脱硝系统喷氨控制技术研究现状与展望

丛 岩，彭 跃，冯兆兴

（沈阳工程学院a.研究生部；b.能源与动力学院，辽宁 沈阳 110136）

燃煤产生的NOx是造成大气氮氧化物环境污染的主要来源之一［1］。近年来，随着环保意识的逐渐提高，为了缓解火力发电厂日益突出的空气污染、生态环境及煤炭资源约束等问题，国家发改委联合环境保护部、国家能源局于2015 年下发《全面实施燃煤电厂超低排放和节能改造工作方案》，要求在2020 年前对燃煤机组全面实施超低排放和节能改造。

优化脱硝系统是整个火力发电厂超低排放改造中非常关键的步骤之一，占整个改造工程成本的比例很大。脱硝系统中对喷氨量的控制直接影响脱硝的效率和进程。目前，国内火力发电厂主要采用选择性催化还原（SCR）脱硝技术。烟气脱硝效率与NH3逃逸率是脱硝系统的两个首要性能指标［2］。复杂恶劣的脱硝环境会导致局部氨逃逸超标、出口NOx浓度分布均匀性较差等问题。国内相关学者在此方面进行了大量研究［3-5］。本文对喷氨控制系统中存在的问题、改造方案及近期的SCR脱硝系统喷氨控制技术优化的研究进展等进行了阐述。

1 当前脱硝技术发展状况

1.1 烟气脱硝技术及其控制系统

烟气脱硝技术包括选择性催化还原技术（SCR）与非选择性催化还原技术（SNCR）两种。SNCR 技术是在不需要催化剂的情况下，向烟气中喷入还原剂将NOx分解，但由于其脱硝效率较低而不被广泛采用。SCR 技术最早由日本BHK 公司实现商业化，西方国家采用SCR技术的燃煤发电站占比为90%以上。运行状态良好的SCR 机组脱硝效率可达80%，是目前技术最成熟、脱硝效率最高的脱硝方案，可有效控制氮氧化物的排放，成本较低且几乎无二次污染［6-7］。

目前，氨法选择性催化还原技术因其优良的综合性能成为了工程中应用最为广泛的脱硝技术。它采用NH3作为还原剂，其主要来源有氨水、液氨和尿素。氨水汽化技术的局限性较大，成本高且腐蚀性较强，给运输和保存带来不便，通常不被电厂所采用。液氨蒸发技术优点在于脱硝效率高、运行成本低、不需要热源溶解；缺点是易燃易爆、管理成本高且存在安全稳定问题。尿素制氨技术由于其原材料成本低、腐蚀性可控、运行安全稳定、储存运输方便的特点逐渐成为电厂脱硝还原剂的主要选择，但其适应性差、分解率低等问题还需进一步优化改良［8-9］。

SCR 由脱硝反应系统和还原剂制备系统两大部分组成。SCR 整体工艺流程如图1 所示，向通过布置在省煤器与空气预热器之间脱硝模块的烟气中加入还原剂，在以钛、钒等碱金属作为催化剂的作用下，使烟气中的NOx发生还原反应，最终生成N2和H2O［10］。SCR 脱硝控制系统中包括数据采集系统、模拟量控制系统、顺序控制系统、工业电视监控系统、烟气连续检测系统以及连锁保护和报警系统［11］。

图1 SCR整体工艺流程

1.2 脱硝控制系统中存在的问题

SCR脱硝系统不具备自平衡能力，需要配置合适的控制策略才能实现脱硝系统的高效稳定运行。目前，国内燃煤火力发电厂已有超过半数实现了脱硝优化改造，但改造现场整体水平仍滞后于理论研究，脱硝优化控制仍有较大发展空间。在脱硝优化改造控制设计中，针对脱硝反应动态过程的考虑较少，控制策略设计较为简单，缺乏自适应机制。由于依靠CEMS 系统测量出入口处NOx浓度的滞后性，当工况变化时控制器响应动作不及时［12-13］，容易造成出口NOx质量浓度超标及喷氨量过多导致氨逃逸等问题［14-15］。

