CN108939890B - 一种基于仿人智能控制的scr烟气脱硝控制方法 - Google Patents

一种基于仿人智能控制的scr烟气脱硝控制方法 Download PDF

Info

Publication number
CN108939890B
CN108939890B CN201811092120.3A CN201811092120A CN108939890B CN 108939890 B CN108939890 B CN 108939890B CN 201811092120 A CN201811092120 A CN 201811092120A CN 108939890 B CN108939890 B CN 108939890B
Authority
CN
China
Prior art keywords
deviation
control
flue gas
opening
derivative
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201811092120.3A
Other languages
English (en)
Other versions
CN108939890A (zh
Inventor
高峥
吕剑虹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Original Assignee
Southeast University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Southeast University filed Critical Southeast University
Priority to CN201811092120.3A priority Critical patent/CN108939890B/zh
Publication of CN108939890A publication Critical patent/CN108939890A/zh
Application granted granted Critical
Publication of CN108939890B publication Critical patent/CN108939890B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D53/00—Separation of gases or vapours; Recovering vapours of volatile solvents from gases; Chemical or biological purification of waste gases, e.g. engine exhaust gases, smoke, fumes, flue gases, aerosols
    • B01D53/34—Chemical or biological purification of waste gases
    • B01D53/74—General processes for purification of waste gases; Apparatus or devices specially adapted therefor
    • B01D53/77—Liquid phase processes
    • B01D53/78—Liquid phase processes with gas-liquid contact
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D53/00—Separation of gases or vapours; Recovering vapours of volatile solvents from gases; Chemical or biological purification of waste gases, e.g. engine exhaust gases, smoke, fumes, flue gases, aerosols
    • B01D53/34—Chemical or biological purification of waste gases
    • B01D53/46—Removing components of defined structure
    • B01D53/54—Nitrogen compounds
    • B01D53/56—Nitrogen oxides
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D2258/00—Sources of waste gases
    • B01D2258/02—Other waste gases
    • B01D2258/0283—Flue gases

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Analytical Chemistry (AREA)
  • General Chemical & Material Sciences (AREA)
  • Oil, Petroleum & Natural Gas (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Treating Waste Gases (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明公开了一种基于仿人智能控制的SCR烟气脱硝控制方法，用于燃煤火电机组烟气脱硝的控制模块。所述方法根据SCR脱硝后烟气中NOx含量及其变化速率来确定喷氨量，其中由于采用了仿人智能控制技术，可根据运行人员的经验选择部分历史数据，合理整定控制器的特征模态和控制模态，具有智能性。本发明的优点在于不需要建立精确的数学模型，可结合实际运行经验和现场情况准确调整控制器各控制模态参数，能够有效克服被控对象的大延迟和时变性。

