工业锅炉煤粉供料系统的数字化升级

柳冠青，刘振宇，潘 昊，李小炯，蔚 刚，张广琦，张 朝，郑祥玉

(1.北京天地融创科技股份有限公司，北京 100013; 2.国家能源煤炭高效利用与节能减排技术装备重点实验室，北京 100013)

0 引 言

供料系统是煤粉工业锅炉的核心工艺子系统之一，用于向一次风中送入煤粉形成风粉混合物再进入锅炉燃烧器和炉膛进行燃烧。煤粉供料系统大多采用螺旋式供料器或旋转锁气阀供料器[1-2]，少数配置技术性能和成本均较高的转子秤(如常用于水泥行业煤粉高精度定量给料的菲斯特转子秤[3-4])，一般均配备中间仓，接收上方大粉仓的给料并向下方供料器持续下料。中间仓一般带称重功能，控制系统监视中间仓重量信号，当重量达到低限时启动大粉仓向其补料的操作，直至重量达到上限时停止补料。因此，在非补料阶段，中间仓重量随时间的减少速度即反映了供料速率的高低。另一方面，一次风通常由罗茨风机提供，一般在与煤粉接触前设有一次风压力测点，一次风压力的高低和波动也与供料速率及其波动相关。可见，现有供料系统一般具备的中间仓重量和一次风压力2个运行参数至少已经能够反映供料系统的关键工作特性。然而，实际生产现状是相关运行数据仅在控制界面做简单监视用，即使采集和存储下来，也大都进入俗称的“睡觉”状态。

数据的价值没有被挖掘和利用，供料系统也就仍然停留在简单机械装备的技术水平上，导致整个锅炉系统的运行和测控水平也难以提高。例如，对于工业锅炉，燃料量的指示、积算和记录，无论在国家还是行业标准中，都被作为对锅炉监测项目和仪表配置的第1条目提出[5-7]，但由于从中间仓重量或一次风压力无法直接简单折算出燃料供应速率或供应量，因此大多数工业锅炉生产单元实际都不掌握短周期的燃料耗量(一般仅能根据1段较长时间内给大粉仓上了“几车料”的“土办法”估算大概的数值)，锅炉热效率的监测无从谈起。还例如，由于不掌握供料器转速与供料速率的量化关系，供料系统的调节实际都是司炉人员根据经验直接设定供料器转速，但直接决定锅炉负荷、风粉配比的是煤粉流量等物理参数，而不是设备转速此类间接量，当供料器因磨损等发生性能劣化或煤粉特性发生改变时，前述操作模式难以及时做出调整，更难以实现锅炉负荷的全自动控制和智能化升级。

研究表明，中间仓重量信号可用于计算供料速率，而一次风压力也与供料速率存在直接关系，且可较灵敏地反映供料速率的瞬时波动，并与下游的燃烧状态参数(如炉膛负压、烟气氧含量)密切相关[2]。但前述工作主要进行了原理性分析，与实现供料系统的装备数字化及工业化应用距离尚远。当前工作的目标即是结合装备和生产现状，综合利用数据分析、数字化和自动控制等技术，实现供料系统数字化从“0”到“1”的突破。首先将从供料速率的分析计算着手，解决大多数工业锅炉存在的煤粉供料系统不具备煤粉流量、耗量实时计量手段此一“卡脖子”问题，进一步地，对供料器的控制逻辑进行升级，实现根据供料速率设定值对供料器转速进行自适应控制的“本征”控制模式。由于工业锅炉可通过纯烧生物质或煤粉与生物质粉掺烧[8]实现减碳，因此该工作还可推广至生物质粉工业锅炉。

