白建云 ,雷秀軍 ,斛亞旭 ,侯鵬飛 ,賈新春

(1.山西大學(xué)自動(dòng)化系，山西 太原 030013；2.山西大學(xué)數(shù)學(xué)科學(xué)院，山西 太原 030006)

0 引言

近幾年，隨著我國(guó)對(duì)環(huán)境的要求越來(lái)越嚴(yán)格，對(duì)于火電廠中的SOX、NOX以及煙塵也有了更加嚴(yán)格的要求。而與其他鍋爐相比，循環(huán)流化床(circulated fluidized bed，CFB)鍋爐在燃燒過(guò)程中產(chǎn)生的NOX相對(duì)較少，這對(duì)脫硝工作非常有利。CFB鍋爐一般采用選擇性非催化還原(selective non-catalytic reduction，SNCR)煙氣脫硝技術(shù)，使煙氣排放達(dá)到國(guó)家標(biāo)準(zhǔn)。

在SNCR脫硝過(guò)程中，選擇一個(gè)相對(duì)精確的模型有利于有效地控制出口NOX濃度，同時(shí)可以節(jié)約尿素使用量和減少氨逃逸。鐘祎勍等[1]通過(guò)分析SNCR脫硝控制系統(tǒng)的動(dòng)態(tài)特性，對(duì)其建立高精度的最簡(jiǎn)控制模型。白建云等[2]利用BP神經(jīng)網(wǎng)絡(luò)建立NOX生成質(zhì)量濃度預(yù)測(cè)模型，實(shí)現(xiàn)了NOX生成質(zhì)量濃度的軟測(cè)量，并應(yīng)用于實(shí)際發(fā)電過(guò)程系統(tǒng)。朱竹軍等[3]設(shè)計(jì)了一種基于專家模糊的SNCR脫硝系統(tǒng)自動(dòng)控制策略，解決了SNCR脫硝系統(tǒng)長(zhǎng)期以來(lái)不能100%實(shí)現(xiàn)NOX自動(dòng)控制的問(wèn)題。秦天牧等[4]利用多尺度核偏最小二乘(multi-scale kernel partial least squares，MKPLS)方法，建立了選擇性催化還原(selective catalytic reduction，SCR)系統(tǒng)模型。方賢等[5]通過(guò)采用粒子群算法，對(duì)TWSVM的核參數(shù)和懲罰因子經(jīng)行尋優(yōu)，并建立SCR脫硝效率預(yù)測(cè)PSO-TWSVM。以上都是對(duì)生成的NOX進(jìn)行預(yù)測(cè)和軟測(cè)量，或者對(duì)SCR脫硝系統(tǒng)進(jìn)行最簡(jiǎn)建模，然而對(duì)于SNCR脫硝系統(tǒng)建模的研究卻很少。

系統(tǒng)建模方法兩種方法，分別為機(jī)理建模和試驗(yàn)建模。其中：試驗(yàn)建?？梢栽诓磺宄到y(tǒng)內(nèi)部結(jié)構(gòu)的前提下，根據(jù)系統(tǒng)的輸入輸出數(shù)據(jù)來(lái)建立系統(tǒng)的模型[6]。循環(huán)流化床SNCR脫硝系統(tǒng)是一個(gè)大慣性、大遲延、非線性的對(duì)象，其內(nèi)部結(jié)構(gòu)通常無(wú)法獲得。因此，本文利用粒子群算法對(duì)SNCR脫硝系統(tǒng)進(jìn)行試驗(yàn)建模。該方法可同時(shí)辨識(shí)出SNCR脫硝系統(tǒng)的遲延。采用實(shí)際運(yùn)行數(shù)據(jù)進(jìn)行模型驗(yàn)證，結(jié)果證明了所建模型的有效性。

1 SNCR脫硝系統(tǒng)的模型選擇

1.1 SNCR脫硝系統(tǒng)簡(jiǎn)介

循環(huán)流化床SNCR脫硝工藝流程如圖1所示。

圖1 循環(huán)流化床SNCR脫硝工藝流程圖

某電廠采用尿素作為還原劑，利用尿素泵將儲(chǔ)存罐中的40%尿素溶液輸送到系統(tǒng)管道中，再經(jīng)過(guò)流量調(diào)節(jié)閥控制噴入旋風(fēng)分離器前煙道內(nèi)的尿素流量，進(jìn)而控制生成NOX的濃度。其中安裝的噴槍共21只。

循環(huán)流化床鍋爐SNCR脫硝系統(tǒng)的反應(yīng)器為旋風(fēng)分離器。旋風(fēng)分離器溫度為800～1 100 ℃，恰好是發(fā)生化學(xué)反應(yīng)的在最佳溫度，因此不需要催化劑。還原劑經(jīng)過(guò)噴槍和管道后進(jìn)入分離器前部煙道與NOX進(jìn)行反應(yīng)，在反應(yīng)器內(nèi)熱解成為NH3與煙氣中的NOX進(jìn)行脫硝反應(yīng)生成N2。某電廠運(yùn)用尿素溶液作為還原劑，在酸性條件下與NOX發(fā)生還原反應(yīng)，最終產(chǎn)物為N2、CO2、和H20，不會(huì)造成二次污染。以尿素為還原劑來(lái)脫除NOX的主要化學(xué)反應(yīng)如下：

6NO2+4CO(NH2)2→7N2↑+4CO2↑+8H2O

6NO+2CO(NH2)2→5N2↑+2CO2↑+4H2O

NO+NO2→N2O3

N2O3+H2O→2HNO2

2HNO2+CO(NH2)2→2N2↑+CO2↑+3H2O

1.2 模型的選擇

目前，循環(huán)流化床SNCR脫硝控制系統(tǒng)中，主要通過(guò)控制尿素溶液或氨水流量閥門來(lái)控制噴入催化劑的量，進(jìn)而在分離器內(nèi)進(jìn)行脫硝。這一過(guò)程可以分為兩類模型，第一類是尿素流量閥門開(kāi)度到尿素流量的模型，第二類是尿素流量到煙囪出口NOX濃度的模型。本文主要采用帶有自適應(yīng)權(quán)重的粒子群建模方法建立第二類模型[6-7]。

循環(huán)流化床機(jī)組SNCR脫硝系統(tǒng)NOX排放濃度受總煤量、尿素流量、總風(fēng)量、旋風(fēng)分離器入口的溫度、機(jī)組負(fù)荷、稀釋水的流量等一系列因素的影響。當(dāng)機(jī)組處于穩(wěn)定負(fù)荷工況運(yùn)行時(shí)，總煤量、總風(fēng)量以及旋風(fēng)分離器入口溫度基本保持不變，且保持尿素溶液濃度為40%。因此，煙囪出口排放的NOX濃度主要由尿素溶液流量決定。

在數(shù)據(jù)采集之前，要選擇采樣周期。采樣周期的選擇取決于被辨識(shí)對(duì)象的主要頻帶中的最高頻率，但是在辨識(shí)前估計(jì)最高頻率是非常困難的。采用前人經(jīng)驗(yàn)獲得采樣周期為12 s。通過(guò)從現(xiàn)場(chǎng)分散控制系統(tǒng)(distributed control system,DCS)系統(tǒng)每隔12 s采集一次數(shù)據(jù)，現(xiàn)場(chǎng)采集的數(shù)據(jù)由于各種原因不可避免地帶有誤差，所以需要剔除異常值，進(jìn)行濾波處理后選取有效的具有代表性的數(shù)據(jù)[10,12]。

傳遞函數(shù)模型的表達(dá)，是任何一個(gè)系統(tǒng)處于某個(gè)平衡點(diǎn)時(shí)，輸出的增量與輸入的增量之間的函數(shù)表達(dá)，即系統(tǒng)在平衡狀態(tài)時(shí)，系統(tǒng)的輸入輸出以及它們的各階導(dǎo)數(shù)也為零，它們的各階導(dǎo)數(shù)也為零。因此,需要對(duì)原始的開(kāi)環(huán)數(shù)據(jù)進(jìn)行零初始值處理。原始數(shù)據(jù)的輸入輸出分別為u(k)和y(k)，經(jīng)過(guò)零初始值后的數(shù)據(jù)為:

(1)

式中：N為零初始值點(diǎn)數(shù)據(jù)個(gè)數(shù)。

經(jīng)過(guò)采集數(shù)據(jù)以及數(shù)據(jù)的預(yù)處理后，建立以40%尿素溶液流量為輸入，從而生成NOX濃度為輸出的模型。以試驗(yàn)機(jī)組為例，選擇140 MW、170 MW、200 MW三個(gè)典型工況，進(jìn)行尿素溶液流量與NOX排放濃度之間的模型辨識(shí)。

在實(shí)際應(yīng)用過(guò)程中，通常用一階慣性時(shí)滯系統(tǒng)或者二階慣性時(shí)滯系統(tǒng)就可以描述被控過(guò)程特性。但是經(jīng)過(guò)對(duì)循環(huán)流化床SNCR脫硝系統(tǒng)工藝流程進(jìn)行分析，以及查閱參考張志超等人對(duì)SCR脫硝系統(tǒng)建立的模型后，得出循環(huán)流化床SNCR脫硝系統(tǒng)具有大遲延、大慣性、非線性強(qiáng)等特點(diǎn)[6]。本次尿素溶液流量到生成NOX濃度的模型采用帶有純遲延的四階慣性環(huán)節(jié)作為系統(tǒng)待定模型的傳遞函數(shù)，具體形式為：

(2)

式中：K為系統(tǒng)開(kāi)環(huán)增益；T為慣性時(shí)間；τ為純遲延時(shí)間；n為系統(tǒng)階數(shù)

本文通過(guò)自適應(yīng)權(quán)重粒子群算法對(duì)傳遞函數(shù)的四個(gè)參數(shù)進(jìn)行辨識(shí)，從而得到SNCR脫硝系統(tǒng)模型。

2 基于自適應(yīng)權(quán)重PSO算法的模型辨識(shí)

粒子群優(yōu)化(particle swarm optimization，PSO)算法，是一種模擬鳥類在覓食過(guò)程中通過(guò)信息共享實(shí)現(xiàn)最優(yōu)化覓食的仿生尋優(yōu)算法[8]。

粒子群算法的數(shù)學(xué)過(guò)程描述如下。假設(shè)在一個(gè)D維查詢空間中，n個(gè)粒子所對(duì)應(yīng)種群為X=(X1,X2,…,Xn)，其中，第i粒子的位置為Xi=(xi1,xi2,…,xiD)T(是問(wèn)題所要找的隱含解)，將其代入目標(biāo)函數(shù)，就可得到每個(gè)粒子在該位置的適應(yīng)度值。設(shè)個(gè)體極值為Pi=(Pi1,Pi2,…,PiD)T，群體極值為Pg=(Pg1,Pg2,…,PgD)T，第i粒子運(yùn)動(dòng)速度Vi=(Vi1,Vi2,…,ViD)T。在第k次循環(huán)計(jì)算過(guò)程中，利用目前群體極值和個(gè)體極值確定下一次的更新粒子速度和位置，更新所對(duì)應(yīng)的公式為：

(3)

(4)

式中：ω為慣性權(quán)重；c1、c2為加速度因子；r1、r2為分布于[0，1]的隨機(jī)數(shù)，通過(guò)對(duì)粒子的速度和位置進(jìn)行限制，防止盲目搜索[9]。

上述算法是普通粒子群算法。由于普通的粒子群算法在全局搜索能力上相對(duì)較弱，只可以找到局部最優(yōu)解，對(duì)于實(shí)際的需求還遠(yuǎn)遠(yuǎn)不夠。因此，需要對(duì)慣性權(quán)重進(jìn)行更新。根據(jù)當(dāng)前粒子的適應(yīng)度值與平均適應(yīng)度值對(duì)慣性權(quán)重進(jìn)行更新[10]。慣性權(quán)重更新公式如下。

(5)

式中：ωmin、ωmax分別為慣性權(quán)重ω的最大值、最小值；f為粒子此時(shí)適應(yīng)度函數(shù)值；favg與fmin分別為當(dāng)前所有粒子的平均適應(yīng)度函數(shù)值和最小適應(yīng)度函數(shù)值。

帶有自適應(yīng)權(quán)重粒子群算法參數(shù)辨識(shí)方法步驟如下。

①初始參數(shù)設(shè)置。它包括變量個(gè)數(shù)、種群規(guī)模、待辨識(shí)參數(shù)范圍、慣性因子變化范圍、粒子速度范圍、迭代次數(shù)、加速度因子等。②種群初始化。通過(guò)隨機(jī)產(chǎn)生的種群來(lái)計(jì)算每一個(gè)時(shí)刻的性能指標(biāo)值，進(jìn)而得到個(gè)體最佳值與全局最佳值。③種群更新。按照參數(shù)設(shè)定和權(quán)重更新公式計(jì)算慣性因子值、種群個(gè)體移動(dòng)速度，更新種群，把計(jì)算出來(lái)的性能指標(biāo)與個(gè)體和種群的歷史最優(yōu)值進(jìn)行比較，并將二者的歷史最優(yōu)更新。④如果滿足終止條件，則停止尋優(yōu)；反之，返回步驟②繼續(xù)尋優(yōu)。⑤如果達(dá)到循環(huán)次數(shù)，則停止尋優(yōu)；反之，返回步驟①再次尋優(yōu)。實(shí)現(xiàn)多次迭代尋優(yōu)，從而得到全局最優(yōu)值。參數(shù)辨識(shí)算法流程如圖2所示。

圖2 參數(shù)辨識(shí)算法流程圖

3 SNCR脫硝系統(tǒng)建模與驗(yàn)證

利用Matlab編寫粒子群算法辨識(shí)主程序及計(jì)算辨識(shí)優(yōu)化目標(biāo)函數(shù)子程序，以200 MW負(fù)荷工況為例，選擇150組開(kāi)環(huán)試驗(yàn)數(shù)據(jù)，對(duì)對(duì)象數(shù)學(xué)模型參數(shù)進(jìn)行辨識(shí)。首先，對(duì)200 MW工況下的歷史開(kāi)環(huán)數(shù)據(jù)進(jìn)行零初始值處理，得到尿素溶液流量數(shù)據(jù)和出口NOX濃度數(shù)據(jù)零初始值處理結(jié)果。尿素溶液流量數(shù)據(jù)處理前后對(duì)比如圖3所示。出口NOX濃度數(shù)據(jù)處理前后對(duì)比如圖4所示。

圖3 尿素溶液流量數(shù)據(jù)處理前后對(duì)比圖

圖4 出口NOX濃度數(shù)據(jù)處理前后對(duì)比圖

從圖4可以看到，經(jīng)過(guò)初始值處理后的NOX濃度數(shù)據(jù)變?yōu)樨?fù)數(shù)，但是這樣不會(huì)影響模型的建立。利用帶有自適應(yīng)權(quán)重的粒子群算法進(jìn)行模型辨識(shí)，仿真參數(shù)設(shè)置如下。

參數(shù)尋優(yōu)區(qū)間：K∈[-10，10]，T∈[20，400]，N∈[2，5]，τ∈[20,200]。

粒子個(gè)數(shù)：200。

進(jìn)化代數(shù)：80。

慣性權(quán)重：ωmin=0.4,ωmax=0.9。

學(xué)習(xí)因子：[0.6 0.8]。

加速度因子：c1=2,c2=2。

速度范圍區(qū)間：V∈{[-1，1]、[-1，1]、[-1，1]、[-1，1]}。

仿真結(jié)果對(duì)應(yīng)參數(shù)值為：K=-1.46;T=400;N=4;τ=-165。同理可以分別得出負(fù)荷為140 MW、170 MW時(shí)，SNCR脫硝系統(tǒng)從40%尿素溶液到生成NOX濃度的開(kāi)環(huán)模型。

三個(gè)工況模型辨識(shí)結(jié)果如表1所示。

表1 三個(gè)工況模型辨識(shí)結(jié)果表

本文以200 MW負(fù)荷工況下辨識(shí)出的模型為例，進(jìn)行驗(yàn)證。選擇現(xiàn)場(chǎng)中尿素溶液流量從310 kg/h升高到330 kg/h的階躍擾動(dòng)。為了驗(yàn)證所建立模型的穩(wěn)定性，將階躍擾動(dòng)分別加到辨識(shí)模型和實(shí)際測(cè)量的數(shù)據(jù)中，觀察兩者的輸出曲線。200 MW模型辨識(shí)結(jié)果與實(shí)測(cè)數(shù)據(jù)對(duì)比如圖5所示。

圖5 200 MW模型辨識(shí)結(jié)果與實(shí)測(cè)數(shù)據(jù)對(duì)比圖

200 MW模型輸出和實(shí)際數(shù)據(jù)之間的誤差如圖6所示。

圖6 200 MW模型輸出和實(shí)際數(shù)據(jù)之間的誤差圖

140 MW模型辨識(shí)結(jié)果與實(shí)測(cè)數(shù)據(jù)對(duì)比如圖7所示。

圖7 140 MW模型辨識(shí)結(jié)果與實(shí)測(cè)數(shù)據(jù)對(duì)比圖

170 MW模型辨識(shí)結(jié)果與實(shí)測(cè)數(shù)據(jù)對(duì)比如圖8所示。

圖8 170 MW模型辨識(shí)結(jié)果與實(shí)測(cè)數(shù)據(jù)對(duì)比圖

從圖5～圖8可以看出：基于自適應(yīng)權(quán)重粒子群算法辨識(shí)得到的模型在階躍擾動(dòng)下的輸出曲線基本上與現(xiàn)場(chǎng)采集回來(lái)的數(shù)據(jù)在階躍擾動(dòng)下的輸出曲線吻合，模型輸出與實(shí)際數(shù)據(jù)的相對(duì)誤差在±0.5左右，開(kāi)環(huán)模型可以用于SNCR脫硝系統(tǒng)的控制。

同理，可以對(duì)其余兩種工況下的模型進(jìn)行驗(yàn)證，輸出曲線結(jié)果大致相同，誤差也在可接受范圍內(nèi)。綜合上述三種工況辨識(shí)出來(lái)的模型，基本上與實(shí)測(cè)數(shù)據(jù)相符合。通過(guò)辨識(shí)出的模型參數(shù)，得到三個(gè)工況下的傳遞函數(shù)，為循環(huán)硫化床SNCR脫硝控制中從尿素流量到生成NOX濃度建立了可靠模型。所建模型有利于對(duì)生成的NOX濃度進(jìn)行有效控制，并可以減少氨逃逸。

4 結(jié)束語(yǔ)

本文通過(guò)采集某電廠200 MW循環(huán)流化床機(jī)組SNCR脫硝系統(tǒng)的歷史開(kāi)環(huán)數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行去除異常值和零初始值處理。根據(jù)專家經(jīng)驗(yàn)和熱工過(guò)程，確定SNCR脫硝系統(tǒng)中從尿素溶液流量到出口NOX濃度的模型。采用基于自適應(yīng)權(quán)重的PSO算法，辨識(shí)出三個(gè)不同工況下的模型參數(shù)，并對(duì)不同工況模型進(jìn)行驗(yàn)證。仿真結(jié)果表明，基于自適應(yīng)權(quán)重的PSO算法在SNCR脫硝系統(tǒng)中的模型參數(shù)辨識(shí)具有很好的效果。辨識(shí)出的模型為先進(jìn)的智能控制算法在火電廠SNCR脫硝系統(tǒng)應(yīng)用提供了模型基礎(chǔ)，進(jìn)而可以更好地控制NOX排放并減少氨逃逸，最終實(shí)現(xiàn)減少還原劑的使用量，提高經(jīng)濟(jì)效益。該成果推動(dòng)了智能算法在其他工業(yè)過(guò)程中的應(yīng)用。