CN113946175A - 两炉一烟囱脱硫智能控制系统 - Google Patents
两炉一烟囱脱硫智能控制系统 Download PDFInfo
- Publication number
- CN113946175A CN113946175A CN202111396533.2A CN202111396533A CN113946175A CN 113946175 A CN113946175 A CN 113946175A CN 202111396533 A CN202111396533 A CN 202111396533A CN 113946175 A CN113946175 A CN 113946175A
- Authority
- CN
- China
- Prior art keywords
- slurry
- absorption tower
- controller
- chimney
- regulating valve
- 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.)
- Pending
Links
- 238000006477 desulfuration reaction Methods 0.000 title claims abstract description 47
- 230000023556 desulfurization Effects 0.000 title claims abstract description 47
- 238000010521 absorption reaction Methods 0.000 claims abstract description 87
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims abstract description 32
- 239000003546 flue gas Substances 0.000 claims abstract description 32
- 235000019738 Limestone Nutrition 0.000 claims abstract description 21
- 230000008859 change Effects 0.000 claims abstract description 21
- 239000006028 limestone Substances 0.000 claims abstract description 21
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 claims abstract description 6
- 239000003245 coal Substances 0.000 claims abstract description 6
- 229910052717 sulfur Inorganic materials 0.000 claims abstract description 6
- 239000011593 sulfur Substances 0.000 claims abstract description 6
- 239000002002 slurry Substances 0.000 claims description 131
- 230000001105 regulatory effect Effects 0.000 claims description 49
- 238000005457 optimization Methods 0.000 claims description 26
- 238000004422 calculation algorithm Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000005259 measurement Methods 0.000 claims description 8
- 238000013461 design Methods 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 claims description 5
- 238000013519 translation Methods 0.000 claims description 4
- 239000002912 waste gas Substances 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 2
- 239000007788 liquid Substances 0.000 abstract description 7
- 238000000034 method Methods 0.000 description 41
- 230000008569 process Effects 0.000 description 25
- 238000010586 diagram Methods 0.000 description 6
