劣质煤配比。
3）规划数学模型特点：约束条件中灰熔点是根据线性可加的原则，以单煤灰熔点和配比作为基本参数进行加权平均。优点：模型的建立和解决比较简单，可用图解和单纯形法或借助Lingo软件求解，甚至用Excel就可得到最优解。但是，其忽略了单煤灰分和产卒，因而导致计算结果和配煤实测结果的误差较大，从而使动力配煤数学模型的准确度降低。所以，需要建立新的动力配煤数学模型，以保证动力配煤数学模型的准确性，得出配煤最佳配方，达到合理用煤。
2.2 改进的动力配煤模型
混煤特性与各组成单煤之间并非是简单的加权关系，为复杂的非线性特征。应用神经网络理论、模糊数学等数学手段可较好地描述该特征，并以此建立优化配煤的数学模型。然后求解此模型，可得到比加权平均方法更准确、更符合实际的配煤方案。
1）遗传算法的应用。遗传算法（Genetic Algorithm，简称GA）是一族通过模拟自然进化过程搜索最优解的方法。它把搜索空间映射为遗传空间，把每一个可能的解进行编码。按预定的目标函数评价，根据适应度信息进行选择、交叉、变异等遗传操作，生成新的更为优良的群体。与传统法相比，该法优越性主要为：①群体搜索策略，在搜索过程中不易陷入局部最优。②在高维可行解空间随机产生多个起始点，并同时开始搜索，加快了求解速度。使得GA成为一种全局性、并行性、快速性的优化方法，具有很强的鲁棒性。研究GA实现中的一些问题（如编码方式、适应度函数以及控制参数和终止判据的确定），对电厂配煤进行仿真试验，取得了较好结果。动力配煤为多元优化问题，混煤与各组成单煤间的非线性关系增加了约束条件向确定性方程转化的难度。用遗传算法对动力配煤方案优化，利用全局性、并行性、快速性的特点，可有效解决配煤中的非线性、多约束的问题，从而实现理想的结果。
2）专家系统下的数学模型。浙大热工所对数十种煤的燃烧、结渣、热解、助燃、着火及同硫特性进行研究，得出混煤的煤质特性和燃烧特性与各组成单煤之间并不是简单的线性关系，运用神经网络技术和模糊数学等现代数学方法建立非线性的优化动力配煤模型，并开发了优化配煤专家系统。根据锅炉燃烧的需要，列出发热量、挥发分、硫分、水分、灰分、灰熔点、着火特性、结渣特性、燃烬特性等9个燃煤指标，作为优化配煤的约束条件，保证配煤的最低成本为设置的规划目标。
优化配煤专家系统的数学模型的目标函数：minZ=CjXj（j=1，2，3，…，n），式中：minZ为配煤后最小的成本，Cj为第歹种煤质的成本，xj为第j种煤質的配比。
优化配煤专家系统的数学模型的约束条件：①发热量。QA≤fd（Xi，Mi，Ai，Vi，Fi）≤QB，式中QA为发热量的最小值；Xi为单煤配比；Qi为单煤发热量；Mi为单煤水分；Ai为单煤灰分；Vi为单煤挥发分；Fi为固定碳含量；QB为发热量的最大值；fd为动力配煤函数。②挥发分。VA≤fV（Xi，Mi，Ai，Vi，Fi）≤VB，式中VA为挥发分量的最小值，VB为挥发分量的最大值，fV为挥发分函数。③硫分。SA≤fS（Xi，Si）≤SB，式中SA为硫分的最小值；SB为硫分的最大值；fS为硫分函数。④水分。MA≤fM（Xi，Mi，Ai，Vi，Fi）≤MB，式中MA为水分的最小值；MB为水分的最大值；fM为水分函数。⑤灰分。AA≤fA（Xi，Mi，Ai，Vi，Fi）≤AB，式中AA为灰分的最小值；AB为灰分的最大值；fA为灰分函数。⑥灰熔点。t2A≤fST（Xi，各单煤的灰成分分析）≤t2B，式中t2A为灰熔点的最小值；t2B为灰熔点的最大值；fST为灰熔点函数。⑦着火温度。tA≤fi（Xi，Qi，Mi，Ai，Vi，Fi）≤tB，式中tA为着火温度的最小值；tB为着火温度的最大值；fi为着火温度函数。⑧结渣特性。RA≤fR （Xi，各单煤的灰成分分析）≤RB，式中RA为结渣特性的最小值；RB为结渣特性的最大值；fR为结渣特性函数。⑨燃烬特性。DA≤fD（Xi，Qi，Mi，Ai，Vi，Fi）≤DB，式中DA为燃烬特性的最小值；DB为燃烬特性的最大值；fD为燃烬特性函数。其中发热量、灰分、水分、挥发分、灰熔点、着火特性、燃烬特性采用神经网络方法预测；结渣特性采用模糊判别方法；硫分、灰分中各成分数据用加权形式得到。
选用动力配煤的数学模型注意的问题：根据不同的条件和要求建立不同的模型。灰分和硫分等要求不严格时，可认为它们具有线性可加性，从而选择线性规划模型即可。但对因素的要求非常苛刻时，就要选择优化专家模型，用神经网络算法或遗传算法得出最优解，以实现合理配煤。
3 结论
①动力配煤技术因其高效率，低污染的特点得到了广泛应用，不但可节约大量煤炭，且有利于控制污染。②动力配煤是一个多约束的目标优化问题。配煤要求不高时，可用线性规划模型解决。要迅速找到有效、合理的比较准确的配煤方案，就要运用计算机的智能算法实现。
参考文献
[1] 欧阳永明，等.动力配煤数学模型的研究[J].江苏煤炭，2004（1）：56-58.
