CN107561944A - 一种基于拉盖尔模型的脱硝系统自适应预测控制方法 - Google Patents

Abstract

本发明公开了一种基于Laguerre(拉盖尔)模型的SCR脱硝系统自适应预测控制方法，包括：模型自适应更新模块、输出预测模块和区间控制滚动优化模块，它是采用Laguerre函数模型的状态空间形式作为预测模型，同时利用带遗忘因子的递推最小二乘算法对模型参数进行在线更新；在滚动优化中采用区间控制性能指标，并考虑了输入和输出约束等约束条件。该方法能够很好地适应对象特性的变化，并有效地把NO_X浓度控制在要求的区间内。

Description

一种基于拉盖尔模型的脱硝系统自适应预测控制方法

技术领域

本发明属于热工自动控制领域，尤其涉及一种SCR脱硝系统的优化控制方法。

背景技术

燃煤电厂控制NO_X排放量的方式主要采用燃烧后脱硝。目前主要采用的烟气脱硝技术为选择性催化还原法(Selective Catalytic Reduction，SCR)脱硝。

SCR脱硝效果受到诸多因素影响，如催化剂活性，反应温度，氨气流量，烟气速率等，其中最主要的影响因素是喷射的氨气流量。氨气量过少，易导致反应不完全，引起NO_X浓度超标；氨气喷射过多，则又会造成氨逃逸，使脱硝系统安全性下降。

传统的SCR脱硝控制系统采用PID(比例-积分-微分)控制器实现脱硝过程控制，根据原理不同，可以分为两种控制方案：固定摩尔比控制方式以及出口NO_X浓度定值控制方式。

固定摩尔比控制方式按照固定的氨氮摩尔比脱除烟气中NOx，以固定摩尔比NH3/NOx计算所需氨气流量，NOx流量为烟气入口NOx浓度与烟气流量的乘积。脱硝控制系统根据计算得到所需氨气流量，然后与实测氨气流量进行比较，由PID控制器经过运算后调节喷氨阀门开度实现自动控制。这种控制方式将氨氮摩尔比作为设定值，因此设定值可调，控制回路简单，易于调试整定，但该方式下，控制过程未考虑SCR出口NOx浓度值，在入口NOx浓度较低时，可能会过度脱氮，增加运行成本。固定摩尔比控制方式结构如图4所示。

另一种控制方案是出口NOx浓度定值控制，这种控制方式将SCR出口NOx浓度值设为一定数值，PID控制器通过计算实际出口NOx浓度值与设定值间的差值，来给出喷氨阀门调节信号，从而达到将出口NOx浓度控制在设定值上的目的。出口NOx浓度定值控制结构如图5所示。

SCR出口NOx浓度定值控制控制回路简单，同样具有PID参数易于调试整定的特点，但其对出口NOx浓度的测量要求较高，出口NOx浓度的变化，会直接反映到喷氨阀门开度的变化，容易造成控制系统波动。

上述控制方案的核心都是采用传统的PID控制，但SCR脱硝系统是典型的大迟延、大惯性对象，在机组变负荷的情况下有很强的非线性特性，同时在实际的生产过程中，往往存在输入输出的约束，而传统PID控制尽管具有原理简单，便于使用的优点，但对于脱硝系统这类大迟延对象调节能力有限，同时PID控制器参数整定完成后一般不再改变，缺乏自适应能力。因此必须研究新型的控制策略，以便在确保NOx达标排放的同时，尽量降低氨水消耗量，节约电厂运行成本。

发明内容

发明目的：针对上述现有存在的问题和不足，本发提供了一种可以解决SCR脱硝系统喷氨量难以精确控制，NOx排放容易超标，对工况变化的适应性差等问题的基于Laguerre(拉盖尔)模型的SCR脱硝系统控制方法。

技术方案：为实现上述发明目的，本发明采用以下技术方案：一种基于拉盖尔模型的脱硝系统自适应预测控制方法，它是采用Laguerre函数模型的状态空间形式作为预测模型，同时利用带遗忘因子的递推最小二乘算法对模型参数进行在线更新；在滚动优化中采用区间控制性能指标，并考虑了输入和输出约束等约束条件。所述控制方法具体步骤如下：

步骤1：设置Laguerre模型参数：阶数N，时间比例因子p，采样周期T以及模型系数向量的初始值；

设SCR系统可以由式(1)形式的Laguerre状态空间模型来描述：

式中，φ(k)为Laguerre模型状态向量；y(k)为NOx浓度；u(k)为喷氨阀门开度；

为离散化后的Laguerre系数向量，T为采样周期。

Laguerre模型表征系统特性的参数少于一般的参数化模型，因此有利于进行在线辨识和模型更新，同时该形式的模型参数包含了系统的阶次和时延信息，且对阶次和时延并不敏感，在研究自适应算法时不必辨识其阶次和时延，因而对控制系统有较强的鲁棒性。

