330MW燃煤火電機(jī)組脫硝系統(tǒng)的優(yōu)化研究

孫金龍

330MW燃煤火電機(jī)組脫硝系統(tǒng)的優(yōu)化研究

孫金龍

（華電國際十里泉發(fā)電廠，山東省 棗莊市 277100）

目前國內(nèi)火電廠選擇性催化還原法(selective catalytic reduction，SCR)煙氣脫硝系統(tǒng)由于普遍存在反應(yīng)時(shí)間較長、控制滯后和調(diào)門線性不好等缺點(diǎn)，SCR出口氮氧化物濃度大幅波動(dòng)，嚴(yán)重影響火電廠SCR煙氣脫硝系統(tǒng)的達(dá)標(biāo)運(yùn)行。為解決上述問題，根據(jù)電廠SCR脫硝系統(tǒng)的運(yùn)行狀況，在研究現(xiàn)場工程實(shí)際控制系統(tǒng)的基礎(chǔ)上，結(jié)合相關(guān)SCR脫硝系統(tǒng)控制理論，通過采集現(xiàn)場歷史數(shù)據(jù)，在保持現(xiàn)場實(shí)際控制算法不變的基礎(chǔ)上，采用智能辨識(shí)的方法，建立了SCR脫硝系統(tǒng)數(shù)學(xué)模型，并采用工程性強(qiáng)的仿人智能算法，實(shí)現(xiàn)了SCR脫硝系統(tǒng)的優(yōu)化運(yùn)行。

火電廠；氮氧化物；脫硝效率；建模；仿真；優(yōu)化

0 引言

通過預(yù)測控制或Smith預(yù)估模型控制來提高火電廠SCR煙氣脫硝系統(tǒng)控制品質(zhì)的方法，需要建立較為準(zhǔn)確的控制對(duì)象過程模型，模型準(zhǔn)確度嚴(yán)重影響控制品質(zhì)，而且受煤質(zhì)等因素的變化影響，運(yùn)行過程中的模型適應(yīng)性不強(qiáng)。目前，火電廠SCR煙氣脫硝系統(tǒng)的建模方法主要采用開環(huán)辨識(shí)實(shí)驗(yàn)的建模方法[8-9]。為研究開環(huán)辨識(shí)實(shí)驗(yàn)對(duì)脫硝控制系統(tǒng)正常運(yùn)行的影響，本文根據(jù)系統(tǒng)歷史運(yùn)行數(shù)據(jù)對(duì)脫硝系統(tǒng)進(jìn)行模型辨識(shí)，更好地反映閉環(huán)系統(tǒng)的運(yùn)行特性，同時(shí)采用工程性強(qiáng)的仿人智能算法，避免了控制算法對(duì)模型準(zhǔn)確性的要求，實(shí)現(xiàn)了SCR煙氣脫硝系統(tǒng)的優(yōu)化運(yùn)行。

1 SCR煙氣脫硝技術(shù)

2 SCR煙氣脫硝控制系統(tǒng)

2.1 SCR脫硝反應(yīng)機(jī)理

除上述2種主要的化學(xué)反應(yīng)外，煙氣中還存在以下化學(xué)反應(yīng)。

由于式(3)、(4)反應(yīng)速度很慢，因此在SCR反應(yīng)中所占比重較小。根據(jù)式(1)—(4)的化學(xué)反應(yīng)分析，SCR脫硝反應(yīng)的NH3、NO的摩爾比大約為1:1。

2.2 SCR控制系統(tǒng)分析

2.2.1 稀釋風(fēng)量

2.2.5 脫硝效率

2.2.6 反應(yīng)器噴氨流量

2.2.8 氨氮摩爾比

2.2.9 PID調(diào)節(jié)

圖1 SCR噴氨PID閉環(huán)控制系統(tǒng)

滯后環(huán)節(jié)DELAY的傳遞函數(shù)為

式中：為比例系數(shù)；為慣性環(huán)節(jié)時(shí)間常數(shù)，為滯后時(shí)間常數(shù)。

增量型PID調(diào)節(jié)傳遞函數(shù)為

限幅環(huán)節(jié)LM，輸出限制于-和+之間。

超前滯后環(huán)節(jié)LELG傳遞函數(shù)為

A側(cè)和B側(cè)SCR反應(yīng)器的噴氨PID閉環(huán)控制系統(tǒng)實(shí)際工程參數(shù)如表1、2所示。

表1 PID控制系統(tǒng)參數(shù)

圖2 前饋環(huán)節(jié)

表2 前饋環(huán)節(jié)參數(shù)

限幅環(huán)節(jié)LD，輸出限制于M和之間,報(bào)警死區(qū)為。

3 SCR控制系統(tǒng)建模

3.1 辨識(shí)模型的變量選擇

圖3 DCS系統(tǒng)歷史趨勢圖

3.2 粒子群優(yōu)化辨識(shí)法

Kennedy和Eberhard于1995年提出粒子群優(yōu)化(particle swarm optimization，PSO)算法，具有并行運(yùn)算、迭代簡單、收斂速度快和全局最優(yōu)解等優(yōu)點(diǎn)[13-15]，圖4為粒子群尋優(yōu)流程圖。

