焦化換向過程煙氣脫硝擾動建模與前饋控制

李亞寧，王學(xué)雷，譚杰，劉承寶，白熹微

?

焦化換向過程煙氣脫硝擾動建模與前饋控制

李亞寧1,2，王學(xué)雷1，譚杰1，劉承寶1,2，白熹微1,2

（1中國科學(xué)院自動化研究所綜合信息系統(tǒng)研究中心，北京 100190；2中國科學(xué)院大學(xué)，北京 100049）

焦化煙氣脫硫脫硝一體化裝置在煉焦換向過程中存在大量能源浪費，為了解決這一問題，針對焦化獨有的換向過程，深入分析此過程中NO濃度變化的原因；提出一種利用數(shù)據(jù)驅(qū)動辨識對換向過程入口和出口NO濃度的擾動進行建模的方法，基于某焦化廠2座55孔6 m頂裝焦爐廢氣的實測數(shù)據(jù)進行了驗證，并得到入口、出口NO濃度損失的關(guān)系模型；基于所建NO擾動模型，針對不同的NO濃度設(shè)定值，設(shè)計前饋控制系統(tǒng)并分別求取換向過程臭氧的前饋控制率，通過仿真計算得出節(jié)省的電耗成本，表明了工作的必要性。

過程控制；動態(tài)建模；焦化；換向過程；脫硝

引 言

我國是世界上最大的煉焦生產(chǎn)國[1]，二氧化硫和氮氧化物的年排放量巨大。2015年1月1日起正式實施的《煉焦化學(xué)污染物排放標準》對焦化工業(yè)的二氧化硫及氮氧化物的排放指標提出了嚴格和明確的量化要求[2]。而目前國內(nèi)焦化工業(yè)在煉焦生產(chǎn)過程煙氣二氧化硫和氮氧化物治理方面，基本處于空白狀態(tài)——煙氣直接通過煙囪排放至大氣。此形勢下，江西某煉焦化工有限公司于國內(nèi)率先投入并運行焦化煙氣脫硫脫硝一體化工程，并已取得一定效果[3]，但存在以下問題：

（1）焦爐存在定時“換向”操作[4]，換向期間煙氣成分會呈現(xiàn)大幅度的波動。

（2）脫硝過程中臭氧發(fā)生機電耗成本占整個裝置總成本的80%以上[5]。若不能對換向過程臭氧的發(fā)生量進行控制，而令其始終處于非換向時的功率運行狀態(tài)，將會造成能源的巨大浪費，大大增加企業(yè)成本，不利于裝置的經(jīng)濟運行。

（3）煙氣入口與出口相距較遠，煙氣濃度檢測過程存在較大滯后，若采取常規(guī)的反饋控制，勢必造成控制的不及時，甚至?xí)鸪隹跓煔鉂舛鹊某瑯恕?/p>

為了解決上述問題，需要進行焦化換向過程煙氣NO擾動建模與臭氧輸出量前饋控制[6-7]，目前為止，國內(nèi)外針對焦化換向過程煙氣擾動方面的研究還未見報道。本文結(jié)合換向過程與NO生成機理，分析其對NO濃度產(chǎn)生影響的原因；提出了利用連續(xù)脈沖信號與一階慣性傳遞函數(shù)串聯(lián)的響應(yīng)曲線對NO擾動進行建模與辨識的新方法，基于此焦化廠2座55孔6 m頂裝焦爐廢氣濃度的實測數(shù)據(jù)，通過對比驗證了模型的有效性；設(shè)計了前饋控制系統(tǒng)并提出不同情況下的控制策略，通過仿真計算分別得到單日節(jié)能成本，結(jié)果表明了工作的重要意義。

1 脫硫脫硝過程描述

脫硫脫硝一體化工藝流程如圖1所示，裝置采用濕式氨法超強湍流脫硫及兩段強制氧化尿素脫硝的一體化脫硫脫硝工藝[3]。

具體為：來自焦爐煙道的煉焦過程煙氣經(jīng)余熱回收鍋爐降溫后，在進入脫硫塔之前與臭氧輸入管道匯合，煙氣中的部分NO與臭氧快速反應(yīng)生成NO2。煙氣進入脫硫塔濃縮段降溫后經(jīng)氣帽進入到脫硫塔的吸收段，與頂部噴淋的脫硫吸收液逆流接觸，煙氣中的SO2與吸收劑中的亞硫酸銨反應(yīng)生成亞硫酸氫銨，SO2得以脫除凈化，此過程中還有來自脫硝塔下端輸出的尿素殘液間歇打入以實現(xiàn)預(yù)脫硝。為了恢復(fù)吸收液的吸收能力，需補充氨水。儲液槽底部鼓入空氣，將儲液槽中的部分(NH4)2SO3氧化為(NH4)2SO4，供濃縮段中硫酸銨的后續(xù)處理。

