CN109062053B - 一种基于多变量校正的脱硝喷氨控制方法 - Google Patents

Abstract

本发明涉及一种基于多变量校正的脱硝喷氨控制方法，属于火力发电机组脱硝系统喷氨控制技术领域，解决了现有技术中SCR系统出口NOx波动剧烈的问题。包括：实时获取脱硝系统仪表的测量数据及工况信息；构建SCR脱硝系统入口NOx含量预测模型，预测当前时刻SCR系统入口的NOx含量；基于上述预测的SCR系统入口的NOx含量及测量数据，进行喷氨量前馈控制和预测矫正，生成当前时刻喷氨量控制指令，控制喷氨调阀，调节喷氨量。本发明通过SCR入口脱硝系统NOx含量精确预测模型和智能前馈控制方法在保证烟气NOx排放满足环保指标的前提下，大幅减少SCR脱硝系统出口NOx的波动和空间上的偏差，提高出口NOx平均值，减少喷氨量，降低氨逃逸水平，降低脱硝成本。

Description

一种基于多变量校正的脱硝喷氨控制方法

技术领域

本发明涉及火力发电机组脱硝系统喷氨控制技术领域，尤其涉及一种基于多变量校正的脱硝喷氨控制方法。

背景技术

长期以来人们对SCR(Selective Catalytic Reduction，选择性催化还原法)脱硝系统的研究主要集中在其物理原理、设备结构和运行方式方面，尚未开展脱硝自动控制策略的研究，而脱硝系统的自动控制品质与电厂的长期运行成本密切相关。由于脱硝被控对象(NH₃流量-烟囱入口NOx浓度)的响应纯延迟时间接近3min，整个响应过程长达十几分钟，是典型的大滞后被控对象，而且SCR脱硝过程本身就是一个复杂的非线性化学反应过程，并随着催化剂的不断消耗，脱硝被控过程的动态特性会发生较大的变化。因此，采用简单的PID控制(比例-积分-微分控制器)方案很难取得理想的控制品质。

目前，对于氨喷射系统控制方面的研究，也主要集中在对现有的控制系统进行优化。比如：1.引入负荷前馈，增强变负荷时控制系统的及时性，以及整定控制器中的比例积分控制参数，使得出口氮氧化物的浓度随着负荷的变化而变化，从而增强变负荷时控制系统的稳定性。但这种方法只是将负荷这一影响因素加入了控制过程，其他影响因素仍未考虑；2.依靠建立严格的数学模型应用现代控制理论的方法优化喷氨过程，此种方法不适合工程实际应用；3.应用混结构径向基函数神经网络方法控制氨喷射系统中的喷氨量，通过建立氨氮比和进出口NOx(氮氧化物)的广义数学模型，此结构具有一定的动态调整能力，但是隐含层的神经元个数选择为固定值，不能保证所选择的隐含层个数是最优值；4.基于模型来预测控制氨喷射系统的喷氨量，但釆用的是几个固定负荷点上的数据来建立模型，与控制系统实际运行情况存在较大偏差。

发明内容

鉴于上述的分析，本发明旨在提供一种基于多变量校正的脱硝喷氨控制方法，用以解决现有技术中因SCR系统入口和出口NOx测量滞后巨大，使得喷氨控制回路无法适应脱硝过程非线性、大滞后和快时变的特点造成的出口NOx波动剧烈的问题。

本发明的目的主要是通过以下技术方案实现的：

提供了一种基于多变量校正的脱硝喷氨控制方法，包括以下步骤：

实时获取SCR脱硝系统仪表的测量数据、及发电机组的工况信息；

构建SCR脱硝系统入口NOx含量预测模型，并根据上述发电机组的工况信息预测当前时刻SCR脱硝系统入口的NO_X含量；

基于上述预测的当前时刻SCR脱硝系统入口的NO_X含量及SCR脱硝系统仪表的测量数据，进行喷氨量前馈控制与预测矫正，生成当前时刻喷氨量控制指令；

根据上述喷氨量控制指令，控制喷氨调阀，调节喷氨量。

本发明有益效果如下：

本发明通过SCR入口NOx精确预测模型和超弛模型的智能前馈控制方法可以很好地解决由于脱硝过程的大滞后性、复杂性和非线性带来的问题，在保证烟气NOx排放满足环保指标的前提下，大幅减少出口NOx的波动和空间上的偏差，提高出口NOx平均值，减少喷氨量，降低氨逃逸水平，降低脱硝成本。