1 数据分析原理及算法

1.1 带中间仓称重的供料系统的工作原理

由于粉体一般靠重力作用流动，因此供料系统的空间布置从上至下依次为大粉仓、中间仓、供料器，大粉仓与中间仓之间、中间仓与供料器之间通过插板阀控制通断，供料器下方出料口与一次风管道相接(一般是通过文丘里混合器)。中间仓重量曲线示例如图1所示，为保持供料器入料条件相对稳定，中间仓内粉量一般运行在1个较窄的区间内，中间仓称重信号触发低限时，大粉仓与中间仓之间的插板阀开启以向中间仓补料，补料速率设计值一般大于供料器最大供料速率，因此中间仓重量持续增加(此阶段称为中间仓重量曲线的“上升段”)，当达到预设上限时前述插板阀关闭，此时中间仓“只出不进”，重量持续下降(称为“下降段”)，直到再次启动补料操作。相邻的1个上升段和下降段组成中间仓的1个工作周期(以下称为1个“上料循环”)。当供料器频率(转速)稳定时，下降段通常具有良好的线性，其斜率的绝对值即可认为等于供料器的供料速率。因此，对中间仓重量曲线分析的重点是识别其上升段和下降段。

图1 中间仓重量曲线示例

1.2 中间仓重量曲线上升段与下降段的识别

上升段和下降段识别的难点之一来自于重量信号的非单调变化性。在下降段/上升段，重量仍存在短时回升/下降的情况(参考图1)。在两阶段转换的区域即曲线的“峰”和“谷”处也不存在单一的极大值或极小值。直观来看，总体上呈现“三角波”形状的重量曲线实际叠加了高频的小幅波动。此类波动对曲线的总体趋势特征(如斜率)影响较弱，可以通过滤波、平滑等数值手段，将细节特征“抹去”，而只保留主要趋势。

采用Savitzky-Golay滤波器[9]对重量曲线进行平滑滤波。Savitzky-Golay滤波器在时序数据处理中应用广泛，对于等时间间隔的数据，它对窗口宽度(即数据点数量)为W(取奇数值)的1段数据利用最小二乘法进行多项式拟合，并在该窗口的中间点上求取估计值作为数据平滑的结果，逐点移动该窗口并重复上述过程，即可得到平滑后的曲线数据。Savitzky-Golay滤波器的核心参数是窗口宽度W和多项式的次数N(≤W-1)。滤波的目的是使重量曲线的峰和谷容易识别，因此平滑后只需体现曲线的主要趋势。为此，W可取补料周期的1/2左右，N则取2(即采用二次多项式拟合)。经过滤波后，原本呈现带高频波动的类似三角波的曲线就变成了光滑的类似正弦波的曲线，相应地其上升段和下降段均呈现单调变化特征。对滤波后的曲线上的点取右导数，右导数为正值的属于上升段，为负值的则属于下降段。

1.3 供料速率与供料特性曲线的计算方法

在识别出下降段后，通过线性拟合即可得到曲线斜率及拟合可信度R2值。由于下降段的起始和结束点附近中间仓工作状态尚不稳定，因此通常会对识别出的下降段“掐头去尾”(一般舍去前后各10%时间长度的数据)后再进行拟合。R2值足够大时认为识别和拟合结果可靠，得到1组[供料器频率，供料速率]数据。由于锅炉一般会阶段性进行负荷调节，并在一些供料器频率工况点上稳定运行1段时间，因此重复前述分析过程即可得到供料器频率运行范围上的1系列的[供料器频率，供料速率]数据点。

对近期一定运行时长(如数天至数周)内的前述数据点，按照预设的近似关系式(如二次多项式)进行拟合，即可得到所谓的供料特性曲线。对于同一个供料器频率，运行工况内一般存在反复的“上料循环”，因此会得到同一频率下的多个供料速率计算值，从而可以用来估算供料速率的标准差。获得供料特性曲线之后，就可以对供料器频率和供料速率进行相互折算，例如可以根据锅炉负荷目标值要求的煤粉供料速率折算对应的供料器频率值，作为供料器的转速设定。

2 供料系统数字化的方法与实践

供料系统的数字化，就是利用数字化手段对前述机理分析过程和算法原理进行实现并达到工程应用程度的过程。利用DT(Data Technology，数据技术)进行数据收集、分析实现设备特性的量化表征，再结合OT(Operation Technology，运行操作技术)进行控制优化，即可实现供料系统的装备数字化。

2.1 总体技术架构

现有生产系统中，供料系统的相关运行参数被控制端(PLC或DCS)采集，控制端接收运行人员从操作员站给出的控制指令设定供料器频率，其功能和架构设计是面向生产和设备控制的，并不太适合面向数据密集计算和智能控制的场景。因此，需进行必要的架构升级和调整。

