咨询电话

400-123-4567

欢迎光临本公司网站!
产品分类
联系我们
地址:广东省广州市天河区88号
电话:400-123-4567
传真:+86-123-4567
邮箱:admin@baidu.com

新闻动态

当前位置:利来国际官网唯一授权 > 新闻动态 >

仿真显示SCR脱硝误差小于10–4

文章来源:admin 更新时间:2019/04/13

  

  为了达到大气污染物近零排放标准,大型燃煤发电机组NOx排放质量浓度需低于35 mg/m3。在当前工程实践中应用最广泛的锅炉低氮燃烧(LNB)与选择性催化还原(SCR)综合脱硝技术存在协调问题,很难同时实现机组LNB与SCR脱硝的安全、环保、经济运行。

  为此,本文建立了燃煤锅炉LNB运行调整与SCR脱硝协同模型,采用改进的 BP 神经网络建立锅炉燃烧系统模型,利用改进的最小二乘支持向量机建立 SCR 脱硝系统模型,并进一步开展了机组高效低NOx调节与优化分析,开发了燃煤锅炉高效低 NOx协同优化系统。在某机组的实际应用结果表明,该协同优化系统可在任何工况下实时指导运行人员调整机组运行参数,确保机组安全、环保、经济运行。

  [关 键 词]燃煤锅炉;NOx排放;高效低 NOx控制;综合脱硝技术;协同优化;

  低氮燃烧伴随我国能源绿色发展,化石能源清洁化发展成为必然趋势。火力发电要实现绿色清洁,首先要降低 NOx排放。目前,超低排放火电机组的NOx排放质量浓度要求在标准状态下小于 35 mg/m3。现阶段降低NOx排放的主要手段是锅炉低氮燃烧(LNB)技术与选择性催化还原(SCR)脱硝技术。如果要实现良好的脱硝效果,必须统筹考虑锅炉LNB及SCR技术的安全性、环保性和经济性,而现行优化方案均未综合考虑LNB和SCR技术。

  本文基于大量脱硝改造的工程实践,通过对LNB 运行调整与 SCR 脱硝系统特性的分析,设计了可实现安全、环保、经济的燃煤锅炉高效低 NOx协同优化系统。

  一是实现LNB系统与SCR脱硝系统的协同建模,二是达成安全、环保、经济的多目标优化。

  首先,分析总结实现燃煤锅炉高效低NOx目标的关键,即最大限度地降低锅炉出口 NOx的生成量与精准喷氨,减少NOx生成不仅能降低炉内结焦与超温的可能,而且可以减少SCR脱硝系统的还原剂消耗;精准喷氨节约了还原剂使用量,减少了氨逃逸,进一步降低了风烟系统设备腐蚀,使机组更加安全、经济。

  其次,为成功实现 LNB 改造以及实现改造后锅炉高效低NOx运行,深入探讨了机组在快速自动发电控制(AGC)、煤种改变、风烟系统运行改变等状况下的配煤、风粉比等技术。

  最后,为了使上述LNB与SCR脱硝技术能够应用于生产实践,研发了燃煤机组高效低 NOx协同优化系统。

  针对 NOx的生成及处理过程,借助于系统历史运行数据及人工智能等先进建模方式,将包含 LNB设备、SCR烟气脱硝的燃烧系统分步建模:首先建立锅炉高效低 NOx燃烧模型;然后构建SCR脱硝效率模型;最后耦合2个模型建立锅炉高效低 NOx协同优化模型,实现对生产过程最大程度的逼近。建模过程结合机组分布式控制系统(DCS)、厂级监控信息系统(SIS),确保模型实现可靠。

  神经网络算法具有很强的鲁棒性、记忆力及自学习能力,其强大的非线性拟合能力可拟合任意复杂的非线性关系,但算法训练过程收敛速度慢且易陷入局部最优。

  本文针对基本BP(back propagation)神经网络算法进行模型算法改进:

  1)给待训练参数的调整量加动量项,可有效减小震荡趋势,改善收敛性,抑制网络陷入局部极小值;

  2)采用自适应的学习速率,以克服算法网络训练速度慢、不易收敛到全局最优的缺点。

  基于改进 BP 神经网络算法对锅炉的燃烧与排放特性进行建模,所建模型如图所示。

  经仿真对比,输入层与中间层之间的传递函数采用带陡度因子的S型函数;中间层与输出层之间的传递函数采用线性函数 f(x)=k·x+c。模型采用改进BP 神经网络,包含输入层、输出层和1个中间层。输入层以锅炉操作量为主,总计84个操作量;中间层从锅炉工况、设备状况、煤质、风机功率、风量配比6个方面表征锅炉燃烧状态;输出层从安全、环保、经济3个方面10个节点表征机组运行状况。

  最小二乘支持向量机(LS-SVM)在保持标准支持向量机(SVM)优点基础上,显著降低了计算成本,但是以损失 SVM 解的稀疏性和鲁棒性为代价。为此,Suykens 提出了稀疏 LS-SVM(space LS-SVM)与加权 LS-SVM(weighted LS-SVM)来分别解决稀疏性与鲁棒性问题;胡良谋等结合这 2 种算法的优点,提出了一种改进的 LS-SVM,同时改善 LS-SVM的鲁棒性与稀疏性。该算法首先对数据开展 LS-SVM初始训练,然后运用加权LS-SVM对训练后的数据进行鲁棒性训练,最后采用稀疏 LS-SVM对训练后数据进行稀疏性训练,此改进LS-SVM可实现良好的建模效果。 火电机组的SCR脱硝系统位于省煤器与空气预热器(空预器)之间,其工作原理是在催化剂的作用下利用氨气将 NOx还原生成氮气与水,工艺原理如 图 2 所示。