- 238000011217 control strategy Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000004886 process control Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 239000006096 absorbing agent Substances 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D27/00—Simultaneous control of variables covered by two or more of main groups G05D1/00 - G05D25/00
- G05D27/02—Simultaneous control of variables covered by two or more of main groups G05D1/00 - G05D25/00 characterised by the use of electric means
-
- 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
- B01D53/346—Controlling the process
-
- 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
- B01D53/48—Sulfur compounds
- B01D53/50—Sulfur oxides
- B01D53/501—Sulfur oxides by treating the gases with a solution or a suspension of an alkali or earth-alkali or ammonium compound
-
- 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
- B01D53/80—Semi-solid phase processes, i.e. by using slurries
-
- 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)
- General Chemical & Material Sciences (AREA)
- Biomedical Technology (AREA)
- Analytical Chemistry (AREA)
- Health & Medical Sciences (AREA)
- Oil, Petroleum & Natural Gas (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Treating Waste Gases (AREA)
Abstract
本公开描述了一种两炉一烟囱脱硫智能控制系统，其包括第一吸收塔、第二吸收塔、烟囱、数据采集器、第一控制器、第二控制器、第一浆液调节阀以及第二浆液调节阀，第一吸收塔、第二吸收塔分别连接烟囱，第一吸收塔和第二吸收塔内的pH值随该系统内电力负荷、煤质硫份以及浆液浓度变化而变化，并使烟囱净烟气出口SO2的浓度也随之变化，通过第一控制器和第二控制器控制第一浆液调节阀以及第二浆液调节阀的开合进而实时调整第一吸收塔和第二吸收塔的石灰石浆液流量，以实现烟囱净烟气出口的SO2浓度控制。在这种情况下，能够实现烟囱出口净烟气SO2浓度闭环控制，进而保证脱硫控制品质。
Description
技术领域
本公开大体涉及一种两炉一烟囱脱硫智能控制系统。
背景技术
目前，国外已经开展了火电环保装置的优化控制研究。一些电厂从脱硫工艺优化、改善运行经济性和自动控制系统等方面着手试验和分析，取得了一些阶段性成果，并及时应用于运行实践，为脱硫装置的健康稳定运行、减少设备故障率发挥了积极作用。但是始终没有实现出口SO2浓度的闭环控制，控制策略仍然停留在PID(Proportional IntegralDerivative，比例积分微分)反馈控制理论上。
石灰石湿法脱硫吸收塔烟气反应是一个大滞后、慢动态的过程，同时脱硫系统又是个复杂控制系统，这对于常规PID控制策略带来很大的挑战。因此，为了优化该脱硫工艺过程的性能和运行参数，现在一般采用DCS(Distributed Control System，分布式控制系统)控制策略，该DCS控制策略的运行人员根据经验对烟气脱硫(FGD，Flue GasDesulphurization)的主要控制指标通过pH值设定值或者石灰石供浆变频器频率进行调节，进而控制出口SO2浓度。但是，当前控制回路pH值控制品质也不是很理想，运行人员常常会撤到手动控制。
上述问题针对的是单个吸收塔的控制。常规的一炉(一个吸收塔)一烟囱脱硫装置，要保证脱硫装置的精细化和经济运行，对电厂运行是一个很大的挑战。单个脱硫吸收塔其出口SO2浓度仍然采用开环控制，都是采用运行人员手动调节供浆量或者设置pH值的方式去控制净烟气SO2浓度，控制方式还是处于开环调节状态。在实际运行过程中，锅炉负荷、煤质中硫份、烟气温度、烟尘浓度、石灰石品质等是经常变化的，这给运行人员带来很大的操作负担。
发明内容
本公开是有鉴于上述现有技术的状况而提出的，其目的在于提出一种两炉一烟囱脱硫智能控制系统，能够实现烟囱出口净烟气SO2浓度闭环控制，进而保证脱硫控制品质，并能够减少人工成本。
