CN104826493B - 一种选择性催化还原法烟气脱硝系统的控制方法 - Google Patents

Abstract

本发明公开了一种选择性催化还原法烟气脱硝系统的控制方法，所述系统包括：入口NOx浓度预测器、喷氨流量控制器、入口NOx浓度测量器和NH₃浓度测量装置；所述方法利用神经网络单元将入口NOx浓度预测器得到的入口NOx浓度预测数值与入口NOx浓度测量器实测的NOx浓度测量值进行加权计算，得到修正的NOx浓度，根据该修正的NOx浓度和设定的氨氮摩尔比定位喷氨流量控制器的喷氨需求量，实现对脱硝喷氨量的自动控制。本发明方法把脱硝喷氨量与烟气中的实际NOx浓度及时匹配，有效减少仪器监测NOx浓度的延时问题带来的误差，提高了脱硝系统的可靠性和经济性。

Description

一种选择性催化还原法烟气脱硝系统的控制方法

技术领域

本发明属于燃煤电站烟气脱硝控制技术领域，具体涉及一种选择性催化还原法烟气脱硝系统的控制方法。

背景技术

我国的电能供给主要以燃煤发电为主，燃煤过程中所产生的氮氧化物主要为NO、NO₂以及N₂O。绝大部分燃煤机组所使用的脱硝工艺为SCR(选择性催化还原)方法，SCR法一般是将氨类等还原剂喷入烟气中，利用催化剂将烟气中的NOx转化为N₂和H₂O。这种方法结构简单、脱硝效率可以高达90％，是实际应用中最为广泛的脱硝方法。

精确而经济地控制脱硝系统的喷氨量是确保SCR脱硝系统稳定连续经济运行的关键。目前，对脱硝氨气流量控制一般采用固定氨氮摩尔比控制方式和固定出口NOx含量两种控制方式。固定氨氮摩尔比控制方式是基于脱硝效率和催化剂脱硝能力的控制方式，该控制方式按照固定的氨氮摩尔比脱除烟气中的NOx，氨气流量通过压力和温度进行密度修正后作为单回路PID(比例-积分-微分)控制的测量值，氨氮摩尔比可手动设定或根据给定的脱硝效率计算得到。这种系统的控制回路易导致过度脱氮，增加运行成本，而且前馈信号中引入的烟气流量测定值往往偏差过大，导致喷氨量不合理。固定出口NOx含量控制方式中，氨氮摩尔比是一个变值，氨氮摩尔比是脱硝效率的函数。脱硝效率是根据反应器入口的NOx含量和设定的反应器出口NOx含量计算得到。固定出口NOx含量控制方式依赖烟气分析仪测定的烟气中NOx的浓度，存在时滞性且在机组变负荷运行中不能及时反映烟气中NOx生成量的变化。综合两种控制方式，喷氨量的控制强烈依赖进口或者出口NOx浓度的测量值，但是烟气中的NOx的生成量与燃烧煤种、机组负荷、机组运行条件等密切相关。现有仪表在测试烟气中NOx时具有较大的时滞性，使得喷氨量得不到及时调整，导致烟气排放不达标或者氨逃逸超标，尤其是机组负荷大幅波动对脱硝系统可靠性带来较大影响。由于火电机组负荷受电网负荷分配的影响，机组负荷经常大幅波动(短时间内负荷变化50MW以上)，机组负荷变化率通常设置较高，因此在机组负荷大幅变化时，锅炉侧一次风压、烟气通流量等影响脱硝系统运行的参数也会随之大幅波动，对脱硝系统的运行可靠性影响较大。机组运行过程中，烟气在烟道中快速流动，NOx的排放浓度是连续变化的，然而，NOx分析仪反馈会延迟1-2分钟。反馈信号的延迟，使得NOx的测定值与实际值存在一定的偏差，会导致实际喷氨量和理论喷氨量严重不一致，其结果是造成NOx脱除率下降或氨的逃逸量增加。而高的氨用量增加了硫酸铵和硫酸氢铵的生成，它们在催化剂上的沉积又产生催化剂寿命减少和空气预热器效率下降等一系列问题。因此将影响NOx生成的因素及时并正确地纳入脱硝控制系统中，解决NOx测量系统中的延时滞后问题，有效减少延时问题带来的监测误差，把喷氨量与烟气中的NOx浓度及时匹配起来，是提高脱硝系统可靠经济运行的关键。

