深度调峰背景下火电机组变负荷过程蒸汽参数反馈特性
0 引 言
2020年9月我国提出“碳中和,碳达峰”的战略目标。中国长期以煤炭为主的能源结构向多元化转变,风电、太阳能发电等可再生能源不断发展[1]。《中国能源大数据报告(2022)》指出,截至2021年底,我国新能源发电装机容量达111 720万kW,首次超煤电装机占比,其中,风电、太阳能发电装机容量分别为3.3亿kW、3.1亿kW,占比29.40%、27.44%,水电装机容量3.9亿kW,占比34.99%[2]。可再生能源大规模并网,在一定程度上缓解了我国目前能源供需紧张的局面,但也带来一些问题[3]。由于受环境因素影响较大,可再生能源发电具有波动性和不可预测性,对电网的安全和稳定运行带来了严峻挑战[4]。在电源侧,核电机组带基本负荷运行,不参与调峰,水电机组调峰能力有限[5]。因此,为充分消纳可再生能源发电量,火电机组频繁参与电网调峰,在大幅度变负荷过程中,需将机组热力参数控制在合理范围内,保障机组安全运行[6]。
目前,许多学者已对火电机组变负荷过程中关键参数特性展开大量研究。孙献斌等[7]研究了国产首台330 MW循环流化床锅炉的调节方案,过热蒸汽温度由喷水减温器调整。结果表明,锅炉负荷增加时,通过减少减温水量来保证过热汽温的稳定。蔡晋等[8]分析了350 MW循环流化床锅炉在50%～100% THA升降负荷的运行数据,获得了变负荷过程中床温、蒸汽参数等变化规律,高温过热器和高温再热器出口蒸汽温度随负荷变化波动较小、较稳定。史振兴[9]利用MATLAB建立了300 MW亚临界和600 MW超临界锅炉过热汽温系统的神经网络模型,并对其进行了仿真优化,结果表明,神经网络逆控制可有效改善汽温控制品质。
Dymola平台使用的Modelica语言是一种非专有的、面向对象的物理建模语言[10]。现有研究已证实利用Dymola建立电厂模型的可行性和准确性。CASELLA等[11]开发了有机朗肯循环(ORC)和煤气化联合循环(IGCC)的动态模型,使用Modelica语言和来自Thermal Power Library的组件建模。笪凌云[12]建立了600 MW超临界机组不同工况下的机理模型,分析了机组协调对象的动态特性。CHEN等[13]基于Dymola建立了605 MW亚临界燃煤电厂的动态模型,并将传统调节控制系统纳入其中,研究了煤负荷的突变对电厂模型的影响。
综上所述,现有关火电机组变负荷关键参数的研究多集中于机组数学模型的建立,缺乏对热力系统和控制系统耦合的可视化动态模型的研究。而Modelica/Dymola平台拥有完备的与热循环相关的组件库;其次,Dymola支持多领域建模与仿真,不仅能够建立火电机组的可视化模型,还能实现控制系统模型的嵌入。因此,以某300 MW火电机组为研究对象,在Dymola平台建立该机组的动态模型,将100% THA工况下的仿真结果与设计数据进行比较以验证模型的准确性。同时,在模型中加入通用的控制系统,研究50%～100% THA工况下不同幅度负荷变化、不同速率负荷变化时机组的蒸汽参数反馈特性,分析主蒸汽温度、再热蒸汽温度的变化规律,这些结果可为火电机组变负荷安全运行提供理论指导。
1 案例火电机组概况
以某300 MW亚临界火电机组为研究对象,锅炉为自然循环、循环流化床燃烧方式,锅炉额定蒸发量为1 069 t/h,额定蒸汽压力17.4 MPa。该机组汽轮机为一次中间再热、双缸、双排汽、凝汽式汽轮机,汽轮机回热系统采用“三高三低一除氧”的7级抽汽布置,疏水采用逐级自流的方式进入除氧器和凝汽器,凝汽器压力为14 kPa。
锅炉设计煤种为褐煤,设计煤种的物性参数见表1。火电机组系统如图1所示。
图1 300 MW火电机组系统
Fig.1 System diagram of 300 MW thermal power unit
表1 设计煤种的物性参数
Table 1 Properties of the designed coal type
2 动态热力模型建立
基于Dymola建立的300 MW火电机组动态模型如图2所示,主要利用Dymola中的Thermal Power Library中的组件建模。
图2 基于Dymola建立的300 MW火电机组动态模型
Fig.2 Dynamic model of 300 MW thermal power unit based on Dymola
2.1 基本假设
