CN106362561A - 一种基于炉内流场的集群sncr控制方法 - Google Patents

Abstract

本发明属于发电生产过程中的脱硝控制技术，具体为一种利用电厂炉内流场条件进行的基于炉内流场的集群SNCR控制方法。本发明一种基于炉内流场的集群SNCR控制方法，由脱硝系统优化控制中心和还原剂喷入量控制系统两部分组成，所述的脱硝系统优化控制中心是根据SNCR系统出口的NOx浓度偏差e_i及其偏差变化△e，经由模糊推理智能控制算法，得到还原剂喷入量，并将还原剂喷入量发送给还原剂喷入量控制系统。所述的还原剂喷入量控制系统是接收脱硝系统优化控制中心的还原剂喷入量后结合锅炉温度、喷燃器投运状态、烟气量和机组负荷，经过计算得到实时还原剂喷射量，并向喷枪组发送实时还原剂喷射量，实现还原剂的实时喷射。

Description

一种基于炉内流场的集群SNCR控制方法

技术领域

本发明属于发电生产过程中的脱硝控制技术，具体为一种利用电厂炉内流场条件进行的基于炉内流场的集群SNCR控制方法。

背景技术

发电生产过程中必定会涉及到锅炉的脱硝控制。目前存在SNCR与SCR配合欠佳与SNCR脱硝效率较低问题，主要原因是：一，SNCR不能根据SCR催化剂活性的变化及时调整还原剂喷氨量；二，SNCR还原剂实时喷射量和喷射浓度依据比较单一，故造成部分区域还原剂喷射量不足或过量，NOx与还原剂混合不均匀。此外，一些外部条件如NOx与还原剂反应的温度窗较窄、机组负荷大小还原剂逃逸等也是烟气脱硝效率较低的原因。如果能够根据锅炉内流场分布、NOx浓度和负荷大小，通过合理精准地进行流场状态测量和模拟，同时依据SCR的实时脱硝效率，设计一种SNCR控制优化系统，有效控制还原剂喷射位置、浓度及流量，将会改善SNCR和SCR的配合默契度，同时保证整体脱硝效率。

发明内容

本发明针对上述问题，提供一种基于炉内流场的集群SNCR控制方法。

本发明的技术方案为：

一种基于炉内流场的集群SNCR控制方法，由脱硝系统优化控制中心和还原剂喷入量控制系统两部分组成，所述的脱硝系统优化控制中心是根据SNCR系统出口的NOx浓度偏差e_i及其偏差变化△e，经由模糊推理智能控制算法，得到还原剂喷入量，并将还原剂喷入量发送给还原剂喷入量控制系统；

所述的还原剂喷入量控制系统是接收脱硝系统优化控制中心的还原剂喷入量后结合锅炉温度、喷燃器投运状态、烟气量和机组负荷，经过计算得到实时还原剂喷射量，并向喷枪组发送实时还原剂喷射量，实现还原剂的实时喷射，具体步骤如下：

(1)根据锅炉前后墙的长度、侧墙的宽度以及锅炉高度，将锅炉分成若干个群组，每个群组覆盖锅炉火焰上方一个特定的立体区域；

(2)根据机组负荷，喷燃器投运状态，烟气量和锅炉温度测量模拟出锅炉流场实时变化；

(3)在每个群组中布置若干喷枪，使得还原剂能够均匀分布在整个群组；

(4)在每个群组中布置若干个温度测点，监测并模拟炉内的温度场，将温度场分成ABCDE五组；

(5)根据步骤(4)中的若干个温度测点测量出的温度，计算得到每个群组的平均温度，判断平均温度属于ABCDE五组中的哪一组，以确定拟喷射群组；

(6)对于拟喷射群组，根据该群组内温度区域、烟气量、锅炉流场状态变化因素，计算出还原剂喷射量，据此调节相应群组还原剂喷枪喷入锅炉的浓度及流量。

本发明所述的NOx浓度偏差e_i的计算方法为：e_i＝︱e_s－e_t︳,△e＝e_i+1-e_i,其中e_s为实时NOx浓度设定值，e_t为实时NOx浓度测量值；i为某次测量；i+1为下次测量。

