SCR脫硝系統(tǒng)多目標(biāo)優(yōu)化控制研究
摘要：燃煤機(jī)組面臨著靈活運(yùn)行和超低排放的雙重壓力，機(jī)組快速深度變負(fù)荷對(duì)選擇性催化還原(ive catalytic reduction,，SCR)脫硝系統(tǒng)的控制提出了更高要求,。提出一種兼顧超低排放和經(jīng)濟(jì)成本的多目標(biāo)優(yōu)化控制方法，將脫硝成本加入優(yōu)化目標(biāo)函數(shù),，采用預(yù)測(cè)控制結(jié)構(gòu),，結(jié)合神經(jīng)網(wǎng)絡(luò)和遺傳算法進(jìn)行模型建立和控制量尋優(yōu)，實(shí)現(xiàn)了噴氨量的優(yōu)化控制,。仿真結(jié)果表明,，該方法在滿足排放標(biāo)準(zhǔn)的同時(shí)降低了脫硝成本，并能適應(yīng)鍋爐大范圍變工況運(yùn)行,。
0 引言
在能源結(jié)構(gòu)轉(zhuǎn)型的過程中,，新能源電力規(guī)模化接入電網(wǎng)對(duì)燃煤機(jī)組提出了運(yùn)行靈活性要求?？焖偕疃茸冐?fù)荷意味著機(jī)組運(yùn)行工況大范圍快速變化,，鍋爐工況的變化會(huì)使得燃燒產(chǎn)生的NOx波動(dòng)加劇，這無疑加大了機(jī)組實(shí)現(xiàn)NOx超低排放的難度,。SCR脫硝是目前主流的煙氣脫硝技術(shù),，其反應(yīng)是一個(gè)復(fù)雜的物理化學(xué)過程，噴氨量較多可以降低NOx排放,，但會(huì)增加經(jīng)濟(jì)成本,，并導(dǎo)致氨逃逸增大，影響機(jī)組安全運(yùn)行,。因此,，如何對(duì)脫硝系統(tǒng)進(jìn)行優(yōu)化控制，在保證達(dá)標(biāo)排放的同時(shí)實(shí)現(xiàn)機(jī)組經(jīng)濟(jì)運(yùn)行是燃煤電站亟待解決的問題,。
圍繞脫硝系統(tǒng)噴氨量控制問題,，國(guó)內(nèi)外學(xué)者做了大量研究。Haggan-Ozaki V等人基于 RBF-ARX非參數(shù)模型,，利用一種變異的卡爾曼濾波狀態(tài)空間方法實(shí)現(xiàn)了脫硝系統(tǒng)噴氨量控制,，控制效果良好，計(jì)算效率有所提高,。黃宇等人提出了線性自抗擾控制方法，使得SCR脫硝系統(tǒng)跟蹤設(shè)定值的能力有所提升,。Nakamoto M等人利用廣義預(yù)測(cè)控制( generalized predictive control,，GPC)和線性二次調(diào)節(jié)(linear quadratic regulator，LQR)方法對(duì)火力發(fā)電廠的NOx分解過程進(jìn)行串級(jí)控制,，使得脫硝系統(tǒng)的抗干擾能力提高,，出口NOx濃度波動(dòng)范圍明顯減小。張曉東等人提出了基于多變量廣義預(yù)測(cè)控制算法,，在前饋控制中加入磨煤機(jī)斷煤和堵磨信號(hào),，有效地抑制磨煤機(jī)在斷煤及堵磨后脫硝系統(tǒng)出口NOx濃度大幅波動(dòng)情況，使控制系統(tǒng)穩(wěn)定運(yùn)行,。秦天牧等人使用自適應(yīng)多尺度核偏最小二乘(SMKPLS)法建立SCR脫硝系統(tǒng)預(yù)測(cè)模型,，模型通過對(duì)出口NOx濃度變化做出預(yù)判，進(jìn)而起到預(yù)先校正的作用,。Hui Peng等人提出了一種基于RBF- ARX模型的滾動(dòng)時(shí)域預(yù)測(cè)控制策略,，以出口NOx接近期望值為優(yōu)化目標(biāo)。周洪煜等人設(shè)計(jì)了基于混結(jié)構(gòu)RBF神經(jīng)網(wǎng)絡(luò)（MSRBFNN）的噴氨流量最優(yōu)控制系統(tǒng),，以 SCR 裝置出口NOx含量最小為學(xué)習(xí)目標(biāo),，求取最佳噴氨控制量。上述針對(duì)SCR脫硝系統(tǒng)控制方法的研究,，主要關(guān)注于SCR出口NOx濃度的控制,，對(duì)噴氨經(jīng)濟(jì)成本考慮較少,。