在上述方案的基础上，本发明还做了如下改进：

进一步，所述进行喷氨量前馈控制包括：

通过SCR脱硝系统出口NOx含量设定值、SCR脱硝系统入口NOx含量预测模型、SCR脱硝系统入口NOx含量实际值进行喷氨量前馈控制。

进一步，还包括：根据实时获得的SCR脱硝系统出口的氨逃逸率对SCR脱硝系统出口NOx含量设定值进行校正。

进一步，所述进行喷氨量预测矫正包括：

SCR脱硝系统出口NOx含量设定值与SCR脱硝系统出口NOx含量反馈值进行偏差计算，进而进行喷氨量预测矫正；

在不同机组负荷下，进行喷氨量扰动试验，获得SCR脱硝系统出口NO_X含量的动态特性，根据上述动态特性，通过实时获取的SCR脱硝系统出口的NO_X含量反馈值的波动趋势对喷氨量预测矫正。

采用上述进一步方案的有益效果是：本发明采取了基于SCR出口氨逃逸闭环校正对喷氨控制过程进行优化，即将脱硝出口的氨逃逸率加入喷氨量校正环节，可以有效降低出口氨逃逸率和喷氨量。由此优化可以实现氨逃逸率相对优化前降低3ppm以上。

进一步，所述进行喷氨量预测矫正还包括：

通过分析机组不同负荷下，SCR脱硝系统出口烟气中NO和NO₂的比例分配，确定出不同负荷工况下合理的氨氮摩尔比，调整喷氨量，防止冒黄烟现象的发生。

进一步，机组负荷、风量、煤量作为输入参数构建SCR脱硝系统入口NOx含量预测模型。

进一步，所述构建SCR脱硝系统入口NOx含量预测模型，并根据上述发电机组的工况信息预测当前时刻SCR脱硝系统入口的NO_X含量，包括：

通过SPSS对发电机组的工况信息数据筛选处理，提取主成分；

结合粒子群优化算法寻找最优参数，获得最优参数组合；

通过SVM预测模型，预测当前时刻SCR脱硝系统入口的NOx含量。

进一步，所述根据实时获得的SCR脱硝系统出口的氨逃逸率对SCR脱硝系统出口NOx含量设定值进行校正，包括：

实时测量SCR脱硝系统两侧烟道的氨逃逸率和脱硝效率；

比较上述两侧烟道的氨逃逸率和脱硝效率，对氨逃逸率较高的一侧烟道进行出口NOx设定值校正。

进一步，还包括：利用SCR脱硝系统入口NOx含量实际值对SCR脱硝系统入口NOx含量预测模型进行校正。

本发明中，上述各技术方案之间还可以相互组合，以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述，并且，部分优点可从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书、权利要求书以及附图中所特别指出的内容中来实现和获得。

