煤在一次能源中具有极其重要的地位,而劣质煤在我国煤中占有较大的比重,这些煤在燃烧过程中所产生的硫污染物不仅给环境带来巨大的破坏,而且极大的威胁着电站运行的安全性和经济性。目前,虽然对控制燃煤硫污染物已有大量的研究,但在如空气分级燃烧、引入贴壁风等条件下煤粉的硫释放特性,燃用劣质煤及混煤燃烧的硫释放特性的研究较少。因此研究劣质贫煤及贫煤掺烧其它煤种组成混煤的硫释放特性有着重要的意义。 首先,选择黄台电厂贫煤为主要试验煤种,研究了贫煤随燃烧工况变化的SO₂和H₂S释放特性,燃烧工况参数包括:温度、过量空气系数、煤粉粒度、分级送风条件下一二次风配比及贴壁风风量。研究发现,随着过量空气系数、煤粉粒度、温度的变化,贫煤的SO₂和H₂S释放呈现出明显的规律性;在分级送风条件下,不同的一二次风比对硫释放特性也有一定的影响,在燃烧初期,随着一次风比例的增大,SO₂浓度也明显增大,H₂S浓度减小,一次风比例较小时,SO₂释放较早;加入贴壁风后H₂S浓度的急剧降低,但对SO₂释放浓度影响不大。 其次,研究了在黄台电厂贫煤中掺入贫煤、烟煤、无烟煤等煤种组成不同混煤的硫释放特性及燃烧特性。研究发现随着在黄台电厂贫煤中掺入煤种的变化及各单煤掺配比例的不同,混煤的燃烧特性也不相同。混煤的燃尽率与各单煤的燃尽特性及掺配比密切相关。对不同混煤燃烧特性的分析为进一步分析混煤硫释放特性奠定了基础。不同混煤一维燃烧的硫释放特性比较复杂,混煤燃烧SO₂沿程释放浓度随掺配比的变化基本介于各组分煤之间。随煤种及掺配比的不同,混煤按组分煤掺配比加权得到的SO₂计算浓度与实测浓度相差较大。混煤H₂S释放浓度受工况影响较大,随掺配比变化规律较为复杂,有时混煤H₂S释放浓度不介于各组分煤之间。 最后,应用BP人工网络模型对黄台电厂贫煤与其它煤组成混煤燃烧过程中SO₂和H₂S的释放浓度进行预测。以各单煤的煤质特性、燃尽特性、含硫量、各单煤掺配比、混煤煤粉浓度、炉膛温度等与混煤硫释放特性密切相关的参数作为神经网络的输入变量,以炉膛中3号测点处的H₂S释放浓度和炉膛尾部SO₂释放浓度为输出变量,建立了典型的三层网络结构。经过比较,选择隐含层神经元个数为6时预测值的相对误差最小。采用引入动量项的BP网络算法对21组混煤的样本数据进行训练,并用3组混煤数据检验网络的有效性。把3组混煤数据的预测值和试验值相比较,发现这些预测值与试验值相比最小相对误差为3.7%,最大相对误差为21%,满足工程需要,因此该神经网络是能够预测混煤一维燃烧的硫释放情况。