基于AGA-Smith预估补偿PID的脱硝系统控制_孟宏君.pdf

基金项目:国家自然科学青年基金(51605321);山西省自然科学基金(201701D221144)收稿日期:20210507修回日期:20210515第 40 卷第 2 期计算机仿真2023 年 2 月文章编号:10069348(2023)02009408基于 AGASmith 预估补偿 PID 的脱硝系统控制孟宏君1，王尚尚2，张凯奇1，李丽锋3(1 山西大学自动化与软件学院，山西 太原 030013;2 山西大学数学科学学院，山西 太原 030006;3 山西河坡发电有限责任公司，山西 阳泉 045011)摘要:为解决 SNC 脱硝系统模型精度不高及脱硝控制效果不佳的现状，采集现场运行数据并预处理，利用 IPSO 算法分别辨识出系统在典型工况 170MW 和 260MW 下尿素溶液流量到 NOx排放浓度过程的传递函数模型，辨识输出与原始输出的均方根误差值分别为 3.13102、7.11102。在电站现场原有单回路 PID 控制策略基础上，将 AGASmith 预估补偿控制策略引入。仿真结果表明，在两种典型工况下，AGASmith 预估补偿控制超调量更小，抵抗外来扰动的能力更强，且模型适配能力强于单回路 PID 控制，为电站现场 SNC 脱硝控制提供了良好的技术参考。关键词:脱硝;模型辨识;预估补偿中图分类号:TP391.9文献标识码:BDenitration System Control Based on AGASmithPredictive Compensation PIDMENG Hongjun1，WANG Shangshang2，ZHANG Kaiqi1，LI Lifeng3(1 College of Automation and Software，Shanxi University，Taiyuan Shanxi 030013，China;2 College of Mathematical Sciences，Shanxi University，Taiyuan Shanxi 030006，China;3 Shanxi Hepo Power Generation Co，Ltd，Yangquan Shanxi 045011，China)ABSTACT:In order to solve the current situation of poor model accuracy and denitrification control effect of SNCdenitrification system，field operation data were collected and preprocessed to identify the process transfer functionmodel from urea solution flow to NOxemission concentration under typical operating conditions of 170MW and260MW by IPSO algorithm，and the root mean square error between the identification output and the original outputare 3.13102and 7.11102，respectively Based on the original singleloop PID control strategy in the power plantsite，the AGASmith predictive compensation control was introduced The simulation results show that the AGASmith prediction compensation control has less overshoot and better resistance to external disturbances under the twotypical operating conditions，and the model adaptation capability is better than that of the singleloop PID control，which provides a good technical reference for the onsite SNC denitrification controlKEYWODS:Denitrification;Model identification;Estimated compensation1引言煤炭粗放的利用方式及火电机组装机容量不断增加使得火电厂机组产生一系列大气污染物。山西省于 2018 年 7月已将 NOx浓度排放上限值调整为 50mg/m3。循环流化床锅炉(CFB)因其 NOx生成率低、循环物料、分级清洁燃烧等优势脱颖而出，受到我国火电厂的广泛青睐。针对电站脱硝控制系统，国内外已有大量学者进行研究。文献 1 研究发现分离器是 SNC 脱硝反应的良好场所;文献 2 研究了使用氨或尿素作为脱硝反应的还原剂，脱硝效果明显;文献 4研究了 NOx脱除率随温度的变化关系;文献 5 基于实际的运行数据和最小二乘支持向量机算法，采用复相关系数的时滞估计方法在一定程度上提高脱硝系统的 NOx排放软测量精度;文献 6研究表明将还原剂喷49射点安置在分离器入口位置，脱硝效果明显;文献 7 研究了氧化钙对 NOx浓度的影响;文献 8 研究了不同的喷氨方式对脱硝效率的影响;文献 9将搭建的 SNC 脱硝系统神经网络模型应用到现场，实现了在线预测 NOx浓度;文献 10采用主导变量分析法确定模型参数，预测反应器入口 NOx浓度;文献 11 研究了影响 NOx生成量的因素，通过自回归移动平均模型完成 NOx浓度的预测;文献 12利用遗忘因子最小二乘法建立了从喷氨量到出口 NOx浓度的传递函数模型;文献 13 采用渐进辨识法构建了 SC 脱硝系统模型;文献 14 基于自然选择的差分进化法构建 SC 脱硝系统模型;文献 15 利用时间差分动态建模法降低脱硝系统模型的阶次;文献 16 采用复相关系数法，建立了带有纯迟延时间的脱硝系统模型;文献 17 利用变量相关度和最小二乘支持向量机建立了 SC 脱硝系统模型;文献 18将专家模糊控制应用到现场脱硝系统中;文献 19 将模型预测控制应用到现场脱硝系统中;文献 20 建立了多负荷段下的脱硝系统模型，设计了对应的切换条件;文献 21通过神经网络辨识出脱硝系统的模型，配合预测控制对喷氨量实现控制。