基于以上問題，本文兼顧脫硝過程的排放要求和經(jīng)濟(jì)成本,，在保證出口NOx排放達(dá)標(biāo)的同時(shí),，考慮系統(tǒng)各方面的經(jīng)濟(jì)成本，比如還原劑成本和排污成本等,。在脫硝系統(tǒng)的控制策略中將經(jīng)濟(jì)成本加入優(yōu)化目標(biāo),，構(gòu)建預(yù)測(cè)控制算法，通過電廠實(shí)際運(yùn)行數(shù)據(jù)仿真驗(yàn)證控制效果,。
1 SCR脫硝系統(tǒng)
某電廠燃煤機(jī)組SCR煙氣脫硝裝置如圖1 所示,。
儲(chǔ)存在氨罐中的液態(tài)氨蒸發(fā)汽化后與稀釋空氣混合均勻，噴入SCR反應(yīng)器上游的煙氣中與NOx發(fā)生反應(yīng),，反應(yīng)過程如圖2所示,。煙氣中的NOx在還原劑氨和催化劑同時(shí)存在的條件下，發(fā)生氧化還原反應(yīng),，將煙氣中的NOx還原為氮?dú)?N2)和水(H2O),。
噴氨量是影響脫硝效率的主要因素?？刂葡到y(tǒng)主要根據(jù)反應(yīng)器入口NOx濃度和煙氣流量來調(diào)節(jié)氨氣閥門開度,，改變噴氨量。噴氨量過少,，NOx排放超標(biāo),；噴氨量過多，經(jīng)濟(jì)成本升高,，同時(shí)會(huì)使氨逃逸增大,。煙氣中SO2在SCR催化劑作用下生成SO3，逃逸的NH3,、SO3與水反應(yīng)生成硫酸銨((NH4)2SO4)和硫酸氫銨(NH4HSO4),。這些副產(chǎn)物會(huì)附著在催化劑表面，堵塞催化劑的孔道從而影響催化劑活性,，也會(huì)造成空氣預(yù)熱器結(jié)垢堵塞和腐蝕,，煙道阻力增加，嚴(yán)重時(shí)可引發(fā)引風(fēng)機(jī)失速和機(jī)組跳閘,。
因此,，氨過量不但造成還原劑浪費(fèi)，也直接影響機(jī)組安全穩(wěn)定運(yùn)行,，需設(shè)計(jì)合理的多目標(biāo)優(yōu)化控制方案對(duì)噴氨量進(jìn)行精準(zhǔn)控制,。
2 SCR脫硝系統(tǒng)多目標(biāo)優(yōu)化方案
SCR脫硝系統(tǒng)反應(yīng)機(jī)理復(fù)雜，其受到氨氮摩爾比、煙氣溫度,、反應(yīng)時(shí)間和催化劑活性等因素影響,，控制對(duì)象具有大遲延大滯后和非線性特性，尤其在機(jī)組工況大范圍變化時(shí),，控制難度較大,。預(yù)測(cè)控制作為一種先進(jìn)控制算法，其以預(yù)測(cè)模型為基礎(chǔ),，對(duì)未來時(shí)刻被控對(duì)象未來的輸出狀態(tài)進(jìn)行預(yù)判,，并以此確定當(dāng)前時(shí)刻的控制動(dòng)作，即先預(yù)測(cè)再控制,，使得它明顯優(yōu)于傳統(tǒng)的先輸出后反饋再控制的PID控制系統(tǒng),，具有更好的控制效果。
2.1 構(gòu)建多目標(biāo)優(yōu)化控制方案
預(yù)測(cè)控制主要包括預(yù)測(cè)模型,、滾動(dòng)優(yōu)化,、反饋校正3個(gè)部分，其原理是根據(jù)模型預(yù)測(cè)的輸出相應(yīng)調(diào)整輸入量,，通過極小化目標(biāo)函數(shù)求解最優(yōu)噴氨量,，從而使實(shí)際輸出與設(shè)定值保持一致。
