基于智能前饋的垃圾焚燒爐脫硝控制策略

劉學迅，李崢輝，李志東，易剛，葉育生，張燕星，吳康洛，盧志民，俞祝良，姚順春

（1.廣州環投從化環保能源有限公司，廣東 廣州 510900；2.華南理工大學自動化科學與工程學院，廣東 廣州 510641；3.華南理工大學電力學院，廣東 廣州 510641）

隨著城鎮人口的迅速增加和人民生活水平的不斷提高，垃圾圍城現象及其造成的環境污染問題日益嚴峻[1]。目前，垃圾的處理方法主要有填埋、堆肥和焚燒等[2]。其中焚燒因具有減量化、資源化和無害化的特點，使得近幾年垃圾焚燒廠投運數量大幅增長，遠超過其他處理方式[3]。據國家統計局統計年鑒資源和環境板塊數據顯示，2020 年，我國投入運行的生活垃圾焚燒發電廠有463 座，日總處理能力為56.78 萬t，垃圾焚燒處理能力占總處理能力的占比達到58.93%。為有效踐行習近平新時代中國特色社會主義生態文明思想，深入貫徹落實“綠水青山就是金山銀山”理念的具體行動，各省市已陸續發布生活垃圾焚燒發電中長期專項規劃。福建省發布的《福建省生活垃圾焚燒發電中長期專項規劃（2019—2030 年）》通知，指出到2030 年，福建省生活垃圾焚燒率平均可達100%。浙江省發布的《浙江省生活垃圾焚燒發電中長期專項規劃（2019—2030 年）》通知，指出到2030 年底，浙江省生活垃圾焚燒發電日處理能力達到9 萬t 以上，全省生活垃圾全部實現焚燒處理。廣東省發布的《廣東省生活垃圾處理“十四五”規劃》指出，到2025 年底，全省生活垃圾焚燒能力占比達到80%以上；珠三角地區城市爭取實現原生生活垃圾“零填埋”；粵東西北地區城市生活垃圾焚燒占比65%左右，鼓勵有條件城市盡早實現原生生活垃圾零填埋。2020 年1 月，國家發改委發布《關于貫徹落實促進非水可再生能源發電健康發展若干意見，加快編制生活垃圾焚燒發電中長期專項規劃的通知》，指出各地必須嚴格按照《關于進一步做好生活垃圾焚燒發電廠規劃選址工作的通知》（發改環資規[2017]2166 號）要求，加快組織編制生活垃圾焚燒發電中長期專項規劃。隨著一系列政策的發布，垃圾焚燒發電迎來重大利好，成為我國城市生活垃圾處理的重要發展方向。

然而，由于垃圾成分復雜，焚燒處理過程中會產生許多污染物。其中，NOx就是垃圾焚燒排放的主要大氣污染物之一，其大量排放加劇了酸雨、光化學煙霧、區域細粒子危害及灰霾等污染的形成[4]。選擇性非催化還原（selective non catalytic reduction，SNCR）脫硝技術是控制NOx排放較為成熟的技術，在垃圾焚燒煙氣凈化脫硝工藝中被普遍應用[5]。

當前，學者對基于SNCR 脫硝控制技術的研究主要集中在燃煤鍋爐。如白建云等[6]提出了一種多模型GPC-PID 級預測控制方法，解決了SNCR 脫硝系統在變工況和受到干擾時，不能很好控制NOx濃度和氨逃逸等問題。來長勝等[7]提出采用對復雜系統有較好控制作用的廣義預測控制（GPC）來改善SNCR 煙氣脫硝系統的控制性能和調節品質。高明明等[8]設計了基于NOx濃度預測模型的一、二次風量優化和模型預測前饋噴氨控制的SNCR 優化控制方法。朱竹軍等[9]以現場專家經驗為依托，設計了模糊控制以及兩層控制結構相結合的SNCR 智能控制策略，并應用于某電廠300 MW 的循環流化床（CFB）機組。應用結果表明，氨水量能較好地跟隨NOx的變化，NOx排放量與設定值之間標準狀態下每小時平均誤差在±2 mg/m3以內，同時氨水消耗量比手動調節降低17.6%。馮慧山[10]提出了一種以NOx為主調，結合Smith 預估控制器的CFB 鍋爐SNCR 煙氣脫硝串級前饋控制方法。垃圾焚燒爐的SNCR 脫硝過程和燃煤鍋爐相似，但又具有顯著差異。因為其燃燒原料是成分和特性復雜多變的城市生活垃圾，造成焚燒爐的燃燒狀態波動較大，進而給脫硝過程的精準控制帶來了很大困難。然而，現有焚燒爐SNCR 脫硝系統控制的研究較少，通常是簡單的反饋控制。如孔紅[11]設計了基于爐膛溫度反饋的噴槍層投入控制回路、基于煙囪排放煙氣NOx和NH3濃度反饋控制回路和煙氣流量變化調節回路，從而對脫硝過程進行自動控制。

