基于神經元PID的SCR脫硝控制系統研究

趙海濤,郭少娟

(西安航天源動力工程有限公司，陜西 西安 710100)

基于神經元PID的SCR脫硝控制系統研究

趙海濤,郭少娟

(西安航天源動力工程有限公司，陜西 西安 710100)

大氣污染問題已成為當今社會發展過程中亟待解決的重要問題之一，而煙氣選擇性催化還原法(SCR)脫硝控制技術是環保脫硝領域的關鍵技術。對如何更好地實現基于SCR技術的氮氧化物排放控制問題進行了研究，提出了基于神經元PID的SCR脫硝控制系統。重點分析了系統功能和控制算法。通過Matlab仿真與試驗驗證，從理論和實踐相結合的角度對基于神經元PID的SCR脫硝控制系統進行了研究和分析。通過在某化學項目中的實際應用，驗證了該控制方法能夠使脫硝效率穩定地保持在92%以上，表明其是一種先進的、抗干擾能力強的控制算法。該控制方法能夠促進SCR脫硝技術的進一步發展，并將智能控制技術推向新的應用領域，對于促進環境保護和社會發展都有一定的實際意義。

大氣污染； 環保; 智能控制; PID; 選擇性催化還原法; 脫硝; 神經網絡

0 引言

隨著經濟的發展和工業化進程的不斷加速，環保問題已經成為當今亟待解決的經濟問題和社會問題。氮氧化物(NOx)是影響環境的主要污染物之一。其主要來源于工業排放，因此控制和有效處理工業排放是關系國計民生的重要工作。目前，工業領域的主流脫硝技術有選擇性催化還原法(selective catalytic reduction，SCR)與選擇性非催化還原法(selective non-catalytic reduction，SNCR)兩種。SCR脫硝控制技術是提高SCR脫硝效率的關鍵技術之一[1]，其脫硝效率可達到90%以上。

SCR脫硝關鍵技術之一是如何穩定、準確地控制煙氣溫度與噴氨流量，以滿足工藝系統的技術要求。因此，SCR脫硝控制系統的優劣直接影響NOx脫硝的性能。如何穩定、快速、準確地控制系統運行溫度和流量是當前的重點研究方向。溫度是影響SCR脫硝催化劑活性的關鍵參數，常規SCR催化劑的最佳活性溫度為360 ℃左右，過大的溫度偏差會影響催化劑活性甚至壽命；同時，噴氨量是影響SCR脫硝效率的另一個重要因素，噴氨量的多少將直接影響脫硝效率和效益，會導致因噴氨量不足引起的脫硝效率下降或因噴氨量過大引起的二次污染。因此，如何更好地進行關鍵參數控制已成為SCR脫硝技術的關鍵[2]。

目前，大多采用傳統的PID技術對SCR進行控制，而對于具有大時變、大滯后的系統，難以實現良好的跟隨控制。神經網絡技術作為近年來不斷發展的先進智能控制技術，已經在多個領域的應用中取得良好效果，因此將智能神經網絡控制技術與傳統PID控制技術相結合，應用于環保脫硝領域，具有重要的理論和實踐意義。

1 SCR脫硝控制系統

1.1 SCR脫硝系統

典型SCR煙氣脫硝系統示意圖如圖1所示。

圖1 典型SCR煙氣脫硝系統示意圖

系統采用典型的SCR脫硝工藝進行煙氣脫硝，滿足大氣排放要求，能夠對常見的大多數燃料進行燃燒處理和NOx排放控制。溫度與流量是SCR脫硝系統的重要控制參數，控制系統的性能直接影響SCR系統的性能。系統運行前，要按照烘爐曲線對焚燒爐進行升溫。當烘爐達到工藝要求溫度時投入燃料，并根據熱力計算得到的燃燒溫度范圍為1 000～1 800 ℃，脫硝溫度在350 ℃左右。由于工業燃料具有成分多變、流量多變等特點，因此燃燒溫度和煙氣量會經常發生變化。當負荷變化時，實時調整噴氨量與煙氣溫度，可使系統關鍵參數始終滿足工藝參數要求，實現系統最佳運行[3]。由于系統具備實時調節的跟隨性能，因此運行人員無需根據工況負荷變化進行相應設置或手動調節即可正常工作。這樣既可以防止因負荷波動引起的系統參數波動，又可合理節能減排，達到了節能增效的目的。