在Laguerre模型中，表征控制对象的参数为p，N，T以及离散化后的Laguerre系数向量前面三个参数一般可离线确定，因此，在实际的控制过程中，可以通过辨识Laguerre系数向量从而实现模型的在线更新。

步骤2：利用已知的输出以及状态变量的值辨识模型系数向量

采用式(2)实现对的在线修改：

式中，K(k)为递推最小二乘算法的增益矩阵，P(k)为协方差矩阵，μ∈[0,1]，为遗忘因子。

步骤3：在得到相应参数后，由式(3)计算预测控制所需矩阵S_f，F_a，F_b；

即得

Y(k)＝F_aΦ(k)+F_bu(k-1)+S_fΔU_M(k) (4)

步骤4：根据性能指标(5)求解最优控制量增量Δu(k)，并由式(6)得到即时控制量u(k)；

式中，B、d表示控制增量的约束矩阵，系统的输入输出约束均可转化成控制增量约束，用B、d表示；[y_min，y_max]为输出量NOx的控制区间。

u(k)＝u(k-1)+Δu(k) (6)

步骤5：将新的控制量作用到式(1)的Laguerre模型，更新当前状态，返回步骤2。

有益效果：与现有技术相比，本发明具有以下优点：采用Laguerre函数模型的状态空间形式作为预测模型，同时利用带遗忘因子的递推最小二乘算法对模型参数进行在线更新；在滚动优化中采用区间控制性能指标，并考虑了输入和输出约束等约束条件。该方法能够很好地适应对象特性的变化，并有效地把NO_X浓度控制在要求的区间内。

附图说明

图1为本发明SCR脱硝优化控制系统示意图；

图2为本发明具体实施方式中的NOx变化曲线图；

图3为本发明具体实施方式中的喷氨阀门控制曲线图；

图4为现有技术的固定摩尔比控制方式结构流程图；

图5为现有技术的出口NOx浓度定值控制方式结构流程图。

具体实施方式

下面结合附图和具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。

本发明采用Laguerre函数模型的状态空间形式作为预测模型，Laguerre函数具有非参数化模型对系统阶次和时延变化不敏感的特点。而且表示模型的参数少于传统参数化模型,参数便于在线辨识,易于实现自适应控制策略。就自适应控制而言,Laguerre函数模型明显优于传统的参数化和非参数化模型。

同时本发明利用带遗忘因子的递推最小二乘算法对模型参数进行在线更新；在滚动优化中采用区间控制性能指标，并考虑了输入和输出约束等约束条件，基于Laguerre模型的预测控制方法实现脱硝过程的有效控制。

SCR脱硝效果受到诸多因素影响，如催化剂活性，反应温度，氨气流量，烟气速率等，其中最主要的影响因素是喷射的氨气流量。本发明针对喷氨阀门开度，阀门速率和NOx排放浓度，作为主要影响因素进行控制。

1)通过动态响应试验，获取SCR脱硝系统的传递函数模型。

如图1所示，把SCR控制系统开环，令喷氨阀门作阶跃扰动，并记录NOx变化。基于采集到的阶跃响应数据，利用两点法获得形如的SCR脱硝对象的传递函数模型。实际脱硝系统通常包括A、B两侧，两者的控制策略相同。不失一般性，这里以B侧为例，取K＝-1，T₁＝100，T₂＝100。

2)设置基于Laguerre模型的自适应预测控制器的参数。

控制器相关参数选取如下：Laguerre模型参数p＝0.28，N＝12，采样周期T＝4s，预测时域P＝173，控制时域M＝1，控制加权矩阵系数取r＝20，误差权系数q＝1，喷氨阀门开度约束[0,100]，阀门速率约束[-10,10]，NOx排放浓度的控制目标区间[90,92]mg/Nm³。

在每个控制周期重复以下步骤：

1)对当前时刻SCR脱硝系统的喷氨阀门开度和NOx排放浓度进行采样，然后将这些采样信息反馈给基于Laguerre模型的自适应预测控制器，所述预测控制器利用这些采样值更新Laguerre模型的状态，并利用递推最小二乘算法更新模型系数向量

2)计算预测控制所需矩阵S_f，F_a，F_b；

即得Y(k)＝F_aΦ(k)+F_bu(k-1)+S_fΔU_M(k) (4)

3)根据性能指标(5)求解最优控制量增量Δu(k)，并由式(6)得到即时控制量u(k)；

式中，B、d表示控制增量的约束矩阵，系统的输入输出约束均可转化成控制增量约束，用B、d表示；[y_min，y_max]为输出量NOx的控制区间。

u(k)＝u(k-1)+Δu(k) (6)

