火電廠煙氣脫硝控制系統(tǒng)中的噴氨量?jī)?yōu)化建模與仿真

肖軍

摘要：針對(duì)傳統(tǒng)PID控制方法不能精確控制噴氨量的問(wèn)題，利用Langmuir和Eley-Rideal搭建SCR機(jī)理模型，然后構(gòu)建基于混沌粒子群算法（CPSO）的氨氮濃度預(yù)測(cè)控制模型，以優(yōu)化SCR系統(tǒng)的噴氨量，最后利用MATLAB比較傳統(tǒng)PID和CPSO兩種噴氨量控制優(yōu)化的優(yōu)劣。結(jié)果表明：CPSO預(yù)測(cè)控制模型對(duì)噴氨量具備更高的精確度、較好的魯棒性，可在很大程度上減少氨氣的逃逸率。關(guān)鍵詞：煙氣脫硝;SCR系統(tǒng);CPSO;逃逸率;魯棒性

中圖分類號(hào)：TK39 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1001-5922（2022）07-0089-04

Optimal modeling and simulation of ammonia injection in flue

gas denitration control system of thermal power plant

XIAO Jun

（Jiangsu Power Design Institute Co.， Ltd.， China Energy Engineering Group， Nanjing 210036， China）

Abstract：Aiming at the problem that the traditional PID control method can not accurately control the amount of ammonia injection， both Langmuir and Eley-Rideal methods were used to construct a mechanistic build-up of SCR. Then， the ammonia nitrogen concentration predictive control model based on Chaotic Particle Swarm Optimization （CPSO） is constructed to optimize the ammonia injection amount of SCR system. Finally， MATLAB is used to compare the advantages and disadvantages of traditional PID and CPSO. The experimental results show that the CPSO prediction and control model has higher accuracy to the ammonia injection amount and better robustness， which can greatly reduce the escape rate of the ammonia gas.Key words： flue gas denitration; SCR system; CPSO; escape rate; robustness

SCR脫硝系統(tǒng)作為火力發(fā)電環(huán)保的主要組成部分，對(duì)減少火力發(fā)電煙塵中的有害氣體具有關(guān)鍵的作用。但一直以來(lái)，如何改善和提高SCR脫硝系統(tǒng)污染氣體排放控制的效果，是探討的重點(diǎn)和熱點(diǎn)。針對(duì)該問(wèn)題，有學(xué)者對(duì)脫硝系統(tǒng)的不足之處進(jìn)行分析后，提出了基于KPCA和模糊樹模型的SCR脫硝模型，并通過(guò)實(shí)驗(yàn)驗(yàn)證該新控制模型對(duì)火電廠氨氮氧化物排放具備較好的控制效果[1];通過(guò)GA-GRNN數(shù)據(jù)挖掘技術(shù)對(duì)SCR脫硝系統(tǒng)進(jìn)行了優(yōu)化和實(shí)驗(yàn)，結(jié)果表明，優(yōu)化的控制系統(tǒng)將反應(yīng)器出口NO的濃度分布偏差從133%降低至32%，很大程度上提高了SCR脫硝系統(tǒng)控制精確率[2];以氨逃逸濃

-

度為研究對(duì)象，利用神經(jīng)網(wǎng)絡(luò)模型對(duì)傳統(tǒng)SCR控制模型進(jìn)行改進(jìn)，通過(guò)實(shí)驗(yàn)證明優(yōu)化的控制模型將氨逃逸質(zhì)量濃度降低了2.79 μL/L，提高了系統(tǒng)脫硝效果和系統(tǒng)的魯棒性[3];結(jié)合SCR脫硝系統(tǒng)的非線性、大慣性等特點(diǎn)，提出了基于自適應(yīng)慣性權(quán)重粒子群優(yōu)化算法對(duì)傳統(tǒng)脫硝系統(tǒng)進(jìn)行改進(jìn)，建立SCR反應(yīng)機(jī)理和控制模型，并通過(guò)實(shí)驗(yàn)證明，改進(jìn)模型可精準(zhǔn)調(diào)控反應(yīng)器出NO的濃度和氨逃逸濃度，顯著提升脫硝系統(tǒng)控制的準(zhǔn)確性[4]。依據(jù)以上結(jié)果，結(jié)合課題需求嘗試引入Langmuir和Eley-Rideal算法改進(jìn)基于神經(jīng)網(wǎng)絡(luò)的SCR脫硝系統(tǒng)，構(gòu)建基于神經(jīng)網(wǎng)絡(luò)的氨氮濃度預(yù)測(cè)控制模型，并通過(guò)火電廠SCR脫硝系統(tǒng)的實(shí)際數(shù)據(jù)進(jìn)行仿真實(shí)驗(yàn)，驗(yàn)證改進(jìn)模型對(duì)系統(tǒng)噴氨量控制精確度和降低氨逃逸率的效果。