脫硫后的煙氣管道與臭氧輸入管道連接，煙氣中的部分NO與臭氧快速反應(yīng)生成NO2，隨后進入脫硝塔下部并與脫硝塔頂部噴淋的尿素溶液逆流接觸，NO、NO2與溶液中的尿素發(fā)生還原反應(yīng)生成N2、CO2和H2O，完成脫硝。達到環(huán)保排放標準的煙氣在脫硝塔頂部排入大氣，完成煙氣的全部處理過程。

其中脫硝過程主要涉及以下反應(yīng)

O3+ NO → NO2+ O2(1)

NO2+ O3→ NO3+ O2(2)

NO2+ O3→ N2O5(3)

CO(NH2)2+ NO2+ NO →CO2+ 2N2+ 2H2O (4)

反應(yīng)(2)、(3)為臭氧過量下的氧化反應(yīng)，故通常情況下，影響脫硝效果的主要因素是臭氧輸入量、尿素溶液（脫硝吸收液）濃度及循環(huán)量[8-13]。

煙氣脫硝過程的控制目標是在保證安全運行的前提下，將脫硝塔出口煙氣NO濃度嚴格控制在相關(guān)標準的限制以內(nèi)(<150～500 mg·m?3)，同時，盡可能降低臭氧、尿素等消耗。目前脫硝過程主要依靠人工控制，由于尿素溶液濃度不可測，通常保持尿素循環(huán)量不變，將臭氧發(fā)生機功率作為主要操作變量，操作員根據(jù)脫硫塔入口和脫硝塔出口NO濃度確定臭氧發(fā)生機功率。

2 NOx濃度擾動分析與建模

2.1 換向過程NO擾動分析

由文獻[14-15]可知，使用貧煤氣加熱，幾乎全部生成溫度熱力型NO，用含N組分的焦爐煤氣加熱，其燃料型NO所占比例最多不超過5%。文中焦化廠使用混入少量焦爐煤氣的混合煤氣，由于①生成的非熱力型NO所占比例極小；②少量的非熱力型NO不影響換向過程NO擾動定性分析結(jié)果。故可認為生成的全部為熱力型NO。熱力型NO中的N與O均來自于空氣，而換向過程中空氣（含氧量）也會有較大變化。綜上，換向過程中氮氧化物的濃度主要與煤氣燃燒溫度和空氣量有關(guān)。

換向是焦化特有的生產(chǎn)操作，具體指上升氣流的煤氣和空氣與下降氣流的廢氣由交換傳動裝置定時（一般間隔20 min或30 min）進行方向變換。換向前，焦爐下降氣流蓄熱室吸收廢氣高溫，上升氣流蓄熱室為煤氣和空氣預(yù)熱；換向后，原廢氣經(jīng)過的下降氣流蓄熱室開始為煤氣和空氣預(yù)熱，而原上升氣流蓄熱室現(xiàn)流經(jīng)廢氣，能夠吸收廢氣熱量，由此保證了其熱量的有效利用[16]。換向期間的時間、拉條運行及氣流方向變化關(guān)系如圖2所示[17-18]。下文將結(jié)合圖2與NO濃度影響因素分析換向期間NO變化原因。

交換開始，煤氣首先關(guān)閉，空氣過量，火焰高溫區(qū)的消失和空氣成分增加的雙重因素導(dǎo)致廢氣NO濃度大幅下降，但由于非熱力型NO的存在、焦爐竄漏及交換時間較短等原因，NO濃度不會降至0；經(jīng)過約40 s，煤氣逐漸供入，而此時煤氣處于原下降氣流立火道中，在交換時刻溫度處于最低值，故受周圍溫度的影響，火焰的實際燃燒溫度并不能達到理論值，故NO并不會迅速回升至正常值，隨著立火道溫度的不斷累積，火焰溫度逐漸達到理論值，煙氣NO濃度恢復(fù)到之前平均值。

取焦化廠任1 h的煙氣NO濃度數(shù)據(jù)（圖3），可以看出，當(dāng)前NO平均濃度約為510 mg·m?3，焦爐在05：15和05：45分別進行了換向操作，NO濃度首先急劇下降，后又緩慢回升至平均值，驗證了前述分析的正確性。其中圈內(nèi)的拐點為每次換向過程中O2含量處于最低點時NO生成量受到影響所致，但可以看出影響極小，可以忽略。

2.2 NO濃度擾動建模

將換向過程對NO生成濃度的擾動稱為入口NO擾動，煙氣進入脫硫脫硝裝置后，由于各因素作用，導(dǎo)致其擾動程度會有所變化，稱之為出口NO擾動。對入口和出口NO擾動分別建模。

