PDF《基于炉内火焰图像的燃烧诊断方法研究》

第! 卷第!期!##$年%月现!代!电!力&

'

()*+,-).

/*0.1 '

2 ) *

3 '

-

4 ! !5 '

4 !

6 7 *

4 ! # # $ 文章编号!8 # #

9 : ! ! ! ! ! # # $ # ! : # # $ % : # %!!文献标识码!6!!中图分类号!<

W ! !

9 4

8 基于炉内火焰图像的燃烧诊断方法研究 王燕晋!刘!禾!华北电力大学自动化系#北京!8 # ! ! # $ F + &

+ # ,

0 G(

5 (

2 8

6 &

- '

( L '

#

9 ( &

'

&

I # &

+ 7( Q $ #

2 + :

2 #

9 + B >

+ ?C >

+

0 +# '

0 A] ) ! H )

7 / a '

J6 A / '

I >

/

0 '

+ #5 '

* / DE D

0 + >

, - ) . / *

0 .1 '

2 ) *K +

0 L ) * M

0 / G #@ )

0

0 + ? !8 # ! ! # $ 摘!要!针对现今电厂采用的锅炉燃烧监控系统所采集的火 焰动态图像,提出了一种利于辅助分析的炉内火焰燃烧诊断 方法.该方法分析了火焰图像的特点,提出了分析火焰稳定 性判别的三个特征量,根据现场图像信号作出数据提取,并 对提取结果进 行了数据分析.提出一种燃烧稳定性判别方法,该方法利 用以上三个特征量作为@1神经网络输入参数,得到输出确定为火焰稳定性系数,然后用模糊判别给出 准确的燃烧稳定性综合评估.此方法利用了动态图像的差分 特性,动态地分析燃烧过程中火焰锋面变化的状况,为现场 锅炉监控人员提供了一种燃烧状态监测方法,方便了现场运 行人员及时快捷地对现场状况做出准确迅速的判断和操作. 通过对现场图像的人工分析和此方法判别结果比对,证明此 方法具有很强的辅助分析功能. 关键词!锅炉燃烧;

诊断;

火焰稳定性判别;

@ 1神经网络;

模糊判别;

特征量 !

8 &

- , #

0 - $D - . * 3# $3

0 $ -

1 '

+2 -

1 *'

1 - % *#

22 4 , $ - + * # ( ) * &

-

0 ( #- $ -

0 ;

* ( ) *+ #

1 5

4 . ( '

# $. ( -

5 '

'

( 0&

- . / , * . * $ (

7 D 0- $ -

6

0 ;

'

$ %( ) *+ ) - , - + ( * , '

. ( '

+#

2 ( ) *

2 -

1 * '

1 - % * # ( ) , * *+ ) - , - + ( * ,

9 -

4 * .#

2 '

1 - % *&

- ./ , # / # . * .

7 <

) , * *+ ) - , - + ( * ,9 -

4 * .#

2 '

1 6 - % *&

- .5 - . * 3# $( ) *, * . * - , + )#

23 0 $ -

1 '

+2 -

1 *'

1 - % *#

2 2

4 , $ - + * # - $

33 * - (#

21 - . .3 - ( - 7!

1 * ( ) # 3:

4 3 % '

$ %/

4

9 * ,

6 '

;

* 3+ # - + #

1 5

4 . ( '

# $. ( -

5 '

'

(

05 0 D I O *

4 , - O * ( &

# , C- $

3 2

4 ;

;

0/ - ( ( * , $, * + # % $ '

( '

# $ &

- ./ , * . * $ ( *

35 04 . '

$ %( ) *( ) , * * + ) - , - + ( * ,9 -

4 * .#

2 '

1 - % * 7L ) - , - + ( * , '

. ( '

+#

23 0 $ -

1 '

+'

1 - % * '

.

4 ( '

'

;

*

3 # - $

3 ( ) * . ( - ( * . #

2 2 -

1 *&

* , * :

4 3 % *

3 7 <

) '

.1 * ( ) #

3 + - $, * - '

;

*( ) *'

$ ( * '

% * $ (3 '

- % $ # . '

.2 # ,5 # '

* ,+ #

1 5

4 . ( '

# $7 <

) *, * .

4 ( '

. - . . -

1 *- . # / * , - ( # , % . :

4 3 %

1 * $ (

7 <

) *- , ( '

+ *- /

6 / '

* 3-1 * ( ) #

32 # , -

4 ( #1 # $ '

( # , '

$ % .