Description

一种基于仿人智能控制的SCR烟气脱硝控制方法
技术领域
本发明涉及热能系统自动控制领域，尤其涉及一种用于火电机组SCR脱硝优化控制方法。
背景技术
随着目前环境问题日益严重，国家对大气污染物排放的要求更加严格，对火电机组的环保考核标准也越来越高。国家环保部制定的《锅炉大气污染物排放标准》中对各地的新建机组要求NOx排放均低于200mg/m^3，部分地区要求低于50mg/m^3[1]。目前SCR脱销技术对降低烟气NOx含量十分显著，是应用最广对脱销技术之一。
但脱销过程中，氨气的流量是影响脱销效果的关键。目前对于氨气流量的控制主要用PID控制器。但由于机组在负荷改变时对象特性变化，导致PID控制器不能及时适应系统的变化，导致喷氨流量与烟气NOx含量不匹配，使控制效果变差。因此需要一种更加智能的控制方法。
参考文献
[1]尹晓菁.SCR烟气脱硝系统建模及优化控制[D].华北电力大学,2017.
发明内容
技术问题：本发明的目的是提出一种基于仿人智能控制的SCR烟气脱硝控制方法，该方法不需要对象的精确数学模型，易于在线实现，计算量小，控制效果好，在保证NOx浓度不超标的情况下减少了喷氨量，节约成本，且可投入自动控制。
技术方案：针对以上问题，本发明提出一种基于仿人智能控制的SCR烟气脱硝控制方法，该方法用于火电厂的SCR烟气脱硝，包括以下步骤：
步骤S1：按采样时间采集SCR出口和烟囱的NOx浓度，根据烟囱NOx浓度设定值计算偏差以及偏差变化率；
步骤S2：根据当前的偏差和偏差变化率大小从特征模态库中选择符合设定条件的特征状态；
步骤S3：由所述特征状态确定适合的控制模态，再代入当前的NOx浓度、与设定值的偏差和偏差变化率计算出喷氨阀门开度；
步骤S4：满足系统设定的速率约束条件和上下限约束条件后得到喷氨阀门开度指令。
其中：
步骤S1所述的偏差变化率包括偏差的一阶导数和二阶导数，其具体计算为：
Figure BDA0001804635300000021
式(1)中的ek为k次采样时的NOx浓度偏差即当前偏差，emax为最大偏差，
Figure BDA0001804635300000022
为第k次采样的归一化后的偏差，定义为当前偏差与历史最大偏差的比值，范围为0到1之间，当ek大于emax时更新emax，重新计算
Figure BDA0001804635300000023
Figure BDA0001804635300000024
为k次采样时的偏差的一阶导数，
Figure BDA0001804635300000025
为k次采样时的偏差的二阶导数，Ts为数据采样系统的采样时间。
步骤S2所述的特征模态库为
Figure BDA0001804635300000026
其中：
Figure BDA0001804635300000027
其中p1和p2为误差较大和较小的分界值，一般取0.8和0.4；将第k次采样计算数据包括：NOx浓度偏差ek、ek与emax的比值
Figure BDA0001804635300000028
NOx浓度偏差一阶导数
Figure BDA0001804635300000029
和二阶导数
Figure BDA00018046353000000210
代入q1…q5条件，由不同的条件组合确定控制器的特征模态。
步骤S3所述的控制模态ω＝[ω1 ω2 ω3 ω4 ω5 ω6]为：
Figure BDA0001804635300000031
其中Kp1～Kp6，Ki3～Ki6，Kd3～Kd6，Kdd4和Kdd6为控制模态参数，进行整定。
所述的整定过程如下：
(3)从运行历史数据中选择符合考核标准的且控制效果较好的喷氨阀门开度和NOx浓度及其与设定值的偏差作为学习样本；
(4)计算式(1)中的参数，将控制模态参数作为未知数，按式(3)中不同的控制模态分别利用最小二乘法对其中的控制模态参数进行辨识；
当由式(3)计算出喷氨阀门开度U后，检验阀门开度变化速率是否超上下限和开度大小是否超上下限，都不超过则输出喷氨阀门开度指令。
有益效果：本发明具有以下优点：
1、本发明不需要对象的精确数学模型，易于在线实现，计算量小，控制效果好，在保证NOx浓度不超标的情况下减少了喷氨量，节约成本，且可投入自动控制；
2、本发明利用仿人智能控制方法，采集SCR出口NOx浓度与设定值偏差以及偏差的变化率，根据历史数据学习得到控制模态参数，增强系统的鲁棒性和自适应能力，同时克服了负荷变化导致的对象特性变化使控制效果变差的问题。
附图说明
图1为本发明控制系统流程图。
具体实施方式
下面将结合附图对本发明的方法进行详细的描述。具体实施步骤如下：
步骤S1：按采样时间采集SCR出口和烟囱NOx浓度，根据烟囱的NOx浓度设定值计算偏差以及偏差变化率，计算包括：
Figure BDA0001804635300000041
式(1)中的ek为k次采样时的NOx浓度偏差即当前偏差，emax为最大偏差，
Figure BDA0001804635300000042
为第k次采样的归一化后的偏差，定义为当前偏差与历史最大偏差的比值，范围为0到1之间，当ek大于emax时更新emax，重新计算
Figure BDA0001804635300000043
Figure BDA0001804635300000044
为k次采样时的偏差的一阶导数，
Figure BDA0001804635300000045
为k次采样时的偏差的二阶导数，Ts为数据采样系统的采样时间,一般为5～10s。
步骤S2：根据当前的偏差和偏差变化率大小从特征模态库中选择符合条件的特征状态；特征模态库为
Figure BDA0001804635300000046
其中：
Figure BDA0001804635300000047
其中p1和p2为误差较大和较小的分界值，一般取0.8和0.4。将第k次采样计算数据包括：NOx浓度偏差ek、ek与emax的比值
Figure BDA0001804635300000048
NOx浓度偏差一阶导数
Figure BDA0001804635300000049
和二阶导数
Figure BDA00018046353000000410
代入q1…q5条件，由不同的条件组合确定控制器的特征模态。
步骤S3：由特征状态确定适合的控制模态，再代入当前的NOx浓度、偏差和偏差变化率计算出喷氨阀门开度，控制模态ω＝[ω1 ω2 ω3 ω4 ω5 ω6]为：
Figure BDA0001804635300000051
其中Kp1～Kp6，Ki3～Ki6，Kd3～Kd6，Kdd4和Kdd6为控制模态参数，其整定过程如下：
(1)从运行历史数据中选择符合考核标准的且控制效果较好的喷氨阀门开度和NOx浓度及其与设定值的偏差作为学习样本；
(2)计算式(1)中的参数，将控制模态参数作为未知数，按式(3)中不同的控制模态分别利用最小二乘法对其中的控制模态参数进行辨识；
步骤S4：当由式(3)计算出喷氨阀门开度U后，检验阀门开度变化速率是否超上下限和开度大小是否超上下限，都不超过则输出喷氨阀门开度指令。
实施例：
本方法应用于某350MW亚临界机组，分别在80MW负荷点、105MW负荷点和120MW负荷点进行控制性能的测试，喷氨阀门的变化速率上下限限制为ΔUmin＝-1.5％/s，ΔUmax＝1.5％/s，开度上下限为5％-90％，采样周期为5s。设定特征模态集值
Figure BDA0001804635300000052
控制模态集初值：
Figure BDA0001804635300000061
应用结果表明，在三个负荷点稳定时，烟囱NOx浓度与设定值的稳态偏差从应用前最大12.3mg/Nm3控制在5mg/Nm3以内；在负荷升高时，从80MW到105MW和从105MW到120MW，NOx动态偏差从应用前最大26.9mg/NM3控制在15mg/NM3以内，可以保证在负荷变化过程中满足环保考核的要求。证明本发明所述的方法可以有效克服火力发电机组SCR脱硝过程中对象变化引起控制效果变差的问题，并可得到更高的控制精度。
以上实施例仅用于更加清楚地说明本发明的产品,因此只是作为示例,而不能以此来限制本发明的保护范围。