由2.1節(jié)可知，NO濃度主要受溫度和空氣含氧量的影響，但交換過程中燃燒溫度的變化、空氣中氧含量變化較為復(fù)雜，無法使用數(shù)學(xué)公式描述，且炭化室竄漏亦會對NO濃度產(chǎn)生影響，故依靠機理進行換向過程NO擾動建模十分困難[19]。

脫硫脫硝現(xiàn)場積累了大量的過程數(shù)據(jù)和信息，為數(shù)據(jù)驅(qū)動的過程建模方法提供了前提條件[20]。據(jù)此，采用一種數(shù)據(jù)驅(qū)動建模的方法，首先構(gòu)造通用擾動模型結(jié)構(gòu)，通過統(tǒng)計分別得到不同工況下，入口和出口NO濃度的損失關(guān)系模型，利用解析法分別辨識出各工況下入口和出口擾動模型參數(shù)[21]。

2.2.1 入口NO擾動建模 經(jīng)觀察發(fā)現(xiàn)其濃度擾動過程與脈沖信號串聯(lián)一階慣性傳遞函數(shù)的響應(yīng)曲線極其相似，故將周期為od，寬度為th，幅值的矩形脈沖與單位比例系數(shù)的一階慣性環(huán)節(jié)=1/(+1)串聯(lián)。

模型未知系數(shù)od和th的確定方法為：

（1）脈沖周期od即為焦化換向周期，由煤氣種類決定，一般不會改變；

（2）通過實測濃度數(shù)據(jù)，統(tǒng)計得到煙氣NO濃度由換向開始至下降到最低的平均采樣個數(shù)min，換向期間煙氣波動平均總采樣個數(shù)to，則有

th=min(5)

令rev代表換向期間煙氣擾動總時長

rev=to(6)

式中，為脫硝過程DCS系統(tǒng)的采樣周期，s。

文中焦爐換向周期為30 min，則od=1800 s；現(xiàn)場DCS采樣周期為1 s，計算得th=40 s，rev=800 s。響應(yīng)曲線如圖4(a)。

依據(jù)入口煙氣NO生成濃度影響因素劃分煉焦過程工況狀態(tài)集為={1,2, …,S}，不同工況下對應(yīng)穩(wěn)態(tài)入口NO濃度={1,2, …,C}，對應(yīng)換向過程平均最低NO濃度={1,2, …,C'}，為工況種類，∈。

定義換向過程脫硫塔入口煙氣NO濃度損失幅度1=1()=?(>0)，表征換向?qū)Σ煌瑵舛葼顟B(tài)的NO造成影響的程度（圖3）。

由歷史數(shù)據(jù)得到1-的關(guān)系，如圖5所示。

為提高擬合精度，以橫坐標的均值為中心、標準差做歸一化因子[22]，辨識得到系數(shù)矩陣=[36.81 ?43.21 142.7 439.7]，即三次損失模型為

1()=(1)3+(2)2+(3)+(4) (7)

各項指標見表1。

表1 建模性能指標

用解析法辨識出未知參數(shù)in和in步驟如下。

確定當(dāng)前工況類別，即得到平均NO濃度C，由損失模型可得損失幅度1。

濃度擾動模型的時域響應(yīng)公式為[23]

則應(yīng)有如下方程組成立

(9)

式中，∈(0,10]，∈R+，目的是留有一個較小的裕度，避免式(8)所示的響應(yīng)過早到達穩(wěn)態(tài)，而使結(jié)果陷入局部最優(yōu)解。實際求解過程中，以0.5為步長，利用基于最小二乘的trust-region-dogleg迭代優(yōu)化算法分別求取以上非線性隱式方程在∈(0,10]內(nèi)的最優(yōu)解，比較不同裕度下模型的擬合程度，選出最優(yōu)情況下的值作為辨識出的參數(shù)與。

2.2.2 入口NO擾動模型驗證 當(dāng)前煉焦工況下，=475 mg·m?3，根據(jù)損失模型可確定損失濃度1=265。經(jīng)計算并比較，=5時曲線擬合程度最優(yōu)，此時in=?1330，in=180。與某一換向過程實際濃度曲線進行對比[圖4(b)] ，經(jīng)統(tǒng)計可得：RMSE=13.6039，平均相對誤差=3.20%，建模效果令人滿意。

任選10 h的NO濃度數(shù)據(jù)[圖6(a)]，設(shè)定時長為900 s的時間窗口，窗口內(nèi)的數(shù)據(jù)按窗口前一時刻及后一時刻的數(shù)據(jù)進行插值處理，每1800 s執(zhí)行一次，去除換向過程的擾動。并利用移動平均濾波器對數(shù)據(jù)進行平滑處理[24]，去除數(shù)據(jù)噪聲干擾，如圖6(b)。在去除擾動并平滑后的濃度數(shù)據(jù)中加入建立的擾動模型，如圖6(c)。與圖6(a)相比，擾動的趨勢、幅值與實測數(shù)據(jù)基本相符，證實了所建模型的有效性。