2 喷氨控制技术发展状况

2.1 常规PID控制技术的发展

典型SCR 脱硝系统采用传统串级PID 控制方式，其优点在于抗干扰性强，算法较为简单、可靠。其工作原理是根据炉膛出口烟气流量及出口处NOx浓度值等参数，计算出所需的还原剂氨气流量，将其作为前馈信号控制喷氨阀门开度，完成脱硝反应。当前主要脱硝系统氨气流量控制方式有以下两种：

1）固定摩尔比控制方式

这是一种设定值可调整的单回路经典控制系统，其原理如图2 所示。它是基于SCR 脱硝系统自身的脱硝效率和催化剂脱硝能力，按照脱硝反应方程式中氨氮摩尔比来计算喷氨量，再通过出口处NOx浓度的实际测量值计算出修正值，经PID 控制器调整喷氨阀门的开度，从而控制实际喷氨流量。这种控制方式的优点是调试与整定较为便捷，出口处NOx浓度值波动较小；其缺点是变工况适应性较差，摩尔比设定值需要运行人员手动设置，响应延迟时间长达十几分钟，且喷氨量消耗大，容易导致局部氨逃逸率超标，产生二次污染，增加机组运行的经济负担。

2）固定出口NOx含量控制方式

针对喷氨控制系统中固定摩尔比控制方式自身存在的适应性较差、延时性较高的缺陷，通过分析SCR 脱硝化学反应过程，采用了固定出口NOx含量控制方式［16］。这种控制方式与固定摩尔比控制方式相比，主要控制回路基本相同，不同之处在于此类控制方式氨氮摩尔比是变值且控制逻辑更为复杂。其工作原理是以超低排放中最高允许NOx浓度值为阈值，根据实际入口NOx浓度值与出口浓度设定值计算出氨氮摩尔比，再结合实际出口测量值对数值进行修正，最终确定实际氨氮摩尔比，从而有效控制喷氨量，确保出口NOx浓度值符合排放标准。这种控制方式虽然调配较为困难，但是可以做到按需脱除NOx，减少了氨气逃逸，满足降低运行经济成本的需求。

图2 固定摩尔比喷氨控制系统

常规PID 控制SCR 喷氨技术是按照机组运行满负荷工况下确定喷氨量，在工况稳定时有着良好的控制效果，但是在变工况条件下，机组负荷经常伴随有较大的变动。当机组运行负荷发生变化，脱硝系统工况发生变化或燃用煤质发生改变时［17］，由于SCR脱硝反应较为复杂，且烟气连续监测系统测量出口处NOx浓度存在较大延迟，常规PID 控制方式具有较大惯性和延迟，难以保证喷氨控制的及时性和准确性，容易出现局部氨气分布不均匀、氨氮比不合格等问题。当局部喷氨量较少时，烟气中的NOx未完全参与还原反应，出口处NOx浓度超出规定排放标准，这不仅造成环境污染同时还增加电厂运行的经济负担；当局部喷氨量多过时，会导致氨逃逸率超标。氨逃逸指的是流经SCR 脱硝设备未参与还原反应的氨气，在一定条件下与烟气中被氧化生成的SO3发生反应生成硫酸氢铵（ABS）［18］，影响除尘效率及锅炉热效率。这不仅造成氨原材料的浪费，还造成了二次污染，降低了锅炉的安全性，严重影响机组的安全稳定经济运行。

优化常规PID 控制技术主要是通过实际测试和理论计算对控制环节进行核对修正，采用计算结合实验的方式对系统进行优化［19］。文献［20］提出基于遗传算法的协调控制系统多变鲁棒性PID 参数整定方法，使控制器具有良好的负荷设定值跟踪性能和鲁棒性。文献［21］中根据参数自整定模糊PID 控制原理，以出口NOx浓度的偏差和偏差变化率作为输入，调整PID 控制器参数，加强对喷氨量的精确控制，对于优化脱硝控制技术具有一定的参考价值。文献［22］中提出一种基于神经元PID 的脱硝控制技术，优化神经元网络权重与自适应参数，经仿真验证其具有较强的抗干扰能力。文献［23］提出一种基于支持向量机的喷氨补偿量模型，在提高脱硝效果的同时减少喷氨量，但未考虑到SCR系统的时变性，长时间运行后容易出现模型失效的状况。文献［24］设计了带有自校正功能的模糊PID 控制器，其超调量和调节时间等多项指标优势显著。