Claims (2)

1.一种基于仿人智能控制的SCR烟气脱硝控制方法，其特征在于：该方法用于火电厂的SCR烟气脱硝，包括以下步骤：
步骤S1：按采样时间采集SCR出口和烟囱的NOx浓度，根据烟囱NOx浓度设定值计算偏差以及偏差变化率；
步骤S2：根据当前的偏差和偏差变化率大小从特征模态库中选择符合设定条件的特征状态；
步骤S3：由所述特征状态确定适合的控制模态，再代入当前的NOx浓度、与设定值的偏差和偏差变化率计算出喷氨阀门开度；
步骤S4：满足系统设定的速率约束条件和上下限约束条件后得到喷氨阀门开度指令；
其中，
步骤S1所述的偏差变化率包括偏差的一阶导数和二阶导数，其具体计算为：
Figure FDA0002923226440000011
式(1)中的ek为k次采样时的NOx浓度偏差即当前偏差，emax为最大偏差，
Figure FDA0002923226440000012
为第k次采样的归一化后的偏差，定义为当前偏差与历史最大偏差的比值，范围为0到1之间，当ek大于emax时更新emax，重新计算
Figure FDA0002923226440000013
Figure FDA0002923226440000014
为k次采样时的偏差的一阶导数，
Figure FDA0002923226440000015
为k次采样时的偏差的二阶导数，Ts为数据采样系统的采样时间；
步骤S2所述的特征模态库为
Figure FDA0002923226440000016
其中：
Figure FDA0002923226440000017
其中p1和p2为误差较大和较小的分界值，取0.8和0.4；将第k次采样时计算数据包括：ek、ek与emax的比值
Figure FDA0002923226440000018
NOx浓度偏差一阶导数
Figure FDA0002923226440000019
和二阶导数
Figure FDA00029232264400000110
代入q1～q5条件，由不同的条件组合确定控制器的特征模态；
步骤S3所述的控制模态ω＝[ω1ω2ω3ω4ω5ω6]为：
Figure FDA0002923226440000021
其中Kp1～Kp6，Ki3～Ki6，Kd3～Kd6，Kdd4和Kdd6为控制模态参数，进行整定。
2.根据权利要求1所述的基于仿人智能控制的SCR烟气脱硝控制方法，其特征在于：所述的整定过程如下：
从运行历史数据中选择符合考核标准的且控制效果较好的喷氨阀门开度和NOx浓度及其与设定值的偏差作为学习样本；
计算式(1)中的参数，将控制模态参数作为未知数，按式(3)中不同的控制模态分别利用最小二乘法对其中的控制模态参数进行辨识；
当由式(3)计算出喷氨阀门开度U后，检验阀门开度变化速率是否超上下限和开度大小是否超上下限，都不超过则输出喷氨阀门开度指令。
CN201811092120.3A 2018-09-19 2018-09-19 一种基于仿人智能控制的scr烟气脱硝控制方法 Active CN108939890B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811092120.3A CN108939890B (zh) 2018-09-19 2018-09-19 一种基于仿人智能控制的scr烟气脱硝控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811092120.3A CN108939890B (zh) 2018-09-19 2018-09-19 一种基于仿人智能控制的scr烟气脱硝控制方法