圖4 PSO流程圖

5）計(jì)算種群中每個(gè)粒子新的適應(yīng)度。

7）判斷是否滿足精度和進(jìn)化代數(shù)的要求，若滿足，則跳出循環(huán)；若不滿足，則轉(zhuǎn)至4）繼續(xù)執(zhí)行程序，直到滿足為止。

3.3 數(shù)據(jù)預(yù)處理

系統(tǒng)辨識(shí)時(shí)，要求數(shù)據(jù)的統(tǒng)計(jì)特性和時(shí)間起點(diǎn)無關(guān)。由于現(xiàn)場數(shù)據(jù)中的直流、低頻成分對(duì)辨識(shí)精度的影響無法消除，因此，需要對(duì)現(xiàn)場數(shù)據(jù)進(jìn)行初始化[13]。

3.4 數(shù)據(jù)模型辨識(shí)

3.4.1 噴氨調(diào)門的線性化分析

為了更好地研究反應(yīng)器進(jìn)口噴氨調(diào)門的線性關(guān)系度，選擇兩側(cè)調(diào)門切手動(dòng)的時(shí)間數(shù)據(jù)，即2018年10月05日09:55:00至10:50:00，采樣周期為1s。為更好地研究反應(yīng)器噴氨流量和噴氨調(diào)門開度之間的線性關(guān)系，引入線性度的概念，即按照式(23)計(jì)算反應(yīng)器A和反應(yīng)器B噴氨流量線性度，并繪制出其變化趨勢如圖5所示，并統(tǒng)計(jì)相關(guān)參數(shù)如表3所示。由此可以看出，兩側(cè)反應(yīng)器噴氨流量和噴氨調(diào)門開度之間的線性度相對(duì)較強(qiáng)，B側(cè)較A側(cè)更好一些，但是對(duì)于細(xì)致調(diào)節(jié)的SCR系統(tǒng)，線性度的影響較大，特別是A側(cè)會(huì)造成更大干擾，對(duì)調(diào)節(jié)效果的的影響會(huì)更大一些。

表3 反應(yīng)器噴氨調(diào)門線性度統(tǒng)計(jì)

圖5 反應(yīng)器噴氨流量線性度

3.4.2 參數(shù)環(huán)節(jié)辨識(shí)

1）噴氨調(diào)門辨識(shí)。

根據(jù)分析，為簡化模型，選擇一階慣性環(huán)節(jié)作為噴氨調(diào)門的模型，采用粒子群辨識(shí)的方法進(jìn)行辨識(shí)，結(jié)果如圖8、9所示，A、B側(cè)噴氨調(diào)門的辨識(shí)函數(shù)分別為：

圖7 預(yù)處理前后B側(cè)噴氨流量和調(diào)門開度

圖8 A側(cè)噴氨調(diào)門辨識(shí)結(jié)果

2）SCR反應(yīng)器模型。

辨識(shí)參數(shù)如式(26)、(27)所示：

圖10 預(yù)處理前后A側(cè)噴氨流量和出口NOx濃度

圖11 預(yù)處理前后B側(cè)噴氨流量和出口NOx濃度

圖12 A側(cè)SCR反應(yīng)器辨識(shí)結(jié)果

圖13 B側(cè)SCR反應(yīng)器辨識(shí)結(jié)果

式中：為脫硫進(jìn)口煙NO濃度，mg/m3；A、B為A、B側(cè)反應(yīng)器出口NO濃度，mg/m3；A、B為A、B側(cè)噴氨量，m3/h；aivA、aivB為A、B側(cè)稀釋風(fēng)量，m3/h；QA、QB為A、B側(cè)噴氨量，m3/h。

4 SCR控制系統(tǒng)優(yōu)化

根據(jù)SCR脫硝控制系統(tǒng)的特點(diǎn)，結(jié)合仿人智能控制系統(tǒng)的控制原理，制定出SCR仿人智能控制器的算法設(shè)計(jì)簡表如表4[16-19]所示。在表中控制系統(tǒng)的誤差=-，采用離散化數(shù)字仿真后用e表示的當(dāng)前采樣時(shí)間的數(shù)值，表示SCR出口氮氧化物作為設(shè)定值，表示SCR出口氮氧化物測定值作為被調(diào)量。

圖14 預(yù)處理前后脫硫進(jìn)出口煙氣NOx濃度

圖15 脫硫進(jìn)出口煙氣NOx辨識(shí)結(jié)果

表4 仿人智能控制器的算法設(shè)計(jì)簡表

圖16 A、B側(cè)SCR出口NOx濃度

圖17 優(yōu)化后的脫硝效率

5 結(jié)論

本文基于十里泉發(fā)電廠330MW燃煤機(jī)組的歷史數(shù)據(jù)，通過智能辨識(shí)方法，建立了實(shí)用的SCR脫硝系統(tǒng)數(shù)學(xué)模型，采用工程性強(qiáng)的仿人智能算法，能夠解決現(xiàn)場噴氨調(diào)門線性度差、反應(yīng)時(shí)間長和調(diào)節(jié)滯后等問題，實(shí)現(xiàn)SCR脫硝系統(tǒng)的安全和優(yōu)化運(yùn)行，不僅帶來較大的經(jīng)濟(jì)效益和社會(huì)效益，而且緩解了運(yùn)行人員操作疲勞，同時(shí)也緩解了目前環(huán)保方面的壓力，為未來脫硝系統(tǒng)實(shí)現(xiàn)更加安全高效的運(yùn)行提供參考。