附图说明

附图仅用于示出具体实施例的目的，而并不认为是对本发明的限制，在整个附图中，相同的参考符号表示相同的部件。

图1为本发明实施例中基于多变量校正的脱硝喷氨控制流程图；

图2为本发明实施例中SCR脱硝系统出口NOx含量设定值校正流程图；

图3为本发明实施例中混合SPSS-PSO-SVMSCR脱硝系统入口的NO_X含量预测流程图。

具体实施方式

下面结合附图来具体描述本发明的优选实施例，其中，附图构成本申请一部分，并与本发明的实施例一起用于阐释本发明的原理，并非用于限定本发明的范围。

本发明的一个具体实施例，公开了一种基于多变量校正的脱硝喷氨控制方法，如图2所示，包括以下步骤：

步骤S1、实时获取SCR脱硝系统仪表的测量数据、及发电机组的工况信息；

步骤S2、构建SCR脱硝系统入口NOx含量预测模型，并根据上述发电机组的工况信息预测当前时刻SCR脱硝系统入口的NO_X含量；

步骤S3、基于上述预测的当前时刻SCR脱硝系统入口的NO_X含量及SCR脱硝系统仪表的测量数据，进行喷氨量前馈控制与预测娇正，生成当前时刻喷氨量控制指令；

步骤S4、根据上述喷氨量控制指令，控制喷氨调阀，调节喷氨量。

与现有技术相比，本实施例提供的基于多变量校正的脱硝喷氨控制方法，通过SCR入口NOx精确预测模型和智能前馈控制方法可以很好地解决由于脱硝过程的大滞后性、复杂性和非线性带来的问题，在保证烟气NOx排放满足环保指标的前提下，大幅减少出口NOx的波动和空间上的偏差，提高出口NOx平均值，减少喷氨量，降低氨逃逸水平，降低脱硝成本。基于理论计算和数值模拟结果，本实施例方法可以使脱硝出口NOx波动相对优化前降低20％以上，使总喷氨量相对优化前降低4％以上。

具体来说，在步骤S1中，实时获取SCR脱硝系统仪表的测量数据、及发电机组的工况信息；

其中，SCR脱硝系统仪表的测量数据(SCR脱硝系统入口的NO_X含量实际值、SCR脱硝系统出口的氨逃逸率、SCR脱硝系统出口的NO_X含量反馈值等)及发电机组的工况信息(机组负荷、风量、煤量等)直接上传到DCS系统，通过OPC或者MODBUS与电厂DCS系统通讯，即可读取DCS系统中相关的数据。

在步骤S2中，构建SCR脱硝系统入口NOx含量预测模型，并根据上述发电机组的工况信息预测当前时刻SCR脱硝系统入口的NO_X含量；

鉴于SCR脱硝系统的大迟延特性，本实施例中控制策略采用带预估功能的预测控制方法，实现SCR出口NOx的平稳运行。

通过SCR脱硝系统入口NOx含量预测模型，预测SCR脱硝系统入口NOx含量，并作为喷氨前馈的重要参数，参与到喷氨总量的闭环控制中，解决了SCR脱硝系统入口NOx含量测量滞后的问题。具体地，通过发电机组的风量、煤量、负荷等燃烧工况构建入口NOx精确预测模型，并通过实时获取的上述工况信息预测得到当前时刻SCR脱硝系统入口的NO_X含量。

构建SCR脱硝系统入口NOx含量的预测模型，如图3所示，通过SPSS(StatisticalProduct and Service Solutions，统计产品与服务解决方案)对数据筛选处理，以SVM为预测模型，并结合粒子群优化算法(PSO，Particle Swarm Optimization)寻找最优参数，进而获得较好预测精度的入口NOx精确预测模型。具体包括以下步骤：

步骤S201、进行SPSS主成分分析，以消除变量之间的相关性，同时去除影响较小的变量，以免造成结论的偏差。

主成分是在损失较少信息的前提下将多个单一变量转化为的少量综合性变量，其中的每一个组成分都是通过原始变量的线性组合得到，且主成分之间不具有相关性。设原始变量矩阵X是由p个向量组合而成，记为X＝(X1,X2,...,Xp)，则主成分矩阵Y由下列向量组成，满足下式：

Y_i＝b_i1X₁+b_i2X₂+…+b_ipX_p

式中，b_i1…b_ip分别为第i个向量的系数。

通过该公式的线性变换，得到主成分的统计特性并不唯一，合理的主成分提取要满足三个条件，每个主成分对应的系数平方和为1；不同主成分之间线性无关；先提取的主成分方差永远比后提取的主成分的大。

主成分的提取系数并不能通过SPSS直接得到，但是可得到基于主成分分析的因子载荷矩阵ξ＝(ξ_i1,ξ_i2,…ξ_ip)(p为向量个数)，设提取q个公因子，提取的因子模型可表示为：

