CN106842962A - 基于变约束多模型预测控制的scr脱硝控制方法 - Google Patents

Abstract

本发明公开了一种基于变约束多模型预测控制的SCR脱硝控制方法，所述方法将多模型预测控制算法、智能模型加权算法和变约束条件相结合，包括如下步骤：(A)由智能模型加权算法得到精确NOx预测模型；(B)由多模型预测控制算法不断滚动优化；辅以与工况随动的约束条件计算出最佳的实时氨需量。本发明解决了现有预测控制策略在SCR脱硝系统中应用的模型精度与控制算法复杂度之间的矛盾；首先，与传统的多个线性模型简单的线性加权方法相比，提高了算法的模型精度；其次，将传统的定约束条件改为，与工况随动的变约束条件，约束调节更加准确，以此减小求解控制指令的计算负担，易于工程实现，克服SCR系统的大滞后特性，显著改善了NOx浓度的调节品质。

Description

基于变约束多模型预测控制的SCR脱硝控制方法

技术领域

本发明涉及热能动力工程和自动控制，尤其涉及一种基于变约束多模型预测控制技术的火电机组SCR脱硝优化控制方法。

背景技术

我国是煤炭大国，火电机组的装机重量占了约70％，在电力行业中发挥着主导作用。高效、节能、环保的火电发电技术研究也是关系到国民经济发展的重中之重。而随着雾霾等环境问题的不断突出，环保部门对火电机组的NOx排放标准提出了更高的要求(50mg/Nm³)。传统的SCR出口NOx浓度控制方式为PID+前馈的调节方式，而SCR脱硝这一化学反应过程具有较强的非线性和大滞后特性，而且随着催化剂的消耗，SCR反应区的特性会发生较大的变化。采用传统的控制策略，SCR出口NOx波动较大。若要达到环保考核要求，则必须降低NOx浓度的设定值，平均氨蒸汽消耗量增加，这会造成：(1)制氨的尿素耗量增加，经济性不佳；(2)易造成烟道后期的空预器堵塞，危害机组安全；(3)，氨逃逸率增加，造成环境的二次污染。因此，研究设计新型的SCR出口NOx浓度控制方法具有特别重大的意义。

前人在这些方面做出过很多努力，尝试通过预测控制算法来处理SCR反应的的大滞后特性，提升出口NOx的抗扰动能力。已公开的这方面专利存在以下两个问题：1、预测控制算法对所用模型的精度要求较高，而SCR的特性随负荷区段的变化而变化剧烈。若采用非线性预测控制算法方法，在仿真过程中呈现出较好的结果。然而却因为算法复杂、计算量大等问题，很难在工程应用中实现。而后人们采用多模型切换预测控制算法，这种方法虽然降低了算法的复杂度，但模型切换时采用的是对多个模型线性加权，模型的精度有限，这容易造成调节的不稳定。2、约束条件的范围设置的过于宽泛。在已公布专利中，直接根据设备的实际最大供氨能力，和实际氨蒸汽流量最大变化速率作为全工况下的约束条件。约束条件的宽泛，增加了求解控制指令的计算量。

发明内容

发明目的：本发明的目的是针对燃煤发电机组中SCR脱硝过程的大滞后和非线性的对象特征，提供一种基于变约束多模型预测控制的火电机组SCR脱硝优化控制方法。

技术方案：本发明所述的一种基于变约束多模型预测控制的SCR脱硝控制方法，所述方法将多模型预测控制算法、智能模型加权算法和变约束条件相结合，包括如下步骤：

(A)由智能模型加权算法得到精确NOx预测模型；

(B)由多模型预测控制算法不断滚动优化；辅以与工况随动的约束条件计算出最佳的实时氨需量。

步骤(A)中，具体包括：

(A1)在高、中、低三个负荷点通过喷氨流量的扰动实验，并记录试验数据；将100％MCR选为高负荷点、75％MCR选为中负荷点、50％MCR选为低负荷点；采用常规的最小二乘拟合算法对试验数据处理，得到喷氨流量对反应器出口NOx浓度的三个基本模型。

其中，MCR为机组最大连续出力。

(A2)在每个计算周期内，根据实际NOx浓度与模型预测NOx浓度的偏差程度来决定，每个模型的权值表述如下

λ＝(Y(k)-Y₁(k))/(Y₂(k)-Y₁(k))