隨著垃圾焚燒發電項目向規模化、自動化和智能化發展，垃圾焚燒爐SNCR 脫硝的精準控制越來越受到重視。本文針對垃圾焚燒爐SNCR 脫硝過程的大延遲、大滯后和控制穩定性差等突出問題，設計了一套基于模型預測和關鍵變量前饋的垃圾焚燒爐SNCR 脫硝控制策略，應用于廣州某垃圾焚燒電廠機組的SNCR 脫硝系統，并對控制策略投入后的脫硝控制效果進行了評估。

1 垃圾焚燒電廠SNCR 脫硝工藝

廣州某2 臺500 t/d 處理量的垃圾焚燒爐，發電裝機容量為2 臺12 MW 的汽輪發電機組，垃圾焚燒處理規模為1 000 t/d。該焚燒爐采用丹麥進口的風冷往復機械式爐排，運動爐排單元與固定爐排單元間隔布置，整副爐排由4 段傾斜多級往復順推爐排組成：1 段為干燥段，2、3 段為燃燒段，第4 段為燃燼段，該垃圾焚燒爐SNCR 脫硝工藝如圖1 所示。垃圾在推料器的作用下首先進入第1 級爐排進行干燥，隨后垃圾在爐排上往前移動到第2、3 段爐排燃燒區，經過氣化、燃燒后，最后到達第4 級爐排燃燼區。垃圾燃燒所需的氧氣由各級爐排下部一次風導入，在爐排上方與揮發分混合燃燒，形成高溫火焰和高溫煙氣。每臺焚燒爐配1 套煙氣凈化系統，采用SNCR 爐內脫硝技術來保證出口煙氣分析系統（continuous emission monitoring system，CEMS）監測的NOx值滿足環保排放標準的要求。

圖1 垃圾焚燒爐SNCR 脫硝工藝Fig.1 SNCR denitration process of waste incinerator

制氨系統中，氨水罐內儲存有濃度為25%的氨水溶液，由氨水泵輸送供氨。稀釋水箱內儲存有除鹽水，由稀釋水泵輸送供水，2 臺焚燒爐共用1 根供氨管道和稀釋水管道。一定流量的氨水溶液和稀釋水在混合器中混合，配制出濃度為8%～25%的氨水溶液，輸送到焚燒爐前，在爐前噴射閥的控制下，噴射入焚燒爐。考慮到垃圾焚燒爐溫度曲線是在一定范圍內變化的，焚燒爐設置3 層噴嘴，以適應不同溫度工況，其中下層和中層前后墻各有3 支噴嘴，頂部位置設置有3 支噴嘴。焚燒爐實際運行時，僅投入中層和頂部噴嘴，均由爐前噴射閥控制，氨水在一定壓力下噴射入燃燒爐中。SNCR 脫硝技術由于不需要催化劑，反應須有較高的溫度，爐膛溫度一般為850～1 100 ℃[12]。噴射入爐膛的氨溶液在與O2共存的條件下，將NOx還原為氮氣與水，其反應基本原理如下[13-14]：