为简化模型进行以下基本假设:① 忽略一二次风的区别,煤完全燃烧所需的空气由空预器预热后送入炉膛;② 忽略空气侧、烟气侧的漏气;③ 忽略实际的散热损失;④ 忽略汽机侧的漏汽及损失。
2.2 控制原理
为保持机组运行的稳定性,考虑在模型中加入控制模块,采用通用的电厂控制配置研究机组的闭环性能。
为满足变负荷过程中的动态性能和稳定性要求,在模型中加入给煤、给水流量、风量、换热器水位、泵速、主蒸汽温度和阀门开度的控制器,如图3所示。
图3 模型中的控制结构
Fig.3 Control structure in the model
换热器水位控制模块中,换热器水位设定在0.5 m,执行器为疏水阀门;凝结水泵的转速由凝汽器液位控制。给水流量需根据机组负荷进行实时调整,在给水泵之后加入测量点以输出实际给水流量,与设定值比较后经PID控制器输出,该过程中执行器为给水泵转速。在燃烧室中,使用空气流量控制器来调节过量的氧气确保煤完全燃烧,通过比较过量空气系数α的设定值与测量值,调节进入燃烧室的风量。通过调节减温水流量控制主蒸汽温度,设定在538.0 ℃,实际温度由温度测量点测得,执行器为减温水阀门。
2.3 模型验证
为验证机组动态模型的准确性,在以上假设条件的基础上,搭建100% THA工况下的机组模型,将模型运行稳定时的数据与设计数据进行对比,结果见表2。该模型与所研究300 MW火电机组关键数据相匹配,如流量、汽轮机运行压力、温度等,最大误差不超过±5%,满足工程实际要求。
表2 100% THA工况下机组参数对比
Table 2 Comparison of unit parameters at 100% THA
3 结果与分析
3.1 不同幅度变负荷汽温特性
蒸汽温度控制品质将直接影响机组运行的安全性[14]。蒸汽温度过高会对过热器、再热器造成损坏,导致汽轮机内部发生严重热膨胀;蒸汽温度过低会降低机组的运行效率,导致汽轮机末级蒸汽湿度过大,对末级叶片产生侵蚀,进而影响汽轮机安全运行,因此,在实际运行过程中,要求过热、再热蒸汽温度不偏离额定温度的±10 ℃[15]。
3.1.1 降负荷过程
降负荷过程中,负荷变化分别为100%～75% THA、75%～50% THA,控制降负荷速率为1%(3 MW/min)。主蒸汽温度、再热蒸汽温度变化如图4、5所示。
图4 100%～75% THA降负荷过程
Fig.4 Process of change load from 100% to 75% THA
由图4可知,负荷从100% THA降至75% THA所需时间为1 500 s,主蒸汽温度和再热蒸汽温度在1 760 s时达到稳定。降负荷过程中,主蒸汽温度先升高,最高可达539.5 ℃,在80 s后,主蒸汽温度逐渐下降,之后在538.0 ℃附近波动,降负荷完成后,主蒸汽温度调整至额定汽温;再热蒸汽温度变化为531.1～539.1 ℃。
在100%～75% THA降负荷过程中,锅炉燃烧反应具有迟滞性,造成蒸汽温度升高。温度升高一定时间后,主蒸汽温度控制系统会根据温度测量值与额定值的偏差,通过调整减温水流量使得蒸汽温度稳定在额定值;由于不涉及再热蒸汽温度控制器,造成再热汽温在降负荷过程中变化较大,主要原因在于:再热蒸汽压力较低,比热小于过热蒸汽,因此汽温变化敏感,变化范围较大,在实际运行过程中,需通过控制方法对再热汽温进行调整,如烟气挡板调节,这是目前应用最多的调温手段。
由图5可知,负荷从75% THA降至50% THA所需时间为1 500 s,主蒸汽温度和再热蒸汽温度在1 800 s时达到稳定,主蒸汽温度变化为537.8～538.2 ℃,最终稳定在538.0 ℃,再热蒸汽温度变化为529.9～531.1 ℃,最终稳定在529.9 ℃。对比图4和图5可知,75%～50% THA降负荷过程中,主、再热蒸汽温度变幅小于100%～75% THA降负荷过程主、再热蒸汽温度变幅。
图5 75%～50% THA降负荷过程
Fig.5 Process of change load from 75% to 50% THA
3.1.2 升负荷过程
升负荷过程中,负荷的变化分别为50%～75% THA、75%～100% THA,控制升负荷速率为1%(3 MW/min)。主蒸汽温度、再热蒸汽温度变化如图6、7所示。
图6 50%～75% THA升负荷过程
Fig.6 Process of change load from 50% to 75% THA