其中，Y(k)为当前NOx浓度实际值，Y₁(k)为高负荷段模型的输出值，Y₂(k)为中负荷段模型的输出值，λ为模型权值。这样可以利用有限的三个线性模型，得到精确地全工况NOx预测模型，提高预测精度。

步骤(B)中，具体包括：

(B1)通过全工况的NOx模型，根据过去的模型输出值和未来的输入值来预测未来各个采样周期的过程输出值；

(B2)通过最小化性能指标J，得到最优的控制率，性能指标J表述如下：

J＝E{(Y-Y_r)^T(Y-Y_r)+ΔU^TΓΔU}

其中：Y为NOx浓度设定值曲线，Y_r为NOx浓度预测值，Γ为控制权值；通过求解该带约束的二次优化的解，即得最终的氨汽流量指令。

采用与工况随动的变约束条件，约束条件有上下限与变化速率的双重限制，具体如下

其中，U(k)为第k时刻的氨汽流量指令，U_min为氨汽流量指令下限，U_max为喷氨汽流量指令上限，各自表述为：

U_min＝(c_in-c_sp)×Q-A；U_min＝(c_in-c_sp)×Q+A

其中，c_in为反应器入口NOx浓度，c_sp为反应器出口NOx浓度设定值，Q为烟气流量，A为正的常数；

其中，ΔU_min为氨汽流量变化速率的下限，ΔU_max为氨汽流量变化速率的上限。更小的约束范围能大幅度降低控制率求解的计算量和复杂度。

有益效果：与现有技术相比，本发明的优点为：本发明解决了现有预测控制策略在SCR脱硝系统中应用的突出问题模型精度与控制算法复杂度之间的矛盾；首先基于多模型预测控制算法，使用的对象模型有别于传统的多个线性模型简单的线性加权方法，通过实时判断当前被控对象的输出值与各个线性模型之间的偏差，决定各个模型的加权权值，提高了算法的模型精度；其次，将传统的定约束条件改为，与工况随动的变约束条件，约束调节更加准确，以此减小求解控制指令的计算负担，易于工程实现，克服SCR系统的大滞后特性，显著改善了NOx浓度的调节品质。

附图说明

图1为本发明实施例的系统原理示意图。

具体实施方式

下面结合实施例和附图对本发明的技术方案作进一步详细说明。

具体的实施步骤如下：

步骤1：在SCR脱硝系统投用的100％MCR、75％MCR、50％MCR三个负荷点下，分别进行喷氨流量的阶跃扰动试验。试验过程中，机组燃料主控切入手动方式保持恒定，所有的二次风小风门也切至手动方式保持恒定，以防止实验过程中的扰动；SCR的喷氨调门至于手动，运行人员手动操作调门，给予阶跃信号，采集实验数据通过最小二乘法拟合出反应器出口NOx浓度与喷氨流量之间的传递函数模型。并离散化，得到三个基准模型，写成标准的CARIMA模型。

其中，Y(k)为第k个采样周期的NO_x浓度，U(k)为第k个采样周期的氨蒸汽流量，ξ(k)(i＝1,2,3)为均值为0的白噪声。A_i(z^-1)和B_i(z^-1)表述如下：

其中，z^-k为时间算子，a_i,k、b_i,k分别为A_i(z^-1)、B_i(z^-1)多项式中z^-k的系数，na_i、nb_i分别为多项式A_i(z^-1)、B_i(z^-1)的阶次(i＝1,2,3)；

步骤2：根据当前采样周期计算当前共所处的负荷段，选取相邻的两个基准对象模型，计算当前对象输出与相邻两个基准模型输出的偏差，并依据偏差对相邻基准模型加权得到当前采样时刻的计算模型。以当前负荷处于高、中负荷之间为例，算式如下：

A(z^-1)Y(k)＝B(z^-1)U(k)+ξ(k)/Δ

其中：

λ＝(Y(k)-Y₁(k))/(Y₂(k)-Y₁(k))

式中a_k、b_k分别为A(z^-1)、B(z^-1)多项式中z^-k的系数，Y(k)为当前反应器出口NOx浓度实际值，Y₁(k)为高负荷段模型的输出值，Y₂(k)为中负荷段模型的输出值，λ为模型权值。

