81１ 概述梅山钢铁公司能源有限公司新投运1台掺烧煤气锅炉和1台全烧煤气锅炉。
本文主要讨论了运用了DLAS 技术的CO 激光在线分析系统在这2台锅炉的CO 监测系统中的应用。
众所周知,现在环保要求相当高,CO 如果大量排入大气中,导致空气中CO 浓度偏高,CO 与人体内的红细胞的结合能力比O 2与红细胞的结合能力强,并且结合后不容易分离,故而使红细胞失去正常的运输O 2的功能,使人产生中毒症状。
据悉,空气中的CO 达到0.06％,呼吸1小时就能引起人的中毒,如果达到0.32％,只需30分钟,人就可以陷入昏迷而死亡。
因此,对烟道CO 排放量的监视就有着非常重要的意义。
另外,对锅炉烟道CO 的监视还可以监测燃料的燃烧率,防止CO 排放量超标而发生爆炸事故,还可以监视煤气燃烧是否充分提高燃烧系数,以节约能源。
4＃锅炉是全烧煤气锅炉,对高炉煤气的监视即对燃料量的监视显得尤为重要。
２ ＤＬＡＳ技术简介DLAS(Diode Laser Absorption Spectroscopy)是半导体激光吸收光谱技术的简称。
该技术是利用激光能量被气体分子“选频”吸收形式吸收光谱的原理来测量气体浓度的一种技术。
具体来说,半导体激光器发射出的特定波长的激光束穿过被测气体时,被测气体对激光束进行吸收导致激光强度产生衰减,激光强度的衰减与被测气体含量成正比,因此,通过测量激光强度衰减信息即可获得被测气体的浓度。
(见基本测量工作原理示意图,如图1)３ ＤＬＡＳ技术在我厂的应用3.1 系统安装应用了DLAS 技术的激光现场在线CO 气体分析系统主要由发射装置、接受装置和中央分析仪器等构成,发射装置和接受装置可以直接在被测管道(烟道)上,发射装置发射特定频率的激光,直接穿过过程气体管道(烟道),被接受装置中的传感器接受,接受装置将检测信号传送到中央分析仪器,中央分析仪器完成对过程气体的检测分析和输出控制。
(其安装图见图2)发射装置:由半导体激光器、温控模块、光学视窗等组成,主要功能是发射调制激光束,该激光束通过被测气体到达接受装置。
接受装置:由传感器、光电转换模块、光学视窗等组成,主要功能是通过传感器接受通过气体环境的激光束,并将采集到的激光强度信息实时传送给中央分析仪器。
中央分析仪器:主要由电源板、信号处理板、人机界面板等部分构成。
电源板将交流电源转换成直流电后供电给中央分析仪器内部各电子电路以及发射装置和接受装置中的电子电路。
信号处理板完成所有的光谱信号处理,获得气体浓度。
人机界面板通过液晶显示器、薄膜键盘和RS232串行口实现人机交流和外部数据通讯。
机械连接装置:由根部阀、焊接法兰和仪器法兰等构成,是将发射装置和接受装置安装在过程气体管道(烟道)上的机械装置。
吹扫装置:由精密过滤器、温压阀和流量计等构成,通过向仪器管道内吹入氮气等气体,防止光学视窗污染的防护装置。
标定装置:由标定管、减压阀和标定气等构成,是用来进行仪器标定的一套部件。
GPRS 无线通信模块:用户可选配GPRS 无线通信模块,将现场DLAS 技术在CO 在线分析系统中的应用王蓉婷(梅山钢铁公司能源有限公司 江苏南京 210039)摘要:简单介绍了利用激光能量被气体分子“选频”吸收形式吸收光谱的原理来测量气体浓度的DLAS 技术,并阐述了DLAS 技术在我厂为了测量燃料燃烧情况、对环境的污染情况和防爆处理情况,在3＃炉电除尘后烟道及4＃炉烟道左右侧CO 在线激光分析系统,和为了测量煤气参与燃烧的浓度的4＃炉高炉煤气的CO 激光在线分析系统中的应用。
关键词:DLAS 技术 CO 在线分析 激光中图分类号:TP216.3文献标识码:A文章编号:1007-9416(2013)05-0081-02图1图282预测能力。
%网络参数配置(迭代次数,学习率,目标)net.trainParam.epochs=200;net.trainParam.goal=0.01;net.trainParam.show=10;net.trainParam.lr=0.05;%BP 神经网络训练net=train(net,P,T);将训练后的网络进行仿真,并输出相应的曲线图。
figure;Y=sim(net,P);p l o t (P ,T ,P ,Y ,'r ');图2中红色点划线表示对训练后的网络进行仿真得到的输出,经过训练后,系统模型基本上拟合了原始数据,但在某些位置还是存在一些拟合不到位的现象,后面会针对这种情况改进网络已达到更好的拟合效果,网络的预测误差曲线如图3所示。
误差值基本出现在(-4,9)区间内,差值约为13,样本数据的输出范围在900左右,计算误差区间在整个输出范围之间的辨识精度大约为0.014,达到了项目总体要求中提出的辨识精度为10-2的数量级,可见系统辨识输出误差在允许的范围之内的。
３ 结语本文中建立的系统模型完成了实测数据到标准条件数据的转换。
