燃煤機組脫硝智能控制關鍵技術研究及應用

江溢洋

(合肥綜合性國家科學中心能源研究院(安徽省能源實驗室)，合肥 230031)

隨著環境保護的要求提高，燃煤電廠采用各種手段以抑制氮氧化物的排放，而選擇性催化還原(selective catalytic reduction，SCR)煙氣脫硝技術應用最為成熟和廣泛。通過將制備的氨氣通入布置在煙道的SCR反應器中，在一定溫度和催化劑條件下與煙氣中的氮氧化物反應達到脫硝的效果。國內大型燃煤機組SCR煙氣脫硝控制系統由于控制邏輯設計不完善、現場測量易失真、流場分布不均等問題，造成控制品質不佳、自動控制難以投入，往往伴隨著氨氣的過噴現象，不僅造成資源的浪費，過高的氨逃逸率帶來硫酸氫銨的生成，會對催化床層和空氣預熱器造成危害，還給機組安全性和經濟性帶來很大影響[1]。

本文對燃煤機組現有脫硝控制中存在的控制滯后、測量失真等一系列問題展開針對性研究，并形成系統的解決方案。

1 脫硝控制存在的難點

1.1 脫硝反應過程呈現大滯后特性

脫硝過程涉及多種化學反應，其中氨氣與煙氣中的氮氧化物需要在SCR反應器中的催化劑表面進行反應，因此整個脫硝過程可分為氨氣在催化劑表面的吸附過程、解吸附過程、氣相氮氧化物的還原過程、被吸收的氨氧化過程。由于反應過程的復雜，造成氮氧化物實際變化經歷漫長的過程，通過現場試驗的分析，整個反應過程長達3 min。

1.2 氮氧化物濃度受鍋爐燃燒影響大、波動大

燃煤機組排放的煙氣中存在大量的氮氧化物。由于鍋爐燃燒是一個復雜的過程，造成氮氧化物的生成具有多重原因：燃燒過程助燃的空氣在高溫下生成熱力型氮氧化物；空氣中的氮元素與燃料中的碳氫離子團等反應生成快速型氮氧化物；燃料中含有的氮化合物經過熱分解又氧化生成燃料型氮氧化物[2]。另一方面，隨著燃煤機組應對調峰、調頻的需要，負荷頻繁大幅變動，同時燃燒煤種多變，進一步增加了氮氧化物濃度變化的不確定性。

1.3 氮氧化物測量儀表測量滯后、測量易失真

目前SCR反應器前后布置的氮氧化物儀表長期工作在高溫、高塵環境中，一段時間后常常出現失真、甚至倒掛現象。由于煙氣分析儀表多采用抽取反應式，一般測量管路長達50～70 m，造成測量的滯后，經過測試滯后時間達3～5 min。

1.4 氮氧化物排放要求與噴氨經濟性的矛盾

通過對脫硝反應中氨氮摩爾比與脫硝效率之間的關系進行分析，在一定范圍內，隨著氨氣量的增加，脫硝效率有明顯提升，但是當氨氣量達到一個漸進值后，進一步提高脫硝效率所需的氨氣量將呈指數上升，進而氨逃逸量也將成指數上升，因此需要權衡脫硝效率和噴氨經濟性二者間的關系。

2 脫硝設定值自尋優技術

上述分析了脫硝效率和噴氨經濟性的矛盾，更重要的是氨逃逸量的增加不僅會造成催化劑中毒和污染環境，而且會與煙氣中的SO3反應生成黏性很高的硫酸氫銨沉積在下游煙道中，造成空氣預熱器堵塞等問題，使得風機設備出力增大，而且危及設備運行安全[3]。

目前現有的脫硝系統控制思路大都只考慮NOx濃度控制精度問題，在實現NOx濃度的精確控制后，通過人為操作提高控制設定值，從而間接減少噴氨量和氨逃逸量。在實際運行中，遇到極端工況，當NOx濃度有較大變化時，僅依靠自動控制策略往往仍有滯后。這時通常需要運行人員對設定值進行調整實現人工干預(尤其是預防NOx超標時)。這在一定程度上，削弱了系統自動化控制水平。

為了優化解決該問題，本文采用智能尋優技術提出了一種脫硝系統氮氧化物控制方法，實現了排放達標前提下的最優噴氨，避免了過量噴氨引起的設備隱患，提高了經濟性和安全性。

脫硝設定值自尋優系統結構見圖1，通過智能尋優方法實現脫硝系統運行優化。其中，控制模塊是氮氧化物控制的主體部分。應急模塊用于當監測到出口NOx濃度由于異常工況引起大幅變化時，快速改變設定值進行干預調整，補償控制模塊控制量輸出，并在趨于穩定后，逐漸恢復至原設定值狀態。節能模塊根據出口NOx濃度控制品質，實時調整設定值。當控制品質好時，增大設定值，以減少控制過程整體噴氨量；當控制品質差時，減小設定值，保證NOx濃度控制時波動不超過允許上限。

圖1 脫硝設定值自尋優系統結構圖

通過節能模塊和應急模塊實時監測控制品質狀態，自動調整脫硝系統設定值，實現對脫硝控制系統控制目標智能尋優。對上文中提到的兩種實際中常發生的情況，起到了優化運行及節能降耗的作用，同時也補充了現有脫硝系統的控制手段。