圖18 優(yōu)化后的噴氨量

圖19 優(yōu)化后的脫硫側(cè)煙氣NOx濃度

[1] 葉福南，姚順春，陳耀榮，等．NO濃度分布在線監(jiān)測系統(tǒng)研發(fā)及應(yīng)用[J]．廣東電力，2019，32(7)：29-36．

[2] 高建強(qiáng)，梁勝瑩．SCR脫硝系統(tǒng)優(yōu)化及實(shí)驗(yàn)研究[J]．電力科學(xué)與工程，2018，34(10)：56-62．

[3] Dolance G，StrmcNik S，PetrovcIC J．NOselective catalytic reduction control based on simple models [J]．Journal of Process Control，2001，11(1)：35-51．

[4] 李剛，胡森，武寶會(huì)．基于模糊自適應(yīng)Smith的SCR噴氨量串級(jí)控制系統(tǒng)[J]．熱力發(fā)電，2014，43(8)：147-150．

[5] 李泉，尹峰，羅志浩．超臨界機(jī)組脫硝系統(tǒng)模型預(yù)測控制研究[J]．浙江電力，2016，35(11)：34-36，53．

[6] 鄭志豪．SCR脫硝系統(tǒng)的多模型約束預(yù)測控制方法與應(yīng)用研究[D]．南京：東南大學(xué)，2015．

[7] 王婷．模型預(yù)測控制在電廠選擇性催化還原脫硝系統(tǒng)中的應(yīng)用研究[D]．杭州：浙江大學(xué)，2015．

[8] Matausek M R，Micic A D．A modified Smith predictor for controlling a process with an integrator and long dead-time[J]．IEEE Transactions on Automatic Control，1996，41(8)：1199-1203．

[9] Harrison C A，Qin S J．Discriminating between disturbance and process model mismatch in model predictive control[J]．Journal of Process Control，2009，19(10)：1610-1616．

[10] 毛劍宏．大型電站鍋爐SCR煙氣脫硝系統(tǒng)關(guān)鍵技術(shù)研宂[D]．杭州：浙江大學(xué)，2011．

[11] 董宸．燃煤電廠SCR脫硝過程的建模與控制[D]．南京：東南大學(xué)，2013．

[12] 王勇，東超，林濤，等．基于子空間辨識(shí)和增廣模型的煙氣脫硝系統(tǒng)預(yù)測控制[J]．熱力發(fā)電，2016，45(6)：26-32．

[13] 劉金琨，沈曉蓉，趙龍．系統(tǒng)辨識(shí)理論及MATLAB仿真[M]．北京：電子工業(yè)出版社，2013．

[14] 李人厚．智能控制理論和方法[M]．西安：西安電子科技大學(xué)出版社，2013．

[15] 韓璞．智能控制理論及應(yīng)用[M]．北京：中國電力出版社，2013．

[16] 李祖樞，涂亞慶．仿人智能控制[M]．北京：國防工業(yè)出版社，2003．

[17] Hoang L．Modeling and simulation of electrical drives using MATLAB Simulink and Power SystemBlockset(C)//IEEE Proceeding from Industrial Electronics Society，2007：1603-1611．

[18] 韓力群．智能控制理論及應(yīng)用[M]．北京：機(jī)械工業(yè)出版社，2008．

[19] 王繼華．SCR，SNCR和SNCR/SCR煙氣脫硝技術(shù)的應(yīng)用及對(duì)比[J]．華電技術(shù)，2018，40(6)：68-70，80．

Optimization Study of Denitrification System for 330 MW Coal-fired Thermal Power Unit

SUN Jinlong

(Huadian International Shiliquan Power Plant, Zaozhuang 277100, Shandong Province, China)

At present, the selective catalytic reduction (SCR) flue gas denitrification system in thermal power plants in China has many shortcomings, such as long reaction time, poor control lag and poor linearity of valve, the concentration of nitrogen oxides at SCR outlet fluctuates greatly, which seriously affects the operation of SCR flue gas denitrification system in thermal power plants. In order to solve the above problems, based on the operation status of the SCR denitration system of the power plant, based on the actual control system of the field engineering, combined with the relevant SCR denitration system control theory, by collecting the historical data of the site, on the basis of keeping the actual control algorithm on site unchanged, the intelligent identification method was used to establish the mathematical model of the SCR denitration system, and the engineering human-like intelligent algorithm was used to realize the optimal operation of the SCR denitration system.

thermal power plant；nitrogen oxide; denitrification efficiency; modelling; simulation; optimization

10.12096/j.2096-4528.pgt.19050

2019-04-08。

(責(zé)任編輯 楊陽)