基于神经元PID的SCR脱硝控制系统研究

赵海涛,郭少娟

(西安航天源动力工程有限公司，陕西 西安 710100)

基于神经元PID的SCR脱硝控制系统研究

赵海涛,郭少娟

(西安航天源动力工程有限公司，陕西 西安 710100)

大气污染问题已成为当今社会发展过程中亟待解决的重要问题之一，而烟气选择性催化还原法(SCR)脱硝控制技术是环保脱硝领域的关键技术。对如何更好地实现基于SCR技术的氮氧化物排放控制问题进行了研究，提出了基于神经元PID的SCR脱硝控制系统。重点分析了系统功能和控制算法。通过Matlab仿真与试验验证，从理论和实践相结合的角度对基于神经元PID的SCR脱硝控制系统进行了研究和分析。通过在某化学项目中的实际应用，验证了该控制方法能够使脱硝效率稳定地保持在92%以上，表明其是一种先进的、抗干扰能力强的控制算法。该控制方法能够促进SCR脱硝技术的进一步发展，并将智能控制技术推向新的应用领域，对于促进环境保护和社会发展都有一定的实际意义。

大气污染； 环保; 智能控制; PID; 选择性催化还原法; 脱硝; 神经网络

0 引言

随着经济的发展和工业化进程的不断加速，环保问题已经成为当今亟待解决的经济问题和社会问题。氮氧化物(NOx)是影响环境的主要污染物之一。其主要来源于工业排放，因此控制和有效处理工业排放是关系国计民生的重要工作。目前，工业领域的主流脱硝技术有选择性催化还原法(selective catalytic reduction，SCR)与选择性非催化还原法(selective non-catalytic reduction，SNCR)两种。SCR脱硝控制技术是提高SCR脱硝效率的关键技术之一[1]，其脱硝效率可达到90%以上。

SCR脱硝关键技术之一是如何稳定、准确地控制烟气温度与喷氨流量，以满足工艺系统的技术要求。因此，SCR脱硝控制系统的优劣直接影响NOx脱硝的性能。如何稳定、快速、准确地控制系统运行温度和流量是当前的重点研究方向。温度是影响SCR脱硝催化剂活性的关键参数，常规SCR催化剂的最佳活性温度为360 ℃左右，过大的温度偏差会影响催化剂活性甚至寿命；同时，喷氨量是影响SCR脱硝效率的另一个重要因素，喷氨量的多少将直接影响脱硝效率和效益，会导致因喷氨量不足引起的脱硝效率下降或因喷氨量过大引起的二次污染。因此，如何更好地进行关键参数控制已成为SCR脱硝技术的关键[2]。

目前，大多采用传统的PID技术对SCR进行控制，而对于具有大时变、大滞后的系统，难以实现良好的跟随控制。神经网络技术作为近年来不断发展的先进智能控制技术，已经在多个领域的应用中取得良好效果，因此将智能神经网络控制技术与传统PID控制技术相结合，应用于环保脱硝领域，具有重要的理论和实践意义。

1 SCR脱硝控制系统

1.1 SCR脱硝系统

典型SCR烟气脱硝系统示意图如图1所示。

图1 典型SCR烟气脱硝系统示意图

系统采用典型的SCR脱硝工艺进行烟气脱硝，满足大气排放要求，能够对常见的大多数燃料进行燃烧处理和NOx排放控制。温度与流量是SCR脱硝系统的重要控制参数，控制系统的性能直接影响SCR系统的性能。系统运行前，要按照烘炉曲线对焚烧炉进行升温。当烘炉达到工艺要求温度时投入燃料，并根据热力计算得到的燃烧温度范围为1 000～1 800 ℃，脱硝温度在350 ℃左右。由于工业燃料具有成分多变、流量多变等特点，因此燃烧温度和烟气量会经常发生变化。当负荷变化时，实时调整喷氨量与烟气温度，可使系统关键参数始终满足工艺参数要求，实现系统最佳运行[3]。由于系统具备实时调节的跟随性能，因此运行人员无需根据工况负荷变化进行相应设置或手动调节即可正常工作。这样既可以防止因负荷波动引起的系统参数波动，又可合理节能减排，达到了节能增效的目的。

1.2 智能温控系统

以SCR温控系统为主，介绍该控制算法的先进性。烟气脱硝系统的温度控制尤为关键，传统的温度控制大多采用经典PID控制方法。

该方法能够满足一般的工业温控要求，具有自动调节的基本功能。随着控制技术的不断发展以及不同领域对温度控制要求的差异，越来越多的系统要求具有更好的稳定性、准确性、快速性，并能够适应不同系统工况的多变性。因此，智能温控系统是解决该类问题的主要方法[4]。

