基于电厂锅炉烟气脱硝系统喷氨的优化方案

路亚辉

摘要：锅炉燃烧时，由于调峰会导致火电机组工况发生变化，若是脱硫系统入口烟气参数出现变化，脱硝反应会被干扰，传统控制方法效果不佳，需要进一步完善脱销系统。基于此，本文就电厂锅炉烟气脱硝系统喷氨展开研究，首先阐述了该系统，其次对喷氨提出了优化方案，租后进行了方针试验，希望能够降低氨气溢出量。

关键词：电厂锅炉;烟气脱硝系统;喷氨方案

电厂锅炉燃烧会产生大量的氮氧化物，其是大气污染的主要来源。近些年，随着电力生产的的增加，我国对氮氧化物排放量要求逐渐提高，当前国内普遍选用选择性催化还原反应进行烟气脱硝处理，但是该脱销系统具有延迟性、非线性特征，脱硝极易受到喷氨量、煙气流场分布影响。机组由于电网深度调整在工况变化时，要根据浓度、烟气流量等参数变化对喷氨量进行及时调整，由于控制方式效果不理想，导致氮氧化物浓度排放无法达到标准，影响运行。因此，需要对脱硝系统进行改进，建立科学准确的脱硝模型，并实现优化控制，构建动态模型，通过遗传算法优化计算，提高预测精确性以及泛化能力。

一、电厂锅炉烟气脱硝系统

基于动态矩阵控制法，本文在此基础上设置了一种算法，即为SCR脱硫系统算法，并采用差分进化算法对控制器参数进行了相应的调整，建立了DE-DMC基础上的SCR脱硫系统智控策略，同时优化调整了喷氨量，其对比传统控制策略效果更好[1]。

核偏最小二乘法（KPLS）建模是使非线性自变量样本映射另一高位特征空间内，如果已知映射函数显示表达式，在高位线性空间内可以通过线性偏最小二乘法建模分析准则函数。另外，采用核函数以及特征空间点积进行计算能够提高计算效率。本文采用的是高斯径向基核函数，该函数表达式具体如下：

基于KPLS建立了SCR推销系统数据模型，具体计算时，需要先筛选输入变量集，再进行初始化向量、计算归一输入变量得分向量、计算载荷向量、更新归一得分向量、迭代计算直到收敛得分向量、缩减矩阵并提取主成分等一系列计算，进而最终得到结果。

本研究将660MW超临界机组作为研究对象，通过测试历史数据，并以500组数据作为训练模板，400组据作为测试依据，测试时间选择为1min。同时，该模型的输入量选择的是氮氧化物浓度SCR反应器的入口参数。另外，因为机组负荷能够将机组整体情况反映出来，因此需要在其中纳入参数。通过平方根误差与平均绝对值误差评价模型计算效果[2]。如图1、2，分别为模型训练图和预测效果图，可知该模型具有较高的计算准确度，结果与系统实际输出之间具有跟踪功能性，误差可以将模型泛化能力和机组功能变化适应反应能力表现出来。可以得到该模型计算准确性较高，结果能够跟踪系统实际输出，误差计算结果能够反映模型泛化能力，与机组工况变化适应，反映系统实际运行。

二、喷氨优化方案

1.动态矩阵控制

该控制算法是当前应用十分广泛的一种算法，其是在系统阶跃响应增量算法基础上进行的，可以将稳态误差消除。

若是被控对象单位阶跃响应数据是a，可控基础是系统渐进稳定，此时的被控对象动态情况描述方式可以用有限项实现。按照线性叠加原理可得系统预测模型。由于模型失配合外界干扰等影响，可以利用预测模型对其数值进行相应的校正。

2.喷氨量控制

该系统中，喷氨量可以由DMC进行优化控制，采用DMC控制器将PID回路主控器替代掉，其能够对品质产生影响。对此，采用全局搜索能力可以使计算能力参数优化，随着工况变化也能够让控制器参数发生变化[3]。

基于DMC算法，进行喷氨量的智能控制设计。首先，在DPLS模型喷氨量中添加阶跃输入，同时采样得到预测模型、采样时间、步长。其次，在预测补偿和设置控制补偿时，需要设置相关参数以及初始值等，并将参考值设置出来。再次，初始化控制增量以及输出量，并对模型预测的输出值进行计算。还需要对预测误差和控制增量进行计算，同时控制对象被作用在第一个控制增量[4]。最后，将系统输出误差计算出来，按照误差和DE优化算法优化计算控制器的参数，最终获得最优参数。

三、仿真试验

基于SCI脱硫系统建立了KPLS这一模型，选择的控制器为DMC。同时在MATLAB/Simulink平台对喷氨量进行了优化控制设置，仿真验证DE-DMC智能控制器，如图3为该系统结构。

本文以660MW超临界机组为对象进行研究，通过其运行数据对控制器进行仿真验证，通过对该数据和PID串联控制效果进行比较，得到了结果如图4，其中，在激素负荷运行出现变动时测PID控制策略不能够达到预期效果。若是SCI的出口浓度超过标准则需要适当增加调节时间。就PID控制效果来说，DE-DMC智能系统优势更加明显。工况出现变化调整喷氨量，氮氧化物浓度的超调量会大量下降，控制也更加稳定，调节时间也有所降低，这就说明通过优化调整后，系统的喷氨量有所提升，同时准确性也有所上升，整个系统和机组运行更加具有经济性[5]。

四、结语：

综上所述，在KPLS建模理论基础上建立的SCR系统模型，以660MW机组为研究对象展开研究，对其运行数据进行训练和仿真测试，最终得到KPLS模型的计算进度较高，泛化能力也比较强。同时，在DCM算法模型预测控制中应用KPLS模型，将其作为被控对象，围绕DMC主控制器算法对喷氨量进行智能控制，使控制系统负荷适应性更好，可以按照工况变化优化调整系统喷氨量，通过DE智能算法实时修正主控制器参数。此外，通过仿真试验得到，智能控制气筒相对于PID串联控制而言控制效果更佳，工况出现变化时，需要确保氮氧化合物的排放浓度与标准相符，并在此情况下适当减少喷氨量，提高机组运行的经济性。

参考文献：

[1]肖承武，焦力刚，鲁志军，等.基于AMESim的SCR脱硝系统仿真分析研究[J].东北电力技术，2020，041（004）：1-5，14.

[2]李旭扬.300MW燃煤锅炉SCR烟气脱硝系统超低排放优化方案研究[D].2019.

[3]张亮，丁启磊.某厂百万机组烟气脱硝精准喷氨改造及运用效果[J].低碳世界，2019，009（008）：117-118.

[4]李云，邹包产，赵宇.SCR烟气脱硝喷氨自动控制分析及优化[J].信息周刊，2019（6）：0121-0121.

[5]孙雪峰，王强，颜世剑，etal.350MW机组锅炉SCR脱硝系统优化[J].洁净煤技术，2020，v.26;No.125（01）：224-230.

吉林化纤集团有限责任公司动力厂  吉林 吉林  130101