為了使SCR脫硝系統(tǒng)能在適應(yīng)機(jī)組工況大范圍變化的同時(shí)降低噴氨成本,，本文對(duì)DMC預(yù)測(cè)控制算法進(jìn)行改進(jìn),，將神經(jīng)網(wǎng)絡(luò)、遺傳算法用于預(yù)測(cè)控制的預(yù)測(cè)模型,、滾動(dòng)優(yōu)化,，將經(jīng)濟(jì)指標(biāo)加入目標(biāo)函數(shù)構(gòu)建了脫硝系統(tǒng)的多目標(biāo)優(yōu)化控制算法，其控制算法如圖3所示,。
以脫硝系統(tǒng)為研究對(duì)象，圖中yr為出口NOx濃度設(shè)定值,，u為噴氨量,，y為SCR出口NOx濃度值，ym為預(yù)測(cè)模型出口NOx濃度預(yù)測(cè)值,，yp為校正后的出口NOx濃度預(yù)測(cè)值,。在仿真過程中，采用提出的機(jī)理建模方法來建立模型作為被控對(duì)象,，便于對(duì)算法進(jìn)行仿真驗(yàn)證,。假設(shè)已知噴氨量u(k-1)，可以得到機(jī)理模型出口NOx濃度值y(k-1)以及神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的出口NOx濃度值ym(k),。相應(yīng)的,，通過u(k)可以得到y(tǒng)(k)和ym(k+1)。將k時(shí)刻實(shí)際輸出y(k)與k-1時(shí)刻模型輸出ym(k)之間的偏差視為k時(shí)刻預(yù)測(cè)誤差的估計(jì)值，并將其作為反饋校正信號(hào)補(bǔ)償?shù)絢時(shí)刻的預(yù)測(cè)模型輸出ym(k+1)中,，即反饋校正后的預(yù)測(cè)值為
反饋校正環(huán)節(jié)考慮了上一時(shí)刻的模型預(yù)測(cè)誤差,，一定程度上提高了模型預(yù)測(cè)精度。將yp(k+1)和yr(k+1)輸入目標(biāo)函數(shù)中,，在不斷地滾動(dòng)優(yōu)化過程中,，采用遺傳算法快速尋優(yōu)噴氨量u(k-1)。當(dāng)入口NOx濃度發(fā)生大范圍改變時(shí),，對(duì)脫硝系統(tǒng)起到預(yù)先控制的作用,。
2.2 基于神經(jīng)網(wǎng)絡(luò)和遺傳算法的改進(jìn)策略
2.2.1 基于神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)模型
預(yù)測(cè)模型的準(zhǔn)確性對(duì)于預(yù)測(cè)控制效果非常重要，脫硝系統(tǒng)的對(duì)象特性隨工況變化呈現(xiàn)非線性和時(shí)變特征,，傳統(tǒng)建模方法難以建立準(zhǔn)確模型,。本文利用神經(jīng)網(wǎng)絡(luò)可以精確描述非線性和不確定性動(dòng)態(tài)過程的特點(diǎn)，將其用于預(yù)測(cè)模型,。
BP神經(jīng)網(wǎng)絡(luò)有M個(gè)輸入節(jié)點(diǎn),，L個(gè)輸出節(jié)點(diǎn)，如圖4所示,。本文通過對(duì)脫硝系統(tǒng)輸入節(jié)點(diǎn)歷史數(shù)據(jù)進(jìn)行相關(guān)性分析,，選擇以入口NOx濃度、煙氣流量,、噴氨量和機(jī)組負(fù)荷作為神經(jīng)網(wǎng)絡(luò)的四個(gè)輸入節(jié)點(diǎn),，以出口NOx濃度值，作為一個(gè)輸出節(jié)點(diǎn),，設(shè)置神經(jīng)網(wǎng)絡(luò)的隱含層數(shù)為1,，隱含層節(jié)點(diǎn)數(shù)為5。
