基于預測函數控制算法的脫硝優化控制

陳小強，遲慶喜，謝 磊，王德華，顧滌楓

（1.中電華創電力技術研究有限公司，江蘇 蘇州 215123；2.浙江大學 控制學院，杭州 310027）

0 引言

根據國家環保部門的要求，火力發電廠需要對煙氣NOX（氮氧化物）的排放量濃度進行限制，工廠中常用到SCR（選擇性催化還原脫硝）技術進行煙氣脫硝，SCR 技術通過噴氨的方式，以氨作為還原劑，在催化劑的作用下通過化學反應將需要脫硝的煙氣中的NOX分解為N2和H2O，從而將催化劑出口處的NOX濃度控制在一定的范圍內[1]。在此過程中，運行人員需要根據煙囪處的NOX濃度，及時調整催化劑出口處NOX濃度設定值。但是，基于該技術的脫硝裝置非常龐大，并且需要兼顧復雜的化學過程變化以及現場環境影響，使得系統整體的延遲和慣性都很大，給脫硝控制帶來了一定難度。

對于脫硝控制系統這類大遲延對象，采用常規PID（比例-積分-微分）控制的效果不是很理想，盡管可以對PID 的控制參數進行精心調整，仍舊存在著抗干擾能力弱、啟停磨時催化劑出口NOX濃度波動大、需要人為干預、自動化水平低等問題。為了解決這一問題，學者們進行了多方面的研究。文獻[2]利用頻域分析對控制器的參數進行整定，通過線性自抗擾器改進傳統PID 控制；文獻[3]通過對原有的出口測點進行技術改造，通過網格多點測量為科學噴氨提供了基礎；文獻[4]提出GA-KPLS 的建模方法，基于核偏最小二乘法及遺傳算法建立了更精確的脫硝系統模型；文獻[5]在建立脫硝系統模型的基礎上采用廣義預測控制對噴氨量進行控制，并取得不錯的效果；文獻[6]將預測控制技術與神經網絡技術相結合應用到脫硝控制中，提升了在測試數據存在一定失真情況下的控制效率；文獻[7]對預測控制中約束的可行性進行了分析與在線調整，對于帶有約束的過程控制應用具有重要意義；文獻[8]將模型預測控制應用于SCR 脫硝系統中，并通過仿真與PID 進行了對比分析，在動態特性與抗干擾能力方面印證了模型預測控制的優越性。

1 預測函數控制

對于具有以下形式的煙氣脫硝模型采用預測函數控制方法控制設定值：

式中：a（z）=1+a1z-1+a2z-2+…+an+1z-n-1，b（z）=b1z-1+b2z-2+…+bnzn；uk和yk分別為系統當前時刻的輸入和輸出，即噴氨量和出口NOX濃度；Δ=1-z-1為差分算子。

構造矩陣形式的模型預測方程：

對于具有滯后時間Td，閉環期望響應時間為Tr，一致點為h 的滑壓模型，按式（4）計算控制器輸入增量Δu：

式中：H1表示矩陣H 的第一列；表示取矩陣M 的第Td+h 行；表示k 時刻脫硝過程的實際輸出值，根據uk=uk-1+Δu 動態修正噴氨量設定值。

2 基于預測函數控制的脫硝優化

2.1 脫硝優化控制平臺結構

控制噴氨量的脫硝優化控制平臺在Rockwell的PLC（可編程邏輯控制器）中實施，在電子間布置PLC 機柜，通過MODBUS 模塊與DCS（分散控制系統）進行通信，通信協議為RS485，這種開發結構充分考慮了系統的熱插拔特性，無需對DCS進行大規模修改，更不會影響DCS 的基本功能，并且為了不影響運行人員的操作習慣，脫硝優化平臺采用插件式部署，運行人員僅需按照往常的操作習慣操作即可。

脫硝管道噴氨催化過程分為A，B 兩側，磨煤機的運作影響了A，B 兩側的入口NOX濃度大小，入口濃度同時影響著出口NOX濃度，尤其在啟停磨煤機時，會對出口NOX處產生很大的干擾。同時，發動機的負荷對脫硝催化過程的模型辨識有一定的影響。過程數據由DCS 輸入給外掛的PLC 平臺進行整體的優化控制計算，其后，PLC 將先進控制算法得到的噴氨量設定值輸入至DCS，由DCS 中的PID 控制系統對閥門進行控制。該脫硝優化算法結構如圖1 所示。

圖1 脫硝優化算法結構

同時，為了滿足運行人員的習慣與保證脫硝過程的順利進行，在DCS 內部有一套自有的PID控制系統，用于控制催化管道出口處NOX濃度值，PLC 平臺整體與DCS 現有的PID 控制系統并行工作，運行人員可以方便地在兩者間切換，保證了系統的穩定性和安全性。

2.2 脫硝過程模型辨識

PFC（預測函數控制）的實施需要以過程模型為基礎，脫硝過程是一個典型的單輸入單輸出過程，過程的輸入為向催化劑管道中噴入的氨量，輸出為催化劑出口處的NOX濃度，增加噴氨量，催化劑出口處的NOX濃度也會隨之明顯減少；而減少噴氨量，催化劑出口處的NOX濃度則會明顯增加。但是，在這個過程中脫硝受到的干擾因素也較多，在噴氨量一定的情況下，催化劑入口NOX濃度、管道內總風量、總燃料量等因素都會顯著影響催化劑出口處NOX的濃度變化。

