基于現(xiàn)場數(shù)據(jù)的NOx濃度預(yù)測

羅玉康，朱曙光，巨克珺

（南京理工大學(xué)，南京 210094）

氮氧化物以多種不同的形式存在于大氣中，包括NO、NO2、N2O、N2O3、N2O4和N2O5等，簡 稱NOx。大氣污染物中的NOx百分之九十以上來源于化石燃料（如煤、天然氣和石油等）的燃燒過程，其中煤的燃燒產(chǎn)生的NOx占70%以上[1-2]。而燃煤在我國的能源消耗結(jié)構(gòu)中占很重要的比重，燃煤造成的大氣污染較為嚴(yán)重[3]。這些年國家對NOx的排放標(biāo)準(zhǔn)越來越嚴(yán)格，而且還頒布了火電污染物排放相關(guān)的標(biāo)準(zhǔn)和規(guī)范[4]。NOx減排任務(wù)與燃煤電廠的脫硝有著很大關(guān)系，SCR 催化還原法是脫硝效率最高的脫硝技術(shù)[5]。目前采用SCR 脫硝系統(tǒng)的電廠大部分采用PID 控制噴氨量，當(dāng)機(jī)組處于穩(wěn)定的工況時，噴氨量可以控制的很好。但是在系統(tǒng)處于變工況的條件下，其噴氨控制會出現(xiàn)大滯后性現(xiàn)象，不能保證最佳的噴氨量，從而造成氨逃逸率增大，使得NOx的脫除效率達(dá)不到預(yù)期要求，電廠脫硝運(yùn)行成本增大。因此，如果能根據(jù)SCR 入口相關(guān)的參數(shù)提前預(yù)測入口和出口的NOx濃度，就可以噴出相應(yīng)的氨氣量，提升脫硝效率。

BP 神經(jīng)網(wǎng)絡(luò)從給定的輸入和輸出數(shù)據(jù)中提取相關(guān)信息，以適應(yīng)任意復(fù)雜形式的非線性系統(tǒng)[6]。針對目前火力發(fā)電廠脫硝系統(tǒng)的現(xiàn)存問題，利用BP 神經(jīng)網(wǎng)絡(luò)對SCR 脫硝系統(tǒng)進(jìn)行模型構(gòu)建，并對數(shù)據(jù)進(jìn)行預(yù)處理后，結(jié)合現(xiàn)場實測數(shù)據(jù)進(jìn)行重復(fù)的訓(xùn)練和測試。結(jié)果表明基于現(xiàn)場數(shù)據(jù)構(gòu)建的SCR 脫硝系統(tǒng)預(yù)測模型是可靠的，能夠準(zhǔn)確反映出SCR 系統(tǒng)入口和出口的NOx實際變化情況。

1 研究對象

本文以安徽某電廠600 MW 的發(fā)電機(jī)組的SCR 脫硝系統(tǒng)A 側(cè)煙道為對象進(jìn)行研究?，F(xiàn)場采集的數(shù)據(jù)為機(jī)組負(fù)荷、煙氣溫度、流量、總的磨煤機(jī)出力、總風(fēng)量、入口NOx濃度以及出口NOx濃度。

2 脫硝過程影響因素及分析

SCR 脫硝過程的影響因素有很多，主要包括機(jī)組負(fù)荷、煙氣流量、煙氣溫度、總的磨煤機(jī)出力、總風(fēng)量和噴氨量等[7-8]。

2.1 機(jī)組負(fù)荷

鍋爐負(fù)荷變化時會造成爐膛溫度、爐膛內(nèi)氧濃度、過量空氣系數(shù)和各個磨煤機(jī)出力等因素的改變，從而影響催化劑層入口NOx的生成量和濃度。

2.2 煙氣流量

實際脫硝過程中，可通過測定煙氣流量值和入口表面的NOx濃度值來相應(yīng)調(diào)節(jié)SCR 脫硝反應(yīng)器NH3的噴入量，所以煙氣的流量值也會對最終出口NOx的濃度產(chǎn)生影響。

2.3 煙氣溫度

煙氣的溫度是影響催化劑運(yùn)行的重要因素，不僅決定反應(yīng)物的反應(yīng)速度，而且決定催化劑的反應(yīng)活性，對脫硝效率的影響比較明顯，影響出口的NOx濃度。

2.4 總的磨煤機(jī)出力

磨煤機(jī)直接影響鍋爐燃燒時煤的總量與細(xì)度，磨煤機(jī)出力大，則進(jìn)入鍋爐中燃燒的總煤量多，生成的NOx自然也多。磨煤機(jī)的組合方式也會影響鍋爐中煤的燃燒，不同磨煤機(jī)對應(yīng)燃燒器的位置不同，而且燃燒狀態(tài)存在差異，因此不同的磨煤機(jī)組合方式也會影響NOx的濃度分布。