本文采用基于神经元PID的温控算法。该方法既利用了传统PID的成熟控制技术，又结合了智能控制领域的新技术，使温控系统具有更好的稳定性和自适应性。传统PID参数整定是通过静态仿真或在静态工况下人为设定实现的，随着工况的变化，自适应能力较差。本文设计的智能神经元PID控制[5]，其参数整定是通过相应的学习算法实现的，可对不同工况进行自适应调节，具有更强的稳定性和鲁棒性，能更好地适应SCR系统的要求。

SCR脱硝系统智能温控的基本原理是根据燃烧系统运行温度曲线，设定换热器换热量。通过判断实际温差是否满足设定要求，来调节换热量及其PID控制参数，使换热系统的吸收功率与燃烧系统的输出功率相匹配。

2 神经元PID控制算法研究

2.1 控制系统结构设计

烟气SCR脱硝温控系统基于换热量与温差控制策略。根据以上分析所设计的神经元PID控制结构如图2所示。

图2 神经元PID控制结构示意图

烟气SCR脱硝系统的温控过程具体如下。

①根据当前的工艺曲线及实测温度值，判断各点温度是否满足工艺要求。

②如果Ev(T)>D(T)，则根据相应控制策略调节换热器的流量,从而改变换热量，使目标温度回到目标范围内，实现换热与温度相匹配。

烟气SCR脱硝温控系统的控制流程图如图3所示。图3中:S(t)为目标温度；P(t)为当前温度；Q为锅炉流量；n为供应泵转速；E(t)为实时温差；D(t)为目标温差。

图3 控制流程图

2.2 神经元PID控制器设计

(1)式中：e(k)为第k次采样的SCR烟气温差；kP、kI、kD为PID的待整定参数。

传统位置式PID控制因其算法相对简单、稳定性较好、可靠性较高等优点，在工业中得到了广泛的应用。其控制性能的好坏关键取决于PID参数kP、kI、kD的整定[6]。

由于烟气SCR脱硝系统存在滞后性、时变性等非线性因素，很难建立其精确的数学和控制模型，所以传统位置式PID控制难以取得良好的效果。在系统运行过程中，使控制参数能够自适应调节，以改善控制系统的动态性能就显得非常重要。因此，在PID控制系统中，应考虑建立PID参数的整定不依赖于相关对象的数学模型[7]，而且应实现PID参数的在线调整，从而满足系统的实时控制要求。

鉴于此，本控制算法引入了具有自学习、自适应能力的神经网络智能控制技术，结合传统位置式PID控制算法，形成了基于神经元PID的智能控制器。该控制器不仅具有结构简单、易实现的特点，而且能够适应系统环境的变化，具有较强的鲁棒性[8]。本文设计的神经元PID控制器基本结构如图4所示。

图4 PID控制器结构图

图4中：Pv为当前温度；Sv为设定温度；Xi(i=1、2、3)为神经网络变量；p为泵的压力；V为当前排量。

该结构利用神经元模型结合传统位置式PID控制模型，在一定程度上解决了传统PID不易在线实时整定参数，以及当过程较复杂或系统参数变化较慢时对时变系数实现有效控制不足等各种缺陷[9]。

选取神经元的输入分量为三类差值,转换器的输入反映了被控参数及设定参数的状态；经过该转换器形成三个变量X1、X2、X3，用控制量u(i)来控制输出量的大小，则其相应的神经元PID控制算法如式(2)所示。

u(k)=Ku[W1X1(k)+W2X2(k)+W3X3(k)]

(2)

(3)

式中：ηi、ηu为自适应的学习系数。

式(2)中的Wi(i=1、2、3)和Ku可通过神经元的自学习能力进行在线自适应调整。基于神经元PID的学习方式及其学习能力决定了Wi(i=1，2，3)和Ku的调整特性，使其对整个控制系统的抗干扰能力和自适应能力产生较大的影响[10]。

3 Matlab仿真及结果分析

以西安航天动力研究所开发的某民用烟气SCR脱硝项目为研究对象。该项目采用了如图1所示的工艺系统。

换热器给水泵采用变频控制的方式，可以按程序连续地控制泵的流量，设定系统的目标温度为1 600 ℃；根据该系统的基本数学模型，将网络初始权值设定为W=[1.046 5 0.236 2 1.186 1],将学习系数ηi设定为[0.213 0.002 0.103]，将ηu设定为0.252，则系统阶跃响应仿真曲线如图5所示。

图5 系统阶跃响应仿真曲线

从图5可以看出，基于神经元PID控制系统具有良好的动态响应特性[11]，响应时间为852 ms；超调量比较小，其最大的超调量不超过12.6%，且具有良好的稳定性，消除了稳态的误差。对该系统进行变负荷工况测试后的Matlab仿真，得到变负荷作用下的系统温度特性曲线如图6所示。

图6 系统温度特性曲线

由图6可以看出，在初始的运行负荷下，系统稳定运行在1 600 ℃左右。当系统负荷发生脉冲变化时，目标温度值仅有一个短时的小幅波动，而且在控制系统允许的范围之内；当系统负荷重新达到稳定状态时，系统温度迅速恢复到正常的目标温度，该调节过程中的最大超调量仅为5.63%。

