[發明專利]煤粉電站鍋爐SCR與SNCR脫硝系統協同控制方法

在審

• 申請號: 201710945847.0
• 申請日: 2017-10-12
• 公開（公告）號: CN107831651A
• 公開（公告）日: 2018-03-23
• 發明（設計）人: 劉永紅;彭鋼;徐欣航;張洪濤;高志存;殷喆
• 申請（專利權）人: 國網河北能源技術服務有限公司;國家電網公司;國網河北節能服務有限公司;國網河北省電力公司電力科學研究院
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 石家莊新世紀專利商標事務所有限公司13100
• 代理人: 侯巍巍

技術領域

本發明具體涉及煤粉電站鍋爐SCR與SNCR脫硝系統協同控制方法。

背景技術

根據國家環保部新發布的《火電廠氮氧化物防治技術政策》顯示，低氮燃燒技術應成為燃煤電廠氮氧化物控制的首選技術。控制的重點是全國范圍內20萬千瓦及以上的燃煤發電機組和熱電聯產機組以及大氣污染重點控制區域內所有的燃煤發電機組和熱電聯產機組。

國內外研究機構都對電站的燃燒優化進行了大量的研究工作，提出了數據挖掘規則建立、運行優化技術、智能控制等技術以及產品。

數據挖掘技術自提出以來得到了迅猛發展，其中美國Zapton公司是在它的工程應用中包括了部分基于KDD技術的應用實例：數據挖掘技術用于降低石灰廠排放煙氣中的煙塵含量以及用于石化裝置的診斷。Queens大學的TonyOgilvie和B.W.Hogg提出了利用數據信息挖掘技術建立電廠全工況全操作條件下的模型，在模型基礎上開發一個系統，能夠精確辨識運行狀況并且能夠為運行人員提供操作指導以修正監測到的運行工況偏離。與國外相比，國內對數據挖掘的研究稍晚，目前國內有許多高校和科研單位正在從事數據挖掘的基礎理論和應用研究，這些單位包括清華大學、中科院計算技術研究所、空軍第三研究所、海軍裝備論證中心等。其中，北京系統工程研究所對模糊方法在知識發現中的應用進行了較深入的研究；北京大學也在開展對數據立方體代數的研究；復旦大學、浙江大學、中國科技大學、中科院數學研究所、華中科技大學等單位開展了對關聯規則挖掘算法的優化和改造；南京大學、四川聯合大學、上海交通大學等單位探討、研究了非結構化數據的知識發現以及Web數據挖掘，華北電力大學和東南大學在火電機組中采用關聯規則對運行數據進行了提取，并且涌現出一批優秀的研究成果。但是將數據挖掘技術應用于仿真模型的精度驗證的還沒有成熟的研究成果。

優化運行方面，國外著名的有美國電力研究所(EPRI)在電站性能診斷和監測方面一直處于領導地位，開發了機組運行能源管理系統、熱效率研究軟件，但是其具有黑箱模型的特點。華北電力大學開發了基于熱平衡法德鍋爐燃燒監測系統，采用熱平衡法測量各煤粉管道的煤粉濃度，并安裝管內風速測點和燃煤發熱量在線監測系統以及排煙氧量和排煙溫度監測測點，可以對各煤粉管內風速和煤粉濃度以及鍋爐熱效率進行監測，指導運行人員操作維持各個粉管煤量的均衡，該系統并不提供最佳的方案也不能夠對降低NOx排放起到指導作用。

控制優化技術方面，目前國外主要的控制優化技術主要來源于CONTROLSOFT、西門子、GE、ASPENTECH等專業的控制優化公司或者從事DCS系統的成產商，其中controlsoft公司的軟件核心在與PID控制的在線修正，而對于控制策略及方案的設計與國內電站工程實際相去甚遠。西門子公司的PROFI以其對機組的熟悉程度，對電站控制的策略的貼合度有很強的優勢。同時其存在難以維護，不容易二次開發、造價高昂的問題，從2014年后再國內少有業績。國內從事控制優化研究的大多數為以西安熱工研究院及各省電科院為主的調試公司，該類企業現場經驗豐富，但是服務質量因人而異，產品化特點不理想，質量不能得到保證。

發明內容

本發明的目的是克服上述現有技術中存在的缺陷而提供一種應用于煤粉電站鍋爐SCR與SNCR脫硝系統協同控制方法，解決了火電廠燃燒過程中熱力型NOx的排放數值高，波動性大的問題；解決了SCR裝置由于供氨調節帶來的氨逃逸過高的問題；解決了空預器氨逃逸引起的堵塞問題；提高SCR區，脫硝裝置出口NOx的調節穩定性；可以應用于所有配置SCR加低氮燃燒方式的機組，具有較強的推廣應用能力。

SCR：Selective Catalytic Reduction，即為選擇性催化還原技術。

SNCR：Selective no-Catalytic Reduction，即為選擇性非催化還原技術。

本發明的目的通過以下技術方案來實現：

煤粉電站鍋爐SCR與SNCR脫硝系統協同控制方法，包括燃燒優化控制和脫硝噴氨控制優化；所述燃燒與SNCR優化控制包括數據測量及獲取、數據清洗、建立穩態數據庫、建立規則庫、預測模塊；脫硝噴氨控制優化包括控制結構的優化及實現脫硝噴氨控制優化的算法；

所述燃燒與SNCR優化控制中，預測模塊通過對SNCR入口NOx設定并預測NOx輸出，最終實現尿素的輸出控制；

所述控制結構的優化包括如下步驟：