基于数据挖掘技术的脱硫浆液控制系统建立与应用

内蒙古大板发电有限责任公司 刘名声 尚志强 滕 飞 福建龙净环保股份有限公司 叶潇翔 丘成荣

燃煤电厂在发电过程中产生大量SO2，若直接从烟囱口排出将造成严重的大气环境污染，为此国家制定了严格的SO2排放标准。目前燃煤电厂普遍采用湿法脱硫工艺解决SO2排放问题。湿法脱硫是通过碱性石灰石浆液来消除烟气中大部分的SO2，确保剩余的从烟囱口流出的SO2值低于国家排放标准线。由于脱硫工况的复杂性，包括锅炉负荷、入口烟气流量、入口烟气SO2等因素的综合影响，对脱硫控制系统的能力要求很高，需达成排放安全和物料节省的双目标平衡。

常规控制包含基于PH值的PID控制，它以碱性石灰石浆液与烟气SO2中和反应后，溶液罐中的溶液PH值作为控制优劣的依据，进行比例、积分和微分调整，但PH值测量带有明显的滞后和失真特性，控制精度受限。基于排放口SO2浓度的PID控制虽实现了目标控制的闭环，但缺乏对脱硫工况特性的分析而无法精准供浆，实际使用过程中，在锅炉负荷、入口烟气流量和入口SO2变化时控制效果明显下降。基于机器学习的智能控制方法，是将脱硫各种工况下浆液对SO2的影响和控制问题转化为机器学习方法，偶尔能够给出不错的控制效果，但脱硫的存浆特性导致单一时刻工况下的浆液与烟囱出口SO2浓度难以形成有效的一一对应关系，算法建模失真严重，存在不可预见性。

1 基于数据挖掘的浆液控制方案

本文通过数据挖掘技术实现的新型脱硫浆液控制系统，包括应用机器学习回归算法挖掘海量历史运行数据中满足排放合理性前提下的各类工况与浆液之间的前馈关联关系，并通过数据散布的四分位值进行浆液上下限调整；结合数据分析策略评估机器学习模型产生的控制偏差进行精准浆液优化。基于机器学习和统计分析的高效融合，实现系统控制的精准性和动态适配能力，达成最佳经济效益（图1）。

图1 模型构建示意图

1.1 数据获取

历史数据获取方式较为灵活，可通过数据采集器与厂级控制SIS系统连接，实现点对点的数据传输，或直接通过U盘等外接设备一次性拷贝。而短时实时数据则需要对接生产DCS系统来获取，确保数据及时性和高精度的同时实现系统的实时控制。具体来说，需在DCS系统的空闲卡槽插入LC通讯卡，然后通过RS485转换232双向通讯器与植入新模型的人工智能服务器对接。DCS上配置逻辑组态后通过MODBUS协议实时推送数据到新模型中进行分析和演算，并将输出的数据返回给DCS系统。

1.2 数据处理

脱硫吸收塔烟气反应存在严重的非线性源于吸收塔容器的存浆特性[1]，导致数据间的规律挖掘异常困难。具体来说，用于中和烟气中SO2的浆液，除当下加入的瞬时量外还包含历史反应中遗留在吸收塔中的浆液余量。如何计算浆液余量是个难题，基于传统机理反应公式计算偏差很大，也难以定义余量产生的开始时间。本文基于工艺机理，推算余量产生时长需包含若干个排放口SO2浓度的完整波动周期方可覆盖烟气反应后的存浆特性，但时长过大会降低控制时效性并产生算力负担。通过快速试错法，最终定义余量时长为2个排放波动周期，然后将所有浆液瞬时值转化为余量时长滑动窗口下的浆液均值来最大程度模拟脱硫存浆，提高数据分析的有效性。

1.3 数据挖掘

1.3.1 机器学习模型

脱硫反应机理决定了排放口SO2浓度值，受入口SO2浓度、烟气流量、锅炉负荷、浆液量、浆液密度等因子的影响较大，但仅凭机理公式无法计算出满足排放口SO2浓度要求的浆液，原因在于烟气反应的复杂非线性，以及入口SO2浓度、烟气流量、浆液密度数据测量时有偏差。所以本文模型并非寻求单一排放目标的浆液量，而是扩展为满足合理排放区间的浆液值和超限调节量，以此来弱化复杂性和测量偏差影响。

首先，筛选出满足排放安全且节省物料的数据，本文同电厂实际运行人员沟通确定排放口SO2浓度在24～32mg/Nm3区间的数据满足要求，并作为训练样本。然后以入口SO2浓度x1、烟气流量x2、锅炉负荷x3、浆液密度x4等关键工况因子作为模型输入，工况对应的浆液量u作为模型输出，应用多项式回归法Polynomial Regression，建立各种工况组合与浆液量的非线性关联模型[2]。数学方程式为u=f(x1,x2,x3,x4,...)。