为此，本公开提供一种两炉一烟囱脱硫指标智能控制系统，包括第一吸收塔、第二吸收塔、烟囱、数据采集器、第一控制器、第二控制器、第一浆液调节阀以及第二浆液调节阀，所述第一吸收塔和所述第二吸收塔分别连接烟囱，所述第一吸收塔、第二吸收塔、烟囱的输出端分别连接所述数据采集器，所述数据采集器的四路输出端分别连接所述第一控制器、第二控制器、第一浆液调节阀以及所述第二浆液调节阀，所述第一控制器、第二控制器、第一浆液调节阀以及所述第二浆液调节阀依次连接，所述第一吸收塔和第二吸收塔内的pH值随该系统内电力负荷、煤质硫份以及浆液浓度变化而变化，并使烟囱净烟气出口SO2的浓度也随之变化，通过所述第一控制器和所述第二控制器控制所述第一浆液调节阀以及所述第二浆液调节阀的开合进而实时调整第一吸收塔和第二吸收塔的石灰石浆液流量，以实现所述烟囱净烟气出口的SO2浓度控制。
在本公开中，通过所述第一控制器和所述第二控制器控制所述第一浆液调节阀以及所述第二浆液调节阀的开合进而实时调整第一吸收塔和第二吸收塔的石灰石浆液流量，以实现所述烟囱净烟气出口的SO2浓度控制。在这种情况下，能够实现烟囱出口净烟气SO2浓度闭环控制，进而保证脱硫控制品质。
另外，在本公开所涉及的两炉一烟囱脱硫智能控制系统中，可选地，还包括第一浆液循环泵以及第二浆液循环泵，所述第一浆液循环泵的输入端与所述第一浆液调节阀连接，所述第二浆液循环泵的输入端与所述第二浆液调节阀连接，所述第一浆液循环泵的输出端与所述第一吸收塔连接，所述第二浆液循环泵的输出端与所述第二吸收塔连接。由此，能够方便实现该智能控制系统的闭环控制。
另外，在本公开所涉及的两炉一烟囱脱硫智能控制系统中，可选地，第一控制器包括第一输入端、第一输出端、第一存储器和第一处理器，所述第一处理器被配置为通过第一输入端接收烟囱净烟气出口的SO2浓度，并根据所述第一存储器存储的基于GPC算法构建的pH优化设定值预测模型，计算得到pH优化设定值，通过所述第一控制器的所述第一输出端输出pH优化设定值。由此，能够方便得到pH优化设定值。
另外，在本公开所涉及的两炉一烟囱脱硫智能控制系统中，可选地，还包括内网服务器和边缘计算服务器，内网服务器与边缘计算服务器通信连接，烟囱出口SO2浓度可以传输至内网服务器中。在这种情况下，边缘服务器将相关计算数据传输至内网服务器中，并在内网服务器完成计算。
另外，在本公开所涉及的两炉一烟囱脱硫智能控制系统中，可选地，第二控制器包括第二输入端、第三输入端、第二输出端和第二处理器，所述第二处理器被配置为通过第二输入端接收第一吸收塔出口的实时pH值、通过所述第三输入端接收所述第一输出端输出的所述pH优化设定值，计算得到浆液流量优化设定值，通过第二输出端发送浆液流量优化设定值。由此，能够方便得到浆液流量优化设定值。
另外，在本公开所涉及的两炉一烟囱脱硫智能控制系统中，可选地，第一浆液调节阀包括第四输入端、第五输入端、第三输出端和第三处理器，所述第三处理器被配置为通过第四输入端接收所述第二浆液调节阀出口的浆液流量控制信号、通过所述第五输入端接收所述浆液流量优化设定值、通过所述第三输出端输出石灰石浆液流量控制信号；石灰石浆液流量控制信号用于调节所述第二浆液调节阀开合度，以使实时pH值达到pH优化设定值。由此，能够方便通过调节所述第二浆液调节阀开合度，以使实时pH值达到pH优化设定值。
另外，在本公开所涉及的两炉一烟囱脱硫智能控制系统中，可选地，通过第一控制器的第一输入端接收烟囱出口的净烟气SO2浓度、第二控制器的第二输入端接收第一吸收塔出口的实时pH值和第四输入端接收第二浆液调节阀出口的浆液流量控制信号，所述净烟气SO2浓度、实时pH值、浆液流量控制信号均通过数据采集器采集得到。由此，能够采集到净烟气SO2浓度、实时pH值、浆液流量控制信号。
另外，在本公开所涉及的两炉一烟囱脱硫智能控制系统中，可选地，还包括软测量分析器、区间控制指标器以及协同控制器，所述采集器、软测量分析器、区间控制指标器以及协同控制器依次连接，所述协同控制器的输出端分别与所述第一吸收塔和第二吸收塔连接。在这种情况下，采集器负责从现场控制系统获取工况参数、仪表数参数控制机构情况等关联数据，经由软测量分析器过滤训练处理，再通过区间控制指标器构建控制目标，将任务下发给协同控制器，进而输出不同的执行指令。
另外，在本公开所涉及的两炉一烟囱脱硫智能控制系统中，可选地，边缘计算服务器中构建有完成的pH优化设定值预测模型，pH优化设定值预测模型贯穿废气脱硫治理设施生产运行中，pH优化设定值预测模型为：
A(q-1)yt＝B(q-1)ut-d+ξt/Δ
其中，yt为出口SO2浓度；ut为pH优化设定值；d为最小纯时延步数；Δ为差分算子；q-1为向后一步平移因子；{ξt}为零均值方差有界不相关的随机噪声序列；ut-d为d时间前的pH。
另外，在本公开所涉及的两炉一烟囱脱硫智能控制系统中，可选地，将A(q-1)yt＝B(q-1)ut-d+ξt/Δ变形为下述增量模型：
A(q-1)Δyt＝B(q-1)Δut-d+ξt
其中，Δyt为SO2当前时刻的变化量，Δut-d为pH在d时刻的变化量。d为相对于SO2的延迟，d取决于所述第一吸收塔和第二吸收塔的设计。。由此，采用该增量模型，可增加该动态模型的计算速度，确保每时每刻优化控制。
在本公开中，通过所述第一控制器和所述第二控制器控制所述第一浆液调节阀以及所述第二浆液调节阀的开合进而实时调整第一吸收塔和第二吸收塔的石灰石浆液流量，以实现所述烟囱净烟气出口的SO2浓度控制。在这种情况下，能够实现烟囱出口净烟气SO2浓度闭环控制，进而保证脱硫控制品质。
附图说明
现在将仅通过参考附图的例子进一步详细地解释本公开的实施例，其中：
图1是示出了本公开的实施方式所涉及两炉一烟囱脱硫智能控制系统的一种示例的功能模块图。
图2是示出了本公开的实施方式所涉及两炉一烟囱脱硫智能控制系统的另一种示例的功能模块图。
图3是示出了本公开的实施方式所涉及的相关系数辨识法原理图。
图4是示出了本公开的实施方式所涉及的协同控制方法设计流程图。
符号说明：