3 基于LSTM氮氧化物預測技術

氮氧化物的生成與鍋爐燃燒有關，而鍋爐的燃燒過程又是一個極其復雜的過程，涉及到相關眾多變量參數之間相互交叉影響，而且各變量的影響程度和時間先后各有不同。這樣給現場對煙氣中氮氧化物的預測研究帶來了相當大的困難。因此，迫切需要更好和更有效地利用過程動態信息和統計信息預測氮氧化物生成的方法[4]。

長短期記憶網絡(long and short term memory network,LSTM)是一種特殊的循環神經網絡，通過選擇性的對變量信息的記憶和過濾實現對各變量長短時間間隔信息有效學習處理，能夠學習長期依賴關系。LSTM的典型結構包括遺忘門、輸入門、輸出門，以此來計算某一個時刻的整個結構的狀態(細胞狀態)及系統輸出。遺忘門根據上一時刻的輸出及當前時刻的輸入以判斷對上一時刻細胞狀態的信息的保留和遺忘；輸入門決定讓多少新的信息加入到細胞狀態中來；輸出門通過綜合更新的細胞狀態和系統輸入計算得出當前時刻的系統輸出。

通過對大范圍變負荷工況下，分析各參數變量與入口NOx濃度變化數據，確定LSTM預測模型的主要輸入變量為鍋爐主控輸出、總風量主控輸出、燃料主控輸出、一次風壓主控輸出。

本文采用基于鍋爐控制因素作為氮氧化物預測的輔助變量，能夠更快地反映出機組在變負荷及工況變化時對鍋爐燃燒的調整，實現對燃燒生成的氮氧化物的預測。同時選用控制變量作為輔助變量，還克服了過程儀表測量數據出現的失真等問題，精簡了對數據進行繁瑣的處理過程。通過某廠實際歷史數據計算，運用該方法具有很好的預測效果，結果見圖2。通過準確地對煙氣氮氧化物的預測，能夠幫助解決脫硝系統大滯后對象控制問題，實現控制過程的快速性與穩定性。

圖2 基于LSTM算法的NOx濃度預測值與實測值

4 氮氧化物軟測量方法

氮氧化物分析儀由于工作環境惡劣，取樣探頭極易受到污損，因此均設計有定期吹掃、標定的功能。當氮氧化物儀表進行定期吹掃、標定時，其測量值會出現劇烈突變，為了消除控制影響，往往輸出值保持不變，即進入“測量盲區”，此時無法測量氮氧化物實際濃度。另外，實際調研中某些電廠脫硝出口兩側NOx濃度延寬度和深度方向有較大變化，NOx濃度場分布極其不均勻。脫硝兩側出口煙氣自動監控系統(continuous emission monitoring system, CEMS)顯示值與參比值平均值差距也較大，CEMS測點不具有代表性，不能反應煙道的真實情況[5]。

為了解決以上問題，采用一種基于物理機理脫硝系統氮氧化物軟測量方法，其原理見圖3。在脫硝反應中氨氣以一定的氨氮摩爾比參與反應，反應后煙氣下游多余的氨被稱為氨逃逸，因此氨逃逸的量能夠間接反映氮氧化物濃度的準確性。將本側氨逃逸測點數據，作為輔助測量變量實現對脫硝出口氮氧化物實際濃度的估計。對于脫硝測點定期吹掃時，儀表進入“盲區”，無法測量氮氧化物的含量的問題，考慮到A、B側脫硝系統所處理煙氣均取自鍋爐尾部煙道，在定期吹掃時間內，由于煙氣成分的變化造成的氮氧化物濃度變化的趨勢和程度相當，因此在吹掃時，利用另一側脫硝出口測點數據輔助對本側氮氧化物實際濃度進行估計。

圖3 基于物理機理脫硝系統氮氧化物軟測量原理圖

實際運用中，通過各輔助變量的權重系數，來調整不同測點數據對脫硝出口氮氧化物實際濃度的影響。該方法通過軟件手段，解決了因測量故障、定期吹掃等因素引起的信號失真問題，為氮氧化物的精確控制，降低氨逃逸率起到了重要作用。

5 工程應用

將上述各項控制技術綜合應用在某660 MW超臨界機組上，通過試驗和數據分析，有效地提高了機組脫硝系統控制品質及運行穩定性。穩定負荷時，脫硝系統氮氧化物的質量濃度控制偏差在4.2 mg/m3左右；變負荷時，脫硝系統氮氧化物質量濃度控制偏差將被控制在6.5 mg/m3左右。有效提高了脫硝系統控制目標值，降低氨逃逸率的同時，減少系統噴氨量。

提高系統控制品質后，在保證氮氧化物排放標準前提下，控制目標值平均提高4.5 mg/m3，噴氨流量平均下降10%，與此同時氨逃逸率得到降低，減少了系統硫酸氫銨的形成，降低了機組空氣預熱器等設備堵塞的風險。更主要的是減少了機組氮氧化物濃度超標現象。

6 結論

為了有效應對脫硝控制中存在的控制滯后、測量失真等一系列問題，本文通過三個技術方向：脫硝設定值自尋優、氮氧化物預測、氮氧化物軟測量，設計了基于先進控制方法的脫硝控制策略，并應用于某660 MW超臨界機組脫硝控制系統優化工作中，實際應用效果證明，該脫硝控制策略不但提高了不同負荷工況下出口NOx濃度控制穩定性，而且在同等控制要求下有效地減少了氨氣使用量，進而降低了氨逃逸率，確保了脫硝控制系統穩定與經濟運行。