4)把u(k)输出用于控制喷氨阀门开度，然后返回1)，进入下一个控制周期。

图2和图3分别为NOx浓度控制曲线和喷氨阀门开度的变化曲线。由该仿真结果可以看出，最初NOx浓度大约在100mg/Nm³左右，利用所述预测控制方法能够快速有效地把NOx浓度控制到要求的目标区间[90,92]mg/Nm³以内，同时喷氨阀门的变化比较平稳，满足工程实际要求。

图3所示为B侧喷氨阀门开度随时间的变化曲线。最初阀门开度在15-25之间变化，随着时间变化，其逐渐维持在15-20以内。

Claims (5)

1.一种基于拉盖尔模型的脱硝系统自适应预测控制方法，其特征在于：包括以下步骤：

步骤1：设置Laguerre模型参数：阶数N，时间比例因子p，采样周期T以及模型系数向量的初始值；设脱硝系统由以下公式形式的Laguerre状态空间模型来描述：

<mrow> <mi>&amp;phi;</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>=</mo> <mover> <mi>A</mi> <mo>&amp;OverBar;</mo> </mover> <mi>&amp;phi;</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>+</mo> <mover> <mi>B</mi> <mo>&amp;OverBar;</mo> </mover> <mi>u</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> </mrow>

<mrow> <mi>y</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>=</mo> <mover> <mi>C</mi> <mo>&amp;OverBar;</mo> </mover> <mi>&amp;phi;</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> </mrow>

式中，φ(k)为Laguerre模型状态向量；y(k)为NOx浓度；u(k)为喷氨阀门开度；

步骤2：利用已知的输出以及状态变量的值，利用递推最小二乘算法辨识模型系数向量使模型具备自适应更新能力；

步骤3：在得到相应参数后，由式(1)计算预测控制所需矩阵S_f，F_a，F_b；

步骤4：根据性能指标(2)求解最优控制量增量Δu(k)，并由式(3)得到即时控制量u(k)；

<mrow> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <munder> <mrow> <mi>min</mi> <mi>J</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> </mrow> <mrow> <msub> <mi>&amp;Delta;U</mi> <mi>M</mi> </msub> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>,</mo> <msub> <mi>&amp;epsiv;</mi> <mi>P</mi> </msub> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> </mrow> </munder> <mo>=</mo> <mo>|</mo> <mo>|</mo> <msub> <mi>&amp;epsiv;</mi> <mi>P</mi> </msub> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>|</mo> <msubsup> <mo>|</mo> <mi>Q</mi> <mn>2</mn> </msubsup> <mo>+</mo> <mo>|</mo> <mo>|</mo> <msub> <mi>&amp;Delta;U</mi> <mi>M</mi> </msub> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>|</mo> <msubsup> <mo>|</mo> <mi>R</mi> <mn>2</mn> </msubsup> </mrow> </mtd> </mtr> <mtr> <mtd> <mtable> <mtr> <mtd> <mrow> <mi>s</mi> <mo>.</mo> <mi>t</mi> <mo>.</mo> </mrow> </mtd> <mtd> <mrow> <msub> <mi>B&amp;Delta;U</mi> <mi>M</mi> </msub> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>&amp;le;</mo> <mi>d</mi> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow></mrow> </mtd> <mtd> <mrow> <msub> <mi>y</mi> <mi>min</mi> </msub> <mo>-</mo> <msub> <mi>&amp;epsiv;</mi> <mi>P</mi> </msub> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>&amp;le;</mo> <mi>Y</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>&amp;le;</mo> <msub> <mi>y</mi> <mi>max</mi> </msub> <mo>+</mo> <msub> <mi>&amp;epsiv;</mi> <mi>P</mi> </msub> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow></mrow> </mtd> <mtd> <mrow> <msub> <mi>&amp;epsiv;</mi> <mi>P</mi> </msub> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>&amp;GreaterEqual;</mo> <mn>0</mn> </mrow> </mtd> </mtr> </mtable> </mtd> </mtr> </mtable> </mfenced> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> </mrow>

式中，B、d表示控制增量的约束矩阵，系统的输入输出约束均可转化成控制增量约束，用B、d表示；[y_min，y_max]为输出量NOx的控制区间；

u(k)＝u(k-1)+Δu(k) (3)