本发明所述的实时NOx浓度设定值e_s由运行人员手动设定与修正系数相乘得到，其中修正系数是SCR脱硝系统中输出。

本发明所述的模糊推理智能控制算法为：以e_i和△e作为输入变量，△k_p、△k_i为输出变量，模糊子集为{NB,NM,NS,ZO,PS,PM,PB}，其中子集元素分别代表负大、负中、负小、零、正小、正中、正大，其论域为[-3,3]，使用模糊合成推理设计PI参数的模糊矩阵表，得出参数代入k_p、k_i计算式：

$K_p=K_p^0+{\mathrm{\ΔK}}_p,K_i=K_i^0+{\mathrm{\ΔK}}_i---\left(1\right)$

式中，为PI参数初始值,K_p、K_i的模糊控制规则见表1、表2；

表1 K_p模糊规则控制表

表2 K_i模糊规则控制表

根据式(1)得出K_p、K_i后，其模糊推理智能控制算法PI控制器输出为：

$F\left(k\right)=K_p\left(k\right)e\left(k\right)+{\mathrm{TK}}_i\left(k\right)\underset{j=0}{\overset{k}{\mathrm{\Σ}}}E\left(j\right)---\left(2\right).$

本发明所述的步骤(4)中温度场分成ABCDE五组，A组：小于900℃；B组：900～1000℃；C组：1000～1100℃；D组：1100～1250℃；E组：1250℃以上。

本发明所述的步骤(5)中的平均温度处于A或E分组，此时群组不喷射还原剂，若群组温度区域处于B，C或D时，此时该群组喷射还原剂。

本发明所述的步骤(6)中还原剂喷枪喷入锅炉的浓度及流量的计算方法为：设置若干个喷射还原剂浓度点,每个还原剂喷量m对应于一个向量X＝(T,f,V)＝(x1,x2,x3)，其中T表示群组平均温度，f表示锅炉流场状态，V表示烟气量，通过现场还原剂喷射试验，记录对应于最佳还原剂喷射浓度的流场条件，设喷射量为mi时对应的流场条件为(Ti，fi，Vi)，实时在线监测获得的流场数据为X′i＝(T′i，f′i，V′i)＝(x′_i1，x′_i2，x′_i3)，对于x′_i1，x′_i2和x′_i3可以构造隶属函数为其中j＝1，2，3，根据测量的流场实时数据X′i，计算每时刻群组内流场隶属度B_i(J)。根据对喷射量影响因素的大小，对各要素设定权重，设权重为A＝(a₁，a₂，a₃)，然后计算各种实时流场数据与理想指标(Ti，fi，Vi)的贴近度，依照海明贴近度公式有

$N(A,m_i)=1-\frac{1}{2}\underset{j=1}{\overset{3}{\mathrm{\Σ}}}|A\left(j\right)-B_i\left(j\right)|,$

其中B_i(J)为喷射浓度为m_i时对应的隶属度，实时喷氨量设计为取最大值时的当SNCR出口NOx浓度实测值接近目标值时，该群组还原剂喷射量就是否则的话，根据SNCR出口NOx浓度实测值与目标值的偏差大小，采用灰色理论建立GM(1,1)模型对还原剂喷射量进一步微调，对应于群组k历史还原剂喷射量记为并要求级比落在特定的区间，对做一次累加，得到依据灰色系统控制理论建立GM(1,1)模型，可得预测值

${\hat{x}}^{\left(1\right)}(k+1)=\left(x^{\left(0\right)}\right(1)-\frac{d}{c})e^{-cl}+\frac{d}{c}$

其中，c，d为系统估计参数，利用可以得到新的时段的还原剂浓度值进而得到还原剂浓度的调整量Δm。

本发明采用上述技术方案，SNCR控制优化系统的关键在于炉内流场分布实时变化的监测和模拟技术的应用。随着机组负荷及锅炉运行工况的变化，可以根据流场实时状况确定还原剂的喷射区域，同时预测还原剂的喷射量及浓度大小，以保证NOx与还原剂能及时高效地反应，实现脱硝效率的大幅提高。本发明的SNCR控制优化系统的基本原理如图1所示。由图1可见，本方案由脱硝系统优化控制中心和还原剂喷入量控制系统两部分组成。