0 . ( * 1( #%

4 '

3 * ( ) *# / * ,

6 - ( # ,1 - C '

$ %/ , # / * ,# / * , - ( '

# $'

$. ) # , ( ( '

1 *

7 ;

+ %<

( ,

7 &

$5 # '

* ,+ #

1 5

4 . ( '

# $&

3 '

- % $ # . '

. &

2 -

1 *. ( -

5 '

'

;

-

6 ( '

# $&

D I$ *

4 , - $ * ( &

# , C&

2 4 ;

;

0 &

+ ) - , - + ( * ,9 -

4 * . =!引!言 很长时间以来#对于炉内火焰燃烧状态的分析 基本上依靠工程技术人员的经验'

一般工程技术人 员依靠自身经验能在短时间内准确判断#这要求给 他们提供一些辅助的分析工具'

传统的辅助分析方 法是利用炉膛内火焰燃烧造成的一些间接特征量的 变化#分析这些特征量从而间接得到火焰的燃烧状 态'

这些分析方法的缺点是这些特征量仅仅是间接 量#只能针对某种特征量分析某一个具体量#但由 于火焰扰动分析量较多#造成设备繁杂#影响整体 设备的安装(调试和稳定性'

随着基于图像技术的 设备和解决方法的不断成熟#现今电厂越来越多地 采用火焰图像系统'

由于火焰图像是火焰燃烧的直 接特征量#可以很容易的判断出火焰的燃烧状态# 所以这种方法作为替代方法很有发展前途'

火焰图像处理技术得到了广泛应用'

近些年# 一些学者把火焰图像处理技术的研究重点放在了燃 烧诊断领域#取得了一些研究成果'

浙江大学热能 研究所的基于神经网络的燃烧诊断判别方法) 8* 已经 在嘉兴电厂的锅炉监测系统中得到了应用) !* '

该方 法基于静态图象进行判别'

也有一些研究单位针对 稳定性的判别效果#提出了重点在动态图像处理的 燃烧稳定性判别方法) * '

火焰燃烧状 态对电站运行会带来很直接的影响#燃烧状态监测是亟待解决的问题'

本文提出了 一种利用神经网络和模糊判别的方法#判别火焰燃 烧稳定性状态'

它的优点是提供了与工程技术人员 经验相结合的各种判别接口#利用一种模糊的方法#快速准确地给现场工程人员提供燃烧状态的参 考值#方便现场操作员做出判断'

>

!火焰燃烧特征量的提取 火焰燃烧图像的数据量很大#不可能对所有的数 万方数据 据进行辨识!因此对于图像有用信息的提取就至关重 要 图8为四角喷粉炉某一燃烧器煤粉火焰图像 图8!火焰图像 分析发现!火焰图像可以分为 个区域# !黑色区域#摄像头取景外区域和煤粉喷入炉 内而未燃烧区域 后者一般称为 $ 黑龙区% 红色区域#煤粉受热首先挥发出煤气燃烧! 而煤粉颗粒部分燃烧但并未 完全燃烧 一般称为$初燃区% &

白色区域#煤粉颗粒充分燃烧!发出炙热的 白光! 从而使EEH感光器达到饱和 一般称为$饱和区% 三个区域的视觉特性基本上是完全不同的!可 以从它的=&

>

&

;

值的波动上看出 黑龙区的 = 值有明显的幅度上扬'

;

&

>

值基本上维持在较低 的数值 初燃区的= 值有一定的上扬!但幅度较黑 龙区小'

;

&

>

值有了明显的幅度上扬 饱和区的= 值基本上已经饱和'

;

&

>

值也已饱和 由于煤 粉着火燃烧过程受煤粉特性&

风粉浓度&

风量等多种因素影响!煤粉着火位置在空间上 是变动的!从运行人员的角度看火焰图像就是黑龙区&

初燃区和饱和区的大小比例关系发生变化 见图! 图!!火焰序列图像 这 幅图片是在 #

4 M内采集的 可以看出火 焰图像中燃烧区域发生的变化 由于燃烧稳定性是 要求在差分时间内火焰燃烧区域的变化量!因此根 据实际工况!选取 Z 个连续采 集图像作为分析素材!选择的煤粉火焰燃烧特征量如下# !火焰图像= >

;

均值的差分变化量 通过对火焰图像的研究!发现当燃........