1.2 智能溫控系統

以SCR溫控系統為主，介紹該控制算法的先進性。煙氣脫硝系統的溫度控制尤為關鍵，傳統的溫度控制大多采用經典PID控制方法。

該方法能夠滿足一般的工業溫控要求，具有自動調節的基本功能。隨著控制技術的不斷發展以及不同領域對溫度控制要求的差異，越來越多的系統要求具有更好的穩定性、準確性、快速性，并能夠適應不同系統工況的多變性。因此，智能溫控系統是解決該類問題的主要方法[4]。

本文采用基于神經元PID的溫控算法。該方法既利用了傳統PID的成熟控制技術，又結合了智能控制領域的新技術，使溫控系統具有更好的穩定性和自適應性。傳統PID參數整定是通過靜態仿真或在靜態工況下人為設定實現的，隨著工況的變化，自適應能力較差。本文設計的智能神經元PID控制[5]，其參數整定是通過相應的學習算法實現的，可對不同工況進行自適應調節，具有更強的穩定性和魯棒性，能更好地適應SCR系統的要求。

SCR脫硝系統智能溫控的基本原理是根據燃燒系統運行溫度曲線，設定換熱器換熱量。通過判斷實際溫差是否滿足設定要求，來調節換熱量及其PID控制參數，使換熱系統的吸收功率與燃燒系統的輸出功率相匹配。

2 神經元PID控制算法研究

2.1 控制系統結構設計

煙氣SCR脫硝溫控系統基于換熱量與溫差控制策略。根據以上分析所設計的神經元PID控制結構如圖2所示。

圖2 神經元PID控制結構示意圖

煙氣SCR脫硝系統的溫控過程具體如下。

①根據當前的工藝曲線及實測溫度值，判斷各點溫度是否滿足工藝要求。

②如果Ev(T)>D(T)，則根據相應控制策略調節換熱器的流量,從而改變換熱量，使目標溫度回到目標范圍內，實現換熱與溫度相匹配。

煙氣SCR脫硝溫控系統的控制流程圖如圖3所示。圖3中:S(t)為目標溫度；P(t)為當前溫度；Q為鍋爐流量；n為供應泵轉速；E(t)為實時溫差；D(t)為目標溫差。

圖3 控制流程圖

2.2 神經元PID控制器設計

(1)式中：e(k)為第k次采樣的SCR煙氣溫差；kP、kI、kD為PID的待整定參數。

傳統位置式PID控制因其算法相對簡單、穩定性較好、可靠性較高等優點，在工業中得到了廣泛的應用。其控制性能的好壞關鍵取決于PID參數kP、kI、kD的整定[6]。

由于煙氣SCR脫硝系統存在滯后性、時變性等非線性因素，很難建立其精確的數學和控制模型，所以傳統位置式PID控制難以取得良好的效果。在系統運行過程中，使控制參數能夠自適應調節，以改善控制系統的動態性能就顯得非常重要。因此，在PID控制系統中，應考慮建立PID參數的整定不依賴于相關對象的數學模型[7]，而且應實現PID參數的在線調整，從而滿足系統的實時控制要求。

鑒于此，本控制算法引入了具有自學習、自適應能力的神經網絡智能控制技術，結合傳統位置式PID控制算法，形成了基于神經元PID的智能控制器。該控制器不僅具有結構簡單、易實現的特點，而且能夠適應系統環境的變化，具有較強的魯棒性[8]。本文設計的神經元PID控制器基本結構如圖4所示。

圖4 PID控制器結構圖

圖4中：Pv為當前溫度；Sv為設定溫度；Xi(i=1、2、3)為神經網絡變量；p為泵的壓力；V為當前排量。

該結構利用神經元模型結合傳統位置式PID控制模型，在一定程度上解決了傳統PID不易在線實時整定參數，以及當過程較復雜或系統參數變化較慢時對時變系數實現有效控制不足等各種缺陷[9]。

選取神經元的輸入分量為三類差值,轉換器的輸入反映了被控參數及設定參數的狀態；經過該轉換器形成三個變量X1、X2、X3，用控制量u(i)來控制輸出量的大小，則其相應的神經元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為自適應的學習系數。

式(2)中的Wi(i=1、2、3)和Ku可通過神經元的自學習能力進行在線自適應調整。基于神經元PID的學習方式及其學習能力決定了Wi(i=1，2，3)和Ku的調整特性，使其對整個控制系統的抗干擾能力和自適應能力產生較大的影響[10]。