上述文献对影响 NOx浓度和脱硝效率因素研究较多，构建脱硝系统模型及脱硝策略的研究应用较少，仍存在构建出的脱硝系统模型精度不高，改进的脱硝策略相比传统的控制策略，控制效果有改善但不明显的现状。基于此，本文综合分析了 NOx生成机理及影响 SNC 脱硝效率的因素，利用不同于传统 PSO 算法的 IPSO 算法对 SNC 脱硝控制系统在典型工况下的模型参数进行辨识优化，从而提高模型精度。在电站现场已有的单回路 PID 控制策略上，提出一种 AGASmith 预估补偿控制策略，并对两种控制策略效果仿真对比，最后进行模型鲁棒性验证，为电站现场脱硝控制提供技术参考。2NOx生成机理及 SNC 脱硝技术2.1NOx生成机理NOx包括 NO、N2O、NO2、NxOy等，对大气环境造成污染的主要指 NO、NO2，其中电站燃烧产生的 NO 占 90%以上。按照 NOx生成机理不同，NOx可分为燃料型 NOx、热力型NOx和快速型 NOx。CFB 机组产生的主要是燃料型 NOx，与燃料品种有关，NOx生成量随温度变化曲线如图 1 所示。图 1NOx生成量与温度2.2SNC 脱硝原理及脱硝效率因素分析2.2.1SNC 脱硝原理SNC 脱硝的核心是 NH3与 NOx的一系列化学反应过程。还原剂可选择尿素 CO(NH2)2或氨水 NH3H2O。利用 CO(NH2)2脱除 NOx的反应式为CO(NH2)2NH3+HNCOCO(NH2)2+H2O2NH3+CO24NH3+4NO+O24N2+6H2O4NH3+2NO2+O23N2+6H2O8NH3+6NO27N2+12H2O2HNCO+2NO+1/2O22N2+H2O+2N2(1)与此同时伴随着副反应的发生:4NH3+5O24NO+6H2O4NH3+3O22N2+6H2O(2)2.2.2SNC 脱硝效率影响因素影响 SNC 脱硝效率的主要因素有反应温度、反应时间、氨氮摩尔比、还原剂喷射区域等22。1)反应温度反应温度与 SNC 脱硝效率的关系如图 2 所示，最佳的温度区间在 850 1100。温度过高时，NH3发生氧化变为NO 和 NOx;温度过低时，反应时间变长。而旋风分离器内的温度介于 800900之间，恰好作为脱硝反应场所。图 2SNC 脱硝效率与反应温度2)反应时间反应时间与 SNC 脱硝效率的关系如图 3 所示，当还原剂参与反应时间0.6s，脱硝效率较佳。3)氨氮摩尔比 NS当还原剂为 CO(NH2)2时，理论氨氮摩尔比 NS 计算公式如式(3)所示NS=nNH3nNOX(3)式中，nNH3为 CO(NH2)2变换为 NH3的摩尔数;nNOx为在未投入 CO(NH2)2时，烟气中 NOx浓度转换为标准状态、干基、6%氧气下 NO2的摩尔数。氨氮摩尔比 NS 与 SNC 脱硝效率的关系如图 4 所示，59图 3SNC 脱硝效率与反应时间一般情况下，氨氮摩尔比取值大于理论氨氮摩尔比取值，取值在 13 之间。图 4SNC 脱硝效率与氨氮摩尔比4)还原剂喷射区域旋风分离器虽然可作为 SNC 脱硝系统的反应场所，但还原剂的喷射区域也会对脱硝效率产生影响。研究表明，当喷射区域位于旋风分离器的入口位置，垂直均匀布置时脱硝效率最高。2.3试验机组介绍试验机组为山西省某电站 2350MWCFB 机组的 1 号机组，该电站配套有超临界变压直流运行的东方锅炉、一次再热双缸排汽的上海电气汽轮发电机、三台旋风分离器，燃烧的煤种为无烟煤。该电站 SNC 脱硝系统的组成及作用如图 5 所示。图 5SNC 脱硝系统的组成及作用尿素与稀释系统、尿素溶液存储与输送系统都配套有搅拌器和加热装置，以防止由于环境温度过低造成尿素溶液出现结晶的现象。喷枪采用 316L 材质的墙式喷射器，分别布置在旋风分离器的入口烟道外侧三支、入口烟道顶端一支和出口烟道前墙一支，每台旋风分离器配置有五支喷枪，共 15支喷枪，可根据锅炉负荷、燃料量的变化、NOx浓度等进行控制。3粒子群算法与遗传算法3.1粒子群算法粒子群算法(Partical Swarm Optimization，PSO)最初于1995 年由 Eberhart 和 Kennedy 二人联想鸟群觅食行为共同提出，是一种全局寻优的智能仿生优化算法。该算法的核心思想由 m 个粒子组成的群体，在 N 维搜寻空间用粒子的位置信息 Xi、速度信息 Vi和适应度值 Qi，通过不断迭代更新，从而寻找到问题的最优解。基础粒子群算法的粒子位置和速度信息更新如式(4)、(5)、(6)所示Xbesti(t+t)=Xbesti(t)，Q Xi(t+t)QbestXi(t+t)，Q Xi(t+t)Qbest(4)Vij(t+t)=Vij(t)+C11 Xbesti Xij(t)+C22 Xbestgj Xij(t)(5)Xij(t+t)=Xij(t)+Vij(t+t)(6)式中，粒子最佳位置 Xbesti，最佳适应度值 Qbesti;群体最佳位置Xbestg，最佳适应度值 Qbestg;i=1，2，3，m，j=1，2，N;当前时刻 t，经过 t 时刻 t+t;认知因子 C1，社会因子 C2;1，2 0，1。在基础粒子群算法粒子速度信息基础上引入惯性权重，即改进的粒子群算法，如式(7)所示Vij(