步骤5：将新的控制量作用到式(4)的Laguerre模型，更新当前状态，返回步骤2。

<mrow> <mtable> <mtr> <mtd> <mrow> <mi>&amp;Phi;</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>=</mo> <mover> <mi>A</mi> <mo>&amp;OverBar;</mo> </mover> <mi>&amp;Phi;</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>+</mo> <mover> <mi>B</mi> <mo>&amp;OverBar;</mo> </mover> <mi>u</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>y</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>=</mo> <mover> <mi>C</mi> <mo>&amp;OverBar;</mo> </mover> <mi>&amp;Phi;</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> </mtable> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>4</mn> <mo>)</mo> </mrow> </mrow>

2.如权利要求1所述的自适应预测控制方法，其特征在于：所述Laguerre模型参数p＝0.28—0.4，N＝10—15，采样周期T＝2s—4s。

3.如权利要求1所述的自适应预测控制方法，其特征在于：所述NOx的控制区间[y_min，y_max]为[90,92]mg/Nm³。

4.如权利要求1所述的自适应预测控制方法，其特征在于：在所述步骤1中，

<mrow> <mover> <mi>B</mi> <mo>&amp;OverBar;</mo> </mover> <mo>=</mo> <msup> <mrow> <mo>&amp;lsqb;</mo> <msub> <mi>&amp;alpha;</mi> <mn>4</mn> </msub> <mo>,</mo> <mrow> <mo>(</mo> <mo>-</mo> <msub> <mi>&amp;alpha;</mi> <mn>2</mn> </msub> <mo>/</mo> <mi>T</mi> <mo>)</mo> </mrow> <msub> <mi>&amp;alpha;</mi> <mn>4</mn> </msub> <mo>,</mo> <mo>...</mo> <mo>,</mo> <msup> <mrow> <mo>(</mo> <mo>-</mo> <msub> <mi>&amp;alpha;</mi> <mn>2</mn> </msub> <mo>/</mo> <mi>T</mi> <mo>)</mo> </mrow> <mrow> <mi>N</mi> <mo>-</mo> <mn>1</mn> </mrow> </msup> <msub> <mi>&amp;alpha;</mi> <mn>4</mn> </msub> <mo>&amp;rsqb;</mo> </mrow> <mi>T</mi> </msup> <mo>;</mo> </mrow>

α₁＝e^-pT，

<mrow> <mover> <mi>C</mi> <mo>&amp;OverBar;</mo> </mover> <mo>=</mo> <mo>&amp;lsqb;</mo> <mover> <msub> <mi>C</mi> <mn>1</mn> </msub> <mo>&amp;OverBar;</mo> </mover> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>,</mo> <msub> <mover> <mi>C</mi> <mo>&amp;OverBar;</mo> </mover> <mn>2</mn> </msub> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>,</mo> <msub> <mover> <mi>C</mi> <mo>&amp;OverBar;</mo> </mover> <mn>3</mn> </msub> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>,</mo> <mo>...</mo> <msub> <mover> <mi>C</mi> <mo>&amp;OverBar;</mo> </mover> <mi>N</mi> </msub> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> <mo>,</mo> </mrow>

其中，N为阶数，p为时间比例因子，T为采样周期，为离散化后的Laguerre系数向量。

5.如权利要求1所述的自适应预测控制方法，其特征在于：在所述步骤2中，采用以下公式实现对的在线修改：

<mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mover> <mover> <mi>C</mi> <mo>&amp;OverBar;</mo> </mover> <mo>^</mo> </mover> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>=</mo> <mover> <mover> <mi>C</mi> <mo>&amp;OverBar;</mo> </mover> <mo>^</mo> </mover> <mrow> <mo>(</mo> <mi>k</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>+</mo> <mi>K</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mrow> <mo>(</mo> <mi>y</mi> <mo>(</mo> <mi>k</mi> <mo>)</mo> <mo>-</mo> <mover> <mover> <mi>C</mi> <mo>&amp;OverBar;</mo> </mover> <mo>^</mo> </mover> <msup> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mi>T</mi> </msup> <mi>&amp;Phi;</mi> <mo>(</mo> <mrow> <mi>k</mi> <mo>-</mo> <mn>1</mn> </mrow> <mo>)</mo> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>K</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>=</mo> <mi>P</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> <mi>&amp;Phi;</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <msup> <mrow> <mo>&amp;lsqb;</mo> <msup> <mi>&amp;Phi;</mi> <mi>T</mi> </msup> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mi>P</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> <mi>&amp;Phi;</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>+</mo> <mi>&amp;mu;</mi> <mo>&amp;rsqb;</mo> </mrow> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </msup> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>P</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mn>1</mn> <mi>&amp;mu;</mi> </mfrac> <mo>&amp;lsqb;</mo> <mi>I</mi> <mo>-</mo> <mi>K</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <msup> <mi>&amp;Phi;</mi> <mi>T</mi> </msup> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> <mi>P</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> </mtable> </mfenced>