附图说明

图1是本发明的原理框架图；

图2是本发明还原剂喷入量控制方案的架构图。

具体实施方式

实施例1

如图1和图2所示，一种基于炉内流场的集群SNCR控制方法，由脱硝系统优化控制中心和还原剂喷入量控制系统两部分组成，所述的脱硝系统优化控制中心是根据SNCR系统出口的NOx浓度偏差e_i及其偏差变化△e，经由模糊推理智能控制算法，得到还原剂喷入量，并将还原剂喷入量发送给还原剂喷入量控制系统；

所述的还原剂喷入量控制系统是接收脱硝系统优化控制中心的还原剂喷入量后结合锅炉温度、喷燃器投运状态、烟气量和机组负荷，经过计算得到实时还原剂喷射量，并向喷枪组发送实时还原剂喷射量，实现还原剂的实时喷射，具体步骤如下：

(1)根据锅炉前后墙的长度、侧墙的宽度以及锅炉高度，将锅炉分成若干个群组，每个群组覆盖锅炉火焰上方一个特定的立体区域；

(2)根据机组负荷，喷燃器投运状态，烟气量和锅炉温度测量模拟出锅炉流场实时变化；

(3)在每个群组中布置若干喷枪，使得还原剂能够均匀分布在整个群组；

(4)在每个群组中布置若干个温度测点，监测并模拟炉内的温度场，将温度场分成ABCDE五组；

(5)根据步骤(4)中的若干个温度测点测量出的温度，计算得到每个群组的平均温度，判断平均温度属于ABCDE五组中的哪一组，以确定拟喷射群组；

(6)对于拟喷射群组，根据该群组内温度区域、烟气量、锅炉流场状态变化因素，计算出还原剂喷射量，据此调节相应群组还原剂喷枪喷入锅炉的浓度及流量。

本发明所述的NOx浓度偏差e_i的计算方法为：e_i＝︱e_s－e_t︳,△e＝e_i+1-e_i,其中e_s为实时NOx浓度设定值，e_t为实时NOx浓度测量值；i为某次测量；i+1为下次测量。

本发明所述的实时NOx浓度设定值e_s由运行人员手动设定与修正系数相乘得到，其中修正系数是SCR脱硝系统中输出。

本发明所述的模糊推理智能控制算法为：以e_i和△e作为输入变量，△k_p、△k_i为输出变量，模糊子集为{NB,NM,NS,ZO,PS,PM,PB}，其中子集元素分别代表负大、负中、负小、零、正小、正中、正大，其论域为[-3,3]，使用模糊合成推理设计PI参数的模糊矩阵表，得出参数代入k_p、k_i计算式：

$K_p=K_p^0+{\mathrm{\ΔK}}_p,K_i=K_i^0+{\mathrm{\ΔK}}_i---\left(1\right)$

式中，为PI参数初始值,K_p、K_i的模糊控制规则见表1、表2；

表1 K_p模糊规则控制表

表2 K_i模糊规则控制表

根据式(1)得出K_p、K_i后，其模糊推理智能控制算法PI控制器输出为：

$F\left(k\right)=K_p\left(k\right)e\left(k\right)+{\mathrm{TK}}_i\left(k\right)\underset{j=0}{\overset{k}{\mathrm{\Σ}}}E\left(j\right)---\left(2\right).$

本发明所述的步骤(4)中温度场分成ABCDE五组，A组：小于900℃；B组：900～1000℃；C组：1000～1100℃；D组：1100～1250℃；E组：1250℃以上。