建立脫硝系統(tǒng)的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型,。
2.2.2 滾動(dòng)優(yōu)化算法改進(jìn)
在預(yù)測(cè)控制算法中,，滾動(dòng)優(yōu)化過程的實(shí)質(zhì)為求解非線性優(yōu)化問題。DMC預(yù)測(cè)控制通過對(duì)目標(biāo)函數(shù)求導(dǎo)計(jì)算極值的方法來獲取最優(yōu)變量,，計(jì)算過程復(fù)雜,，容易陷入局部“陷阱”。作為全局優(yōu)化的遺傳算法,，可在一定程度克服上述缺點(diǎn),。因此，本文采用遺傳算法對(duì)構(gòu)建的脫硝系統(tǒng)多目標(biāo)函數(shù)進(jìn)行滾動(dòng)尋優(yōu),。
2.2.3 構(gòu)建控制優(yōu)化目標(biāo)函數(shù)
燃煤電廠煙氣脫硝應(yīng)以提高環(huán)境質(zhì)量,、維護(hù)生態(tài)效益、維持經(jīng)濟(jì)和社會(huì)的可持續(xù)發(fā)展為基本任務(wù)及功能目標(biāo),，在滿足功能目標(biāo)的前提下追求支出各項(xiàng)費(fèi)用最小原則,。該費(fèi)用包括了與項(xiàng)目有關(guān)的一切費(fèi)用,，如還原劑成本、排污成本和耗電成本等,。綜合神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型輸出的出口NOx濃度值與期望軌跡誤差以及經(jīng)濟(jì)指標(biāo),，構(gòu)造如下目標(biāo)函數(shù)：
式中：ym為神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)出口NOx濃度；yr為出口 NOx濃度的期望值；yp為校正后的出口NOx濃度預(yù)測(cè)值；Qgas為煙氣流量,；CO2為煙氣含氧量，6%為標(biāo)準(zhǔn)煙氣含氧量,，0.95為氮氧化物排污量；M1為排污費(fèi)價(jià)格,；QNH3為氨流量,；M2為液氨價(jià)格；N為機(jī)組發(fā)電量,；M3為電價(jià)補(bǔ)貼價(jià)格,；w為權(quán)重系數(shù)。鑒于電廠對(duì)氣體排放達(dá)標(biāo)的關(guān)注度大于經(jīng)濟(jì)成本,，根據(jù)指標(biāo)的重要程度以及操作經(jīng)驗(yàn)將權(quán)重系數(shù)設(shè)為w1=0.75,，w2=0.25。
本文通過遺傳算法對(duì)目標(biāo)函數(shù)尋優(yōu),，求出最優(yōu)噴氨量序列u(k),u(k+1),¼,u(k+d-1),。當(dāng)對(duì)脫硝系統(tǒng)進(jìn)行控制時(shí)，只使用第一個(gè)最優(yōu)控制量u(k)進(jìn)行實(shí)際控制,，在下一個(gè)采樣時(shí)刻k+1時(shí),，先對(duì)當(dāng)前及歷史的信息做更新，然后再次在線執(zhí)行優(yōu)化算法,，重復(fù)k時(shí)刻的過程,。如此反復(fù)，在每個(gè)采樣時(shí)刻,，優(yōu)化算法都更新相關(guān)信息,，使用第一個(gè)優(yōu)化噴氨量進(jìn)行控制。利用滾動(dòng)的有限時(shí)段優(yōu)化取代一成不變的全局優(yōu)化,。
該方法雖然在理想情況下不能得到全局最優(yōu)，但由于脫硝系統(tǒng)在實(shí)際運(yùn)行過程中,，不可避免存在著誤差和環(huán)境等各種干擾,，這種建立在實(shí)際反饋信息基礎(chǔ)上的反復(fù)優(yōu)化，能不斷計(jì)入不確定性影響并及時(shí)加以校正,，與模型一次優(yōu)化相比,，更具魯棒性,。