总体技术架构和工作流程如图2所示，在现有系统的基础上增加PC端(相当于边缘计算设备)，其上部署数据接口程序、数据分析程序、数据可视化服务程序和数据库。数据接口程序从控制端读取运行数据并将其存入数据库中;数据分析程序从数据库中读取运行数据及必要的其它数据，进行数据分析并将中间和结果数据再写入数据库中，其中的一部分数据(如供料器的供料特性曲线数据)被数据接口程序读取并发送至控制端;数据可视化服务程序即图形展示的后端服务程序，负责提供Web网页服务，将运行数据、数据分析程序的输出结果等以图、表的形式进行组织和渲染，用户可从交互终端使用浏览器访问。

图2 总体技术架构和工作流程

2.2 PC端与控制端的通信和数据传输

完整的技术开发和验证工作针对某采用西门子S7 300 PLC作为主控制器、配备单套带中间仓称重、使用双锁气阀式供料器的工业锅炉系统进行。由于该生产单元没有配置OPC系统，因此PC端将直接部署在生产控制侧，与PLC处于同一局域网内。对于西门子S7系列PLC来说，与其通信的最佳方式之一是采用基于以太网的S7通信[10]，也可采用通用性更强(也适用于DCS)的基于RS485接口的Modbus RTU协议进行通信，当前工作采用了前者。

2.3 PC端的程序架构设计

数字化的主要开发工作位于PC端上。如前所述，PC端的主要功能模块包括3部分:数据接口程序、数据分析程序、数据可视化服务程序。所有程序均采用Python语言开发。

数据接口程序以一定的时间间隔(一般为1 s)从控制端读取运行数据，并将其存储至数据库中，以供数据分析程序和数据可视化服务程序使用。数据接口程序采用Python的snap7模块实现与S7 300 PLC的S7通信。由于取数间隔短，并需持续存储(尽可能保存至少2个供暖季的数据)，因此需要进行数据库的适配选型，候选对象包括SQLite[11]、MySQL[12]、HBase[13]、TDengine等。基于Hadoop的HBase数据库，其架构较“重”，部署和运维难度大[14]。传统的MySQL数据库，部署和运维的难度低于HBase，但仍复杂于SQLite。国内开源的TDengine数据库由于针对物联网时序数据做了专门优化，已经成为大规模时序数据存取服务的最佳选择之一，然而TDengine尚仅支持Linux操作系统[15]，与当前工作程序开发基于的Windows环境不一致，需要增加额外的计算机或采用虚拟机才能部署。SQLite属于文件式数据库，完全无需安装，数据库可与普通文件一样进行拷贝和迁移，且虽属于传统的关系型数据库但经试验其读写性能可满足当前工作需要，因此最终选择SQLite数据库。无论是Python中的sqlite3模块还是Pandas库中DataFrame对象的内建函数，都提供了与SQLite数据库进行交互的便捷操作接口。

数据分析程序从数据库中按照需要读取数据(包括数据接口程序从控制端取来的运行数据及数据分析程序本身输出的历史数据和计算结果)，进行处理、分析、计算后，将结果数据写入数据库中相应的表里。中间仓重量曲线上升段和下降段的识别，供料速率、供料特性曲线的计算、拟合和插值等计算工作均是在数据分析程序中完成的。前文所述Savitzky-Golay滤波器在Python的SciPy库中有函数实现，可直接调用。

数据可视化服务程序是“人机交互”的后台，而人机的可视化交互是将大数据价值进行充分展示和挖掘的关键环节。在工业大数据的应用中，数据量、数据维度及呈现形式对可视化手段提出了较高的要求。目前基于B/S和Web显示技术的架构已经成为主流，其具有跨平台(Windows/Linux/Android/iOS等操作系统，PC/平板/智能手机/智能电视等终端设备)、分布式访问等特性。本工作的数据可视化服务程序采用Plotly.js可视化库在Python下的实现即plotly/Dash[16]模块进行开发。其优点是完全采用Python语言即可完成Web服务程序的“全栈”开发，而且在科学数据的可视化方面功能丰富强大。此类“以后端的方式去写前端”的方式不是IT行业主流的开发模式，没有细化的专业分工，开发过程中的直观性也不够强，但在单类专业装备的数字化方面具有软件开发人力和专业资源需求少、开发定制灵活性强等优点，不失为小规模、个性化、专业和科学性强的场景下的较优开发模式。