1…数据采集器，2…软测量分析器，3…区间控制指标器，4…协同控制器，5…第一吸收塔，6…第二吸收塔，7…烟囱，11…第一控制器,12…第二控制器，13…第一浆液调节阀,14…第二浆液调节阀，15…第一浆液循环泵,16…第二浆液循环泵。
具体实施方式
以下，参考附图，详细地说明本公开的优选实施方式。在下面的说明中，对于相同的部件赋予相同的符号，省略重复的说明。另外，附图只是示意性的图，部件相互之间的尺寸的比例或者部件的形状等可以与实际的不同。
图1是示出了本公开的实施方式所涉及两炉一烟囱脱硫智能控制系统的一种示例的功能模块图。图2是示出了本公开的实施方式所涉及两炉一烟囱脱硫智能控制系统的另一种示例的功能模块图。图3是示出了本公开的实施方式所涉及的相关系数辨识法原理图。图4是示出了本公开的实施方式所涉及的协同控制方法设计流程图。
在本实施方式中，该两炉一烟囱脱硫智能控制系统包括第一吸收塔5、第二吸收塔6、烟囱7、第一控制器11、第二控制器12、第一浆液调节阀13以及第二浆液调节阀14。
在本实施方式中，第一吸收塔5和第二吸收塔6可以分别连接烟囱7，第一吸收塔5、第二吸收塔6、烟囱7的输出端可以分别连接数据采集器1，数据采集器1的四路输出端可以分别连接第一控制器11、第二控制器12、第一浆液调节阀13以及第二浆液调节阀14，第一控制器11、第二控制器12、第一浆液调节阀13以及第二浆液调节阀14依次连接，第一吸收塔5和第二吸收塔内6的pH值随该系统内电力负荷、煤质硫份以及浆液浓度变化而变化，并使烟囱7净烟气出口SO2的浓度也随之变化，通过第一控制器11和第二控制器11控制第一浆液调节阀13以及第二浆液调节阀14的开合进而实时调整第一吸收塔5和第二吸收塔6的石灰石浆液流量，以实现烟囱7净烟气出口的SO2浓度控制。
在本公开中，通过所述第一控制器11和所述第二控制器12控制第一浆液调节阀13以及第二浆液调节阀14的开合进而实时调整第一吸收塔5和第二吸收塔6的石灰石浆液流量，以实现烟囱7净烟气出口的SO2浓度控制。在这种情况下，能够实现烟囱7出口净烟气SO2浓度闭环控制，进而保证脱硫控制品质。
在一些示例中，智能控制系统还可以包括第一浆液循环泵15和第二浆液循环泵16，第一浆液循环泵15的输入端可以与第一浆液调节阀13连接，第二浆液循环泵16的输入端可以与第二浆液调节阀14连接，第一浆液循环泵15的输出端可以与第一吸收塔5连接，第二浆液循环泵16的输出端可以与第二吸收塔6连接。
具体地，第一吸收塔5和第二吸收塔6是FDG的核心部分，脱硫反应在其内进行。第一吸收塔5和第二吸收塔6内的pH值随电力负荷、煤质硫份以及浆液浓度变化明显，烟囱7净烟气出口SO2的浓度也随之变化。因此在工作状况变化时，需实时调整第一吸收塔5和第二吸收塔6的石灰石浆液流量，以实现烟囱净烟气出口SO2浓度控制。
由图1可知，该两炉一烟囱脱硫智能控制系统的控制模块包括第一控制器11、第二控制器12、第一浆液调节阀13以及第二浆液调节阀14。
第一控制器11可以包括第一输入端、第一输出端、第一存储器和第一处理器，第一处理器被配置为通过第一输入端接收烟囱7净烟气出口的SO2浓度，并根据第一存储器存储的基于GPC算法构建的pH优化设定值预测模型，计算得到pH优化设定值，通过第一控制器11的第一输出端发送pH优化设定值至第二控制器12。
具体到本实施例中，烟囱7出口SO2浓度可以传输至内网服务器中，内网服务器可以连接于边缘计算服务器中。其中，边缘计算服务器中已经有构建完成的pH优化设定值预测模型。pH优化设定值预测模型贯穿废气脱硫治理设施生产运行数据，其将历史运行数据进行分类，并整理成下述模型：
A(q-1)yt＝B(q-1)ut-d+ξt/Δ (1.16)
式中，yt为出口SO2浓度；ut为pH优化设定值；d为最小纯时延步数；Δ为差分算子；q-1为向后一步平移因子；{ξt}为零均值方差有界不相关的随机噪声序列；ut-d为d时间前的pH；
其中，在pH优化设定值预测模型中，采用历史数据分析，可以得到A和B确定的数值，A、B均为已知系数矩阵,于ARMA模型(Autoregressive moving average model，自回归滑动平均模型)在线辨识器获得；d、Δ和q-1这三项会根据其某一应用装置、通过历史数据分析，就可以获得具体的数值，但是一旦应用装置改变，d、Δ和q-1就会随之变化。其中，Δ和q-1的数值的于受控自回归积分滑动平均(CARIMA)模型获得d是pH对第一吸收塔5和第二吸收塔6出口SO2浓度的纯滞后时间，实际数据可以测试得到，即为pH值增加后需要等多长时间，SO2浓度才开始有变化，d的数值可根据采集信号得到。{ξt}是有关的无扰信号，通过云端的modelart从统计学的基础上进行了处理，这样就不会会影响到真实的优化结果。
在一些示例中，优选的，可以将式(1.16)变形为下述增量模型：
A(q-1)Δyt＝B(q-1)Δut-d+ξt (1.17)
式中，Δyt为SO2当前时刻的变化量，Δut-d为pH在d时刻的变化量。d为最小纯时延步数，在本实施例中为延迟时间，亦即相对于SO2的延迟，d取决于吸收塔的设计。如此采用该增量模型，可增加该动态模型的计算速度，确保每时每刻优化控制。边缘计算服务器可以将式(1.17)及相关数值均传输至内网服务器中，其计算可以于内网服务器中完成，计算完成后可以得到pH优化设定值，将其传输至第一浆液调节阀13。并将计算得到的pH优化设定值通过第一控制器11的第一输出端口传输至第二控制器12。