ZX_i＝ξ_i1f₁+ξ_i2f₂+…+ξ_iqf_q+ε_i

式中，i＝(1,2…p),q为公因子个数，ε_i为特殊因子。

其中因子载荷系数与主成分系数之间的关系式为

为第j个主成分对应的方差。

则主成分可表示为：

其中，λ_j为第j个主成分对应的方差；p为向量个数；ZX为提取的因子模型；ξ_pj为因子载荷矩阵向量。

步骤S202、通过粒子群优化算法PSO，获得最优参数组合，以达到最优的预测精度；

设粒子群Z处在D维搜索空间，表示为，每个粒子(发电机组的风量、煤量、负荷、锅炉本体氧量、二次风量等工况信息)都是由一个D维向量组成，通过下式更新自身的速度和位置。

式中：V_id为第i个粒子的速度；Z_id为第i个粒子的位置；P_id为种群个体极值；P_gd为全局极值；k为第k次迭代；c₁和c₂为取值非负常数的学习因子，分别被认为是认知和社会参数；r1和r2为两个随机函数，取值范围[0,1]，用于增加搜索随机性；w反映粒子在速度上继承先前速度的程度，即惯性权重；α为限制速度权重的约束因子。

每个粒子的历史最好位置的适应值与全局最好位置的适应值比较，确定全局最优值，直到满足条件，终止PSO运算。

步骤S203、支持向量机SVM的matlab仿真，预测当前时刻锅炉出口的NOx含量，进而制定喷氨量。

依据结构风险最小化原则，SVM转化研究过程为求解优化问题，并通过对偶问题的相互转换，最终求解函数为二次规划方程的最大化。

采用拉格朗日算子求解最优分类超平面，决策函数如下式所示:

式中，x为训练集中的样本，a_i*为第i个最终对偶优化问题的解；b^*＝1-w₀x_i，y_i＝1或b^*＝-1-w₀x_i,y_i＝-1，

通过试验得到不同负荷下的SCR反应器的传递函数，进而有针对性的实施先进控制模型。逐步累积测试得到的数据，自动学习，逐步达到与燃烧器组合、燃料变化时的快速判断调整，(能够根据数据变化趋势及时发现SCR装置的堵塞和磨损失效等问题，并及时调整运行方式)并逐渐减少实时测试的频率，最终实现SCR系统的智能、精细控制。

为了进一步提高预测模型的准确性，通过测量得到的实际SCR脱硝系统入口NOx含量不断对构建的模型进行校准。

步骤S3、基于上述预测的当前时刻SCR脱硝系统入口的NO_X含量及SCR脱硝系统仪表的测量数据，进行喷氨量前馈控制与预测娇正，生成当前时刻喷氨量控制指令；

系统投运氨逃逸仪表后，结合氨逃逸实时测量数据和SCR出口烟气NOx含量，将脱硝出口的氨逃逸率加入校正环节，对SCR脱硝系统喷氨量控制过程进行优化，可以有效降低出口氨逃逸率和喷氨量，由此优化可以实现氨逃逸率相对优化前降低3ppm以上。

步骤S301、利用SCR脱硝系统出口NOx含量设定值、SCR脱硝系统入口NOx含量预测模型和SCR脱硝系统入口NOx含量实际值，进行喷氨量前馈控制。

根据精确氨逃逸测量技术实时测得的SCR脱硝系统出口的氨逃逸率及两侧烟道的脱硝效率对SCR脱硝系统出口NOx含量设定值进行校正，如图2所示；

具体地，比较A、B两侧烟道的氨逃逸率和脱硝效率，生成影响因子(即A、B两侧烟道的氨逃逸率和脱硝效率差值的函数)，对氨逃逸率较高的一侧进行校正。通常情况下，脱硝效率越高则氨逃逸越高。因此当一侧氨逃逸高(影响因子符合正常情况)的时候，可以认为此时该侧的喷氨量过高，然后通过校正相应侧SCR脱硝系统出口NOx设定值来调整喷氨量，达到平衡两侧氨逃逸的目的。

另外，为了进一步对预测的喷氨量进行合理控制，通过分析机组不同负荷下，烟气中NO和NO₂的比例分配，确定出不同负荷工况下合理的氨氮摩尔比，防止冒黄烟现象的发生。

需要强调的是，为确保机组动态过程喷氨量的准确性和及时性，考虑到烟气流量测量的不准确性和NOx测量的滞后性，在控制中采用软测量的方法对上述测量参数进行动态修正；软测量时通过大量的实测数据间接得到，克服NO_X测量仪表取样测量反应迟缓的问题。