1SCR脫硝系統(tǒng)原理

選擇性催化還原（SCR）是目前火電廠使用最為廣泛的煙氣脫硝方法[3]。如圖1所示，SCR煙氣脫硝基本原理：在溫度300～400 ℃時(shí)，利用催化劑和還原劑將煙氣中的氮氧化物進(jìn)行還原，最終形成無(wú)污染的N和HO。較為常用的還原劑包括CH、H、CO和NH等，其中將氨作為還原劑的SCR技術(shù)相較于其他脫硝技術(shù)來(lái)說(shuō)更為完善、脫硝效率相對(duì)更好。

2基于模型預(yù)測(cè)的噴氨量控制優(yōu)化

2.1SCR系統(tǒng)機(jī)理模型

2.2基于CPSO的氨氮噴量?jī)?yōu)化控制

3試驗(yàn)驗(yàn)證

3.1傳統(tǒng)PID控制結(jié)果

由圖2可知，主回路可直接對(duì)出口氮氧化物濃度進(jìn)行調(diào)節(jié)，副回路則對(duì)SCR脫硝系統(tǒng)噴氨量進(jìn)行控制[9]?；芈分袊姲绷考礊镹O真實(shí)值和標(biāo)準(zhǔn)值兩者間的差，主回路的噴氨量值即為副回路標(biāo)準(zhǔn)值[10]。副回路對(duì)該出口氧化物濃度標(biāo)準(zhǔn)值進(jìn)行追蹤，快速高效的捕捉到噴氨量，從而進(jìn)一步提升SCR系統(tǒng)的精確度。2個(gè)路線中， PID 控制器主要通過(guò)比例+積分和單一比例方式對(duì)噴氨量進(jìn)行控制。

3.2基于CPSO的噴氨量控制仿真

由圖6和圖7可知，PID 控制時(shí)SCR的脫硝率最大達(dá)到 63%，SCR 出口NO濃度最大值為60 mg/m，相較于預(yù)測(cè)模型，優(yōu)化后的神經(jīng)網(wǎng)絡(luò)模型的最低脫硝率為88%，脫硝率更高，且優(yōu)化后的SCR出口NO濃度最大值為32.4 mg/m。

4結(jié)語(yǔ)

本研究構(gòu)建的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制模型相較傳統(tǒng)PID 控制方法，脫硝率從63%提高到88%，表明改進(jìn)系統(tǒng)的噴氨量精確度更高;優(yōu)化后SCR 出口NO濃度明顯降低，下調(diào)了2.2%。間接輔助系統(tǒng)優(yōu)化后的脫硝效率更高，驗(yàn)證了優(yōu)化系統(tǒng)的噴氨量和控制魯棒性精度更高，很大程度能減少氨氣逃逸，證明了本研究構(gòu)建的脫硝控制系統(tǒng)可行性和有效性。

【參考文獻(xiàn)】

[1]李海軍，夏靜，史恒惠，等. 基于KPCA和模糊樹模型的火電廠SCR脫硝系統(tǒng)建模[J]. 自動(dòng)化技術(shù)與應(yīng)用，2020，39（1）：21-25.

[2]溫鑫，錢玉良，彭道剛，等. 基于GA-GRNN數(shù)據(jù)挖掘的SCR脫硝系統(tǒng)建模優(yōu)化研究[J]. 上海電力大學(xué)學(xué)報(bào)，2020，36（2）：161-167.

[3]郭磊，劉艇安，王靚，等. 600 MW燃煤機(jī)組脫硝系統(tǒng)噴氨優(yōu)化調(diào)整效果分析[J]. 電力科技與環(huán)保，2022，38（1）：49-55.

[4]張萍，李明輝，陳倩. 廢液焚燒爐SCR脫硝系統(tǒng)的建模及其預(yù)測(cè)控制[J]. 陜西科技大學(xué)學(xué)報(bào)，2021，39（5）：167-173.

[5]王天堃. 基于神經(jīng)網(wǎng)絡(luò)模型及預(yù)測(cè)控制DMC的火電機(jī)組脫硝控制策略[J]. 中國(guó)電力，2019，52（12）：140-145.

[6]馬增輝，徐慧儀，朱潤(rùn)潮. SCR煙氣脫硝系統(tǒng)魯棒抗干擾控制研究[J]. 控制工程，2020，27（1）：114-120.

[7]馬增輝，徐慧儀，朱潤(rùn)潮. 基于互信息和PID神經(jīng)網(wǎng)絡(luò)的SCR脫硝擾動(dòng)補(bǔ)償控制[J]. 熱能動(dòng)力工程，2020，35（5）：281-288.

[8]朱峰，郭旭升，黨博文，等. 脫硝噴氨系統(tǒng)建模及控制算法研究與應(yīng)用[J]. 電工技術(shù)，2020（17）：157-161.

[9]蔣政. 330 MW燃煤火電機(jī)組SCR煙氣脫硝系統(tǒng)的優(yōu)化分析[J]. 中國(guó)新技術(shù)新產(chǎn)品，2020（18）：90-91.

[10]張?jiān)~秀，張?jiān)~赟. 節(jié)能減排背景下火電廠SCR煙氣脫硝系統(tǒng)建模與分析[J]. 河北農(nóng)機(jī)，2020（11）：?25-26.