2.5 總風(fēng)量

鍋爐總風(fēng)量主要以一次風(fēng)量和二次風(fēng)量為主，通常需控制一次風(fēng)量與二次風(fēng)量的比例處于一定的范圍內(nèi)，例如通過控制一次空氣系數(shù)實現(xiàn)低氮燃燒，因此總風(fēng)量也與NOx排放量緊密相關(guān)。

2.6 噴氨量

脫硝率的大小主要受噴氨量的影響，噴氨量的增加會降低出口NOx的濃度，但考慮到實際脫硝系統(tǒng)運(yùn)行的經(jīng)濟(jì)性，需要根據(jù)入口的NOx濃度來嚴(yán)格控制噴入的NH3量，因此噴氨量與入口NOx濃度有著很強(qiáng)的相關(guān)性。

3 BP 神經(jīng)網(wǎng)絡(luò)的建模

3.1 BP 神經(jīng)網(wǎng)絡(luò)輸入輸出參數(shù)的選取

由于機(jī)組負(fù)荷、磨煤機(jī)總的出力及總風(fēng)量決定鍋爐的燃燒過程，燃燒形成的煙氣流量和溫度會影響SCR 的脫硝效果，電廠的噴氨量跟隨入口NOx濃度和出口NOx濃度變化，其控制邏輯已確定，故本文選取機(jī)組負(fù)荷，磨煤機(jī)總的出力、總風(fēng)量、煙氣流量和煙氣溫度為BP 神經(jīng)網(wǎng)絡(luò)的輸入?yún)?shù)，入口NOx濃度和出口NOx為輸出參數(shù)，對SCR 脫硝進(jìn)行預(yù)測。

3.2 數(shù)據(jù)的選取

本文的數(shù)據(jù)均采集安徽某電廠600 MW 機(jī)組一天中的運(yùn)行參數(shù)，每隔5 s 得到一個數(shù)據(jù)樣本。為了使脫硝系統(tǒng)的神經(jīng)網(wǎng)絡(luò)模型建立的更加精確，所選取的數(shù)據(jù)應(yīng)包括多個穩(wěn)定工況和多個動態(tài)工況?？紤]到該電廠的噴氨量由入口NOx濃度和出口NOx濃度確定，本文選取入口NOx濃度為代表。圖1 為電廠的實際原始采集數(shù)據(jù)，對采集到的數(shù)據(jù)進(jìn)行分析，本文選取了凌晨1 點至5 點30 分的數(shù)據(jù)，共3 250 個樣本，其中穩(wěn)定負(fù)荷區(qū)域為400 MW 和580 MW 附近，變負(fù)荷區(qū)域為400 MW～580 MW 上升和下降兩個區(qū)間和其它負(fù)荷區(qū)間。

從圖1（a）、（b）、（d）、（e）可看出，在變負(fù)荷工況下，機(jī)組負(fù)荷與煙氣流量、總的磨煤機(jī)出力以及總風(fēng)量有著明顯的一一對應(yīng)關(guān)系，即當(dāng)機(jī)組負(fù)荷一直增加或一直減小時，煙氣流量、總的磨煤機(jī)出力以及總風(fēng)量也會隨之增加或減小。從圖1（a）、（c）、（f）、（g）可看出機(jī)組負(fù)荷與煙氣溫度、入口NOx濃度、出口NOx濃度對應(yīng)關(guān)系不明顯。

圖1 電廠的實際原始采集數(shù)據(jù)

3.3 數(shù)據(jù)的預(yù)處理

數(shù)據(jù)的預(yù)處理也叫數(shù)據(jù)的歸一化，引入歸一化是由于在不同評價指標(biāo)中，量綱或量綱單的單位往往不同，為了排除特征數(shù)據(jù)之間的量綱影響，則需要進(jìn)行歸一化處理，以解決特征指標(biāo)之間的可比性，原始數(shù)據(jù)經(jīng)過歸一化處理后，各指標(biāo)處于同一數(shù)量級。將原始數(shù)據(jù)帶入公式（1），經(jīng)過預(yù)處理后的輸入和輸出值都限定在[- 1,1]區(qū)間內(nèi)。

3.4 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的確定

本文建立的SCR 反應(yīng)器的BP 神經(jīng)網(wǎng)絡(luò)預(yù)測模型結(jié)構(gòu)圖如圖2 所示，將機(jī)組負(fù)荷、煙氣流量、煙氣溫度、磨煤機(jī)總的出力和總風(fēng)量作為輸入值，將入口NOx濃度和出口的NOx濃度作為輸出值，隱含層的節(jié)點數(shù)為12。其中隱含層的節(jié)點數(shù)K是根據(jù)經(jīng)驗公式（2）和試湊法得到。