第二控制器12可以包括第二输入端、第三输入端、第二输出端和第二处理器，第二处理器可以被配置为通过第二输入端接收第一吸收塔5出口的实时pH值、通过第三输入端接收pH优化设定值，计算得到浆液流量优化设定值，通过第二输出端发送浆液流量优化设定值。该浆液流量优化设定值是通过浆液流量优化设定值预测模型，其亦为模型预测控制。该浆液流量优化设定值预测模型是基于PID算法构建的，与pH优化设定值预测模型类似，该浆液流量优化设定值预测模型存储于边缘计算服务器中，PID算法的具体计算可以于内网服务器中完成。PID算法为在过程控制中，按偏差的比例(P)、积分(I)和微分(D)进行控制的PID控制器(亦称PID调节器)，是应用最为广泛的一种自动控制器。
PID增量式算法如下：
△u(k)＝u(k)-u(k-1)
△u(k)＝Kp[e(k)-e(k-1)]+Kie(k)+Kd[e(k)-2e(k-1)+e(k-2)]
式中，△u(k)为浆液流量的变化量，e(k)为pH的变化量，k为当前时刻，u(k)为当前浆液流量，u(k-1)为前一时刻浆液流量，e(k-1)为前一时刻pH的变化量，e(k-2)为前两时刻pH的变化量，Kp为比例参数，Kie为积分参数，Kd为微分参数。由于PID算法为目前常用的算法，故此处不再赘述。计算完成后得到浆液流量优化设定值，将其传输至第一浆液调节阀13。具体地，第一浆液调节阀13可以将浆液流量信号和浆液流量优化设定值作为PID参数，采用PID控制技术控制第二浆液调节阀14，进而改变浆液流量的大小，使得第一吸收塔5内的pH值达到pH优化设定值。
第一浆液调节阀13可以包括第四输入端、第五输入端、第三输出端和第三处理器，第三处理器被配置为通过第四输入端接收第二浆液调节阀14出口的浆液流量控制信号、通过所述第五输入端接收所述浆液流量优化设定值，通过第三输出端输出石灰石浆液流量控制信号；石灰石浆液流量控制信号用于调节第二浆液调节阀14开合度，使得实时pH值达到pH优化设定值。
其中，在本实施方式中，通过第一控制器11的第一输入端接收烟囱7出口的净烟气SO2浓度、第二控制器12的第二输入端接收第一吸收塔5出口的实时pH值和第四输入端接收第二浆液调节阀14出口的浆液流量控制信号均通过数据采集器1采集得到。
该两炉一烟囱脱硫智能控制系统可以通过模型预测控制技术，考虑到第一吸收塔5的实时pH值和吸收塔1的出口SO2浓度的变化，通过变量最优控制方法实时优化石灰石浆液流量、第一吸收塔5的pH值，利用软件分析、计算和输出参数，最终提高FGD装置的控制品质。
本实施方式所涉及的两炉一烟囱脱硫指标智能控制系统1还可以包括采集器1、软测量分析器2、区间控制指标器3、协同控制器4等数据控制单元。采集器1可以负责从现场控制系统获取工况参数、仪表数参数控制机构情况等关联数据，并经由软测量分析器2过滤训练处理，再通过区间控制指标器3构建控制目标，将任务下发给协同控制器4，进而输出不同的执行指令。
以下，对本实施方式所涉及的算法进行描述。
GPC广义预测控制算法在吸收塔供浆控制中的应用：
在本实施方式中，可以选用GPC(Generalized Predictive Control，广义预测控制)技术来实现对吸收塔(第一包括吸收塔5和第二吸收塔6)pH值的闭环控制。因为脱硫吸收塔pH值的动态过程特性和GPC算法的优点相符合。脱硫吸收塔pH值的过程模型，在不同负荷段和不同气液比下模型的参数变化非常大，而且具有一定的不确定性。因此对于pH值的模型精度依赖不能太高，选用GPC技术是针对这一过程的最佳控制方案。GPC广义预测控制算法，对模型的精度要求不太高，而且具有良好的控制性能和鲁棒性，因此选择该算法来解决pH值的闭环控制问题，同时为脱硫率闭环提供了技术支撑。
对于广义预测控制来说，主要使用受控自回归积分滑动平均模型(ARMA)来构建：
A(q-1)yt＝B(q-1)ut-d+ξt/Δ (1.1)
为t时刻系统输出；
代表的是t时的控制量；
{ξt}代表的是零均值方差有界不相关的随机噪声序列；
d代表的是最小纯时延步数；
Δ代表的是差分算子，Δ＝1-q-1；
q-1代表的是向后一步平移因子。
将(1.1)式变形为增量模型：
A(q-1)Δyt＝B(q-1)Δut-d+ξt (1.2)
预测控制的一条基本方法是基于模型的预测，就是基于模型(或脉冲响应曲线、阶跃响应曲线)，利用当前及此前的系统输出值及控制量yt、yt-1、ut…来预测最小纯时延步数d时刻以后的输出量
(N为最大预测时域长度)，计算使预测输出与设定值轨迹的偏差最小的控制量来进行控制。为得到预测输出，考虑对(1.2)进行变换，得到
与t时刻之前控制量及输出量的关系式。
考虑存在等式：
1＝Ej(q-1)AΔ+q-jFj(q-1) (1.3)
其中
式Ej、Fj由A(q-1)及j唯一确定，式(1.3)即为DiopHantine方程，
(1.2)式两端同乘以Ejqj得
EjAΔyt+j＝EjBΔut+j-d+Ejξt+j (1.6)
由式(1.3)得：
EjAΔ＝1-q-jFj (1.7)
代入(1.6)
(1-q-jFj)yt+j＝EjBΔut+j-d+Ejξt+j (1.8)
＝GjΔut+j-d+Fjyt+Ejξt-j
其中：
Gj为nb+j-1阶多项式：
在表达式(1.8)中，右侧第三项和前面没有任何关联，前几项就是最优预测，它对yt+j的的最优预测有：
预测误差为：
由(1.7)得：
所以；
其中：
为系统(1.1)的阶跃响应。
相关系数法技术在模型辨识中的应用：