目前，火力发电厂SCR脱硝系统喷氨控制普遍采用常规PID 控制器，这种控制技术成熟且应用广泛。但是，面对逐渐严格的超低排放标准，还需要采取多种方式提高喷氨控制系统在变工况下的适应能力，减少对运行人员调试参数的依赖，进一步提高常规PID控制策略在SCR脱硝系统中的应用水平。

2.2 先进控制算法的发展

随着先进控制算法的快速发展与应用，可运用神经网络算法、预测控制技术对火电机组脱硝系统的运行数据进行数学建模，从而得到喷氨量最优控制设计方法［25-26］。采用先进控制算法已逐渐成为SCR 脱硝系统改造的主流趋势，相比于常规PID 控制方式具有更好的鲁棒性。

2.2.1 神经网络算法

近年来，基于神经网络的控制技术逐渐成为SCR 系统脱硝改造的主要研究方向之一。这种控制方式的最大特点是学习效率快，在处理非线性问题时有着非常良好的表现，在机组变工况时具有良好的适应性［27］。采用多种神经网络技术的黑箱建模方法广泛应用于喷氨控制系统的研究中。以下介绍几种采用先进算法的喷氨控制技术。

1）径向基（RBF）神经网络

RBF 神经网络是一种局部逼近的三层神经网络，其结构包括输入层、隐含层、输出层。信号从输入层至隐含层是非线性变换。从隐含层至输出层是线性变换，RBF 神经网络又被称为全局逼近网络，具有很强的学习能力和泛化能力。很多文献对RBF 神经网络应用于脱硝喷氨系统进行了研究。文献［28］采用RBF-ARX 法训练离线参数来调节喷氨量，但是新工况产生的数据会使离线数据库愈发庞大且与实际系统存在较大偏差。文献［29］应用RBF神经网络算法建立了脱硝效率模型，同时考虑了脱硝运行成本，具有工程指导意义。文献［30］通过采用GGAP-RBF 法控制神经元数量来优化网络结构，但参数设置较为复杂且显著性指标判断较为困难。文献［31］中采用动态结构RBF神经网络控制，综合多个相关参数作为输入层并进行在线学习，有效地克服了系统自身的滞后性，但网络结构较为复杂。

2）粒子群算法（PSO）

PSO 是通过模仿鸟类生物捕食行为设计的一种群智能寻优算法，是很有潜力的神经网络算法，具有简单易实现、调整参数少的优点［32］。其工作原理是一群粒子随机解对高维空间不断探索，通过多次迭代寻找最优解，相比于遗传算法可以更快速地收敛至最优解［33-34］。基本的LPSO 算法在未成熟收敛问题上存在着困难，文献［35］提出利用PSO算法进行SCR 脱硝参数优化，相较于串级PID 能更好地抑制内扰。文献［36］提出了基于互信息的NARX 神经网络脱硝系统模型，利用PSO算法针对模型动态过程进行分析，但是对建模数据依赖性强，泛化能力弱且精度不高。文献［37］采用粒子群算法，建立SCR脱硝效率预测PSO-TWSVM 模型，对电厂监控数据进行预处理，最终证实预测模型曲线趋势与实际数据基本吻合，该模型准确度较高，但问题在于训练速度较慢。