4 结束语

本文在分析SCR烟气脱硝系统工艺要求及温控要求的基础上，研究了基于神经元PID的自适应控制方法[12]。通过Matlab仿真及相关项目的应用结果表明，该控制系统具有以下特点。①在系统负荷具有波动的情况下，能够将系统目标温度保持在允许的范围之内，有效地防止了系统偏离设计工况运行的情况，抗干扰能力强，实践证明脱硝效率能够稳定地保持在92%以上；②系统整体的功耗较小，自适应调节使得系统运行稳定可靠，具有一定的节能和增效功能；③与传统的位置式PID控制相比，神经元具有的自学习特性，使得其自身的控制精度可以随着运行时间的增长而不断提高，控制效果更好，对系统环境的适应能

力更强。

此外，由于神经元PID控制器的控制结构相对简单，使得它较容易结合SCR烟气脱硝控制系统。通过对神经元网络的权值Wi和自适应系数Ku的优化，可实现对SCR烟气脱硝系统的稳定、快速、准确控制。本控制方法对其他相关应用中同类控制器的设计和研究也具有一定的借鉴意义，为烟气SCR脱硝控制系统优化提供了一种良好的控制策略。该技术已在山东沂州能源SCR脱硝项目中得到应用，具有良好的经济和社会效益。

[1] 王安，杨青青，闫文宇.模糊自整定PID控制器的设计与仿真[J].计算机仿真，2012(12):224-228.

[2] 方昱斌，邱泽阳.模糊自整定PID在列车空调控制中的应用[J].自动化与仪器仪表，2016(1):64-66.

[3] 李岩，苏学军.基于模糊径向基函数神经网络的PID控制算法仿真研究[J].自动化与仪器仪表，2014(9)：1-3.

[4] 肖东岳，李英堂，周强.基于MATLAB的步进电机自动化测试系统[J].制造业自动化，2012，34(17):30-31.

[5] 王述彦，师宇，冯忠绪.基于模糊PID控制器的控制方法研究[J].机械科学与技术，2011(1):166-172.

[6] 柏源，李忠华，薛建明，等.尿素为还原剂燃煤烟气脱硝技术的研究与应用[J].电力科技与环保，2011(1):34-36.

[7] 张建平.SNCR脱硝控制系统设计与研究[J].自动化与仪器仪表，2016(1):88-89.

[8] 胡国华，杨艳，金贤锋.基于MATLAB逆变电焊电源模糊PID控制研究[J].青岛大学学报(工程技术版)，2014(4):23-26.

[9] 张建林，邓小龙.模糊控制技术在空调控制系统中的应用[J].电子科技，2014(3):41-45.

[10]盛贤君，姜涛，王杰，等.基于BP神经网络的速度前馈PID控制器设计[J].计算机应用，2015(S2):134-137.

[11]于立君，陈佳，刘繁明，等.改进粒子群算法的PID神经网络解耦控制[J].智能系统学报，2015,10(5):699-704.

[12]胥良，郭林，梁亚,等.基于模糊RBF神经网络的智能PID控制[J].工业仪表与自动化装置，2015(6)：67-69.

Research on SCR Denitrification Control System Based on Neuron PID

ZHAO Haitao,GUO Shaojuan

(Xi’an Aerospace Power Engineering Co.,Ltd.，Xi’an 710100，China)

Air pollution has become one of the most important problems to be solved in the process of social development,and the control technology of flue gas SCR denitrification has become the key technology in the field of environmental protection.The issue for well implementing nitrogen oxide emission control based on SCR technology is studied.By adopting the SCR denitrification method based on neuron PID,the systematic function and control algorithm are analyzed emphatically;through Matlab simulation and experimental verification,from the angle of the combination of theory and practice,the neuron PID based SCR denitrification system is researched and analyzed.By combining the neural network technology and traditional PID control technology,the mature of traditional PID technology is kept,and the advancement of intelligent control technology is introduced.This control method is verified by the practical application in Maizy chemical project,the denitrification efficiency is stably above 92%,it shows that the control algorithm is advanced with strong anti-interference capability.The control method can promote the further development of SCR denitrification technology,and the intelligent control technology to a new field,it possesses practical significance to the promotion of environmental protection and social development.

Atmospheric pollution; Environmental protection; Intelligent control; PID; Selective catalytic reduction (SCR); Denitrification; Neural network

国家重点研发计划基金资助项目(2016YFC0801502)、北京市教育委员会科技能力提升计划基金资助项目(PXM2016_014222_000041)

赵海涛(1985—)，男，硕士，工程师，主要从事自动控制技术、节能环保技术的研究和应用工作。E-mail：18092623365@163.com。

TH-39;TP273

A

10.16086/j.cnki.issn1000-0380.201705005

修改稿收到日期：2017-02-03