发明内容

本发明的目的在于解决现有技术SCR烟气脱硝喷氨控制系统的NOx的测定值与实际值存在偏差，导致实际喷氨量和理论喷氨量严重不一致的技术问题。

为解决上述技术问题，本发明所采取的技术方案是：

一种选择性催化还原法烟气脱硝系统的控制方法，所述系统包括：入口NOx浓度预测器、喷氨流量控制器、入口NOx浓度测量器和NH₃浓度测量装置；所述方法利用神经网络单元将入口NOx浓度预测器得到的的入口NOx浓度预测数值与入口NOx浓度测量器实测的NOx浓度测量值进行加权计算，得到修正的NOx浓度，根据该修正的NOx浓度定位喷氨流量控制器的喷氨需求量，实现对脱硝的自动控制；所述NH₃浓度测量装置实测NH₃浓度，当实测NH₃浓度超出排放标准值时，喷氨流量在当前量和当前量×(1-0.05)的范围内对喷氨量进行闭环调节。

进一步，所述入口NOx浓度预测数值是神经网络单元采用神经网络预测算法，根据燃煤锅炉历史运行数据和影响NOx生成的因素运算而得，所述的影响NOx生成的因素包括锅炉负荷、过量空气系数、锅炉燃烧温度、燃煤量、烟气流量和锅炉燃煤煤种。

进一步，所述修正的NOx浓度由下式获得：

修正的NOx浓度＝F1(x)×预测NOx浓度+(1-F1(x))×实测NOx浓度

其中F1(x)为非线性函数发生器产生[0,1]之间的值，当系统处于平衡运行时，其值为0.2，当系统出现剧烈变动情况时，其值为0.8，当系统出现故障时，其值为1。

进一步，所述喷氨需求量是将所述修正的NOx浓度和出口NOx浓度设定值进行计算，得到需脱除的NOx的量，再乘以NH₃/NOx摩尔比得到喷氨需求量，所述喷氨需求量由下式计算：

喷氨需求量＝(修正的NOx浓度-出口NOx浓度设定值)×烟气流量×NH₃/NOx摩尔比。

进一步，所述NH₃/NOx摩尔比F2(x)是一固定值，根据脱硝效率的需要设定为0.8～1.2间的一固定值。其中，所述NOx设定值是根据国家或者企业标准设定的允许排放浓度。

进一步，将NH₃浓度测量装置实测的NH₃浓度与排放标准值进行对比，当实测的NH₃浓度超过排放标准值时，将喷氨流量在当前量和当前量×95％的范围内进行调节。

采用上述技术方案所产生的有益效果在于：本发明采用NOx生成预测器预测锅炉运行工况发生变化时NOx的生成量并参与喷氨量的调节控制，解决了由于测量信号存在较长迟滞性和机组调峰运行时脱硝控制系统波动的问题；将NH₃浓度信号引入控制系统，可保证NH₃逃逸率不超标；采用出口NOx定值和可调NH₃/NOx摩尔比控制，在满足排放标准的情况下有效降低喷氨量，节约运行成本。

附图说明

图1为本发明选择性催化还原法烟气脱硝系统的结构示意图；

图2为某600MW机组的燃煤电厂变工况运行时NOx生成预测值与实际值对比图；

图3为某300MW机组的燃煤电厂变工况运行时NOx生成预测值与实际值对比图；

图4为NOx生成量、喷氨量及锅炉NOx排放量示意图。

具体实施方式

本发明提供一种选择性催化还原脱硝系统及其控制方法，把影响燃煤锅炉NOx生成量的因素及时并正确地引入脱硝系统中，引入燃煤锅炉运行时的煤种信息、燃煤量、锅炉燃烧温度、过量空气系数，通过神经网络单元预测锅炉变工况运行时NOx生成量，并将NOx生成预测值与脱硝系统入口NOx实际测量值进行对比，以此作为脱硝系统入口NOx浓度值，SCR控制系统根据此信号计算出喷氨需求信号定位氨气流量调节阀，实现对脱硝的自动控制。解决NOx测量系统中的延时滞后问题，有效减少延时问题带来的监测误差，把喷氨量与烟气中的NOx浓度及时匹配起来，使脱硝系统可靠经济运行。