3）反向传播（BP）神经网络

BP 神经网络是一种多层前馈网络，同样由输入层、输出层和隐含层构成。其工作原理是输入信号先经过神经网络模型隐含层再经过输出层，并以控制系统期望输出数据作为修改参考，如果输出层不能得到期望的输出，则反向传播至输入层，通过不断更新参数，直至输出数据满足模型预定误差标准。BP神经网络的不足之处在于泛化能力较弱［38］。文献［39］以E-R 反应原理为基础，采用BP 神经网络及核偏最小二乘法建立脱硝系统模型，比较不同方案的特点与优势，指出其机理模型高精度的优势。文献［40］中通过建立CFD 仿真模型，采用多个测点的氨气浓度作为输入参数训练BP 神经网络，精确控制分区喷氨量，对于现场实际改造具有指导意义。

2.2.2 模型预测控制技术

模型预测控制（MPC）技术［41］是一种控制喷氨量智能前馈优化控制技术，同样是喷氨控制技术优化的主要研究方向之一。这类技术主要用于解决测量信号滞后时间较长的问题，优化关键在于控制系统的结构改良以及针对运行机组的参数调整。其工作原理是通过大量机组负荷变化时的运行数据建立锅炉出入口处NOx浓度模型，经过算法深度学习，引入负荷设定和实际负荷偏差前反馈，有效克服滞后特性，根据算法预测，提前调节氨气阀门的开度，增强氨气流量，变负荷时自动控制稳定性，在保证脱硝效率的前提下，合理控制氨气逃逸率。通过机组长期运行，对比预测数据与实际运行参数，完善预测模型，不断提高系统鲁棒性和稳定性。在满足超低排放的标准下，力求做到机组脱硝成本最小化［42-44］。

Smith 预估补偿控制方法对于有较大惯性、滞后性的系统有着良好的控制效果［45］。其工作原理是通过已设计好的预估补偿数据模型计算出因控制系统迟滞性导致的喷氨量差值，在由工况变化导致的烟气流量变化的信号传递前，调整喷氨阀门，此控制方法可以使控制系统反应更加迅速。文献［46］将Smith 预估器与积分型滑模结合，克服了负荷波动对脱硝系统喷氨量的影响。文献［47］提出Smith 预估器与自抗扰控制相结合的方法，通过仿真实现了系统的快速高精度控制。文献［48］采用非线性拟合法建立入口NOx浓度指数预测模型，节约喷氨量15%～20%。

神经网络和模型预测控制等算法虽然在控制效果上明显优于常规PID 控制技术，在脱硝系统中的应用与日俱增，但先进算法控制技术的实施需要较为复杂的结构以及巨大的计算量，考虑到实际成本因素，在电厂中实际应用仍较少，在提高控制效果的同时降低其实施成本方面仍需要进行深入研究。

3 结语

本文针对目前火力发电厂脱硝系统中喷氨控制技术的发展状况进行了阐述，分别从常规PID 控制方式与新型先进算法这两个方面进行分析，探讨了喷氨控制技术优化中的细节，总结了各类先进控制技术的发展动向。

1）对于电厂中应用较多的常规PID 控制技术，由于自身的大滞后、大惯性，变工况下喷氨控制技术仍有很大的提升空间。提高脱硝效率与降低氨逃逸是控制优化的核心，过多的氨逃逸会对机组的运行造成巨大的安全隐患与经济负担。

2）利用多种先进算法理论完善并解决变工况脱硝过程中的问题，通过模型预测控制技术可有效提高脱硝系统的稳定性与鲁棒性，为进一步解决NOx污染提供了更高效的方法。

3）鉴于脱硝系统改造的技术成本与经济成本，应当继续加强喷氨控制系统的优化与改良，提高控制器的准确性与稳定性。建立和完善全面的脱硝系统控制机制是未来火力发电厂的重要技术突破方向。

综上所述，SCR脱硝系统的升级优化作为火力发电厂超低排放改造的重要一环，符合我国现行政策以及未来发展趋势，对于可持续发展绿色经济具有重要意义。随着科学技术的不断发展进步，针对控制系统的工艺设计将会逐步完善，控制方案将会更加成熟，相信经过不断地研究将会取得更加优异的成绩。