2.4 硬件实现与部署

将PC及其他辅助设备(如交换机、电源)集成在“智能控制柜”中，部署于生产现场，实物如图3所示。PC采用触摸屏一体式工控机，其配置如下:15.6寸宽屏(电容多点触摸屏，1 920×1 080分辨率)，Intel Atom E3845、8G内存、128G SSD硬盘，双千兆网口。工控机运行Windows 7 64位操作系统，Python内核版本为3.8，运行环境基于Anaconda 32位。需要说明的是，由于考虑了对供料系统的测控功能进一步升级的需要，智能控制柜还额外集成了副PLC和HMI，因此更宜以控制柜的形式部署在供料系统就地。若仅考虑当前范围内的工作需要，则不必整体集成在控制柜中，而是可以采用更高配置的工作站或服务器作为PC主机并部署在电子间或机房，生产和运行人员通过其办公电脑即可访问Web交互界面。

图3 智能控制柜现场部署实况

2.5 控制端的供料器控制模式和功能升级

为便于程序处理和使用，供料特性曲线采用离散数据(而不是解析形式)进行表达和存储。驱动供料器电机的变频器工作在工频即[0,50 Hz]范围内，考虑到供料特性曲线通常是比较平滑无突变的，因此以2 Hz为间隔，即在0,2,4,…,48,50 Hz共26个频率的离散点上给出对应的供料速率，形成1个[供料器频率,供料速率]的26×2的二维数组。PC端分别将数组的2列内容发送至PLC，PLC将其存储在专门的数据块中。由此控制端也就建立了供料器频率与供料速率的对应关系，在PLC中编写和下装线性插值程序，便可根据供料器频率求取对应的供料速率，反之亦然。

进一步地，对控制端进行编程组态升级。一方面，在传统的直接控制供料器频率的“频率控制模式”的基础上，新增“速率控制模式”，允许运行人员直接设定目标供料速率值，PLC内运行的前述插值程序计算其对应的供料器频率并作为设定值发送给驱动供料器电机的变频器。另一方面，2种控制模式下，PLC程序均根据供料器频率反馈值折算供料速率，并进行累计，在运行控制界面上给出燃料实时和累计耗量。

3 讨论和分析

3.1 运行及分析结果的可视化输出与交互

数据可视化的主界面如图4所示，由于需要显示的曲线和图表较多，故图中内容在1 080P(即1 920×1 080)的分辨率下实际分成了上下共2屏，下面对图形界面的主要内容和功能做简要介绍，细节内容不做赘述。

图4 数据可视化程序Web交互界面示例

图形界面上部显示了运行数据最新时刻及相应的锅炉运行状态参数(蒸汽温度、压力和流量)。第1排左图给出了中间仓重量(绿线)和供料器频率(橙线)随时间的变化曲线，数据分析程序识别出的直线拟合R2高于一定下限值的上升段(红色虚线)和下降段(蓝色虚线)，可直观监视中间仓重量的时间演变及数据分析程序的分段识别和直线拟合情况。右图给出了供料特性曲线和历史下降段斜率绝对值(供料速率)的散点值，其中供料曲线的绿色段为“可信段”，代表历史供料速率散点数据对应的供料器频率的覆盖范围，蓝色线为曲线的外延段，由于“外延”(外插)数据可信度的确定性通常不高，故该段数据不在生产控制中采用。

第2排左图给出了1段时期内的供料特性曲线的演变情况，而右图可称为三维供料特性曲线，相当于将左图沿时间轴三维化，该三维图可旋转、缩放，便于观察供料特性的时间变化，可直观反映供料特性因供料系统自身条件(如供料器叶轮磨损)或外部条件(如煤粉流动特性)而发生的改变。

第3排左图是近期供料器频率的分布直方图，可反映供料器及锅炉的工作负荷高低和负荷分布情况。右图是近期各下降段对应的供料速率及供料器频率的时序变化曲线。该图可用来观察稳定供料器频率下供料速率的波动情况，以及供料器频率变化时供料速率的跟随变化趋势。连续或邻近时间段内同一供料器频率下供料速率的波动范围越窄，说明供料越稳定且中间仓称重结果较为可靠。