[关键词]动力配煤；重要性；模型；优化求解
中图分类号：P618.11 文献标识码：A 文章编号：1009-914X（2014）36-0094-01
1 动力配煤的重要性
1）煤炭燃用过程中存在的问题。①煤炭热能利用率低。煤的热能利用率在电厂、工业锅炉、工业窑炉仅为33%-34%、55%～60%、20%-30%。燃煤来源渠道多、煤种杂、质量不稳定、偏离锅炉等燃烧设备的设计煤种等原因造成了利用率低。②煤炭燃用设备安全性和可靠性低。锅炉着火、燃烧、结渣、磨损及腐蚀等问题是引起电站锅炉事故的主要原因。③燃煤污染物排放严重。煤炭燃烧时产生了大量的SO2、NO2、烟尘及其他有害物质，为大气污染的主要来源。
2）推广和使用动力配煤目的。①保证燃煤特性与用煤设备设计参数相匹配，以利于提高设备热效率，节约煤炭。②保证燃煤质量的稳定，使用煤设备正常、高效运行。③可以充分利用低质煤，提高社会效益。④调节燃煤中硫及其他有害物质的含量，满足环保要求。
2 动力配煤技术数学模型
2.1 线性规划模型。动力配煤的优化设计原则，就是在一定约束条件下追求目标函数的极值，分提出约束条件、确定目标函数、建立数学模型为三步骤。
1）线性规划的约束条件：①用n种单煤配制的第i个技术指标不能大于配煤技术指标的上限，即：Ti，jXj≤Ai，式中n为单煤的种类数；Ti，j为第i种单煤的第j个指标，i，j=1，2，3，…n；Xj为第j个指标的权数；Aj为第i个指标的配煤技术指标的上限。②用n种单煤配制的第i个技术指标不能小于配煤技术指标的下限，即：Ti，jXj≤Ai，式中Bj为第i个技术指标的配煤技术指标的下限。③在配煤计划期内，资源不足的单煤配比不能大于它占配煤量的比，即：Xj≤Hj/S，其中Hj为资源不足的单煤量；S为配煤总量。④n种单煤相配，配比之和必须为100%，即：Xj=100%⑤各种单煤的配比不能为负值，即：Xj>0。
2）线性规划的目标函数：①n种单煤相配，其成本最低，即：Zmin=CjXj，式中Zmin为最小的成本，Cj为第j种指标的成本。②n种单煤相配，优质煤配比最小，即：Xmin=Xj，式中Xmin为最小的优质煤配比。③n种单煤相配，劣质煤配比最大，即：Zmax=Xj，其中Zmax为最大的劣质煤配比。
3）规划数学模型特点：约束条件中灰熔点是根据线性可加的原则，以单煤灰熔点和配比作为基本参数进行加权平均。优点：模型的建立和解决比较简单，可用图解和单纯形法或借助Lingo软件求解，甚至用Excel就可得到最优解。但是，其忽略了单煤灰分和产卒，因而导致计算结果和配煤实测结果的误差较大，从而使动力配煤数学模型的准确度降低。所以，需要建立新的动力配煤数学模型，以保证动力配煤数学模型的准确性，得出配煤最佳配方，达到合理用煤。
2.2 改进的动力配煤模型
混煤特性与各组成单煤之间并非是简单的加权关系，为复杂的非线性特征。应用神经网络理论、模糊数学等数学手段可较好地描述该特征，并以此建立优化配煤的数学模型。然后求解此模型，可得到比加权平均方法更准确、更符合实际的配煤方案。
1）遗传算法的应用。遗传算法（Genetic Algorithm，简称GA）是一族通过模拟自然进化过程搜索最优解的方法。它把搜索空间映射为遗传空间，把每一个可能的解进行编码。按预定的目标函数评价，根据适应度信息进行选择、交叉、变异等遗传操作，生成新的更为优良的群体。与传统法相比，该法优越性主要为：①群体搜索策略，在搜索过程中不易陷入局部最优。②在高维可行解空间随机产生多个起始点，并同时开始搜索，加快了求解速度。使得GA成为一种全局性、并行性、快速性的优化方法，具有很强的鲁棒性。研究GA实现中的一些问题（如编码方式、适应度函数以及控制参数和终止判据的确定），对电厂配煤进行仿真试验，取得了较好结果。动力配煤为多元优化问题，混煤与各组成单煤间的非线性关系增加了约束条件向确定性方程转化的难度。用遗传算法对动力配煤方案优化，利用全局性、并行性、快速性的特点，可有效解决配煤中的非线性、多约束的问题，从而实现理想的结果。