步骤S302、SCR出口烟气NOX含量对喷氨量进行预测矫正。

为了增加变负荷时，对喷氨控制的稳定性，本实施例在三个不同机组负荷工况下(优选的，660MW(100％负荷)、495MW(75％负荷)、330MW(50％负荷))，进行喷氨量扰动试验，获得SCR出口的动态特性，并作为闭环控制策略的设计依据；SCR脱硝系统出口的NO_X含量反馈值的波动趋势对喷氨量预测矫正。

另外，为了进一步提高喷氨量预测的精确性，将SCR脱硝系统出口NOx设定值与出口NOx反馈值进行偏差计算，作为喷氨主回路的预测控制系统的一部分，进行喷氨量预测矫正。

步骤S4、据上述喷氨量控制指令，控制喷氨调阀，调节喷氨量。

经过上述步骤控制处理，生成优化指令。将通过分析处理后的优化指令传输给DCS系统，通过DCS系统调节喷氨调阀，实现喷氨量的控制，实时调节更新喷氨量。

本领域技术人员可以理解，实现上述实施例方法的全部或部分流程，可以通过计算机程序指令相关的硬件来完成，所述的程序可存储于计算机可读存储介质中。其中，所述计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims (2)

1.一种基于多变量校正的脱硝喷氨控制方法，其特征在于，包括以下步骤：

实时获取SCR脱硝系统仪表的测量数据、及发电机组的工况信息，所述SCR脱硝系统仪表的测量数据包括：SCR脱硝系统入口的NO_X含量实际值、SCR脱硝系统出口的氨逃逸率、SCR脱硝系统出口的NO_X含量反馈值；所述发电机组的工况信息包括机组负荷、风量、煤量；

构建SCR脱硝系统入口NOx含量预测模型，并通过实时获取的上述工况信息预测得到当前时刻SCR脱硝系统入口的NOx含量， 包括：

通过SPSS对发电机组的工况信息数据筛选处理，提取主成分，消除变量之间的相关性，同时去除影响较小的变量；

结合粒子群优化算法寻找最优参数，获得最优参数组合；

通过SVM预测模型，预测当前时刻SCR脱硝系统入口的NOx含量；

利用SCR脱硝系统入口NOx含量实际值对SCR脱硝系统入口NOx含量预测模型进行校正；

基于上述预测的当前时刻SCR脱硝系统入口的NO_X含量及SCR脱硝系统仪表的测量数据，进行喷氨量前馈控制与预测矫正，生成当前时刻喷氨量控制指令；

所述进行喷氨量前馈控制包括：通过SCR脱硝系统出口NOx含量设定值、SCR脱硝系统入口NOx含量预测模型预测得到当前时刻SCR脱硝系统入口的NOx含量、SCR脱硝系统入口NOx含量实际值进行喷氨量前馈控制；

根据实时获得的SCR脱硝系统出口的氨逃逸率对SCR脱硝系统出口NOx含量设定值进行校正， 包括：

实时测量SCR脱硝系统两侧烟道的氨逃逸率和脱硝效率；

比较上述两侧烟道的氨逃逸率和脱硝效率，对氨逃逸率较高的一侧烟道进行出口NOx设定值校正；

所述进行喷氨量预测矫正包括：SCR脱硝系统出口NOx含量设定值与SCR脱硝系统出口NOx含量反馈值进行偏差计算，进而进行喷氨量预测矫正；在不同机组负荷下，进行喷氨量扰动试验，获得SCR脱硝系统出口NO_X含量的动态特性，根据上述动态特性，通过实时获取的SCR脱硝系统出口的NO_X含量反馈值的波动趋势对喷氨量预测矫正；

根据上述喷氨量控制指令，控制喷氨调阀，调节喷氨量。

2.根据权利要求1所述的方法，其特征在于，所述进行喷氨量预测矫正还包括：

通过分析机组不同负荷下，SCR脱硝系统出口烟气中NO和NO₂的比例分配，确定出不同负荷工况下合理的氨氮摩尔比，调整喷氨量，防止冒黄烟现象的发生。

Images