基于模型预测的烧结烟气脱硝智慧化控制研究*

胡 岩，于显池，赵洪华，马 良，陈 达

（1.济南大学自动化与电气工程学院，济南 250022；2.山东智能机器人应用技术研究院，山东济宁 273500；3.山东省公共卫生临床中心，济南 250012；4.济南大学机械工程学院，济南 250022；5.罗克韦尔自动化（中国）有限公司，济南 250013；6.铭扬工程设计集团有限公司赤峰分公司，内蒙古赤峰 024000；7.赤峰市民用建筑设计研究院有限责任公司，内蒙古赤峰 024000）

0 引言

随着节能减排政策的大力推行，国家对氮氧化物、SO2等的排放把控越发严格，进一步限制了污染物的排放，要求SO2排放浓度小于35 mg∕m3、NOx排放浓度小于50 mg∕m3[1]，并将持续降低污染物的排放标准。有色金属、钢铁、矿冶、火电、建材等行业会产生含有大量的粉尘、二氧化硫和氮氧化物（NOx）等污染物的烧结烟气[2-3]，是造成大气环境污染的重要原因之一。氮氧化物含量是燃煤机组排放烟气的一项主要监测指标[4-5]。

目前以治理烟气中的粉尘、SO2和NOx为主，其中对NOx的治理刚刚起步，相关的标准和规范仍在不断更新和完善，治理技术也在借鉴其他行业的基础上不断探索和创新。各行业脱硝方法很多，多采用脱硝一体化工艺进行氮氧化物的减排处理，即采用选择性催化还原法（SCR）脱硝工艺对烟气进行联合处理。针对SCR脱硝控制系统效果不理想的问题，国内外学者开展了大量的优化研究。荷兰的Budel Zink锌厂、日本某冶炼厂制酸系统将SCR法装置进行改造，并应用于冶炼烟气制酸中去除NOx，效果良好，设计NOx进入浓度为200 mg∕m3，去除效率可达95%[6]。钱虹等[7]基于长短时记忆功能的深度循环神经网络，建立了SCR烟气脱硝系统排放预测模型，模拟拟合效果更佳，但计算时间略长。王天堃[8]采用预测控制理论中的动态矩阵控制（Dynamic Matrix Control，DMC）算法，辅以神经网络技术的模型输出预测，设计出基于神经网络模型和DMC算法的火电厂SCR脱硝新型控制算法并应用于某600 MW火电机组，现场数据表明，算法有着比常规PID算法更为优秀的脱硝控制性能。罗志浩等[9]针对某机组的喷氨控制系统的优化，提出一种前馈有约束模型预测控制算法，显著提升了系统的响应速度、鲁棒性。叶蒙双等[10]比对了模型预测控制和PID控制效果，建立了性能更优的SCR系统的模型预测控制仿真模型。姚楚等[11]为了使模型预测控制满足热工控制的性能要求，提出通过设置多种采样周期来实现。可以说，模型预测控制作为一种先进控制算法，对于大时滞系统具有较好的优化效果。

本文采用基于模型预测的先进自动控制技术，改进SCR法脱硝工艺技术，以整体化、简洁化理念进行系统设计，实现精准、可靠的自动化功能与便捷、高效的智慧化服务，满足国家排放标准并切实保护生态环境，解决脱硝系统优化控制的策略研究这一难点。该系统已经成功应用于国内多个钢铁冶炼企业，取得了优良的应用效果和示范。

1 系统设计目标

本文所提出的智慧化控制系统旨在实现以下几个目标。

（1）提升效率。与以前相比，现在的企业更需要审查自己的生产工厂，找到提高效率和增加利润的方法。本文通过实现脱硝全流程自动化生产提高脱硝系统的作业效率以及操控的便捷性达到这一目的。

（2）优化效果。脱硝工艺的运行受到种种外在条件的制约及干扰因素的影响，实际运行效果有待进一步提升。本方案建议使用模型预测控制（MPC）解决方案，优化工艺效果。

（3）智慧管理。大型企业涉及较多的生产单位和部门，对诸多单位实现“统建统管”并非易事。本文根据客户的需求灵活采用不同的产品组件，轻松地扩展系统规模及功能，获取实时信息及各类设备的关键绩效指标分析报表，生成的报表都可以作为WEB页面以表格、曲线和电子面板等各种丰富的形式展示，助力企业管理升级。

（4）远程集控。在产业转型升级的大背景下，进行长远规划，预留“千里之外，一网监控”伏笔，为企业提升整体运营效率谋划宏伟蓝图。

（5）安全可靠。当工艺、设备参数、控制系统硬件、软件出现报警、故障时，系统可在各工序主控室HMI自动给出提示和语音报警，精确定位故障点。

2 系统架构

如图1所示，本文所介绍的系统主要包括操作层、控制层和设备层，其中操作层包括无线网络系统、手机端、防火墙、工业数据中心、交换机等，控制层主要包括若干工业控制器，设备层由摄像头、加工机床、仪器仪表等构成。