3 仿真結(jié)果
3.1 模型的應(yīng)用及驗(yàn)證
以某電廠1000MW超超臨界鍋爐SCR 煙氣脫硝系統(tǒng)作為研究對(duì)象，在催化劑活性一定時(shí),，選擇以入口NOx濃度,、煙氣流量、噴氨量和機(jī)組負(fù)荷作為神經(jīng)網(wǎng)絡(luò)模型的輸入量,，以出口NOx濃度值作為輸出量,，采用2.2.1中所述神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)建模方法建立預(yù)測(cè)模型，選取機(jī)組脫硝系統(tǒng)1200組歷史運(yùn)行數(shù)據(jù),，覆蓋機(jī)組全運(yùn)行工況,，采樣時(shí)間間隔為1min，模型效果如圖5所示,，其中前800組數(shù)據(jù)為訓(xùn)練集,，后400組數(shù)據(jù)為驗(yàn)證集。
采用均方根誤差作為模型精度的評(píng)價(jià)指標(biāo),，其計(jì)算公式為
由式(3)計(jì)算可知,，測(cè)試樣本RMSE=3.4372，模型預(yù)測(cè)精度較高,，可以滿足預(yù)測(cè)控制要求,。
另外，仿真所用的被控對(duì)象機(jī)理模型方法建立,，利用本機(jī)組歷史數(shù)據(jù)對(duì)模型中的參數(shù)進(jìn)行辨識(shí),，辨識(shí)結(jié)果如表1所示。
將確定好的參數(shù)輸入到機(jī)理模型,，對(duì)比模型的輸出值與實(shí)際運(yùn)行數(shù)據(jù),，驗(yàn)證結(jié)果如圖6所示。
由式(3)計(jì)算可知,，該模型驗(yàn)證集與真實(shí)運(yùn)行數(shù)據(jù)誤差較小,，RMSE=8.7385。因此,，機(jī)理模型可以表征火電機(jī)組脫硝系統(tǒng)的實(shí)時(shí)運(yùn)行工況,，具備了良好的動(dòng)態(tài)特性。
3.2 多目標(biāo)優(yōu)化控制方法仿真
在上節(jié)建立的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型基礎(chǔ)上,，本文采用遺傳算法求解預(yù)測(cè)控制最優(yōu)噴氨量,。在遺傳算法尋優(yōu)的過程中，設(shè)定迭代次數(shù)為50,，種群大小為30,，尋優(yōu)誤差系數(shù)為10-6，交配概率為0.85,，變異概率為0.2,，噴氨量的變化范圍設(shè)為30~150kg/h,。鑒于噴氨反應(yīng)為空間反應(yīng)，當(dāng)入口NOx濃度激增,，噴氨閥門短時(shí)間內(nèi)無法驟變,，控制出口NOx濃度為某一固定值難度較大，將其控制在某個(gè)較小的區(qū)間范圍內(nèi)更為合理,。根據(jù)國(guó)家超低排放標(biāo)準(zhǔn),，SCR出口NOx 濃度允許的最大值為 50mg/m3，考慮預(yù)測(cè)模型與實(shí)際模型之間存在偏差,，以及受到環(huán)境擾動(dòng)對(duì)輸出可能造成的影響,，同時(shí)兼顧經(jīng)濟(jì)性原則，設(shè)置出口NOx濃度的期望區(qū)間范圍為40~45mg/m3,。由于噴氨閥門不能突變,，故對(duì)噴氨量的變化進(jìn)行限速處理，設(shè)定其單步最大變化范圍為10kg/h,。