第4排左图相当于第1排右图的散点数据的细化展现，图中给出了中间仓重量曲线上升段斜率(y=0轴上方散点)和下降段(y=0轴下方散点)的斜率，主要用来观察斜率值随时间的变化情况。右图给出了供料器每日的燃料供应量数据表，并允许按时间跨度进行查询和将数据导出为表格文件，方便人员进行燃料统计。

得益于所采用的数据可视化软件框架，界面中的曲线图形均支持平移、局部放大/缩小等多种鼠标及触控操作，可实现直观、灵活的人机交互。该图形界面的展示和交互内容首先以满足生产运行人员的使用为目标，保证直观性和易用性，其次还考虑对供料系统进行持续、深入的数据分析和挖掘等数字化研发工作的需要，给出粒度更细、专业性更强的展示和交互功能(如第3排右图和第4排左图)。

3.2 控制端的运行控制模式升级

根据2.5节所述的设计思路进行编程组态，升级后的供料器运行控制界面如图5所示。考虑到司炉人员设定供料器运行参数的习惯需逐渐改变，控制界面上同时提供“速率模式”和“频率模式”2种控制方式，并允许进行模式切换。2种模式相互切换时，供料器频率设定值保持不变，因此不会对供料器和锅炉运行造成任何扰动。

图5 升级后的供料器运行控制界面

3.3 供料特性的数据挖掘与初步分析

利用数字化技术将某类装备赋予数字属性、使其逐步具备“灵魂”，是装备数字化的开端、破局之作，但非全部内涵。在获得设备或工艺系统的原始数据乃至二次加工数据之后，还需对个体特征进行深度分析，对同类装备进行群集分析、“画像”和对比对标，并从中获得对装备的设计、制造、安装、运行控制、检修维护等方面的改进指导和策略，才能将数字价值最大化。

笔者工作开发的供料系统数据分析程序除前述的部署于生产现场并连续在线运行的方式外，还可用于对从控制系统导出的供料系统历史数据进行离线分析。除时效性外，在线与离线分析的过程和数据输出无异。离线分析具有硬件投资少、实施周期短的优点，在大范围的现场装备数字化升级之前，也是挖掘数字价值、推进数字化升级的有力措施。

通过在线和离线方式对B供热站2台蒸汽锅炉和J供热站2台热水锅炉各自的供料系统的运行数据进行分析，供料特性曲线如图6～图9所示(为便于进行原始对比，图中给出了散点数据而没有给出拟合曲线)。B供热站2号炉和6号炉额定蒸发量分别为20 t/h和40 t/h，采用单燃烧器和单供料系统。J供热站1号和2号炉为同型号锅炉系统，单炉额定热负荷均为70 MW，采用双燃烧器和双供料系统(内部编号为A和B)。

图6 B供热站2号炉和6号炉供料特性曲线

图7 J1A和J1B供料系统供料特性曲线

图8 J1A和J1B供料系统供料特性数据对比

图9 J2A和J2B供料系统供料特性数据

B供热站数据如图6所示。B2和B6供料系统的数据时间跨度分别约为近3个月和近2个月，供料特性随运行时间均基本未发生变化。随供料器频率增大，B2供料特性曲线的增长趋势变缓，B6则基本呈现线性增长。从2套供料系统各自整个时段的供料特性曲线的误差线(数值采用原始数据的标准偏差)来看，B2的1个比较显著的特征是其供料速率分布范围较窄(数据较“集中”)，尤其是较低供料器频率下，而B6供料器在整个供料器频率区间内的供料速率分布范围都较宽(数据较“散”)。“理想”的供料系统其供料速率应当与供料器频率一一对应。从此方面来说，B2供料系统表现较好，B6则表现稍差，其原因既可能是B6系统本身供料不稳，在同样的供料器频率下其供料速率时高时低、波动较大，也可能是中间仓称重误差较大或不稳定所致，亦或是多种因素的叠加。