3 Matlab仿真及結果分析

以西安航天動力研究所開發的某民用煙氣SCR脫硝項目為研究對象。該項目采用了如圖1所示的工藝系統。

換熱器給水泵采用變頻控制的方式，可以按程序連續地控制泵的流量，設定系統的目標溫度為1 600 ℃；根據該系統的基本數學模型，將網絡初始權值設定為W=[1.046 5 0.236 2 1.186 1],將學習系數ηi設定為[0.213 0.002 0.103]，將ηu設定為0.252，則系統階躍響應仿真曲線如圖5所示。

圖5 系統階躍響應仿真曲線

從圖5可以看出，基于神經元PID控制系統具有良好的動態響應特性[11]，響應時間為852 ms；超調量比較小，其最大的超調量不超過12.6%，且具有良好的穩定性，消除了穩態的誤差。對該系統進行變負荷工況測試后的Matlab仿真，得到變負荷作用下的系統溫度特性曲線如圖6所示。

圖6 系統溫度特性曲線

由圖6可以看出，在初始的運行負荷下，系統穩定運行在1 600 ℃左右。當系統負荷發生脈沖變化時，目標溫度值僅有一個短時的小幅波動，而且在控制系統允許的范圍之內；當系統負荷重新達到穩定狀態時，系統溫度迅速恢復到正常的目標溫度，該調節過程中的最大超調量僅為5.63%。

4 結束語

本文在分析SCR煙氣脫硝系統工藝要求及溫控要求的基礎上，研究了基于神經元PID的自適應控制方法[12]。通過Matlab仿真及相關項目的應用結果表明，該控制系統具有以下特點。①在系統負荷具有波動的情況下，能夠將系統目標溫度保持在允許的范圍之內，有效地防止了系統偏離設計工況運行的情況，抗干擾能力強，實踐證明脫硝效率能夠穩定地保持在92%以上；②系統整體的功耗較小，自適應調節使得系統運行穩定可靠，具有一定的節能和增效功能；③與傳統的位置式PID控制相比，神經元具有的自學習特性，使得其自身的控制精度可以隨著運行時間的增長而不斷提高，控制效果更好，對系統環境的適應能

力更強。

此外，由于神經元PID控制器的控制結構相對簡單，使得它較容易結合SCR煙氣脫硝控制系統。通過對神經元網絡的權值Wi和自適應系數Ku的優化，可實現對SCR煙氣脫硝系統的穩定、快速、準確控制。本控制方法對其他相關應用中同類控制器的設計和研究也具有一定的借鑒意義，為煙氣SCR脫硝控制系統優化提供了一種良好的控制策略。該技術已在山東沂州能源SCR脫硝項目中得到應用，具有良好的經濟和社會效益。

[1] 王安，楊青青，閆文宇.模糊自整定PID控制器的設計與仿真[J].計算機仿真，2012(12):224-228.

[2] 方昱斌，邱澤陽.模糊自整定PID在列車空調控制中的應用[J].自動化與儀器儀表，2016(1):64-66.

[3] 李巖，蘇學軍.基于模糊徑向基函數神經網絡的PID控制算法仿真研究[J].自動化與儀器儀表，2014(9)：1-3.

[4] 肖東岳，李英堂，周強.基于MATLAB的步進電機自動化測試系統[J].制造業自動化，2012，34(17):30-31.

[5] 王述彥，師宇，馮忠緒.基于模糊PID控制器的控制方法研究[J].機械科學與技術，2011(1):166-172.

[6] 柏源，李忠華，薛建明，等.尿素為還原劑燃煤煙氣脫硝技術的研究與應用[J].電力科技與環保，2011(1):34-36.

[7] 張建平.SNCR脫硝控制系統設計與研究[J].自動化與儀器儀表，2016(1):88-89.

[8] 胡國華，楊艷，金賢鋒.基于MATLAB逆變電焊電源模糊PID控制研究[J].青島大學學報(工程技術版)，2014(4):23-26.

[9] 張建林，鄧小龍.模糊控制技術在空調控制系統中的應用[J].電子科技，2014(3):41-45.

[10]盛賢君，姜濤，王杰，等.基于BP神經網絡的速度前饋PID控制器設計[J].計算機應用，2015(S2):134-137.

[11]于立君，陳佳，劉繁明，等.改進粒子群算法的PID神經網絡解耦控制[J].智能系統學報，2015,10(5):699-704.

[12]胥良，郭林，梁亞,等.基于模糊RBF神經網絡的智能PID控制[J].工業儀表與自動化裝置，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

國家重點研發計劃基金資助項目(2016YFC0801502)、北京市教育委員會科技能力提升計劃基金資助項目(PXM2016_014222_000041)

趙海濤(1985—)，男，碩士，工程師，主要從事自動控制技術、節能環保技術的研究和應用工作。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