比較不同控制方式下脫硝系統(tǒng)的輸出效果,，設(shè)定PID控制的參數(shù)為Kp=1，Ki=0.5,，Kd=0,；設(shè)定改進(jìn)前后的預(yù)測(cè)控制中參數(shù)預(yù)測(cè)步長(zhǎng)P=10，控制步長(zhǎng)M=6,。仿真結(jié)果如圖7和圖8所示,，采用傳統(tǒng)PID 控制時(shí)，SCR出口NOx濃度最大值為68.57mg/m3,，平均濃度為54.23mg/m3,。采用DMC預(yù)測(cè)控制時(shí)，SCR出口NOx濃度最大值為69.89mg/m3,，平均濃度為51. 80mg/m3,。與之相比，多目標(biāo)優(yōu)化控制方案通過遺傳算法進(jìn)行滾動(dòng)尋優(yōu),，具有更高控制精度,。對(duì)噴氨量進(jìn)行最優(yōu)控制后，SCR出口NOx濃度最大值為58.87mg/m3,，平均濃度為49.34mg/m3,，滿足了國(guó)家的最低排放要求，并且其值分布更為集中,。在第312min時(shí),，機(jī)組負(fù)荷開始發(fā)生驟變，由896.4 MW降至814.7 MW,，脫硝系統(tǒng)的入口NOx濃度激增,，多目標(biāo)優(yōu)化控制方案下，出口NOx波動(dòng)性較小,，抗干擾能力較強(qiáng),。
傳統(tǒng)PID 控制方法僅利用SCR 出口 NOx濃度進(jìn)行反饋控制，很難解決工況波動(dòng)情況下 SCR系統(tǒng)的非線性和大慣性問題,。為避免過量噴氨,，傳統(tǒng)PID控制通常將氨氮摩爾比設(shè)置為 0.8，從而導(dǎo)致噴氨量控制精度低,，出口NOx濃度偏高,。
3種控制方式下的噴氨量、脫硝效率和出口NOx參數(shù)分別如圖9,、圖10和圖11所示,。當(dāng)脫硝系統(tǒng)采用傳統(tǒng)PID控制時(shí)，平均噴氨量為59.84kg/h,，平均脫硝效率為78.55%,。采用DMC預(yù)測(cè)控制時(shí)，平均噴氨量為62.22kg/h,，平均脫硝效率為78.12%,。采用多目標(biāo)優(yōu)化控制后，平均噴氨量為58.25kg/h,，平均脫硝效率為84.78%,。通過對(duì)比可以發(fā)現(xiàn)，在第312min時(shí),，機(jī)組工況發(fā)生突變,，采用多目標(biāo)最優(yōu)控制后，平均噴氨量有所降低,，但是脫硝效率得到了提高,。仿真說明改進(jìn)的預(yù)測(cè)控制優(yōu)化方法，使得脫硝系統(tǒng)既能滿足NOx排放標(biāo)準(zhǔn)又降低了經(jīng)濟(jì)成本,。
.jpg)
4 結(jié)語(yǔ)
為了在滿足電廠NOx超低排放的同時(shí)降低經(jīng)濟(jì)成本,，本文在DMC預(yù)測(cè)控制的基礎(chǔ)上進(jìn)行了改進(jìn)，提出了一種脫硝系統(tǒng)多目標(biāo)優(yōu)化控制方法,。通過神經(jīng)網(wǎng)絡(luò)算法構(gòu)建的全工況數(shù)據(jù)預(yù)測(cè)模型可以對(duì)出口NOx進(jìn)行實(shí)時(shí)預(yù)測(cè),，構(gòu)建了兼顧NOx排放和經(jīng)濟(jì)成本的多目標(biāo)優(yōu)化函數(shù)，采用遺傳算法進(jìn)行噴氨量尋優(yōu),。仿真結(jié)果表明,，與PID和改進(jìn)前的DMC預(yù)測(cè)控制方法相比，改進(jìn)后的預(yù)測(cè)控制優(yōu)化方法用較少的噴氨量實(shí)現(xiàn)了較高的脫硝效率,，在工況發(fā)生變化時(shí)有較好的控制性能,，實(shí)現(xiàn)了脫硝系統(tǒng)的全工況優(yōu)化控制,。
使用微信“掃一掃”功能添加“谷騰環(huán)保網(wǎng)”