本发明所述的步骤(5)中的平均温度处于A或E分组，此时群组不喷射还原剂，若群组温度区域处于B，C或D时，此时该群组喷射还原剂。

本发明所述的步骤(6)中还原剂喷枪喷入锅炉的浓度及流量的计算方法为：设置若干个喷射还原剂浓度点,每个还原剂喷量m对应于一个向量X＝(T,f,V)＝(x1,x2,x3)，其中T表示群组平均温度，f表示锅炉流场状态，V表示烟气量，通过现场还原剂喷射试验，记录对应于最佳还原剂喷射浓度的流场条件，设喷射量为mi时对应的流场条件为(Ti，fi，Vi)，实时在线监测获得的流场数据为X′i＝(Ti′，fi′，Vi′)＝(x′_i1，x′_i2，x′_i3)，对于x′_i1，x′_i2和x′_i3可以构造隶属函数为其中j＝1，2，3，根据测量的流场实时数据Xi′，计算每时刻群组内流场隶属度B_i(J)。根据对喷射量影响因素的大小，对各要素设定权重，设权重为A＝(a₁，a₂，a₃)，然后计算各种实时流场数据与理想指标(Ti，fi，Vi)的贴近度，依照海明贴近度公式有

$N(A,m_i)=1-\frac{1}{2}\underset{j=1}{\overset{3}{\mathrm{\Σ}}}|A\left(j\right)-B_i\left(j\right)|,$

其中B_i(j)为喷射浓度为m_i时对应的隶属度，实时喷氨量设计为取最大值时的当SNCR出口NOx浓度实测值接近目标值时，该群组还原剂喷射量就是否则的话，根据SNCR出口NOx浓度实测值与目标值的偏差大小，采用灰色理论建立GM(1,1)模型对还原剂喷射量进一步微调，对应于群组k历史还原剂喷射量记为并要求级比落在特定的区间，对做一次累加，得到依据灰色系统控制理论建立GM(1,1)模型，可得预测值

${\hat{x}}^{\left(1\right)}(k+1)=\left(x^{\left(0\right)}\right(1)-\frac{d}{c})e^{-cl}+\frac{d}{c}$

其中，c，d为系统估计参数，利用可以得到新的时段的还原剂浓度值进而得到还原剂浓度的调整量Δm。

Claims (7)

1.一种基于炉内流场的集群SNCR控制方法，其特征是由脱硝系统优化控制中心和还原剂喷入量控制系统两部分组成，所述的脱硝系统优化控制中心是根据SNCR系统出口的NOx浓度偏差e_i及其偏差变化△e，经由模糊推理智能控制算法，得到还原剂喷入量，并将还原剂喷入量发送给还原剂喷入量控制系统；

所述的还原剂喷入量控制系统是接收脱硝系统优化控制中心的还原剂喷入量后结合锅炉温度、喷燃器投运状态、烟气量和机组负荷，经过计算得到实时还原剂喷射量，并向喷枪组发送实时还原剂喷射量，实现还原剂的实时喷射，具体步骤如下：

(1)根据锅炉前后墙的长度、侧墙的宽度以及锅炉高度，将锅炉分成若干个群组，每个群组覆盖锅炉火焰上方一个特定的立体区域；

(2)根据机组负荷，喷燃器投运状态，烟气量和锅炉温度测量模拟出锅炉流场实时变化；

(3)在每个群组中布置若干喷枪，使得还原剂能够均匀分布在整个群组；

(4)在每个群组中布置若干个温度测点，监测并模拟炉内的温度场，将温度场分成A BC D E五组；

(5)根据步骤(4)中的若干个温度测点测量出的温度，计算得到每个群组的平均温度，判断平均温度属于A B C D E五组中的哪一组，以确定拟喷射群组；

(6)对于拟喷射群组，根据该群组内温度区域、烟气量、锅炉流场状态变化因素，计算出还原剂喷射量，据此调节相应群组还原剂喷枪喷入锅炉的浓度及流量。

2.根据权利要求1所述的一种基于炉内流场的集群SNCR控制方法，其特征是所述的NOx浓度偏差e_i的计算方法为：e_i＝︱e_s－e_t︳,△e＝e_i+1-e_i,其中e_s为实时NOx浓度设定值，e_t为实时NOx浓度测量值；i为某次测量；i+1为下次测量。

