基于预测函数控制算法的脱硝优化控制

陈小强，迟庆喜，谢 磊，王德华，顾涤枫

（1.中电华创电力技术研究有限公司，江苏 苏州 215123；2.浙江大学 控制学院，杭州 310027）

0 引言

根据国家环保部门的要求，火力发电厂需要对烟气NOX（氮氧化物）的排放量浓度进行限制，工厂中常用到SCR（选择性催化还原脱硝）技术进行烟气脱硝，SCR 技术通过喷氨的方式，以氨作为还原剂，在催化剂的作用下通过化学反应将需要脱硝的烟气中的NOX分解为N2和H2O，从而将催化剂出口处的NOX浓度控制在一定的范围内[1]。在此过程中，运行人员需要根据烟囱处的NOX浓度，及时调整催化剂出口处NOX浓度设定值。但是，基于该技术的脱硝装置非常庞大，并且需要兼顾复杂的化学过程变化以及现场环境影响，使得系统整体的延迟和惯性都很大，给脱硝控制带来了一定难度。

对于脱硝控制系统这类大迟延对象，采用常规PID（比例-积分-微分）控制的效果不是很理想，尽管可以对PID 的控制参数进行精心调整，仍旧存在着抗干扰能力弱、启停磨时催化剂出口NOX浓度波动大、需要人为干预、自动化水平低等问题。为了解决这一问题，学者们进行了多方面的研究。文献[2]利用频域分析对控制器的参数进行整定，通过线性自抗扰器改进传统PID 控制；文献[3]通过对原有的出口测点进行技术改造，通过网格多点测量为科学喷氨提供了基础；文献[4]提出GA-KPLS 的建模方法，基于核偏最小二乘法及遗传算法建立了更精确的脱硝系统模型；文献[5]在建立脱硝系统模型的基础上采用广义预测控制对喷氨量进行控制，并取得不错的效果；文献[6]将预测控制技术与神经网络技术相结合应用到脱硝控制中，提升了在测试数据存在一定失真情况下的控制效率；文献[7]对预测控制中约束的可行性进行了分析与在线调整，对于带有约束的过程控制应用具有重要意义；文献[8]将模型预测控制应用于SCR 脱硝系统中，并通过仿真与PID 进行了对比分析，在动态特性与抗干扰能力方面印证了模型预测控制的优越性。

1 预测函数控制

对于具有以下形式的烟气脱硝模型采用预测函数控制方法控制设定值：

式中：a（z）=1+a1z-1+a2z-2+…+an+1z-n-1，b（z）=b1z-1+b2z-2+…+bnzn；uk和yk分别为系统当前时刻的输入和输出，即喷氨量和出口NOX浓度；Δ=1-z-1为差分算子。

构造矩阵形式的模型预测方程：

对于具有滞后时间Td，闭环期望响应时间为Tr，一致点为h 的滑压模型，按式（4）计算控制器输入增量Δu：

式中：H1表示矩阵H 的第一列；表示取矩阵M 的第Td+h 行；表示k 时刻脱硝过程的实际输出值，根据uk=uk-1+Δu 动态修正喷氨量设定值。

2 基于预测函数控制的脱硝优化

2.1 脱硝优化控制平台结构

控制喷氨量的脱硝优化控制平台在Rockwell的PLC（可编程逻辑控制器）中实施，在电子间布置PLC 机柜，通过MODBUS 模块与DCS（分散控制系统）进行通信，通信协议为RS485，这种开发结构充分考虑了系统的热插拔特性，无需对DCS进行大规模修改，更不会影响DCS 的基本功能，并且为了不影响运行人员的操作习惯，脱硝优化平台采用插件式部署，运行人员仅需按照往常的操作习惯操作即可。

脱硝管道喷氨催化过程分为A，B 两侧，磨煤机的运作影响了A，B 两侧的入口NOX浓度大小，入口浓度同时影响着出口NOX浓度，尤其在启停磨煤机时，会对出口NOX处产生很大的干扰。同时，发动机的负荷对脱硝催化过程的模型辨识有一定的影响。过程数据由DCS 输入给外挂的PLC 平台进行整体的优化控制计算，其后，PLC 将先进控制算法得到的喷氨量设定值输入至DCS，由DCS 中的PID 控制系统对阀门进行控制。该脱硝优化算法结构如图1 所示。

图1 脱硝优化算法结构

同时，为了满足运行人员的习惯与保证脱硝过程的顺利进行，在DCS 内部有一套自有的PID控制系统，用于控制催化管道出口处NOX浓度值，PLC 平台整体与DCS 现有的PID 控制系统并行工作，运行人员可以方便地在两者间切换，保证了系统的稳定性和安全性。

2.2 脱硝过程模型辨识

PFC（预测函数控制）的实施需要以过程模型为基础，脱硝过程是一个典型的单输入单输出过程，过程的输入为向催化剂管道中喷入的氨量，输出为催化剂出口处的NOX浓度，增加喷氨量，催化剂出口处的NOX浓度也会随之明显减少；而减少喷氨量，催化剂出口处的NOX浓度则会明显增加。但是，在这个过程中脱硝受到的干扰因素也较多，在喷氨量一定的情况下，催化剂入口NOX浓度、管道内总风量、总燃料量等因素都会显著影响催化剂出口处NOX的浓度变化。