同時還將發生如下反應：

2 脫硝智能控制方案

2.1 總體設計

垃圾焚燒爐SNCR 脫硝智能控制方案如圖2 所示。對工業過程控制而言，首先要保證控制的安全性和穩定性。因此，垃圾焚燒爐的SNCR 脫硝控制方案仍以傳統串級 PID（proportion integration differentiation，PID）控制為基礎。同時將NOx排放質量濃度模型預測前饋和風量變化前饋引入SNCR脫硝控制中，以有效解決垃圾特性復雜變化和脫硝過程具有的大延遲、大滯后等問題。

圖2 垃圾焚燒爐SNCR 脫硝控制方案Fig.2 SNCR denitration control scheme of waste incinerator

2.2 PID 控制

PID 控制器因其結構清晰、魯棒性好、參數調節方便等特點被廣泛應用于控制系統中[15]。在串級PID 控制中，首先以NOx目標值和實際值的偏差，進行PID 計算，得到噴氨流量的調節值，隨后該值作為噴氨閥門的目標值，由PID 調節控制噴氨流量在目標值附近。PID 控制原理可表示為：

式中：Kp為比例因子；Ki為積分增益；Kd為微分增益；e(t)為系統誤差。

2.3 模型預測前饋控制

2.3.1 特征變量選擇和滯后時間分析

獲取垃圾焚燒爐運行參數如爐排風風量、爐膛溫度、一次風量、總風量、噴氨流量、主蒸汽流量、進水流量和進水壓力等運行參數進行時間平移，并利用式(5)計算各變量與NOx排放質量濃度之間的相關程度，記錄各變量獲得最大相關度的大小以及對應的時間平移值。

式中：r為皮爾遜系數；Xi為第i個輸入樣本數據；為輸入樣本數據的均值；Yi為第i個輸出樣本數據，即NOx排放質量濃度；為輸出樣本數據的均值；n為樣本數據的總量。

在專家經驗的基礎上，選擇相關度大于0.3 的變量作為特征變量。同時將最大相關度下的時間平移值作為變量的滯后時間，具體分析計算方法如下，滯后時間計算流程如圖3 所示。

圖3 滯后時間計算流程Fig.3 Lag time calculation process

1）根據變量的特點，分為爐側變量和噴氨變量。所謂爐側變量如各級的爐排風、前端風、燃燼風和鍋爐溫度等，這些特征變量變化對NOx排放的影響時間等于煙氣從爐膛流到尾部煙道CEMS 測點的時間+煙氣采樣到分析儀檢測的時間。所謂噴氨變量如進氨流量、進水流量及噴氨總量等，這些特征變量變化對NOx排放的影響時間等于煙氣從爐膛流到尾部煙道CEMS 測點的時間+噴氨響應過程的時間+煙氣采樣到分析儀檢測的時間。爐側變量和噴氨變量發生變化，一段時間之后，對NOx排放質量濃度的影響才體現出來。若當前時刻為t，則此時刻的爐側變量和噴氨變量對NOx排放的影響，對應的則是t+n時刻的NOx排放質量濃度值，其中n表示時間延后。

2）保持特征變量點不動，向前移動NOx排放濃度值，即將t+i時刻的NOx質量濃度值移動到t時刻，其中i表示向前移動NOx排放質量濃度數據的時間。本文中數據采樣間隔是30 s，因此向前移動的數據點個數為i/30。移動之后利用皮爾遜相關系數法，迭代計算NOx排放質量濃度數據移動前后與各特征變量之間的皮爾遜系數大小。

3）獲得向前移動不同NOx排放質量濃度數據點下特征變量與NOx排放質量濃度值的相關系數。在專家經驗的基礎上，將相關系數最大時對應移動時間作為該特征變量與NOx排放之間的時間延后值。

經過相關性分析和滯后時間計算，本文選擇第2 和第3 級爐排風量、爐膛溫度、一次風量、總風量、噴氨流量、NOx排放質量濃度作為特征變量。其中第2 和第3 級爐排風量、爐膛溫度、一次風量、總風量和NOx質量濃度的滯后時間為3 min，噴氨流量的滯后時間為6 min。相關性和滯后時間分析結果見表1。