3.根据权利要求2所述的一种基于炉内流场的集群SNCR控制方法，其特征是所述的实时NOx浓度设定值e_s由运行人员手动设定与修正系数相乘得到，其中修正系数是SCR脱硝系统中输出。

4.根据权利要求1所述的一种基于炉内流场的集群SNCR控制方法，其特征是所述的模糊推理智能控制算法为：以e_i和△e作为输入变量，△k_p、△k_i为输出变量，模糊子集为{NB,NM,NS,ZO,PS,PM,PB}，其中子集元素分别代表负大、负中、负小、零、正小、正中、正大，其论域为[-3,3]，使用模糊合成推理设计PI参数的模糊矩阵表，得出参数代入k_p、k_i计算式：

$K_p=K_p^0+{\mathrm{\ΔK}}_p,K_i=K_i^0+{\mathrm{\ΔK}}_i---\left(1\right)$

式中，为PI参数初始值,K_p、K_i的模糊控制规则见表1、表2；

表1 K_p模糊规则控制表

表2 K_i模糊规则控制表

根据式(1)得出K_p、K_i后，其模糊推理智能控制算法PI控制器输出为：

$F\left(k\right)=K_p\left(k\right)e\left(k\right)+{\mathrm{TK}}_i\left(k\right)\underset{j=0}{\overset{k}{\Σ}}E\left(j\right)---\left(2\right).$

5.根据权利要求1所述的一种基于炉内流场的集群SNCR控制方法，其特征是所述的步骤(4)中温度场分成A B C D E五组，A组：小于900℃；B组：900～1000℃；C组：1000～1100℃；D组：1100～1250℃；E组：1250℃以上。

6.根据权利要求1所述的一种SNCR控制优化系统，其特征是所述的步骤(5)中的平均温度处于A或E分组，此时群组不喷射还原剂，若群组温度区域处于B，C或D时，此时该群组喷射还原剂。

7.根据权利要求1所述的一种基于炉内流场的集群SNCR控制方法，其特征是所述的步骤(6)中还原剂喷枪喷入锅炉的浓度及流量的计算方法为：设置若干个喷射还原剂浓度点,每个还原剂喷量m对应于一个向量X＝(T,f,V)＝(x1,x2,x3)，其中T表示群组平均温度，f表示锅炉流场状态，V表示烟气量，通过现场还原剂喷射试验，记录对应于最佳还原剂喷射浓度的流场条件，设喷射量为mi时对应的流场条件为(T_i，f_i，V_i)，实时在线监测获得的流场数据为X′_i＝(T′_i，f′_i，V′_i)＝(x′_i1，x′_i2，x′_i3)对于x′_i1，x′_i2和x′_i3可以构造隶属函数为其中j＝1，2，3。根据测量的流场实时数据X′_i，计算每时刻群组内流场隶属度B_i(J)。根据对喷射量影响因素的大小，对各要素设定权重，设权重为A＝(a₁，a₂，a₃)，然后计算各种实时流场数据与理想指标(T_i，f_i，V_i)的贴近度，依照海明贴近度公式有

$N(A,m_i)=1-\frac{1}{2}\underset{j=1}{\overset{3}{\Σ}}|A\left(j\right)-B_i\left(j\right)|,$

其中B_i(J)为喷射浓度为m_i时对应的隶属度，实时喷氨量设计为取最大值时的当SNCR出口NOx浓度实测值接近目标值时，该群组还原剂喷射量就是否则的话，根据SNCR出口NOx浓度实测值与目标值的偏差大小，采用灰色理论建立GM(1,1)模型对还原剂喷射量进一步微调，对应于群组k历史还原剂喷射量记为并要求级比落在特定的区间，对做一次累加，得到依据灰色系统控制理论建立GM(1,1)模型，可得预测值

${\hat{x}}^{\left(1\right)}(k+1)=\left(x^{\left(0\right)}\right(1)-\frac{d}{c})e^{-d}+\frac{d}{c}$

其中，c，d为系统估计参数，利用可以得到新的时段的还原剂浓度值进而得到还原剂浓度的调整量Δm。