为使本发明的目的、技术方案和优点更加清楚，下面结合附图对发明进一步详细说明。

本发明所述的NOx预测控制器采集锅炉运行信号，包括锅炉负荷、过量空气系数、锅炉燃烧温度、燃煤量、烟气流量和锅炉燃煤煤种，采用神经网络预测算法，根据燃煤锅炉历史运行数据和NOx生成量训练而得。NOx的排放与各信号参数的关系被认为是线性的；与温度的关系是一元二次方关系。即，确定以下五个关系式：

Y1＝a1×W+b1 (1)

Y2＝a2×α+b2 (2)

Y3＝a3×Q+b3 (3)

Y4＝a4×M+b4 (4)

Y5＝a5×T²+b5×T+c5 (5)

其中，Y1～Y5为NOx模型预测值，a1～a4为各影响因素与对应的模型预测值拟合函数的斜率，b1～b4为截距；a5、b5和c5为二次拟合函数的系数，W是锅炉负荷，α是过量空气系数，Q是空气的整体质量流量，M是燃煤量，T是烟道气的温度。通过上述关系式，结合电厂历史运行数据，运用最小二乘法，可确定这些参数的范围，从而构建的算法包含所有影响因素的回归模型。

$Y=\stackrel{~~}{Y}+E---\left(6\right)$

$\stackrel{~~}{Y}=Y_m*B+\hat{b}---\left(7\right)$

Y_m＝[Y1 Y2 Y3 Y4 Y5] (8)

$B={\left[{\hat{a}}_1{\hat{a}}_2{\hat{a}}_3{\hat{a}}_4{\hat{a}}_5\right]}^T---\left(9\right)$

其中，Y和B为模型预测值和相关系数组成的矩阵，E是偏差，是临时预测值。

通过分步计算的方法得到各影响因素对NOx生成的影响。引入以下计算模型：

$U=\mathrm{\Σ}{({\stackrel{~~}{Y}}_k-\stackrel{\‾}{Y})}^2---\left(10\right)$

$\stackrel{\‾}{Y}=\frac{1}{n}\mathrm{\Σ}{Y}_k---\left(11\right)$

${\stackrel{~~}{Y}}_k={\hat{a}}_1\×Y_{k,1}+{\hat{a}}_2\×Y_{k,2}+{\hat{a}}_3\×Y_{k,3}+{\hat{a}}_4\×Y_{k,4}+{\hat{a}}_5\×Y_{k,5}+\hat{b}---\left(12\right)$

式中，U为回归平方和；k＝1,2,3.....n，是数据样本的数目。

同时，令

Ui＝U-U_i’ (13)

其中U_i’通过下式计算：以U1计算为例，则

$U_1^{,}=\mathrm{\Σ}{(\stackrel{~~}{Y_{k,1}}-\stackrel{\‾}{Y})}^2,\stackrel{~~}{Y_{k,1}}=\widehat{a_2}*Y_{k,2}+\widehat{a_3}*Y_{k,3}+\widehat{a_4}*Y_{k,4}+\widehat{a_5}*Y_{k,5}+\hat{b}---\left(14\right)$

如果Ui/∑Ui<0.05，那么模型中Yi的影响可忽略。

更进一步，在确定该模型的可运行变量后，可以通过最小二乘法获得模型中的系数。

Y_c＝Y_in*B_in

(15)