在工业应用中，最小二乘法是应用广泛的辨识方法，但是也存在难以确认对象时延、阶次的困难。而相关系数辨识法是一种简单适用的算法。相关系数辨识法的基本思想是：如果一个模型是对一个实际过程的比较好的描述，那么在相同的控制序列作用下，模型输出序列与实际过程输出序列的线性相关程度比较好，即比较接近1；而如果模型根本无法描述实际过程，那么在相同的控制序列作用下，模型输出序列与实际过程输出序列的线性相关程度应比较差，即比较接近0。相关系数辨识法的原理如图3所示。其中u(t)是实际系统的控制输入，y(t)是实际系统的输出。
ym(t)是同样的控制输入信号经数学模型的输出，由计算机仿真输出，称模型输出。从现场采集控制输入序列和过程输出序列，然后用控制输入序列激励模型，得到模型输出序列，计算过程输出序列与模型输出序列之间的相关系数。这样，一个模型便对应着一个相关系数，不同的模型对应着不同的相关系数。选择对应于相关系数最大值的那个模型作为实际过程的模型。
如上所述，我们列举了过程控制领域中常见的模型，显然，采用相关系数法辨识首先需要确定过程的模型结构，一旦模型确定，建模的过程就转化为寻找与实际对象具有最大子相关系数的模型参数的过程。具体的建模过程如下所述：
(1)估计对象在工作点上的增益。通过相关系数无法确定对象增益，这是由相关系数本身所决定的，仅仅增益不同的两个过程的相关系数β＝1。因此必须通过估算得出对象增益，比较简单的方法是用直流增益代替工作点上的增益：
这种方法的本质是用
代替
因此不可避免带来一定的误差，特别对于非线性、扰动比较严重的过程更是如此，但对大多数过程，这种近似是可以容忍的。
(2)选择模型类型，即确定模型结构。
(3)确定模型参数。模型类型确定后，不同的模型参数对应不同的子样相关系数，以一阶惯性带纯滞后模型为例：
子样相关系数γ是τ和T的函数，即：
模型参数依下述目标函数确定：
采用人机交互式图形界面由用户确定使γ达到最大值的模型参数，此时实际过程输出y(t)与模型输出ym(t)具有很好的线性相关程度。
(4)检验模型与过程的拟合程度，如果偏离较远，则需考虑更换模型类型。
(5)如果各种过程模型都无法很好与实际过程拟合，则需要考虑所采集的数据是否包含了对象足够多的信息。
本实施方式中协同控制器设计应用：
利用协同控制理论推导出两台机组各自吸收塔的协同控制规律，并对烟囱出口SO2浓度进行稳定性分析，得出协同控制规律下的稳定条件，然后进行建模仿真，再利用粒子群(PSO)算法分别对设计好的协同控制器和控制器进行参数优选。协同控制方法设计流程图如图4所示。
通过选取有系统模型的状态参量所组成的被控系统的宏变量，被设计出的协同控制器整体上具有以下三种特性：
(1)被控系统在整体上保持稳定；
(2)系统的设计参数的变化对系统影响不强，即系统具有强鲁棒性；
(3)能抑制系统波动，保证系统运行的平稳性。
本实施例贯穿废气脱硫治理设施生产运行数据，并根据此建立了pH优化设定值预测模型，通过对该动态模型对pH优化设定值和浆液流量优化设定值进行每时每刻的优化控制，能够实现pH值的自动调控，解决了现有技术中运行人员根据经验对pH值设定值或者石灰石供浆变频器频率进行调节的问题，以及pH值控制过程大滞后、慢动态的问题，提高了pH值控制品质；此外，还可实现了烟囱7出口净烟气SO2浓度闭环控制，进而保证脱硫控制品质。一方面可以大幅减轻运行人员的操作强度；另一方面可以在达到环保排放要求的基础上实现脱硫系统运行成本最优，实现节能降耗，为脱硫装置的长久经济运行提供了可靠的保障。
虽然以上结合附图和实施例对本公开进行了具体说明，但是可以理解，上述说明不以任何形式限制本公开。本领域技术人员在不偏离本公开的实质精神和范围的情况下可以根据需要对本公开进行变形和变化，这些变形和变化均落入本公开的范围内。
Claims (10)
1.一种两炉一烟囱脱硫智能控制系统，其特征在于，包括第一吸收塔、第二吸收塔、烟囱、数据采集器、第一控制器、第二控制器、第一浆液调节阀以及第二浆液调节阀，所述第一吸收塔和所述第二吸收塔分别连接烟囱，所述第一吸收塔、第二吸收塔、烟囱的输出端分别连接所述数据采集器，所述数据采集器的四路输出端分别连接所述第一控制器、第二控制器、第一浆液调节阀以及所述第二浆液调节阀，所述第一控制器、第二控制器、第一浆液调节阀以及所述第二浆液调节阀依次连接，所述第一吸收塔和第二吸收塔内的pH值随该系统内电力负荷、煤质硫份以及浆液浓度变化而变化，并使烟囱净烟气出口SO2的浓度也随之变化，通过所述第一控制器和所述第二控制器控制所述第一浆液调节阀以及所述第二浆液调节阀的开合进而实时调整第一吸收塔和第二吸收塔的石灰石浆液流量，以实现所述烟囱净烟气出口的SO2浓度控制。
2.如权利要求1所述的智能控制系统，其特征在于，
还包括第一浆液循环泵以及第二浆液循环泵，所述第一浆液循环泵的输入端与所述第一浆液调节阀连接，所述第二浆液循环泵的输入端与所述第二浆液调节阀连接，所述第一浆液循环泵的输出端与所述第一吸收塔连接，所述第二浆液循环泵的输出端与所述第二吸收塔连接。
3.如权利要求1所述的智能控制系统，其特征在于，
第一控制器包括第一输入端、第一输出端、第一存储器和第一处理器，所述第一处理器被配置为通过第一输入端接收烟囱净烟气出口的SO2浓度，并根据所述第一存储器存储的基于GPC算法构建的pH优化设定值预测模型，计算得到pH优化设定值，通过所述第一控制器的所述第一输出端输出pH优化设定值。
4.如权利要求3所述的智能控制系统，其特征在于，
还包括内网服务器和边缘计算服务器，内网服务器与边缘计算服务器通信连接，烟囱出口SO2浓度可以传输至内网服务器中。
5.如权利要求3所述的智能控制系统，其特征在于，
第二控制器包括第二输入端、第三输入端、第二输出端和第二处理器，所述第二处理器被配置为通过第二输入端接收第一吸收塔出口的实时pH值、通过所述第三输入端接收所述第一输出端输出的所述pH优化设定值，计算得到浆液流量优化设定值，通过第二输出端发送浆液流量优化设定值。