步骤3：以加权后的计算模型为基础，预测未来一段时间的对象的输出，可表示为

Y_r(k+j)＝F_jΔU(k+j-1)+G_jY(k)+E_jξ(k+j)

其中Y_r(k+j)为未来第j时刻的预测值；F_j、G_j和E_j为多项式，须满足下述丢番方程：

其中

其中e_j,k、g_j,k、f_j,k分别为E_j(z^-1)、G_j(z^-1)、F_j(z^-1)多项式中z^-k的系数。预测表达式说明，在预测模型的基础上，可以根据过去n_g个时刻的模型输出值和未来n_f个时刻的模型输入值来预测未来的模型输出值。由于步骤2所建模型拥有较高的模型精度，所以预测准确性亦很高。

步骤4：根据即定的性能指标和约束条件求解控制指令。控制的目标是最小化反应器出口NOx浓度与NOx浓度设定值之间的偏差。同时喷氨流量是不可能无穷大或无穷小，所以也要对喷氨流量的变化进行限制。

二次型性能指标表述如下：

J＝E{(Y-Y_r)^T(Y-Y_r)+ΔU^TΓΔU}

其中：Y为NOx浓度设定值，Y_r为NOx浓度预测值，ΔU为控制量增量，Γ为控制权值。该性能指标中的(Y-Y_r)^T(Y-Y_r)表征了NOx浓度的预测值Y_r与NOx设定值Y之间的偏差，ΔU^TΓΔU表征了喷氨流量的变化量，Γ表征了该性能指标中对喷氨流量的参考程度。通过最小化该性能指标，即可得到无约束状态下的控制率ΔU。然而本发明讨论的对象因设备本身的限制存在约束，需要对该二次型性能指标增加约束条件。约束条件表达如下：

其中，U(k)为第k时刻的氨汽流量指令，U_min为氨汽流量指令下限，U_max为喷氨汽流量指令上限，各自可表述为：

U_min＝A(c_in-c_sp)×Q-B；U_min＝A(c_in-c_sp)×Q+B

其中，c_in为反应器入口NOx浓度(mg/Nm³)，c_sp为反应器出口NOx浓度设定值(mg/Nm³)，Q为烟气流量(t/h)，A和B为正的常数。(c_in-c_sp)×Q表征是烟气通过SCR反应器后总的NOx变化量，乘以系数A后可表示的是喷氨流量的基准值，B表示的是喷氨流量的动态调节范围。本文的约束条件不同于传统定约束条件，这样处理后喷氨流量的约束范围与SCR运行工况随动而大大缩小。这样能较大程度的缩小控制率求解时的时间成本。此外，约束条件还包含变化速率的约束，如下：

其中，ΔU_min为氨汽流量变化速率的下限，ΔU_max为氨汽流量变化速率的上限。变化速率的约束取决于设备本体的实际动作速率，可由喷氨调门的阶跃扰动实验得到。结合性能指标与约束条件，通过求解该带约束的二次优化问题，即可得到喷氨流量指令。

步骤5：将氨流量指令做为喷氨流量控制回路的设定值，该回路的控制器采用PI调节器，根据喷氨流量指令与实际喷氨流量指令的偏差计算出最终的喷氨调开度指令。由于喷氨流量与喷氨调门的开度之间是一个快过程，用简单的PI调节器即可保证较好的喷氨流量跟踪性能。

实施例：

某电厂1000MW超临界机组，采用本发明的控制方法，基于本应用场景，上式的相关参数选为：

在1000MW、750MW、500MW三个负荷点上，进行了喷氨调门开度对烟囱入口NOx浓度的阶跃特性试验，通过模型拟合获得相关的数学模型。

以5s为采样周期，离散化上述模型；选择最大预测步数N＝40，控制量权值Γ＝(0.6 … 0.6)^T；约束条件中，喷氨流量上下限的计算系数A＝0.001，B＝15t/h,喷氨流量变化速率的上下限为ΔU_min＝-5t/h,ΔU_max＝5t/h；喷氨流量回路的PI控制器参数，比例K_p＝2.0，积分T_i＝60sec。