其中，Y_in是在模型中的参数，B_in是由最小二乘法计算出的系数，Y_c是运行参数的预测值。

本发明利用神经网络系统预测燃煤锅炉NOx生成浓度并与系统入口实测NOx浓度进行对比分析，得到参与控制系统运算的NOx浓度由下式所得：

修正的NOx浓度＝F1(x)×预测NOx浓度+(1-F1(x))×实测NOx浓度

其中，F1(x)为非线性函数发生器产生[0,1]之间的值，当系统处于稳定运行时，其值为0.2，即修正的NOx浓度以实测值为主，当出现测量系统吹扫，负荷剧烈变动等情况时，其值为0.8，即以预测值为主，当测量系统出现故障时，其值为1，即由预测值完全代替该测量机构。

本发明采用出口定NOx浓度控制方式，使用烟气进口NOx修正浓度和出口NOx浓度设定值进行计算，得到需脱除的NOx的量，再乘以NH₃/NOx摩尔比得到喷氨需求量,SCR控制系统根据计算得出的氨气需求量信号通过控制喷氨阀开度,实现脱硝喷氨量自动控制。其中喷氨需求量由下式计算：

喷氨需求量＝(修正的NOx浓度-出口NOx浓度设定值)×烟气量×NH₃/NOx摩尔比

其中NH₃/NOx摩尔比F2(x)是一固定值。

F2(x)＝[0.8,1.2]，根据脱硝效率的需要设定为0.8～1.2间的一固定值。

氨气流量控制引入了负荷设定和实际负荷偏差前馈,进一步增强了变负荷时控制系统调节的及时性和稳定性。

氨气流量设定值SP＝NOx物量×NH₃/NOx摩尔比+负荷前馈

当实测NH₃浓度超过排放标准值时，将实测NH₃浓度与排放标准值进行对比，其PID输出值是比例修正喷氨量,满足控制出口NH3浓度的控制要求。该修正加入了0.05的限制,即喷氨流量在当前量和当前量×(1-0.05)的范围内对喷氨量进行闭环调节。

实施例1

本实施例为某600MW机组的燃煤电厂，根据上述条件，选择可以充分反映锅炉负荷等因素与NOx的排放关系的数据，利用新型优化回归模型算法进行模拟计算。结果如图2所示预测值接近测量值，NOx的排放测量与实际相近。

实施例2

本实施例为某300MW机组的燃煤电厂，根据本专利所述内容，选择可以充分反映锅炉负荷等因素与NOx的排放关系的数据，利用优化回归模型算法进行模拟计算SCR入口NOx浓度。结果如图3所示，模型预测值接近NOx排放测量值。

实施例3

本实施例为某600MW机组的燃煤电厂变工况运行时脱硝运行情况，该机组脱硝反应器有两组并行运行反应器，利用本专利所述方法对SCR运行进行控制。为了便于对比，其中一组关闭了入口NOx浓度预测器，保留传统PID控制方式运行；另一组脱硝反应器投入了入口NOx浓度预测器进行脱硝控制。变工况运行时有无预测前馈时的NH₃的喷入量、NO排放量对比如图4所示。

Claims (4)

1.一种选择性催化还原法烟气脱硝系统的控制方法，其特征在于：所述选择性催化还原法烟气脱硝系统包括：入口NOx浓度预测器、喷氨流量控制器、入口NOx浓度测量器和NH3浓度测量装置；所述方法为利用神经网络单元将入口NOx浓度预测器得到的入口NOx浓度预测数值与入口NOx浓度测量器实测的NOx浓度测量值进行加权计算，得到修正的NOx浓度，根据该修正的NOx浓度定位喷氨流量控制器的喷氨需求量，实现对脱硝的自动控制；所述NH3浓度测量装置实测NH 3浓度，当实测NH 3浓度超出排放标准值时，喷氨流量在当前量和当前量×(1-0.05)的范围内对喷氨量进行闭环调节；

其中，所述入口NOx浓度预测器采集锅炉运行信号，包括锅炉负荷、过量空气系数、锅炉燃烧温度、燃煤量、烟气流量和锅炉燃煤煤种，采用神经网络预测算法，根据燃煤锅炉历史运行数据和NOx生成量训练而得；NOx的排放与各信号参数的关系被认为是线性的；与温度的关系是一元二次方关系，即，确定以下五个关系式：

Y1＝a1×W+b1 (1)

Y2＝a2×α+b2 (2)