由图6可知,负荷从50% THA升至75% THA所需时间为1 500 s,主蒸汽温度和再热蒸汽温度在1 840 s时达到稳定。升负荷过程中,主蒸汽温度先降后升,但变化范围很小,基本稳定在538.0 ℃附近;再热汽温和主蒸汽温度变化趋势一致,但再热蒸汽温度变化范围较大,由529.9 ℃降至529.0 ℃后升至531.0 ℃,最后稳定在531.0 ℃。
由图7可知,负荷从75% THA升至100% THA所需时间为1 500 s,主、再热蒸汽温度在3 500 s时达到稳定。升负荷过程中,主蒸汽温度变化为537.6～538.2 ℃,再热蒸汽温度由531.0 ℃逐渐升高至额定蒸汽温度538.0 ℃。相比100%～75% THA降负荷过程,75%～100% THA升负荷过程汽温调整时间较长。
图7 75%～100% THA升负荷过程
Fig.7 Process of change load from 75% to 100% THA
综上,在升降负荷过程中,由于存在喷水减温阀门控制器,主蒸汽温度变化范围较小,负荷稳定后,主蒸汽温度稳定在额定值;由于不涉及再热蒸汽温度的调整策略,因此再热汽温变化范围较大,整个变负荷过程中,再热汽温最低为529.0 ℃。
3.2 不同变负荷速率汽温特性
3.2.1 降负荷过程
降负荷过程中,负荷的变化分别为100%～75% THA、75%～50% THA,控制降负荷速率分别为1.0%(3 MW/min)、0.5%(1.5 MW/min)。主蒸汽温度、再热蒸汽温度变化如图8、9所示。
图8 100%～75% THA降负荷过程
Fig.8 Process of change load from 100% to 75% THA
由图8可知,负荷变化速率越慢,主蒸汽温度偏离额定值的偏差越小,主蒸汽温度变幅降低1 ℃左右;负荷变化速率越慢,再热蒸汽温度在负荷变化过程中偏离额定值的偏差减小,但最终的稳定值相同。此外,以0.5%速率降负荷时,负荷从100% THA降至75% THA所需时间为3 000 s,主蒸汽温度和再热蒸汽温度在3 200 s时稳定。由图9可知,负荷变化速率越慢,主蒸汽温度偏离额定值的偏差越小,再热汽温先降后升,最终稳定在529.9 ℃。
图9 75%～50% THA降负荷过程
Fig.9 Process of change load from 75% to 50% THA
3.2.2 升负荷过程
升负荷过程中,负荷变化分别为50%～75% THA、75%～100% THA,控制升负荷速率分别为1.0%(3 MW/min)、0.5%(1.5 MW/min)。主蒸汽温度、再热蒸汽温度变化如图10、11所示。
图10 50%～75% THA升负荷过程
Fig.10 Process of change load from 50% to 75% THA
由图10可知,以0.5%速率升负荷时,负荷由50% THA升至75% THA所需时间为3 000 s,主蒸汽温度和再热蒸汽温度在3 200 s时达到稳定。主蒸汽温度在537.9～538.1 ℃,再热蒸汽温度由529.9 ℃ 降至529.3 ℃后升至531.0 ℃,最后稳定在531.0 ℃。
由图11可知,以0.5%速率升负荷时,负荷由75% THA升至100% THA所需时间为3 000 s,主蒸汽温度在538.0 ℃附近波动,负荷升高过程中,再热蒸汽温度变化速率较慢,在3 000～5 000 s,再热蒸汽温度由533.1 ℃升至538.0 ℃。而1.0%升负荷速率过程中,在1 500 s～3 500 s,再热蒸汽温度由534.7 ℃ 升至538.0 ℃,因此,2 000 s调节时间内,0.5%变负荷速率下再热蒸汽升温速率更快。
图11 75%～100% THA升负荷过程
Fig.11 Process of change load from 75% to 100% THA
4 结 论
1)相同速率升降负荷过程中,由于存在减温水阀门控制减温水流量,主蒸汽温度变化范围较小,负荷达到稳定后,主蒸汽温度稳定在额定值。
2)相同速率升降负荷过程中,由于不涉及再热蒸汽温度的调整策略,再热汽温变化范围较大,整个变负荷过程中,再热汽温最低为529.0 ℃。
3)不同速率变负荷过程中,负荷变化速率越慢,主蒸汽温度偏离额定值的偏差越小。
4)不同速率变负荷过程中,再热蒸汽温度变化趋势相同,且最终都达到相同稳定值。
[1] 丛敏. 我国能源结构正由煤炭为主向多元化转变[J]. 热能动力工程,2018,33(4):75.