应用结果显示：在负荷稳定的工况下，反应器出口NOx浓度动态偏差控制在5mg/Nm³之内；在大幅度快速变负荷工况下，反应器出口NOx浓度动态偏差控制在10mg/Nm³以内；在启停磨煤机计这种扰动剧烈的工况下，反应器出口NOx浓度动态偏差控制在15mg/Nm³以内。NOx的排放值在全工况下能满足环保考核要求。由于反应器出口NOx浓度波动的大幅减小，平均运行设定值由25mg/Nm3提升至35mg/Nm3，氨气使用量减少了约15％，空预器差压降低5％，堵塞情况减小。证明本发明所述方法能有效提高SCR脱硝系统运行的稳定性，经济性和安全性。

Claims (4)

1.一种基于变约束多模型预测控制的SCR脱硝控制方法，其特征在于，所述方法将多模型预测控制算法、智能模型加权算法和变约束条件相结合，包括如下步骤：

(A)由智能模型加权算法得到精确NOx浓度预测模型；

(B)由多模型预测控制算法不断滚动优化；辅以与工况随动的约束条件计算出最佳的实时氨需量；

所述工况包括机组当前负荷、总风量、反应器入口NOx浓度和反应器出口NOx浓度设定值。

2.根据权利要求1所述的SCR脱硝控制方法，其特征在于，步骤(A)具体包括：

(A1)将100％MCR选为高负荷点、75％MCR选为中负荷点、50％MCR选为低负荷点，在高、中、低三个负荷点通过喷氨流量的扰动实验，并记录试验数据；采用常规的最小二乘拟合算法对试验数据处理，得到喷氨流量对反应器出口NOx浓度的三个基本模型；

其中，MCR为机组最大连续出力。

(A2)在每个计算周期内，根据实际NOx浓度与模型预测NOx浓度的偏差程度来决定，每个模型的权值表述如下

λ＝(Y(k)-Y₁(k))/(Y₂(k)-Y₁(k))

其中，Y(k)为当前NOx浓度实际值，Y₁(k)为高负荷段模型的输出值，Y₂(k)为中负荷段模型的输出值，λ为模型权值。

3.根据权利要求1所述的SCR脱硝控制方法，其特征在于，步骤(B)具体包括：

(B1)通过全工况的NOx模型，根据过去的模型输出值和未来的模型输入值来预测未来各个采样周期的过程输出值；

(B2)通过最小化性能指标J，得到最优的控制率，性能指标J表述如下：

J＝E{(Y-Y_r)^T(Y-Y_r)+ΔU^TΓΔU}

其中：Y为NOx浓度设定值曲线，Y_r为NOx浓度预测值，Γ为控制权值；通过求解该带约束的二次优化的解，即得最终的氨汽流量指令。

4.根据权利要求3所述的SCR脱硝控制方法，其特征在于：采用与工况随动的变约束条件，约束条件有上下限与变化速率的双重限制，具体如下：

$U\left(k\right)=\left\{\begin{array}{cc}{U}_{\min }& \left(U\right(k)\&le;U_{min})\\ U\left(k\right)& (U_{max}<U(k)<U_{min})\\ U_{max}& \left(U\right(k)\&GreaterEqual;U_{\max })\end{array}\right.$

其中，U(k)为第k时刻的氨汽流量指令，U_min为氨汽流量指令下限，U_max为喷氨汽流量指令上限，各自表述为：

U_min＝(c_in-c_sp)×Q-A；U_min＝(c_in-c_sp)×Q+A

其中，c_in为反应器入口NOx浓度，c_sp为反应器出口NOx浓度设定值，Q为烟气流量，A为正的常数；

$U\left(k\right)=\left\{\begin{array}{cc}U(k-1)+{\mathrm{\&Delta;U}}_{\min }& \left(U\right(k)-U(k-1)\&le;{\mathrm{\&Delta;U}}_{min})\\ U\left(k\right)& ({\mathrm{\&Delta;U}}_{\min }<U(k)-U(k-1)<{\mathrm{\&Delta;U}}_{max})\\ U(k-1)+{\mathrm{\&Delta;U}}_{max}& \left(U\right(k)-U(k-1)\&GreaterEqual;{\mathrm{\&Delta;U}}_{max})\end{array}\right.$

其中，ΔU_min为氨汽流量变化速率的下限，ΔU_max为氨汽流量变化速率的上限。