用户名: 密码: [返回首页]    [设为首页]    [加为收藏]
风电资讯 光伏资讯 电力资讯 | 新能源汽车 生物质能 节能环保 | 煤炭资讯 石油资讯 天然气资讯 | 企业黄页 供求平台 | 项目审批 智能信息
风电招标 光伏招标 技术数据 | 风电投资 光伏投资 电力投资 | 风电会展 光伏会展 电力会展 | 招商园区 专题报道 产业书刊 | 网络动态
您现在的位置:首页 >> 新闻阅读

基于混煤掺烧的1140吨电站锅炉节能优化试验研究

添加时间:2016-04-06 11:24:20 来源:清洁高效燃煤发电

1 概述

华润电力唐山西郊热电厂2×350MW超临界燃煤供热机组,锅炉为北京巴-威公司生产的B&WB-1140/25.4-M型超临界参数∏型直流锅炉。采用中速磨煤机正压直吹式制粉系统,前后墙对冲燃烧方式,配置DRB-XCL型双调风旋流燃烧器及低氮燃烧分级配风的NOX风喷口、再热器为烟气调温挡板调节方式,配置三分仓回转式空气预热器,变频离心式一次风机、单级动叶可调轴流式送风机和双级动叶可调轴流式引风机。锅炉同步设计电袋复合式除尘器、SCR选择性催化还原法脱硝装置和湿法脱硫除尘一体化装置,锅炉烟尘排放环保指标达到超低排放标准(粉尘≤10、SO2浓度≤35、NOX≤50)。两台机组先后于2014年10月和12月投产发电,并承担唐山市区约1300万m2的采暖供热面积,机组总体运行稳定,但在投产运行初期,一直存在锅炉排烟温度高、飞灰大渣含碳量高等问题,严重影响电厂经济性。

本文基于电厂混煤掺烧的实际情况入手,通过变氧量、变NOX风量、变二次风门开度、变一次风量、变旋流燃烧器调风盘开度和内外二次风角度及旋流强度、变磨煤机组合方式、变空气预热器转速以及变干渣机温度等一系列锅炉燃烧调整试验,探索相关参数变化对锅炉燃烧效率、排烟温度、NOX排放浓度以及对炉内金属壁温和结渣程度的影响,提出混煤掺烧条件下的锅炉最佳配风方案、最佳氧量和最佳空预器转速等优化改进措施,并实施标准化运行管理,取得较好效果。对混煤掺烧偏离设计煤种的电站锅炉优化运行提供参考。

2 锅炉混煤掺烧现状

锅炉设计煤种:为蒙泰公司和伊泰公司的准格尔煤1:1混合煤(低位发热量为19.9MJ/kg,收到基灰分为18%,干燥无灰基Vdaf=37.4%,全水Mt=15.2%),校核煤种为芦家窑和峙峰山1:1混合煤(低位发热量为17.5MJ/kg,收到基灰分为32%, 干燥无灰基Vdaf=32.2%,全水Mt=10.1%)。

锅炉实际燃用煤种:发电厂受铁路运输和燃煤成本等多方面影响,锅炉实际燃煤以山西烟煤和唐山地方洗沫煤(煤泥)混配掺烧为主,实际煤质偏离设计煤种,具体如下:

入厂煤种有两种:一是低热值煤,唐山地方洗沫煤,平均热值为4070kcal/kg,其中开滦洗沫煤平均热值为3650kcal/kg,最低只有3150kcal/kg。低热值烟煤主要为山西同煤集团煤矿,平均热值一般在4000kcal/kg左右。二是高热值烟煤:热值一般在5000kcal/kg至5500 kcal/kg左右,以山西朔州煤电、山煤国际和同煤本部矿别为主。

从上述低热值煤种和高热值煤种的煤质特性分析与设计煤种相比偏差较大,另外,多煤种的含硫量偏差较大,有的收到基Stad平均值为1.1%左右,也不宜直接入炉燃烧,必须进行混合掺配后再入炉。实际掺烧过程中,电厂运行调度将低热值煤与高热值煤按1:2比例进行掺配,并在攒垛过程中进行二次混掺。实际入炉煤热值控制在4300 kcal/kg到4800 kcal/kg之间,收到基挥发分平均控制在25%左右,收到基灰分平均控制在28%左右,收到基水分一般在8%以下,入炉煤收到基含硫量Stad平均低于0.75 %,以确保锅炉安全运行。

从锅炉实际燃用煤质与设计煤质相比,掺配后的主要偏差在于入炉煤收到基全水(8%左右)比设计煤种(15%)低50%左右,收到基灰分比设计煤种高出10%左右。对锅炉燃烧效率和排烟温度产生偏离设计的影响,导致锅炉排烟温度高、飞灰大渣含碳量高。基于上述混煤掺烧的现状,为了全面改善锅炉燃烧效率和降低锅炉排烟热损失,电厂成立专题调查组系统分析影响锅炉效率的几个关键影响因素,并展开相关变参数试验研究,探索改进措施。

3 建立影响锅炉效率的神经网络模型

调查组运用头脑风暴法,从人、机、料、法、环五个维度,分析当前引起电厂锅炉效率的主要神经网络:燃烧器配风不当、氧量测量不准、排烟温度高、飞灰大渣含碳量高、制粉系统出力不足、煤粉细度不均、空预器漏风,炉底漏风、保温散热、燃烧优化试验等共计20个影响因子。编制影响电站锅炉效率的神经网络模型(见图1)。从2015年3月以来,调查组根据现场实际运行情况的逐项调查取证分析,通过大量的燃烧调整优化试验,逐步确认燃烧器配风、排烟温度高和飞灰大渣含碳量高是影响混煤掺烧锅炉效率的主要问题。

图1:影响电站锅炉效率的神经网络模型


[1][2][3][4][5]