式（2）中，m和n分別為輸入和輸出的神經(jīng)元個數(shù)，為1～10之間的常數(shù)。

圖2 SCR 反應(yīng)器的BP 神經(jīng)網(wǎng)絡(luò)預(yù)測模型結(jié)構(gòu)圖

本文從3 250 個經(jīng)過預(yù)處理的樣本中抽取2 600 個樣本作為訓(xùn)練樣本，剩余的650 個樣本作為測試樣本。為了使抽取的訓(xùn)練樣本和測試樣本能夠覆蓋所有工況，抽取的原則為：把這3 250 個樣本按順序分為650 個小組，每個小組中有5 個樣本，從每個小組中隨機(jī)抽取4 個樣本作為訓(xùn)練樣本，剩余的1 個樣本作為測試樣本。圖3 為經(jīng)過神經(jīng)網(wǎng)絡(luò)訓(xùn)練后生成的性能誤差曲線，最終本模型訓(xùn)練至86 個步長周期后，確認(rèn)樣本數(shù)據(jù)的輸出誤差連續(xù)6 次上升，結(jié)束訓(xùn)練；經(jīng)過92 個訓(xùn)練步長結(jié)束訓(xùn)練，確認(rèn)樣本數(shù)據(jù)的誤差為4.43×10-3。

4 仿真驗證

圖3 神經(jīng)網(wǎng)絡(luò)訓(xùn)練后生成的性能誤差曲線

將剩余的650 組經(jīng)過預(yù)處理的數(shù)據(jù)樣本進(jìn)行BP 神經(jīng)網(wǎng)絡(luò)測試，用來驗證BP 神經(jīng)網(wǎng)絡(luò)預(yù)測模型的準(zhǔn)確性。圖4 和圖6 分別為網(wǎng)絡(luò)預(yù)測輸出與實際入口的NOx值和網(wǎng)絡(luò)預(yù)測輸出與實際的出口NOx值。圖5 和圖7 分別為網(wǎng)絡(luò)預(yù)測輸出與實際入口NOx值的誤差和網(wǎng)絡(luò)預(yù)測輸出與實際的出口NOx值的誤差。從圖4 和圖6 可以看出，網(wǎng)絡(luò)的輸出和實際輸出的NOx值重合，整體趨勢的變化也基本一致，能夠達(dá)到建模的要求。從圖5 和圖7 可以看出，預(yù)測模型的輸出與實際輸出的誤差很小，其中網(wǎng)絡(luò)輸出與實際入口NOx值的最大誤差為14 mg/m3，折算成相對誤差約為2.9%。網(wǎng)絡(luò)模輸出與實際出口的最大誤差為2.3 mg/m3，折算成相對誤差約為2.6%，表明所建的BP 神經(jīng)網(wǎng)絡(luò)模型具有較高的精度。綜上所述，基于現(xiàn)場數(shù)據(jù)所建立的BP 神經(jīng)網(wǎng)絡(luò)預(yù)測模型能夠及時反映脫硝系統(tǒng)的動態(tài)特性，具有一定的工程應(yīng)用價值。

5 結(jié)語

（1）本文選用安徽某熱電廠600 MW 機(jī)組的SCR 脫硝系統(tǒng)采集的數(shù)據(jù)，以機(jī)組負(fù)荷、煙氣溫度、煙氣流量、磨煤機(jī)總的出力和總風(fēng)量為輸入變量，以入口的NOx濃度和出口NOx濃度為輸出變量，建立BP 神經(jīng)網(wǎng)絡(luò)預(yù)測模型，其訓(xùn)練樣本的誤差控制在4.43×10-3左右。

（2）通過仿真驗證，預(yù)測模型的輸出與實際輸出的NOx值誤差很小，其中神經(jīng)網(wǎng)絡(luò)預(yù)測入口NOx值的最大誤差為14 mg/m3，折算成相對誤差約為2.9%，預(yù)測出口NOx值的最大誤差為2.3 mg/m3，折算成相對誤差約為2.6%，表明該模型能夠提前預(yù)測出SCR 入口和出口NOx濃度的變化，說明基于現(xiàn)場數(shù)據(jù)建立的BP 神經(jīng)網(wǎng)絡(luò)預(yù)測模型可用于工程應(yīng)用。

（3）從圖6 可看出該電廠的SCR 脫硝系統(tǒng)出口排放的NOx濃度的均值已經(jīng)超出環(huán)保部門規(guī)定的50 mg/m3，若將本文的預(yù)測模型用來提前預(yù)測入口和出口NOx濃度值，可指導(dǎo)噴氨量的調(diào)節(jié)，有望降低出口NOx的濃度值，提高SCR脫硝系統(tǒng)的脫硝效率。

圖4 網(wǎng)絡(luò)預(yù)測輸出與實際入口的NOx 值

圖5 網(wǎng)絡(luò)預(yù)測輸出與實際入口NOx 值的誤差

圖6 網(wǎng)絡(luò)預(yù)測輸出與實際的出口NOx 值

圖7 網(wǎng)絡(luò)預(yù)測輸出與實際的出口NOX 值的誤差