同时，通过程序计算出相同工况组合的浆液散布四分位均值，抽取上、下四分位值作为浆液调整上下限。后续将实时工况数据置入模型推演出合理浆液，并在排放口SO2浓度大于排放区间上四分位30时采用浆液上限umax进行压制；趋近排放目标中值28时恢复到模型合理值；小于排放区间下四分位26时切换为浆液下限umin进行回调，由此产生完整的前馈+反馈闭环控制流程。根据不同电厂烟气反应特性和排放控制需求做更进一步优化。控制逻辑为umax←30+;u←[26,30];umin←26-。

1.3.2 统计分析策略

考虑到设备腐蚀老化、传感器更替、工况极速变化产生的模型短时失配问题，相关学者提出在线模型参数适配的自适应解决方案，包括应用神经网络算法的在线调参[3]，但在线调参后的模型失控、神经网络的不可解释性导致排放收敛性无法保证，加上技术人员无法驻扎现场实时检测，极大增加了工业控制的安全隐患，所以更多的是定期、离线升级模型。本文采用一种安全、便捷且成效明显的浆液优化方案，不调整模型参数，基于短时数据特性的局部浆液优化。因机器学习模型的构建机理和排放超限控制策略，基本确保了排放口SO2浓度稳定在目标区间，加上短时工况相对平稳，所以短时统计出的浆液均值相比模型输出的浆液瞬时值更适配部分控制场景，系统实际投入成效也验证了这一结论。

统计短时相似工况持续时长t_s，转化为与排放口SO2浓度波动周期t相关的时间窗口t_f=floor(t_s/t)×t，floor为数值向下取整。那么基于时间窗口t_f计算浆液均值，在排放值趋近目标中值28场景，用浆液均值u_m和模型推演出的合理值u，以适当权重计算就得到优化后的浆液u_f。计算公式为u_f=w1×u+w2×u_m，其中w1和w2是依据系统参数在现场的实际成效确定。同时为提高系统在工况剧烈变化场景下的控制品质，系统引入排放口SO2浓度小时均值指标与瞬时排放值进行分时段切换控制，达成实际环保局排放指标的控制要求。

2 应用成效

2020年12月系统成功接入内蒙古大板电厂1号机组DCS系统，连续投运至今。通过比对系统投运前后3个月的历史数据。具体来说，基于系统对工况特性的精准把控，使排放口SO2浓度更贴近目标值，波动标准方差仅4.23，比原始系统控制标准方差降低45%+，排放稳定性明显提高。同时系统自动化控制极大降低了运行人员在监盘控制上的时间损耗，所有运行班组均已认可系统控制品质，系统投运时间占比达96%+，仅在工况极端变化需要循环泵快速切换配合情况下偶尔进行人工干预，达到了预期的机器替代运行人员调节供浆量的价值。

基于系统对排放口SO2浓度的稳定控制，促使在人工在设定排放目标值时更佳灵活，有效降低了浆液量频繁上下波动和过度供给的情况，提升了物料控制的合理性。以系统投运前后3个月的历史数据进行统计，得到1号机组脱除单位SO2所消耗的石灰石同比下降0.106kg，以1号机组等效利用小时7000h、SO2脱除量小时均值3752.45kg/h、石灰石制粉价格每吨133元计算，得出每年脱硫设备可节省约35.8万元物料成本，直接经济价值显著。

从系统投运前人工调控6小时和24小时的数据曲线图以及系统投运后全自动控制6小时和24小时的数据曲线图可以看出，人工控制始终无法达到反应的物料平衡状态，排放口SO2波动剧烈，排放均值仅为21mg/Nm3。反观系统全自动控制后的排放稳定性、安全性明显提高，排放口SO2均值可提高到27mg/Nm3附近，以降低物料损耗。

综上，面对国家日益趋严的环保督察形势下，必须加强燃煤电厂环保设备运行控制的稳定性和安全性，但目前各环保设备管控仍沿用传统PID或人工操作的手段，信息化、自动化、智能化程度低下。如何实现环保工艺系统安全、环保和经济效益，是具有实际意义的课题。基于数据驱动技术的新型脱硫浆液控制系统，以排放安全和节能降耗为目标，通过深度结合数据和运行机理特性，持续优化升级，形成了高可靠的浆液控制方案，并通过了电厂实际验证，实现了从传统手段“不能用、不好用”到“用得好、成效高”的技术突破，提升了数据资产的应用价值，有效推进了环保工艺的数字化和智慧化进程，是技术驱动工业智能转型的成功案例。