同时，在不同发电负荷下，一些外部环境的改变如烟气量、风量风速等的不同，催化剂的催化效率也不尽相同。因此，需要根据不同的负荷分段定制脱硝模型，最终辨识出的结果为一阶加纯滞后模型：

其中在不同负荷时的模型参数如表1 所示。

表1 脱硝过程模型参数

2.3 算法设计策略

2.3.1 加速抑制扰动的策略

脱硝催化过程具有反应慢的特点，遇到扰动时，通过改变输入量的方式往往需要很长时间才可以应对扰动带来的改变，因此，当遇到高频扰动时，要在算法中减小参考轨迹的闭环响应时间，以达到快速抵消扰动影响的目的。因此在应用PFC 之前，要先在设定值附近设定一个范围值，以判断是否需要快速响应，当出口NOX浓度在范围之外，则调低参考轨迹闭环响应时间CLTR 值，当达到设定范围以内，则认为已经应对了扰动，增大闭环响应时间，平稳地对过程进行控制。

2.3.2 PFC 与PID 控制的无扰切换

为了适应运行人员的习惯，同时应对各种可能的情况，脱硝平台设置了PFC 与PID 控制相互切换的功能，因此需要保证在优化平台投入和切除时无扰。在PID 控制情况下对原有的PID 控制信号进行跟踪，在PFC 优化平台投入时，保证平台的计算结果和PID 的计算结果相同，实现无扰投入；而在PFC 优化平台切出时，由于PID 自带了操作变量跟踪功能，只需设置优化平台继续跟踪PID 即可。

3 控制效果及分析

在基于PFC 的脱硝优化平台部署后72 h 内，对平台的性能进行监控和分析，对影响催化剂出口NOX浓度的工况进行记录，主要包括常规设定值改变、负荷变化、启停磨等工况，同时还将开启脱硝优化的A 侧脱硝反应器和没有开启脱硝优化的B 侧脱硝反应器控制效果进行比较。

3.1 负荷稳定时设定值跟踪情况

负荷基本稳定在305 MW 左右时对出口NOX浓度进行采样，如图2 所示。

催化剂出口NOX浓度设定值由50 mg/m3改为40 mg/m3后，在经过约500 步（采样时间2 s）后，出口NOX浓度稳定在40 mg/m3附近。期间催化剂入口NOX浓度波动在40 mg/m3内，在入口NOX浓度存在一定波动的情况下，并未对控制结果产生较大影响，脱硝效果良好。

图2 负荷稳定时的脱硝控制曲线

3.2 升降负荷时设定值跟踪情况

受傍晚太阳能总量降低影响，在某时段机组负荷由320 MW 升至400 MW，为了维持烟囱出口处NOX浓度达到环保要求，运行人员多次调整催化剂出口处NOX浓度设定值，分别向上或向下对设定值进行了调整，如图3 所示。

图3 负荷不稳定时的脱硝控制曲线

在此期间，催化剂入口NOX浓度也经历了50 mg/m3左右的范围波动，在PFC 脱硝优化平台的控制下，出口处NOX浓度实现了快速的响应，均在8 min 左右调整到位，并伴有一定的超调，偏差基本在±3 mg/m3以内，最大偏差不超过5 mg/m3。

3.3 与PID 控制及手动控制效果比较

3.3.1 正常时段的控制效果比较

将不同的A，B 两侧分别用PFC 控制与PID控制在同一工况条件下运行，并采集到数据。某时段催化剂出口NOX受到一定干扰，运行人员将A，B 两侧催化剂出口NOX浓度设定值都调高了5 mg/m3，如图4 所示。

图4 正常时段PFC 控制与PID 控制效果比较

可以明显地看出：A 侧代表的PFC 控制效果面对设定值的变动，具有更快的响应速度；B 侧传统的PID 控制即使在参数整定较好的情况下也要慢于A 侧。

3.3.2 启停磨期间的控制效果比较

每天根据机组负荷适当启动或者停止部分磨煤机，在磨煤机启停期间，机组处于剧烈的工况变化阶段，尤其考验控制器的性能。某时段机组负荷降低至330 MW，需要停止磨煤机以减少燃料量。磨煤机停止时催化剂出口NOX浓度将会迅速降低，需要迅速降低喷氨量以防止出口NOX浓度过低，造成过量喷氨。此期间，A 侧脱硝由脱硝优化平台完成，B 侧脱硝由运行人员手动干预，效果如图5 所示。

A 侧基于PFC 的脱硝控制快速跟踪了出口NOX浓度设定值变化，而B 侧PID 控制在参数整定较好情况下，由于响应速度较慢，对于设定值的变化并没有达到与A 侧一样的跟踪效果。

4 结语

图5 启停磨期间PFC 控制与PID 控制效果比较

以某发电厂机组脱硝过程为研究对象，通过采集催化剂入口、出口NOX浓度，机组负荷、总燃料量等机组运行参数，设计了基于预测函数控制的脱硝优化先进控制算法。该算法使用了Rockwell 公司的PLC 组件，在各种稳定和变化工况下均能快速、稳定地将催化剂出口NOX浓度控制在设定值附近，同时有效抑制干扰。从总体效果来看，脱硝优化平台的控制效果明显优于现有PID 控制方案，实现了自动化水平更高的先进控制，减轻了运行人员的工作负担。同时，对于脱硝优化这一复杂的慢速过程工业控制，预测函数控制算法仍不能完全克服其频繁扰动的缺点，对于一些高频快速的扰动还需要做进一步的研究。