同時，在不同發電負荷下，一些外部環境的改變如煙氣量、風量風速等的不同，催化劑的催化效率也不盡相同。因此，需要根據不同的負荷分段定制脫硝模型，最終辨識出的結果為一階加純滯后模型：

其中在不同負荷時的模型參數如表1 所示。

表1 脫硝過程模型參數

2.3 算法設計策略

2.3.1 加速抑制擾動的策略

脫硝催化過程具有反應慢的特點，遇到擾動時，通過改變輸入量的方式往往需要很長時間才可以應對擾動帶來的改變，因此，當遇到高頻擾動時，要在算法中減小參考軌跡的閉環響應時間，以達到快速抵消擾動影響的目的。因此在應用PFC 之前，要先在設定值附近設定一個范圍值，以判斷是否需要快速響應，當出口NOX濃度在范圍之外，則調低參考軌跡閉環響應時間CLTR 值，當達到設定范圍以內，則認為已經應對了擾動，增大閉環響應時間，平穩地對過程進行控制。

2.3.2 PFC 與PID 控制的無擾切換

為了適應運行人員的習慣，同時應對各種可能的情況，脫硝平臺設置了PFC 與PID 控制相互切換的功能，因此需要保證在優化平臺投入和切除時無擾。在PID 控制情況下對原有的PID 控制信號進行跟蹤，在PFC 優化平臺投入時，保證平臺的計算結果和PID 的計算結果相同，實現無擾投入；而在PFC 優化平臺切出時，由于PID 自帶了操作變量跟蹤功能，只需設置優化平臺繼續跟蹤PID 即可。

3 控制效果及分析

在基于PFC 的脫硝優化平臺部署后72 h 內，對平臺的性能進行監控和分析，對影響催化劑出口NOX濃度的工況進行記錄，主要包括常規設定值改變、負荷變化、啟停磨等工況，同時還將開啟脫硝優化的A 側脫硝反應器和沒有開啟脫硝優化的B 側脫硝反應器控制效果進行比較。

3.1 負荷穩定時設定值跟蹤情況

負荷基本穩定在305 MW 左右時對出口NOX濃度進行采樣，如圖2 所示。

催化劑出口NOX濃度設定值由50 mg/m3改為40 mg/m3后，在經過約500 步（采樣時間2 s）后，出口NOX濃度穩定在40 mg/m3附近。期間催化劑入口NOX濃度波動在40 mg/m3內，在入口NOX濃度存在一定波動的情況下，并未對控制結果產生較大影響，脫硝效果良好。

圖2 負荷穩定時的脫硝控制曲線

3.2 升降負荷時設定值跟蹤情況

受傍晚太陽能總量降低影響，在某時段機組負荷由320 MW 升至400 MW，為了維持煙囪出口處NOX濃度達到環保要求，運行人員多次調整催化劑出口處NOX濃度設定值，分別向上或向下對設定值進行了調整，如圖3 所示。

圖3 負荷不穩定時的脫硝控制曲線

在此期間，催化劑入口NOX濃度也經歷了50 mg/m3左右的范圍波動，在PFC 脫硝優化平臺的控制下，出口處NOX濃度實現了快速的響應，均在8 min 左右調整到位，并伴有一定的超調，偏差基本在±3 mg/m3以內，最大偏差不超過5 mg/m3。

3.3 與PID 控制及手動控制效果比較

3.3.1 正常時段的控制效果比較

將不同的A，B 兩側分別用PFC 控制與PID控制在同一工況條件下運行，并采集到數據。某時段催化劑出口NOX受到一定干擾，運行人員將A，B 兩側催化劑出口NOX濃度設定值都調高了5 mg/m3，如圖4 所示。

圖4 正常時段PFC 控制與PID 控制效果比較

可以明顯地看出：A 側代表的PFC 控制效果面對設定值的變動，具有更快的響應速度；B 側傳統的PID 控制即使在參數整定較好的情況下也要慢于A 側。

3.3.2 啟停磨期間的控制效果比較

每天根據機組負荷適當啟動或者停止部分磨煤機，在磨煤機啟停期間，機組處于劇烈的工況變化階段，尤其考驗控制器的性能。某時段機組負荷降低至330 MW，需要停止磨煤機以減少燃料量。磨煤機停止時催化劑出口NOX濃度將會迅速降低，需要迅速降低噴氨量以防止出口NOX濃度過低，造成過量噴氨。此期間，A 側脫硝由脫硝優化平臺完成，B 側脫硝由運行人員手動干預，效果如圖5 所示。

A 側基于PFC 的脫硝控制快速跟蹤了出口NOX濃度設定值變化，而B 側PID 控制在參數整定較好情況下，由于響應速度較慢，對于設定值的變化并沒有達到與A 側一樣的跟蹤效果。

4 結語

圖5 啟停磨期間PFC 控制與PID 控制效果比較

以某發電廠機組脫硝過程為研究對象，通過采集催化劑入口、出口NOX濃度，機組負荷、總燃料量等機組運行參數，設計了基于預測函數控制的脫硝優化先進控制算法。該算法使用了Rockwell 公司的PLC 組件，在各種穩定和變化工況下均能快速、穩定地將催化劑出口NOX濃度控制在設定值附近，同時有效抑制干擾。從總體效果來看，脫硝優化平臺的控制效果明顯優于現有PID 控制方案，實現了自動化水平更高的先進控制，減輕了運行人員的工作負擔。同時，對于脫硝優化這一復雜的慢速過程工業控制，預測函數控制算法仍不能完全克服其頻繁擾動的缺點，對于一些高頻快速的擾動還需要做進一步的研究。