表1 相關性和滯后時間分析結果Tab.1 Analysis results of correlation and lag time

2.3.2 模型預測和修正

2.3.2.1 模型訓練和預測

1）建模原理 偏最小二乘法（partial least squares，PLS）[16]是將主成分回歸分析和多元線性回歸結合起來，通過逐步分解輸入變量和輸出變量矩陣，綜合評價提取的主成分對輸入變量和輸出變量矩陣的解釋能力，直到提取的主成分貢獻率之和滿足精度要求。

2）數據預處理 由于數據本身的可變性、檢測設備故障或人為操作失誤等原因，運行數據中會存在一些異常值。這類異常值會將錯誤信息引入數據樣本，導致樣本特性偏離實際情況，因此需要從建模數據中剔除異常值，本文采用3σ準則[17]來剔除異常值。

3）數據歸一化 由于運行數據具有不同量綱，如果直接將其作為輸入特征變量建立預測模型，會對后續預測模型的穩定性與收斂性造成影響。為避免此類問題，需要對輸入數據進行歸一化處理以保證模型的收斂性。數據歸一化處理的基本思想就是將有量綱數據經過轉換公式轉化為無量綱數據，避免不同物理意義的變量由于量綱的差別，造成各個變量之間標度差不同。本文采用Z-score 標準化[18]對特征變量進行歸一化。

4）建模和訓練 利用當前時刻的第2 和第3 級爐排風量、爐膛溫度、一次風量、總風量以及NOx排放質量濃度和3 min 前的噴氨流量數據，采用PLS算法建立并訓練未來3 min 時刻的NOx排放質量濃度預測模型，獲得系數矩陣W和負載矩陣A。則預測模型輸出可表達為：

5）反歸一化 將歸一化公式代入式(6)中，合并各項系數可得反歸一化后的預測模型輸出表達為：

本文通過加大建模數據量的方法，有效保證所建立的預測模型在穩態和非穩態工況下保持較強的預測能力。即采集垃圾焚燒爐連續3 個月的運行數據，并進行預處理和優選，最終選擇39 000 組數據進行建模預測，其中38 500 組數據作為訓練集，500 組數據作為測試集。建模預測結果如圖4 所示。

圖4 基于PLS 的建模預測結果Fig.4 The PLS-based modelling prediction results

由圖4 可見，基于PLS 的建模預測結果與實際值變化趨勢大致吻合，其預測值和實際值的皮爾遜相關系數為0.84，滿足工業控制的需求。

2.3.2.2 誤差修正

為滿足企業脫硝控制系統運行維護需求，本文選擇PLS 線性模型進行NOx排放預測，以便通過組態編程寫入企業DCS 中。但是垃圾特性和成分復雜變化，運行參數與NOx排放濃度往往存在較大的非線性關系，同時運行工況的不斷變化，造成線性預測模型的預測精度和穩定性難以長久保證。因此，為有效提高模型在全工況下的預測精度，強化模型預測前饋控制能力，提出利用當前時刻的預測值和實際值之間的預測偏差，對未來的預測值進行修正。即重復上述步驟，利用3 min 前的第2 和第3 級爐排風量、爐膛溫度、一次風量、總風量以及NOx排放質量濃度和6 min 前的噴氨流量數據，采用PLS 算法建立當前時刻的NOx排放質量濃度預測模型，計算得到當前時刻的NOx質量濃度預測值Cpre2。然后，將當前時刻的NOx排放質量濃度實際值Cs和預測值Cpre2進行比較，得到預測誤差δ，并用該誤差對NOx質量濃度預測值Cpre1進行修正。

2.3.3 模型預測前饋計算

根據上述過程計算得到未來3 min 時NOx質量濃度預測值Cpre1和NOx目標值的偏差，并將其作為分段函數的輸入，計算得到模型預測前饋的調節量。其中，分段函數的各分界點可由控制方法在線調試獲得。

2.4 變量前饋控制

如前所述，第2、3 段爐排是垃圾焚燒爐的主燃燒區，爐排風的變化對燃燒效率有著一定的影響。因此，選擇第2、3 級爐排風作為第1 個關鍵變量，進行前饋調節。總風量的大小可以表征煙氣流量的大小，也能在一定程度上反應燃燒工況的變化，因此選擇總風量作為第2 個關鍵變量，進行前饋調節。