J供热站J1A、J1B供料系统的供料特性数据如图7所示。数据跨2个供暖季，供料特性曲线逐月给出。从图中可以看出，J1A和J1B供料系统的供料特性与时间(月份)基本无关，意味着设备工作输出比较稳定。图示供料器工作频率区间内，供料速率随供料器频率基本呈线性变化，旋转锁气阀供料器在较高频率时常出现的供料速率“饱和”现象[2]尚不明显。2021年11月至2022年2月期间的J1A和J1B供料特性曲线的对比如图8所示，同频率下的J1B的供料速率比J1A略高，意味着若二者工作在相同频率下，则炉膛内将出现偏烧现象。对运行历史数据的分析发现，司炉人员总是习惯性保持同时刻J1B的供料器频率设定略低于J1A，说明虽然此前运行人员并不掌握供料特性曲线，但从生产实践中也已间接(例如通过对比炉膛两侧烟温)发现了2套供料系统的性能差异。在掌握了各供料系统的量化特性后，就无需过多依赖司炉人员的经验积累和专业能力即可做出运行优化调整，且及时性和精准性将大幅提高。

J2A和J2B的逐月的供料特性曲线如图9所示。与J1A和J1B不同，其不同月份的供料特性存在较大的“漂移”，说明供料系统工作不够稳定。月度平均的供料特性曲线随时间尚有较为明显的差异，则在更短的时间周期上差异和变化将更为显著。可结合对反映锅炉燃烧稳定性的运行参数(如烟气氧量、炉膛负压)的分析，辅助判断前述异常确由供料速率波动大所致，还是仅因中间仓称重模块工作不正常导致的测量数据误差大引起。无论如何，J供热站同型号、同期投运的1号炉与2号炉的供料系统之间的对比差异都表明有必要对后者进行诊断和改进。在装备数字化升级之前，问题尚难发现和定位，针对性的检修维护和技术改进工作也就更难开展。

4 结 论

(1)结合机理分析和数字化技术，提出了煤粉工业锅炉供料系统数字化升级的着手点和技术解决方案，自主开发了核心算法和程序，进行了软硬件系统整合，在实际生产环境的工业锅炉系统上进行了示范应用。

(2)通过对中间仓重量曲线的识别和分析，实现了对供料速率的在线计算和监视，并根据供料器在不同转速下的运行工况数据，得到了供料速率随供料器频率的变化关系(供料特性曲线)，据此进一步实现了控制系统直接根据供料速率设定值对供料器转速进行自适应控制的“本征”控制模式。

(3)对多台工业锅炉的多套供料系统进行供料特性分析，发现不同供料系统的供料特性曲线在趋势、供料速率分散性、随时间变化特征等方面存在个体化差异，部分个体可能存在设备或测量方面的缺陷或异常，此些初步的分析和对比工作揭示了数字化升级之前无法或难以发现的问题和规律，证明了供料系统数字化是必要的且有显著的应用价值。

(4)当前工作在煤粉工业锅炉供料系统上基本实现了从“0”到“1”的数字化实现，但在数字化升级和数据价值的挖掘利用方面仅是开端。一方面，未来应根据供料系统的工作原理和实际使用经验，进一步挖掘核心算法和应用场景，例如探索利用一次风压力与供料速率的关联关系和随动规律，在中间仓重量数据之外提供对供料速率进行计算和监测的另1种维度和手段，并利用一次风压力响应快的特点尝试对供料器控制逻辑进行优化，平抑供料速率的短时波动，使供料更平稳。另一方面，应逐步扩大供料系统数字化升级的应用范围并物联网化，对大范围的个体装备进行群集“画像”和对标分析，通过特征归纳、全生命周期溯源、实际检修诊断和改造试验等手段，理清装备性能的数字化表征与设计、制造、安装、运行控制、检修维护之间的因果关系，尤其是固化优势点、消除劣势点，借助数字化的推动使供料系统的标准化和工业化水平上1个新的台阶。最后，由于煤粉供料系统是为锅炉燃烧服务的，因此其数字化场景还可向燃烧诊断延伸，通过对上游(供料系统)和下游(锅炉燃烧)运行特征和数据的关联、因果分析，甄别因或非因供料引起的燃烧效果欠佳(如氧量和负压波动大、燃尽率低)，以便准确进行问题定位和针对性改进，从而进一步丰富了供料系统数字化升级的价值内涵。