基于支持向量机的垃圾焚烧炉SNCR系统优化控制

2022-10-29张晓斌

能源研究与信息 2022年3期

关键词：喷枪炉膛声波

洪新，张晓斌，何骏

（北京首创环境科技有限公司第一分公司，北京 100028）

选择性非催化还原 ( selective non-catalytic reduction，SNCR)脱硝技术以其投资少、运行成本低等优点成为垃圾焚烧脱硝（NO）的首选方法。

1 SNCR脱硝反应原理

2 基于支持向量机的SNCR系统建模

由于本文设计的带SNCR系统的垃圾焚烧炉处于建设阶段，所以选取规模、型号相同的垃圾焚烧炉的运行数据进行建模。建模对象为600 t·d垃圾焚烧炉的SNCR系统，该系统的核心为布置在 28.5、30.0 m标高处的尿素溶液喷射层，共设有 20支雾化喷枪。每层尿素溶液喷射层设有10支喷枪，其中锅炉第一烟道前墙布置4支喷枪，左、右墙分别布置2支喷枪，锅炉第二烟道左、右墙各布置1支喷枪。

2.1 SNCR系统模型参数

SNCR系统喷枪的雾化空气和尿素溶液均分别来自同一根压缩空气母管和尿素溶液母管，两者均装有调节阀以调节气压和水压。为了调节喷射溶液的浓度，尿素溶液母管的溶液由较浓的尿素溶液与稀释水混合而得。通过调节尿素溶液阀和稀释水阀的开度可以得到不同的尿素溶液浓度和喷射液体流量。稀释水流量、尿素溶液母管的流量及尿素溶液压力为该系统的3个参数，它们决定了还原剂的用量和雾化效果。

本文中采集焚烧炉连续平稳运行一天的DCS数据（每秒记录一次数据，最后得到172 801条数据，每条DCS数据包含9个参数）。

2.2 SNCR系统建模

支持向量机 ( support vector machines，SVM)是Vapnik等提出的一种新的机器学习算法。该算法在样本训练过程中采用结构风险最小原则，同时兼顾泛化能力，有效地避免了过学习和欠学习现象的产生。

图1 SNCR系统建模流程图Fig. 1 Flow chart of SNCR system modeling

图2 测试集预测值和真实值对比Fig. 2 Comparison of predicted values and practical values in test set

3 SNCR控制系统

3.1 声波测温系统

针对利用热电偶测量炉膛的温度时存在的问题，引入声波测温系统测量炉膛温度，获得炉膛二维温度场，以实现SNCR系统分区精准喷射还原剂。

声波测温系统具有高分辨率、高准确性、不受辐射的影响、设备稳定等优点。声学测温方法的基本原理是基于声波在气体介质中的传播速度是该气体组分和绝对温度的函数，其关系可表示为

由于测温路径的距离已知，通过测量声波在发射装置和接收装置之间的传播时间，可以确定声波在传播路径上的平均速度。再根据式（2）便可以求出声波传播路径上烟气的平均温度。若干条测温路径组成一个复杂的线温度网，再根据温度场重建算法计算出多个温度区域的温度，并获得断面二维温度场分布图。

声波测温系统在锅炉24.82 m标高处设8个声波测温点，其中前墙4个，左、右墙各2个。每个测温点同时具备发射和接收功能。声波测温系统将整个炉膛划分为8个温度场区域。每对声波发生与接收器组成一条测温线，共20条。本系统采用“一发多收”的方式，即1个测温点发出声波，其余非同侧测温点同时接收，同时计算并更新对应测温路径上的温度。图3为声波测温系统测温点布置。结合炉膛平面层间的温度差值，建立三维温度场数据。SNCR喷枪分布与温度分区对应，三维温度场能反映各支喷枪尿素溶液反应温度。SNCR系统投用时，选择最合适的温度分区喷入尿素溶液，以提高脱硝效率，同时减少因脱硝反应温度低产生的氨逃逸。