Publications (2)

Publication Number Publication Date
CN108939890A CN108939890A (zh) 2018-12-07
CN108939890B true CN108939890B (zh) 2021-04-06

Family

ID=64471216

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811092120.3A Active CN108939890B (zh) 2018-09-19 2018-09-19 一种基于仿人智能控制的scr烟气脱硝控制方法

Country Status (1)

Country Link
CN (1) CN108939890B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111365703A (zh) * 2020-03-23 2020-07-03 国电浙能宁东发电有限公司 一种基于仿人智能控制的再热汽温复合控制方法
CN111489605B (zh) * 2020-04-21 2021-01-26 大唐环境产业集团股份有限公司 基于Simulink与WinCC的喷氨优化控制仿真系统
CN113932060B (zh) * 2021-10-09 2024-06-07 宜昌南玻光电玻璃有限公司 一种精准调控超薄电子玻璃烟气中so2浓度的方法
CN114488777A (zh) * 2022-01-17 2022-05-13 国能神华九江发电有限责任公司 一种基于仿人智能控制的协调控制策略

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104826492B (zh) * 2015-04-23 2017-02-22 华北电力大学（保定） 一种选择性催化还原法烟气脱硝喷氨控制系统的改进方法
CN105629738B (zh) * 2016-03-24 2018-06-29 内蒙古瑞特优化科技股份有限公司 Scr烟气脱硝系统控制方法及设备
CN106599586B (zh) * 2016-12-19 2019-05-28 北京国能中电节能环保技术股份有限公司 基于神经网络的scr智能喷氨优化方法及装置

Also Published As

Publication number Publication date
CN108939890A (zh) 2018-12-07

Similar Documents

Publication Publication Date Title
CN108939890B (zh) 一种基于仿人智能控制的scr烟气脱硝控制方法
US11506138B2 (en) Engine system with inferential sensor
CN106647253B (zh) 航空发动机分布式控制系统多性能鲁棒跟踪控制方法
CN109190848B (zh) 一种基于时延预估的SCR系统NOx排放浓度预测方法
US6882929B2 (en) NOx emission-control system using a virtual sensor
EP3018541B1 (en) Configurable inferential sensor for vehicle control systems
CN114225662B (zh) 一种基于滞后模型的烟气脱硫脱硝优化控制方法
CN107387249B (zh) 一种用于大功率燃气发动机瞬态空燃比控制的方法
CN107272412A (zh) 一种暂冲式风洞流场控制的辩识方法
CN203396032U (zh) 基于模糊自适应pid的室温控制装置
CN109411027B (zh) 一种Urea-SCR控制参数离线标定系统及标定方法
CN104734588A (zh) 一种生物质气内燃发电机组转速控制方法
JP2017129120A (ja) 内燃機関の空気経路制御のための離散時間レートベースモデル予測制御方法
CN111443599A (zh) 优化pid参数的核电站汽轮机转速控制方法
CN106094526A (zh) 一种广义预测工程化应用于脱硝控制系统的方法
CN104712378A (zh) 火电机组主蒸汽压力闭环节能控制方法和系统
CN105276561A (zh) 一种锅炉主蒸汽压力的自适应预测控制方法
CN104153896A (zh) 一种用于发动机egr阀开度的控制系统及控制方法
CN104270046B (zh) 基于转速‑电流二维模糊模型自学习的电机控制方法
CN109597362B (zh) 燃料电池空气供给系统非线性控制器设计方法
Kim et al. Model predictive control of DOC temperature during DPF regeneration
CN107102555B (zh) 一种镇定一阶惯性加纯滞后系统的线性自抗扰控制器设计方法
Hirsch et al. Adapted D-optimal experimental design for transient emission models of diesel engines
CN108005805B (zh) 一种发动机负荷计算方法、发动机及汽车
Jin et al. Simplified multiple sliding mode transient control with VGT and EGR diesel engine

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant