孟 磊，李俊鵬 ，姜 煒，董 澤

（1.大唐環(huán)境產(chǎn)業(yè)集團股份有限公司，北京 100097；2.河北省發(fā)電過程仿真與優(yōu)化控制工程技術研究中心（華北電力大學），河北 保定 071003）

0 引言

電廠鍋爐在燃燒之后排出的NOx會對自然環(huán)境造成污染［1-2］。目前火電廠有兩種減少NOx排放的方式：一種是在燃燒過程中進行減排，具體做法是采用分級燃燒或者是改良燃燒設備的方式來減少NOx的排放，另外一種則是對燃燒產(chǎn)物進行脫硝減排，具體做法是在煙道中增加脫硝設備來對尾氣進行脫硝處理。而根據(jù)脫硝工藝的不同，又可分為3種：干法、半干法以及濕法。干法選擇性催化還原（Selective Catalytic Reduction，SCR），脫硝效果較好得到了廣泛的關注和應用［3］。通過對SCR脫硝機理的分析，可以獲知其反應機理比較復雜，NOx轉(zhuǎn)化效率受到了溫度、噴氨量、催化劑、煙氣速率等因素影響，而當中以噴氨量對脫硝效率的影響最為明顯，因此如何實現(xiàn)對噴氨量的精準控制便成為整個脫硝流程的最大難題。傳統(tǒng)PID控制主要針對于擁有確定模型的線性過程，并且實際上，大多數(shù)工業(yè)過程都不同程度上存在非線性，有時候甚至是非常嚴重的非線性，并且某些過程較難建立數(shù)學模型［4］，因此傳統(tǒng)的PID控制器調(diào)整噴氨量時，很難達到最佳噴氨比［5］，無法做到脫硝噴氨的精確控制，不能保證脫硝系統(tǒng)高效性和經(jīng)濟性。噴氨量過多會造成氨氣逃逸率增加，進而造成大氣二次污染，也提高了脫硝的成本；噴氨量過低會造成尾部煙氣的NOx含量超標，無法達到環(huán)保減排目的。

建立精準的SCR模型是脫硝過程進行整體優(yōu)化控制的前提［4］。不同電廠的SCR脫硝系統(tǒng)結(jié)構不同，化學反應復雜，因此機理建模比較困難，為了避開這個難點，可以通過對電廠歷史數(shù)據(jù)進行采集分析建立起模型，然后采用先進的控制算法實現(xiàn)優(yōu)化控制目的。秦天牧等［5］采取多尺度核偏最小二乘法（Multi-Scale Kernel Partial Least Squares，MKPLS）建立SCR的脫硝模型，并用預測控制辦法實現(xiàn)了噴氨優(yōu)化控制。翟永杰等［6］通過分析影響出口NOx濃度的因子，利用現(xiàn)場歷史數(shù)據(jù)，通過神經(jīng)網(wǎng)絡方式進行SCR脫硝建模，并驗證了模型的可靠性。周鑫等［7］將核偏最小二乘和GA遺傳算法結(jié)合，提出GA-KPLS建模辦法建立起SCR模型，結(jié)果表明通過該方法建立的模型具有不錯的學習和泛化能力。姚楚等［8］通過分析SCR系統(tǒng)反應機理，建立其動態(tài)模型，并用實際歷史數(shù)據(jù)進行驗證，結(jié)果顯示該方法建立的模型精度較高，并通過神經(jīng)網(wǎng)絡對噴氨量進行控制。利用多尺度核偏最小二乘法建立SCR脫硝模型，并用多模型內(nèi)膜優(yōu)化控制。用現(xiàn)場歷史數(shù)據(jù)仿真驗證，最終結(jié)果顯示噴氨量得到了精準的控制，達到預期效果。

1 SCR噴氨煙氣脫硝系統(tǒng)介紹

某機組的SCR脫硝系統(tǒng)結(jié)構如圖1所示。

選擇性催化還原是當前火電廠應用范圍最為廣泛的煙氣脫硝技術，選擇性即NOx和NH3在催化劑和O2條件下發(fā)生催化還原反應，轉(zhuǎn)化產(chǎn)物是氮氣和水。此系統(tǒng)裝置構成簡單，并且其脫硝效率能到90%以上，轉(zhuǎn)化的產(chǎn)物沒有污染，反應運行穩(wěn)定，可靠性高。催化劑則是采用TiO2，實踐表明，反應在沒有催化劑條件下，需要的溫度約980℃，而如果采用了催化劑，則其反應所需溫度可以把握在300℃至400℃之間，這個溫度范圍就與省煤器和空預器之間的煙道溫度相差無幾，大大減少了熱量消耗，降低了轉(zhuǎn)化成本，提高了反應效率［9］。將氨氣用作還原劑，其反應式為：

圖1 SCR脫硝系統(tǒng)結(jié)構

反應進程中，脫硝效率的高低，其主要受制因素是噴氨量，噴得過多，不但會導致氨氣泄漏，直接造成二次污染，而且過量的NH3與SO3發(fā)生反應合成NH3HSO4等某些危害性副產(chǎn)物，這些產(chǎn)物將阻塞孔板或者造成催化劑失效，較大程度地降低煙氣脫硝效率，甚至還能侵蝕設備，阻礙機組的安全運行。而噴得過少，則會妨礙煙氣里的NOx和NH3充分反應，生成無毒無害的N2和H2O，以致反應后的NOx含量不達標。正是由于火電廠的SCR脫硝設備結(jié)構比較復雜，致使傳統(tǒng)PID噴氨控制效果差強人意，因而，設計出一套優(yōu)化的噴氨系統(tǒng)就顯得很有必要了。

2 噴氨優(yōu)化控制系統(tǒng)

2.1 數(shù)學模型

2.1.1 數(shù)據(jù)選取

選取某電廠現(xiàn)場歷史數(shù)據(jù)，每隔1 min采集一個數(shù)據(jù)，為了保證建立模型的精度，選取的數(shù)據(jù)包含了穩(wěn)定工況和動態(tài)工況，隨后對搜集到的數(shù)據(jù)分析處理，最終獲得573組數(shù)據(jù)。輸入變量選取的是：入口的NOx質(zhì)量濃度，噴氨量，輸出變量則是出口的NOx質(zhì)量濃度。

2.1.2 MKPLS簡介

偏最小二乘法（PLS）是 Wold 提出［10-11］，此方法具有優(yōu)異的性能，因此被較廣泛地用于工業(yè)故障診斷、建模等方面。與其他方法有所不同，PLS利用變量矩陣采集向量搭建模型，解決了諸多問題。

多尺度核偏最小二乘法是把多尺度核函數(shù)和PLS算法結(jié)合，利用函數(shù)將輸入投射到更高維的空間，同時在此空間里搭建偏最小二乘回歸，最終實現(xiàn)非線性建模。多核學習方法可以做到在維持核函數(shù)局部特征不變的同時把握起始輸入樣本的特征，其優(yōu)點為使每一個獨立分布的樣本均有適宜的核函數(shù)與之相應，并能優(yōu)化特征空間里，解的稀疏性。

記 X∈Rn×p，Y∈Rn， 其中，p 為自變量的個數(shù)，n為觀測樣本的個數(shù)。從初始空間到特征空間的映射記作 φ∶xj∈Rn→φ（xj）∈H。

具體的算法描述如下：

1）計算核矩陣

利用多尺度高斯核函數(shù)對矩陣元素展開計算：

式中：σL（L=1，2，…，P）為高斯核函數(shù)的寬度。

2）初始化后得到分向量u；

3）計算X得到分向量th，進一步歸一化處理：

4）計算權值向量ch為

5）計算得分向量uh，歸一化處理后得：

6）重復式（3）～（5），直到 th收斂；

7）縮小 K 和 Y，重復式（2）～（6）式，直到收集 p個 t，u。

訓練樣本的擬合公式：

式中：xnew為新采樣數(shù)據(jù)；x為輸入的訓練數(shù)據(jù)；Y為輸出的訓練數(shù)據(jù)；Kt為核矩陣；Yt為計算預測得到的結(jié)果。

2.2 控制器設計

2.2.1 內(nèi)?？刂?/p>

內(nèi)?？刂朴?982年首次提出，歷經(jīng)多年發(fā)展至今，其控制策略已經(jīng)從單輸入單輸出（SISO），線性過程，拓展到多輸入多輸出（MIMO）及非線性過程［12］。

圖2是內(nèi)膜控制的一般性結(jié)構，其中Gp（s）是被控對象，Gm（s）為對象模型，Gc（s）為內(nèi)?？刂破?。 r，y，d分別代表系統(tǒng)的輸入、輸出和擾動，d表示系統(tǒng)的擾動，控制目標是使輸出逼近設定值r。

圖2 內(nèi)?？刂平Y(jié)構

2.2.2 多模型控制

多模型的控制思想繼承于自適應控制，此方法在解決變工況、非線性等復雜的控制難題方面成效明顯。多模型策略基本想法是利用許多個子模型逐漸靠近被控對象的整體特征，依照子模型分別給出幾個子控制器，用加權算法構成一個有效的總控制器或者切換成和對象匹配度最高的控制器。多模型控制將被控對象整體分成不同子部分，分別進行控制并整合，因此對復雜控制系統(tǒng)的控制效果十分突出?？偟膩碚f，傳統(tǒng)PID控制能夠解決的問題，多模型控制照樣可以處理并且能夠提升系統(tǒng)的性能指標；傳統(tǒng)PID控制沒能處理的問題，多模型控制也能給出潛在方法，用辨識模型通過在線學習來靠近系統(tǒng)的不確定性和非線性［13］。

多模型控制原理如圖3，G表示被控對象，｛Gmi｜i=1，2，…，n｝是按照被控對象建立的子模型組合，｛Gci｜i=1，2，…，n｝是根據(jù) Gci中子模型構造的子控制器組合。｛ui｜i=1，2，…，n｝為 Gci中子控制器輸出，控制器采取的調(diào)度或者是切換操作采用 U=f（u1，u2，…，un）表示。每個子模型和被控對象之間差值或許不一樣，再根據(jù)這些差值得出每個子控制器的權重。此時又分為兩種情況：當采用加權策略時，所有子控制器輸出的加權和便是對象輸入；當采用多模型切換策略時，選擇差值絕對值最小的相應子控制器為控制器，其輸出為對象的輸入。此次子模型控制對象設定為

圖3 多模型控制原理

3 仿真驗證

對辨識獲取的被控對象數(shù)學模型給定一個單位階躍信號，其表現(xiàn)出的動態(tài)特性曲線如圖4，5所示，然后利用模型之間的轉(zhuǎn)換函數(shù)，將其轉(zhuǎn)換成多模型內(nèi)?？刂扑枰哪Ｐ停⑼度敕抡?。

圖4 出口NOx質(zhì)量濃度對噴氨量的階躍響應曲線

利用Simulink構建仿真控制模型，為了能夠更好顯示控制效果，同時構建以PID作為控制器的控制模型，并將運行結(jié)果互相對比。PID的比例、積分、微分系數(shù)根據(jù)工程經(jīng)驗公式法整定，然后經(jīng)過多次的仿真結(jié)果進行調(diào)整并確定最后的參數(shù)。將出口的NOx質(zhì)量濃度設定值定為10 mg／m3，仿真運行結(jié)果如圖6所示。

圖5 出口NOx質(zhì)量濃度對進口NOx質(zhì)量濃度的階躍響應曲線

圖6 不同方案下的出口NOx質(zhì)量濃度曲線

圖6中，多模型內(nèi)?？刂频膭討B(tài)輸出曲線，上升時間是11 s，調(diào)節(jié)時間是38 s，最大動態(tài)偏差是1.3 mg／m3。圖中的紅線是PID作為控制器的動態(tài)輸出曲線，其上升時間是16 s，調(diào)節(jié)時間是67 s，最大動態(tài)偏差是3.8 mg／m3。由以上數(shù)據(jù)對比可知，不管是上升時間、調(diào)節(jié)時間還是最大動態(tài)偏差，多模型內(nèi)?？刂频目刂菩Ч鶅?yōu)于PID控制。

4 結(jié)語

通過分析電廠SCR脫硝系統(tǒng)運行原理，進而找出對煙氣脫硝效率影響較大的因素，在對數(shù)據(jù)進行處理之后，運用MKPLS方法辨識出了高精度SCR數(shù)學模型。隨后采用多模型內(nèi)?？刂品椒ㄟ\行仿真，對比PID的控制效果，多模型內(nèi)模控制結(jié)果明顯優(yōu)于傳統(tǒng)意義上的PID，這為多模型內(nèi)?？刂朴赟CR脫硝領域應用方面給出了一定的理論支持以及指導意義。