2）专家系统下的数学模型。浙大热工所对数十种煤的燃烧、结渣、热解、助燃、着火及同硫特性进行研究，得出混煤的煤质特性和燃烧特性与各组成单煤之间并不是简单的线性关系，运用神经网络技术和模糊数学等现代数学方法建立非线性的优化动力配煤模型，并开发了优化配煤专家系统。根据锅炉燃烧的需要，列出发热量、挥发分、硫分、水分、灰分、灰熔点、着火特性、结渣特性、燃烬特性等9个燃煤指标，作为优化配煤的约束条件，保证配煤的最低成本为设置的规划目标。
优化配煤专家系统的数学模型的目标函数：minZ=CjXj（j=1，2，3，…，n），式中：minZ为配煤后最小的成本，Cj为第歹种煤质的成本，xj为第j种煤質的配比。
优化配煤专家系统的数学模型的约束条件：①发热量。QA≤fd（Xi，Mi，Ai，Vi，Fi）≤QB，式中QA为发热量的最小值；Xi为单煤配比；Qi为单煤发热量；Mi为单煤水分；Ai为单煤灰分；Vi为单煤挥发分；Fi为固定碳含量；QB为发热量的最大值；fd为动力配煤函数。②挥发分。VA≤fV（Xi，Mi，Ai，Vi，Fi）≤VB，式中VA为挥发分量的最小值，VB为挥发分量的最大值，fV为挥发分函数。③硫分。SA≤fS（Xi，Si）≤SB，式中SA为硫分的最小值；SB为硫分的最大值；fS为硫分函数。④水分。MA≤fM（Xi，Mi，Ai，Vi，Fi）≤MB，式中MA为水分的最小值；MB为水分的最大值；fM为水分函数。⑤灰分。AA≤fA（Xi，Mi，Ai，Vi，Fi）≤AB，式中AA为灰分的最小值；AB为灰分的最大值；fA为灰分函数。⑥灰熔点。t2A≤fST（Xi，各单煤的灰成分分析）≤t2B，式中t2A为灰熔点的最小值；t2B为灰熔点的最大值；fST为灰熔点函数。⑦着火温度。tA≤fi（Xi，Qi，Mi，Ai，Vi，Fi）≤tB，式中tA为着火温度的最小值；tB为着火温度的最大值；fi为着火温度函数。⑧结渣特性。RA≤fR （Xi，各单煤的灰成分分析）≤RB，式中RA为结渣特性的最小值；RB为结渣特性的最大值；fR为结渣特性函数。⑨燃烬特性。DA≤fD（Xi，Qi，Mi，Ai，Vi，Fi）≤DB，式中DA为燃烬特性的最小值；DB为燃烬特性的最大值；fD为燃烬特性函数。其中发热量、灰分、水分、挥发分、灰熔点、着火特性、燃烬特性采用神经网络方法预测；结渣特性采用模糊判别方法；硫分、灰分中各成分数据用加权形式得到。
选用动力配煤的数学模型注意的问题：根据不同的条件和要求建立不同的模型。灰分和硫分等要求不严格时，可认为它们具有线性可加性，从而选择线性规划模型即可。但对因素的要求非常苛刻时，就要选择优化专家模型，用神经网络算法或遗传算法得出最优解，以实现合理配煤。
3 结论
①动力配煤技术因其高效率，低污染的特点得到了广泛应用，不但可节约大量煤炭，且有利于控制污染。②动力配煤是一个多约束的目标优化问题。配煤要求不高时，可用线性规划模型解决。要迅速找到有效、合理的比较准确的配煤方案，就要运用计算机的智能算法实现。
参考文献
[1] 欧阳永明，等.动力配煤数学模型的研究[J].江苏煤炭，2004（1）：56-58.