6.如权利要求5所述的智能控制系统，其特征在于，
第一浆液调节阀包括第四输入端、第五输入端、第三输出端和第三处理器，所述第三处理器被配置为通过第四输入端接收所述第二浆液调节阀出口的浆液流量控制信号、通过所述第五输入端接收所述浆液流量优化设定值、通过所述第三输出端输出石灰石浆液流量控制信号；石灰石浆液流量控制信号用于调节所述第二浆液调节阀开合度，以使实时pH值达到pH优化设定值。
7.如权利要求1所述的智能控制系统，其特征在于，
通过第一控制器的第一输入端接收烟囱出口的净烟气SO2浓度、第二控制器的第二输入端接收第一吸收塔出口的实时pH值和第四输入端接收第二浆液调节阀出口的浆液流量控制信号，所述净烟气SO2浓度、实时pH值、浆液流量控制信号均通过数据采集器采集得到。
8.如权利要求1所述的智能控制系统，其特征在于，
还包括软测量分析器、区间控制指标器以及协同控制器，所述采集器、软测量分析器、区间控制指标器以及协同控制器依次连接，所述协同控制器的输出端分别与所述第一吸收塔和第二吸收塔连接。
9.如权利要求4所述的智能控制系统，其特征在于，
边缘计算服务器中构建有完成的pH优化设定值预测模型，pH优化设定值预测模型贯穿废气脱硫治理设施生产运行中，pH优化设定值预测模型为：
A(q-1)yt＝B(q-1)ut-d+ξt/Δ
其中，yt为出口SO2浓度；ut为pH优化设定值；d为最小纯时延步数；Δ为差分算子；q-1为向后一步平移因子；{ξt}为零均值方差有界不相关的随机噪声序列；ut-d为d时间前的pH。
10.如权利要求9所述的智能控制系统，其特征在于，
将A(q-1)yt＝B(q-1)ut-d+ξt/Δ变形为下述增量模型：
A(q-1)Δyt＝B(q-1)Δut-d+ξt
其中，Δyt为SO2当前时刻的变化量，Δut-d为pH在d时刻的变化量。d为相对于SO2的延迟，d取决于所述第一吸收塔和第二吸收塔的设计。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111342754 | 2021-11-12 | ||
| CN2021113427541 | 2021-11-12 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113946175A true CN113946175A (zh) | 2022-01-18 |
Family
ID=79338648
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111396533.2A Pending CN113946175A (zh) | 2021-11-12 | 2021-11-23 | 两炉一烟囱脱硫智能控制系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113946175A (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101219789B1 (ko) * | 2012-10-05 | 2013-01-09 | (주)대우건설 | 다단 수직형 연속 이산화탄소 제거 장치 및 방법 |
| CN204193778U (zh) * | 2014-10-17 | 2015-03-11 | 河北大唐国际王滩发电有限责任公司 | 一种双吸收塔串联烟气脱硫装置 |
| CN106039974A (zh) * | 2016-07-07 | 2016-10-26 | 江苏峰业科技环保集团股份有限公司 | 一种双塔双区脱硫装置 |
| CN106693612A (zh) * | 2016-11-30 | 2017-05-24 | 福建龙净环保股份有限公司 | 一种用于双塔双循环脱硫的浆液喷淋系统 |
| CN206435044U (zh) * | 2016-12-17 | 2017-08-25 | 长安石门发电有限公司 | 一种脱硫供浆控制系统 |
| CN209108932U (zh) * | 2018-09-27 | 2019-07-16 | 北京国电龙源环保工程有限公司 | 烟气脱硫系统的浆液脱水装置 |
| CN112044243A (zh) * | 2020-08-05 | 2020-12-08 | 华能国际电力股份有限公司上安电厂 | 火电机组脱硫装置排放指标自动控制系统及方法 |
| CN213160199U (zh) * | 2020-08-06 | 2021-05-11 | 湛江电力有限公司 | 一种闭环控制的脱硫系统 |
| CN216772212U (zh) * | 2021-11-12 | 2022-06-17 | 国能(惠州)热电有限责任公司 | 两炉一烟囱脱硫智能控制系统 |
-
2021
- 2021-11-23 CN CN202111396533.2A patent/CN113946175A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101219789B1 (ko) * | 2012-10-05 | 2013-01-09 | (주)대우건설 | 다단 수직형 연속 이산화탄소 제거 장치 및 방법 |
| CN204193778U (zh) * | 2014-10-17 | 2015-03-11 | 河北大唐国际王滩发电有限责任公司 | 一种双吸收塔串联烟气脱硫装置 |