Y3＝a3×Q+b3 (3)

Y4＝a4×M+b4 (4)

Y5＝a5×T2+b5×T+c5 (5)

其中，Y1～Y5为NOx模型预测值，a1～a4为各影响因素与对应的模型预测值拟合函数的斜率，b1～b4为截距；a5、b5和c5为二次拟合函数的系数，W是锅炉负荷，α是过量空气系数，Q是空气的整体质量流量，M是燃煤量，T是烟道气的温度；通过上述关系式，结合电厂历史运行数据，运用最小二乘法，确定这些参数的范围，构建的算法包含所有影响因素的回归模型；

$Y=\stackrel{~~}{Y}+E---\left(6\right)$

$\stackrel{~~}{Y}=Y_m*B+\hat{b}---\left(7\right)$

Y_m＝[Y1 Y2 Y3 Y4 Y5] (8)

$B={\left[\begin{array}{ccccc}\widehat{a_1}& \widehat{a_2}& \widehat{a_3}& \widehat{a_4}& \widehat{a_5}\end{array}\right]}^T---\left(9\right)$

其中，Y和B为模型预测值和相关系数组成的矩阵，E是偏差，是临时预测值；

通过分步计算的方法得到各影响因素对NOx生成的影响；引入以下计算模型：

$U=\mathrm{\&Sigma;}{({\stackrel{~~}{Y}}_k-\stackrel{\&OverBar;}{Y})}^2---\left(10\right)$

$\stackrel{\&OverBar;}{Y}=\frac{1}{n}{\mathrm{\&Sigma;Y}}_k---\left(11\right)$

${\stackrel{~~}{Y}}_k=\widehat{a_1}\&times;Y_{k,1}+\widehat{a_2}\&times;Y_{k,2}+\widehat{a_3}\&times;Y_{k,3}+\widehat{a_4}\&times;Y_{k,4}+\widehat{a_5}\&times;Y_{k,5}+\hat{b}---\left(12\right)$

式中，U为回归平方和；k＝1,2,3.....n，是数据样本的数目；

同时，令

Ui＝U-Ui’ (13)

其中Ui’通过下式计算：以U1计算为例，则

如果Ui/ΣUi<0.05，那么模型中Yi的影响可忽略；

在确定该模型的可运行变量后，通过最小二乘法获得模型中的系数；

Y_c＝Y_in*B_in (15)

其中，Y_in是在模型中的参数，B_in是由最小二乘法计算出的系数，Y_c是运行参数的预测值；

利用神经网络系统预测燃煤锅炉NOx生成浓度并与系统入口实测NOx浓度进行对比分析，得到参与控制系统运算的NOx浓度由下式所得：

修正的NOx浓度＝F1(x)×预测NOx浓度+(1-F1(x))×实测NOx浓度

其中，F1(x)为非线性函数发生器产生[0,1]之间的值，当系统处于稳定运行时，其值为0.2，即修正的NOx浓度以实测值为主，当出现测量系统吹扫，负荷剧烈变动情况时，其值为0.8，即以预测值为主，当测量系统出现故障时，其值为1，即由预测值完全代替该测量机构。

2.根据权利要求1所述选择性催化还原法烟气脱硝系统的控制方法，其特征在于：所述喷氨需求量是将所述修正的NOx浓度和出口NOx浓度设定值进行计算，得到需脱除的NOx的量，再乘以NH3/NOx摩尔比得到喷氨需求量，所述喷氨需求量由下式计算：

喷氨需求量＝(修正的NOx浓度-出口NOx浓度设定值)×NH3/NOx摩尔比。

3.根据权利要求1所述选择性催化还原法烟气脱硝系统的控制方法，其特征在于：所述NH3/NOx摩尔比F2(x)是一固定值，根据脱硝效率的需要设定为0.8～1.2间的一固定值。

4.根据权利要求1所述选择性催化还原法烟气脱硝系统的控制方法，其特征在于：将NH3浓度测量装置实测的NH 3浓度与排放标准值进行对比，当实测的NH 3浓度超过排放标准值时，将喷氨流量在当前量和当前量×95％的范围内进行调节。