这种基于人工神经网络BP 算法的管线表面温度值和热流值的标准化转换模型完成了对于现场数据的处理。
从仿真效果和误差分布可以看出模型的处理精度等级也达到了项目的预期的技术要求,只是曲线拟合有所欠缺。
这些问题可以通过进一步更改网络层数等方法进行改进,以便能够得到更好的仿真效果。
参考文献[1]刘艳,任章.基于神经网络的混合模型建模方法及应用[J].计算机仿真,2007,24(2):45-48.[2]匡胤.基于人工神经网络的预测原理及MATLAB 实现[J].内江师范学院学报,2007,22(2):38-40.[3]黄大荣,宋军,汪达成,曹建秋,李伟. 基于ARMA 和小波变换的交通流预测模型研究[J].计算机工程与应用,2006,42(36):191-194.[4]宋宜斌,王培进.一种基于RBF 神经网络的预测器模型及其研究[J].计算机工程与应用,2004,40(6):105-107.[5]Hunt K J, Starbaro D. neural Networks for Nonlinear Internal Model Control [J]. IEE Proceedings D,1991,138(5):431-4381.[6]吴广玉.系统辨识与自适应[M].哈尔滨:哈尔滨工业大学出版社,1987.[7]张成乾,张国强.系统辨识与参数估计[M].北京:机械工业出版社,1986.[8]强明辉,张京娥.基于MATLAB 的递推最小二乘法辨识与仿真[J].自动化与仪器仪表,2008,(6):4-5,39.[9]金朝红,吴汉松.一种改进的BP 算法及其Matlab 仿真[J].计算机仿真,2005(Z1):105-106.[10]王青海.BP 神经网络算法的一种改进[J].青海大学学报(自然科学)[11]庞中华,崔红.系统辨识与自适应控制MATLAB 仿真[M].北京:北京航空航天大学出版社,2009.[12]黄永安,李文成,高小科.Matlab7.0/Simulink6.0应用实例仿真与高效算法开发[M].北京:清华大学出版社,2008.数据通过GPRS 网络传输到远端进行存储分析,并可实现远程参数设置和程序升级等管理功能。
3.2 在4＃锅炉上的应用DLAS 技术用于气体分析的三大问题,即背景气体的交叉干扰、粉尘和视窗污染时对测量的干扰以及被测气体环境参数变化的影响,从而避免了采样预处理系统,简化了测量步骤,从而能够实现现场在线分析测量。
我厂4＃锅炉时一台全烧煤气设备,在4＃锅炉上公投用了3台CO 激光在线分析仪,其中2台分别用于烟道左侧和右侧,另一台用于高炉煤气,前2点的工作温度为200℃左右,飞灰浓度很低;后1点工作温度为30℃左右,飞灰浓度趋近于0,均符合系统要求。
前2点测量出来的CO 浓度为0．03％左右,达到国家环保标准要求。
高炉煤气CO 含量在22％左右,能够达到最低燃烧状态。
3.3 在3＃锅炉上的应用３．３．１ 遇到问题3＃锅炉的CO 激光在线分析仪与3＃锅炉同时投运,但其一直无法正常运行,到底是什么地方出了问题？透过率显示一直为0％,CO 浓度一直无法测量。
经检查,发射单元、接收单元安装均符合要求,镜片擦拭得也足够清晰,氮气吹扫工况正常,气体环境温度为200℃左右,符合系统所要求的运行条件。
后来经多次现场勘查发现是由于从发射单元到接收单元之间的飞灰太多,导致激光束无法穿透飞灰射到另一端。
３．３．２ 解决问题飞灰过多,如何解决,这个难题又摆在了面前。
若是想办法减少此测点的飞灰,将需要增加很多不必要的设备,不但不能起到降本增效的作用,而且还将增加很多维修、维护点,设备的可靠性大大降低,显而易见,这个方法是行不通的。
该测点的工况无法改变,看来我们只有更改测点了。
烟道很长,之前测点是放在电除尘前,实践证明,电除尘前飞灰含量过多,导致CO 无法测出,现在将测点移至电除尘后,飞灰经电除尘,基本已经除尽,其飞灰含量符合CO 激光在线分析仪的要求。
３．３．３ 运行现状运用了DLAS 技术的CO 激光在线分析仪移至电除尘之后,运行状况非常好,透过率正常,能够正确测量出CO 的实际含量,测出的CO 符合环保等要求,这是一次成功的移位改造。
４ 结语CO 激光在线分析系统投运2年多来,我厂根据实际运行情况对4＃炉烟道的CO 激光在线分析系统进行了移位安装改造,改造后运行情况一直很好。
3＃炉3台CO 激光在线分析系统自投运以来对燃烧情况、污染情况和防爆情况的监视均能满足我厂的生产实际需要。
这4台运用了DLAS 技术的CO 激光在线分析系统为3＃炉、4＃炉的经济、安全、稳定运行提供了有力的保障。
参考文献[1]《热工仪表及自动装置》.山西省电力工业局编,中国电力出版社出版.[2]《火力发电工程调试技术规定汇编》.国家电力公司电源建设部编,中国电力出版社出版.・・・・・・上接第80页。