針對目前垃圾焚燒發(fā)電廠SNCR 系統(tǒng)自動控制投入率低下，對出口氮氧化物（NOx）的跟蹤滯后，無法有效控制氨逃逸的現(xiàn)狀，對SNCR控制系統(tǒng)采用機器學習模塊進行優(yōu)化。通過挖掘、分析各種工況數(shù)據(jù)，可實現(xiàn)對各種工況條件下的還原劑噴入量的精確控制。文章主要闡述了機器學習在垃圾焚燒發(fā)電廠SNCR 控制系統(tǒng)中的應用。

近年來，隨著城市化的不斷發(fā)展，文化、生活質(zhì)量的提高，城市環(huán)境質(zhì)量的標準也在逐步提高，垃圾焚燒發(fā)電廠的尾氣排放標準越來越嚴格，尤其是對垃圾焚燒尾氣中氮氧化物（NOx）的排放標準更加嚴格。在SNCR 脫硝方式下，通過采用機器學習對控制系統(tǒng)進行優(yōu)化改造，不但能夠?qū)崿F(xiàn) NOx 達標排放、降低氨逃逸、減少噴槍損耗，并且能降低 SNCR 使用的單位生產(chǎn)成本。

機器學習的原理

目前，垃圾焚燒發(fā)電廠主流的 SNCR 控制系統(tǒng)采用 PLC 或 DCS，通過經(jīng)典 PID 控制實現(xiàn)對出口 NOx 的排放控制。控制原理見圖 1。

氨水調(diào)節(jié)閥采用串級PID調(diào)節(jié)方式，主PID以NOx 指標為被控參數(shù)，副 PID以氨水流量為被控參數(shù)，主PID調(diào)節(jié)輸出作為副PID調(diào)節(jié)的給定值，副PID 調(diào)節(jié)輸出控制氨水調(diào)節(jié)閥的開度。

由于 SNCR 工藝在加入還原劑后有一定的反應時間，是一個滯后系統(tǒng)，同時信號的測量相對實際工況的變化也是比較滯后的，所以當前觀察到的工況不是實時的工況，而是在此之前某一個時刻的工況，具有強耦合、非線性、多變性、大滯后等特點，為了及時響應工況的變化，處理系統(tǒng)的控制必須采用超馳優(yōu)化控制。同時，也需要對不同工況下還原劑的逃逸進行跟蹤和控制，以保證控制指標的穩(wěn)定。傳統(tǒng)的串級PID 調(diào)節(jié)存在反應滯后、調(diào)節(jié)困難的問題，無法做到全自動投入。因此考慮加入機器學習模塊（見圖 2）。

采用機器學習模塊可設定主調(diào)節(jié)閥氨水上限、下限，改善了傳統(tǒng)控制方法無法精確調(diào)整輸出幅值的難題，從而達到優(yōu)化控制NOx排放，降低氨逃逸的目的。

應用效果

加入了機器學習的SNCR優(yōu)化工程,顯著提高了自動投入率。在工況波動較大的情況下也能及時跟蹤鍋爐負荷(主蒸汽量)的變化, 自動投入率達99.9%以上。

實現(xiàn)了如下控制:啟停機時的沖洗控制、噴射閥的順序控制、系統(tǒng)的聯(lián)鎖保護、配方選擇控制、軟水流量的自動控制、氨水用量自學習控制、氨水投入量的自動控制。

對機器學習改造前后脫硝系統(tǒng)的相關數(shù)據(jù)進行比較，比較結果見下表。

結語

通過分析NOx排放值和鍋爐主蒸汽量等信號的變化，采用機器學習控制技術來克服調(diào)節(jié)過程存在的控制非線性、死區(qū)大及反應不靈敏等問題。對影響SNCR效果的數(shù)據(jù)進行挖掘,模擬人工操作,先使系統(tǒng)超調(diào),然后再迅速拉回,通過不斷的自主學習,大大縮短了響應時間,解決了SNCR控制系統(tǒng)反應滯后、氨逃逸控制困難等問題。SNCR優(yōu)化控制實施之后,煙氣出口NOx的排放值(< 120mg/Nm3) ,優(yōu)于國家標準(< 200mg/Nm3)。在滿足排放標準的同時,氨逃逸控制在8ppm以下。具備機器學習功能的SNCR控制系統(tǒng)可產(chǎn)生良好的環(huán)境效益,在垃圾焚燒發(fā)電行業(yè)中具有較高的經(jīng)濟價值和市場推廣價值。

  使用微信“掃一掃”功能添加“谷騰環(huán)保網(wǎng)”