獲取當前時刻的第2、3 級爐排左、右側風量數據，并計算各自第2 和第3 級爐排左、右側風量均值，最后作為分段函數的輸入，計算得到2 級爐排風變化前饋調節量和3 級爐排風變化調節量。獲取當前時刻的總風量值，基于分段函數計算得到總風量的前饋調節量。

3 現場應用評估

3.1 組態編程和在線調試

基于艾默生DCS，將上述垃圾焚燒爐SNCR 脫硝控制方法進行組態（圖5）。其中，為提高控制方法的穩定性，對各變量進行一定的滯后處理，即設置LEADLAG 的滯后時間為30 s。利用在線調試方法，對PID 參數和各分段函數的分界點進行調試和確定。

圖5 垃圾焚燒爐SNCR 脫硝控制方案組態Fig.5 Configuration of the SNCR denitration control scheme for waste incinerator

3.2 效果評估

以1 min 為采樣間隔，從DCS 中采集焚燒爐運行負荷、NOx排放質量濃度和進氨流量數據。其中，采集脫硝控制投入前共10 天數據，脫硝控制投入后共10 天數據。圖6 為脫硝控制投入前后NOx排放質量濃度變化。由圖6a)可見，脫硝系統手動控制時，NOx排放質量濃度波動變化整體較大，相對標準偏差（RSD）為19.81%，NOx排放質量濃度小于150 mg/m3（企業環保排放上限值）的占比為95.62%。由圖6b)可見，脫硝系統智能控制下，NOx排放質量濃度波動變化較大的情況明顯改善，相對標準偏差降為12.40%，NOx排放質量濃度小于150 mg/m3的占比也達到99.31%。取圖6b)中NOx質量濃度設定值為120 mg/m3對應的數據分析，即時間節點數據從6 669～14 400（7 732 組數據），計算得到NOx瞬時排放質量濃度小于150 mg/m3的占比為99.47%，處于120±20 mg/m3之間的占比為85.90%。表明本文脫硝智能控制方法在較好滿足環保排放標準的前提下，能夠使NOx排放質量濃度在目標值附近波動。

圖6 脫硝控制投入前后NOx 排放質量濃度變化Fig.6 The NOx emission mass concentration before and after the denitrification control system was put into operation

圖7 為脫硝智能控制投入前后負荷和氨耗變化。由圖7 可見，脫硝智能控制投入前、后對應的負荷均值分別為12.00 MW 和12.03 MW，兩者相差較小。脫硝智能控制投入前每天的進氨流量均值和進氨總量都較高，進氨流量均值為49.49 L/h，進氨總量為1 187.81 L。脫硝智能控制投入后每天進氨流量均值為30.28 L/h，進氨總量為726.71 L。相較于投入前，智能控制投入后每天的進氨流量均值和進氨總量大幅下降，其中每天進氨流量均值下降38.81%，每天進氨總量下降38.82%。

圖7 脫硝智能控制投入前后負荷和氨耗變化Fig.7 The unit load and ammonia consumption before and after the intelligent denitration control system was put into operation

4 結語

為解決SNCR 脫硝系統的大遲延、大慣性以及垃圾特性和成分復雜變化導致脫硝控制難度大的問題，本文提出了一種基于智能前饋的垃圾焚燒爐脫硝控制策略，并將其應用于某500 t/d 垃圾焚燒機組。運行結果表明：該策略實現了垃圾焚燒爐SNCR脫硝系統的穩定、經濟和環保運行。相比控制策略投入前，每天的進氨流量下降38.81%，每天的進氨總量均值下降38.82%，在大大降低運行人員工作量的同時，企業的經濟效益顯著提高。此外，該控制策略的應用和推廣能夠有效提高垃圾焚燒發電企業煙氣處理系統的自動化和智能化水平，顯著降低煙氣處理的成本，為垃圾焚燒發電企業長周期處于安全性高、經濟性好、綠色環保的良好運營狀態提供堅實的技術保障。