  采用改进LS-SVM构建SCR脱硝效率模型 (图 3),可对 SCR 脱硝系统的实际运行进行精 准表达。

  式中,X、Y 分别为输入输出矩阵,A 为系数矩阵。式(3)—式(4)分别为 X、Y 的列向量,i 代表选取的第i 组数据。

  从机组DCS采集300组数据进行训练,其中50组数据进行校验。仿真显示SCR脱硝误差小于10–4,证明预测模型可用于工程实际。

  耦合以上2个模型即可建立锅炉高效低NOx协同模型,其结构如图所示。模型包含输入、输出、中间状态 3 种类型数据,其中 A、B、C、D、E、F 为目标优化量。

  该模型中:A 代表SCR脱硝出口 NOx排放质量浓度,是系统的环保指标,近零排放标准为小于35mg/m3;C代表氨逃逸量,在长时间运行时应小于3×10-6;D 代表 SCR 脱硝效率指标,要保证4~5 年内催化剂脱硝效率不小于 75%;E 代表SCR 脱硝入口烟温,为保证 SCR 脱硝有效运行,应使E位于催化剂反应温度范围内,C、D、E 为3个安全性指标;锅炉效率B与氨耗量F为系统的经济性指标。

  锅炉高效低 NOx协同模型的控制目标是在环保与安全的前提下,实现煤耗与氨耗最低,其数学表达式为

  式(5)是典型的多目标优化问题,可采用性能优异的粒子群优化算法(PSO)寻优,该算法较成熟,在此不再赘述。

  基于锅炉高效低 NOx协同模型及PSO,本文采用B/S 模式,前台采用Adobe Flex 技术,后台采用Java、Erlang技术,开发了锅炉高效低 NOx协同优化系统,该系统包含数据引擎、锅炉及SCR脱硝等设备状态及性能在线软测量与综合评估、高效低NOx 燃烧优化、高效低NOx协调监控等 4 个功能模块,系统结构如图 5 所示。

  锅炉高效低 NOx协同优化系统通过耗差分析,可实现氨气的自动调节;通过对历史数据进行寻优,可实现高效低 NOx协同优化。

  图 6 为锅炉高效低NOx协同优化系统设备监视界面,该系统结合机组DCS,可为运行人员提供参考,从而大幅提升锅炉高效低NOx运行水平。系统可监视设备参数与状态量,当优化目标偏离优化值或越限时,系统设置的软光字牌将实时发出警报,通过系统自动调整与运行人员的调节,使机组运行在安全、环保、经济的最优状态。

  系统的耗差分析与绩效考核功能可全程记录操作人员操作过程,并将机组运行结果折算为运行绩效,从而实现在线考核。另外,优化系统充分发挥 LNB与SCR脱硝综合技术潜力,可自动筛选不同工况不同运行方式下的调整方案,实现指标的压红线运行。优化系统具备数据挖掘功能,可对LNB与SCR脱硝系统多个参数进行相关性分析,通过不同工况下喷氨量和NOx的变化关系,实现相关性分析及优化方案的筛选和存储等功能。

  SCR脱硝在线仿真系统,可模拟实际运行时的氨逃逸、SCR脱硝运行效率等情况,作为培训工具实现运行人员的在线仿真与培训功能,提高运行人员的操作水平。

  图7和图8分别为在550MW负荷下锅炉效率相同(变化小于 0.01%)时,高效低 NOx协同优化系统投入前后,SCR脱硝出口NOx变化曲线可明显看出,投运后脱硝入口NOx质量浓度明显降低,稳定在 300mg/m3以下,开展磨煤机组合调整优化后,还可取得进一步优化。

  协同优化系统可实现空预器差压压线运行,从而一定程度避免空预器堵塞问题,提升设备可靠性。图9和图10分别为系统投运前后空预器差压曲线。对比可见,协同优化系统投用前,空预器差压经常超过设计值,特别在高负荷期间;优化系统投用后,在排放达标的前提下,差压保持了较好的水平。

  图 9 协同优化系统投运前空预器差压曲线 协同优化系统投运后空预器差压曲线)经济性目标

  通过使用协同优化系统,在保证不低于93.4%的锅炉效率前提下,对比系统投运 2 周的运行结果,每台机组24h可节氨1.2~1.5 t,每年运行时间以300天计,若氨每吨0.36万元,每年仅节氨的经济效益为 129.6 万元。若考虑节氨后设备腐蚀的降低、催化剂寿命的延长以及电耗的降低,系统将产生更大的经济效益。

  本文提出的锅炉高效低NOx协同优化系统模型成功在工程实践中应用,结果表明,该系统可指导运行人员操作,更好地实现各负荷下LNB与SCR协同优化,确保机组安全、环保、经济运行,具有十分重要推广价值。

  作者简介:王天堃,博士,高级工程师,主要研究方向为火力发电厂先进控制技术、分散控制系统及现场总线控制系统。

地址:广东省广州市天河区88号电话:400-123-4567传真:+86-123-4567

Copyright © 2018-2020 利来国际官网唯一授权_利来国际娱乐平台正规_利来国际平台 版权所有技术支持:织梦58

400-123-4567