CONG Min. The energy structure of China is changing from coal-based to diversified[J]. Thermal Power Engineering,2018,33(4):75.
[2] 能源安全新战略研究院.中国能源大数据报告(2022)[R].西安:中能传媒研究院,2022.
[3] 刘津. 火电机组深度调峰辅助服务报价研究[D].北京:华北电力大学(北京),2021.
[4] YIN Junjie ,LIU Ming,YAN Junjie. Effect of fuel side deviations on the load-cycling performance of thermal power plants:A dynamic simulation[J]. Applied Thermal Engineering,2022,206:118041.
[5] 何青波. 基于源网荷状态的火电机组优化控制研究[D]. 北京:华北电力大学,2021.
[6] ZHANG Hongfu,GAO Mingming,YUE Guangxi,et al. Dynamic model for subcritical circulating fluidized bed boiler-turbine units operated in a wide-load range[J]. Applied Thermal Engineering,2022,213:118742.
[7] 孙献斌,石波,时正海,等.国产330 MW CFB锅炉的调节和变负荷性能[J].中国电力,2013,46(9):16-20.
SUN Xianbin,SHI Bo,SHI Zhenghai,et al. Regulation and load variation performance of the domestic 330 MW CFB boiler[J]. China Electric Power,2013,46(9):16-20.
[8] 蔡晋,单露,王志宁,等. 超临界350 MW循环流化床锅炉变负荷特性[J]. 热力发电,2020,49(9):98-103.
CAI Jin,SHAN Lu,WANG Zhining,et al. Variable load characteristics of a supercritical 350 MW circulating fluidized bed boiler[J]. Thermal Power Generation,2020,49(9):98-103.
[9] 史振兴. 基于神经网络逆模型的锅炉过热汽温控制研究[D]. 保定:华北电力大学,2011.
[10] 杨东勃. 基于Modelica_Dymola的汽轮机系统建模与仿真[D]. 北京:华北电力大学,2010.
[11] COLONNA P ,PUTTEN H Van . Dynamic modeling of steam power cycles[J]. Applied Thermal Engineering,2007,27(23):467-480.
[12] 笪凌云. 超临界机组Modelica建模与多模型预测控制方法研究[D].南京:东南大学,2015.
[13] CHEN Chen,ZHOU Zhiquan,BOLLAS George-M. Dynamic mo-deling,simulation and optimization of a subcritical steam power plant. Part I:Plant model and regulatory control[J]. Energy Conversion and Management,2017,145324-145334.
[14] 许威. 高效、灵活超超临界二次再热锅炉汽温特性研究[D]. 上海:上海交通大学,2020.
[15] 王丽洋,姚加飞. 基于汽温特性的火电机组过热蒸汽温度控制优化研究[J]. 热力发电,2012,41(7):52-56.
WANG Liyang,YAO Jiafei. Optimization of temperature control on superheated steam for thermal power unit used base on steam temperature characteristics[J]. Thermal Power Generation,2012,41(7):52-56.
Feedback characteristics of steam parameters during load variation in thermal power units in the context of deep peaking
FENG Fuyuan,ZHENG Qiwei,CHEN Heng,et al.Feedback characteristics of steam parameters during load variation in thermal power units in the context of deep peaking[J].Clean Coal Technology,2023,29(6):59-64.