图1 控制系统架构

上位监控系统功能结构如图2所示，共有数据通讯、实时监视、设备控制、数据管理和统计分析5个类别，20余项种功能。其中，数据通讯又包括本地控制器通讯、AMS数据交互、能源数据上传；实时监视包括设备状态、工艺参数、报警信息、关键指标；设备控制包括设备启停、报警连锁、回路调节、应急联动；数据管理包括数据库管理、数据归档、数据导入∕导出、数据打印；统计分析包括成本核算、统计报表、趋势构造、生命周期管理。为了控制和管理现场设备的运行状态，支持高可靠性热备冗余的数据服务器，上位机监控采用自动化控制产品ControlLogix，并采用基于网络的企业级分布式系统FactoryTalk View SE。为提高数据读取和项目实施效率，智能检测等设备在统一的控制编程环境Studio5000中实现集成，可直接读取智能设备数据，同时可在FactoryTalk View中利用已有的面板显示操作，实现编程和人机交互代码的重复利用。数据通信采用EtherNet∕IP以太网网络实现统一的数据接口和安全、高效的数据传输。

图2 上位机监控系统功能结构图

3 脱硝系统控制策略

本方案以脱硝项目工艺为例说明脱硝工艺主要控制功能。

3.1 设备构成

脱硝系统工艺流程如图3所示，控制系统实现相应电气设备的控制功能。所有电机、阀门设备均实现远程、就地操作；系统能监控所有泵、电机、阀门、变频器等的运行状态；实现备用泵的连锁启动，在用泵与备用泵智能互备等功能。脱硝系统所涉及的主要设备如表1所示。

图3 脱硝系统工艺流程

表1 脱硝系统主要设备

3.2 模型预测控制

模型预测控制技术简称MPC，是一种反馈优化控制算法，使用模型来预测过程的未来输出。自1980年以来开始在炼化行业的过程控制中得到应用，目前有迅速发展扩大之势。预测控制的核心思想是通过一个基本的预测模型去预估控制系统在未来时刻的输出，进而产生控制作用。因此，为了使预测控制策略实用化，可间接地要求预测模型应该尽量准确，保证预测控制有良好的调节品质[12]。利用传统动态矩阵控制算法，选取了被控对象的单位阶跃响应数据序列作为控制算法的基本预测模型[13]。MPC的原理是对被控对象建立神经网络的模型，并以此预测系统变量未来的趋势并提前采取行动，将系统的扰动降低或消除于无形，从而实现对系统输出变量的精确控制。因此相较于传统的PID控制技术及专家系统，MPC的优势在于适合多变量非线性系统的动态控制问题，能够解决大长滞后、高耦合等常规控制方法难以解决的问题。

针对脱硝控制系统的特点和应用目标，本方案设计了两个预测控制模型，分别是自动喷氨模型和燃烧加热模型。

3.2.1 自动喷氨模型

自动喷氨调节回路是SCR脱硝工艺的核心反应回路，其目标是将烟囱出口NOx排放浓度控制在50 mg∕Nm（基准含氧量16%）的范围以内，并保证反应器附近氨逃逸浓度小于3 ppm。该回路的原理是通过改变喷氨泵的运行频率实时调节进入反应器的氨水流量，最终控制出口NOx的浓度。

采用模型预测控制技术对脱硝反应环节进行建模，利用数学模型在满足约束条件的前提下预测并控制烟气出口NOx的浓度，并将干扰因素的扰动将至最低水平。本方案相关模型变量设置如表2所示。

表2 自动喷氨模型变量设置

3.2.2 燃烧加热模型

燃烧加热模型的核心目标是在稳定热风炉炉膛燃烧状态的前提下控制SCR反应器温度，正常的工艺条件下应稳定在300℃。如果温度过低会导致脱硝效果降低、氨逃逸增大、催化剂堵塞等问题；温度过高则会损伤设备，对稳定运行不利。反应器温度调节的主要手段是通过改变热风炉负荷调节热风输出量，最终改变SCR反应器的温度，调节过程受煤气压力、煤气热值、天气环境、掺风量等扰动因素的影响和以及炉膛温度的约束。

采用模型预测控制技术（MPC）对热风炉燃烧供热过程进行建模，利用数学模型在满足约束条件的前提下预测并控制反应器温度，并将干扰因素的扰动将至最低水平。本方案相关变量设置如表3所示。

表3 燃烧加热模型变量设置

4 结束语

烧结烟气含有大量的氮氧化物、SO2等污染物，是大气环境污染的最重要的污染源。本文采用先进的模型预测模型和自动化控制技术，实现了某些钢铁冶炼企业对烧结烟气脱硝的智慧化控制。结果表明，与原有PID控制系统相比，应用本文提出的基于模型预测的智慧化控制系统，每年煤气节省100万元，氨水成本降低15万元，生产效率提高20%，喷氨系统的控制效果明显改善。采用本文提出的优化控制策略后，脱硝系统出口NOx浓度在不同工况下均能达到控制要求。