| CN106039974A (zh) * | 2016-07-07 | 2016-10-26 | 江苏峰业科技环保集团股份有限公司 | 一种双塔双区脱硫装置 |
| CN106693612A (zh) * | 2016-11-30 | 2017-05-24 | 福建龙净环保股份有限公司 | 一种用于双塔双循环脱硫的浆液喷淋系统 |
| CN206435044U (zh) * | 2016-12-17 | 2017-08-25 | 长安石门发电有限公司 | 一种脱硫供浆控制系统 |
| CN209108932U (zh) * | 2018-09-27 | 2019-07-16 | 北京国电龙源环保工程有限公司 | 烟气脱硫系统的浆液脱水装置 |
| CN112044243A (zh) * | 2020-08-05 | 2020-12-08 | 华能国际电力股份有限公司上安电厂 | 火电机组脱硫装置排放指标自动控制系统及方法 |
| CN213160199U (zh) * | 2020-08-06 | 2021-05-11 | 湛江电力有限公司 | 一种闭环控制的脱硫系统 |
| CN216772212U (zh) * | 2021-11-12 | 2022-06-17 | 国能(惠州)热电有限责任公司 | 两炉一烟囱脱硫智能控制系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113433911B (zh) | 基于浓度精准预测的脱硝装置喷氨精准控制系统与方法 | |
| CN102841539B (zh) | 基于多模型预测控制的亚临界协调控制方法 | |
| CN112580250A (zh) | 基于深度学习的火电机组脱硝系统及优化控制方法 | |
| CN112967760B (zh) | 基于脱硫系统入口二氧化硫含量的石灰石浆液量预估方法 | |
| CN109190848A (zh) | 一种基于时延预估的SCR系统NOx排放浓度预测方法 | |
| CN112742187A (zh) | 一种脱硫系统中pH值的控制方法及装置 | |
| CN109224815A (zh) | 一种基于多变量约束区间预测控制的氨法脱硫优化控制方法 | |
| CN105786035A (zh) | 基于试探式预测控制技术的火电机组scr脱硝优化控制系统 | |
| CN105240846B (zh) | 多变量广义预测控制优化的循环流化床锅炉燃烧过程控制方法 | |
| CN101709863B (zh) | 燃煤锅炉炉膛压力系统混合控制方法 | |
| CN216772212U (zh) | 两炉一烟囱脱硫智能控制系统 | |
| CN110673482B (zh) | 一种基于神经网络预测的电站燃煤锅炉智能控制方法和系统 | |
| CN107561944A (zh) | 一种基于拉盖尔模型的脱硝系统自适应预测控制方法 | |
| CN113946175A (zh) | 两炉一烟囱脱硫智能控制系统 | |
| CN113094992A (zh) | 基于神经网络判别的脱硫塔优化方法 | |
| Engin et al. | Auto-tuning of PID parameters with programmable logic controller | |
| Vansovits et al. | Identification of industrial water boiler for model predictive control of district heat plant | |
| CN113204189B (zh) | 脱硫系统控制模型、其建立方法和脱硫系统控制方法 | |
| CN116047897A (zh) | 一种基于参数自适应抗扰控制器的燃气轮机预测控制方法 | |
| CN116428879A (zh) | 用于加热炉燃烧优化的控制方法及系统 | |
| CN113608443A (zh) | 基于增强pi控制的污水处理控制方法 | |
| CN114967780B (zh) | 一种基于预测控制的脱硫系统pH值控制方法及系统 | |
| CN111663032B (zh) | 一种非晶铁芯退火炉自抗扰温度控制方法 | |
| CN113485106B (zh) | 一种火电厂氮氧化物浓度的控制方法 | |
| Singh | Design and Implementation of Intelligent Control Schemes for pH Neutralization Process |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20220211 Address after: 516000 No. 8, Binhai 12th Road, petrochemical Avenue, Xiayong Town, Dayawan District, Huizhou, Guangdong Applicant after: Guoneng (Huizhou) Thermal Power Co.,Ltd. Address before: 516000 No. 8, Binhai 12th Road, petrochemical Avenue, Xiayong Town, Dayawan District, Huizhou, Guangdong Applicant before: Huizhou thermal power branch of China Shenhua Energy Co.,Ltd. |