2.2.3 出口NO擾動建模 設(shè)不同工況下對應(yīng)穩(wěn)態(tài)出口NO濃度={1(,),2(,), …,D(,)}，對應(yīng)換向過程平均最低NO濃度={1(,),2(,), …,D(,)}。其中，為工況種類，∈；(p,, O3,)為脫硫脫硝裝置所處的穩(wěn)定工作點，p為工況p下的脫硫塔入口穩(wěn)態(tài)NO濃度，為入口煙氣流速，O3為每小時臭氧輸入總量，為脫硝塔尿素循環(huán)量，為尿素溶液濃度、傳感器誤差、環(huán)境因素等不可測、不可控因素。

定義換向過程中，脫硝塔出口煙氣NO濃度損失幅度2=2(,)=(,)?(,)(2>0)，表征換向?qū)Σ煌瑵舛葼顟B(tài)的NO造成影響的程度。由于中，p和O3是對2影響最為顯著的變量，而p與焦化段工況有關(guān)，為不可控變量，故得到如下2-(p, O3)關(guān)系（圖7）。

圖中，不同顏色的曲線代表不同工況（不同）。為工況p下，(p,, O3=0,) (為當(dāng)前循環(huán)量穩(wěn)態(tài)值)時出口煙氣NO穩(wěn)態(tài)與最低點濃度之差，主要由脫硫塔入口煙氣NO濃度決定，與圖5相似，可表示為=1()。

工況確定后，2與O3有直接相關(guān)性，其隨著O3的增加而減小，但當(dāng)O3為某一臨界值時，可認為煙氣中NO氧化率達到極限，O3的增加對2的影響極小。

與入口煙氣相比，除濃度損失幅度外，換向過程擾動的模型結(jié)構(gòu)、od、th均與入口模型相同。

辨識方程如下

辨識方法與2.2.1節(jié)相同。

2.2.4 出口NO擾動模型驗證 選擇與2.2.2節(jié)相同工況下的數(shù)據(jù)，即=475mg·m?3，=10.8～11.3 m·s?1，O3=50 kg·h?1，=150 m3·h?1。

經(jīng)計算并比較，=0.5時曲線擬合程度最優(yōu)，此時out=?530.331，out=127.299。與某一換向過程實際濃度曲線進行對比，經(jīng)統(tǒng)計得：RMSE=20.1178，平均相對誤差=4.52%，建模效果令人滿意（圖8）。

3 換向過程臭氧前饋控制

3.1 控制策略

為簡化計算，臭氧量為兩塔內(nèi)總量，控制通道模型近似為線性關(guān)系。采用典型的開環(huán)動態(tài)前饋控制系統(tǒng)[25-26]（圖9），F(xiàn)C為前饋控制器，O31和O32分別為進入脫硫塔和脫硝塔的臭氧量。

根據(jù)入口煙氣換向過程平均最低NO濃度和出口NO濃度設(shè)定值set,N的關(guān)系，分為以下兩種情況進行討論（圖10）。

（1）≥set,N

如圖10中綠色曲線所示，此時在前饋模型完全匹配和控制通道模型為線性的理想情況下，能夠?qū)崿F(xiàn)擾動的完全補償，即NO濃度穩(wěn)定在設(shè)定值上。

前饋控制器根據(jù)當(dāng)前煙氣NO濃度、臭氧總量和尿素循環(huán)量確定換向過程出口NO擾動的模型，從而確定臭氧補償量。

其傳遞函數(shù)描述如圖11所示。將傳感器及調(diào)節(jié)閥特性并入對象[Gpc()]中，根據(jù)不變性原理[27]得到前饋控制器傳遞函數(shù)為

（2）

如圖10中紅色曲線所示，結(jié)合入口NO濃度藍色曲線可以看出，換向過程中即使不對煙氣進行脫硝，NO濃度在Δ3內(nèi)本就會低于set,N，若按情況1的方法求取前饋控制率進行控制，必會造成此期間大量電能的浪費。

故提出針對此種情況的前饋控制策略如下。

（1）根據(jù)2.2.1節(jié)和2.2.3節(jié)分別建立當(dāng)前工況換向過程入口和出口NO濃度擾動模型。

（2）分別由式(12)～式(14)求解Δ1、Δ2、Δ3

(13)

(14)

（3）估計所處工況近似控制通道模型，通過式(11)求取前饋控制器。

（4）實施控制

換向過程開始后的Δ1時段內(nèi)利用出口NO擾動模型進行前饋控制（同情況1）；

之后的Δ3時段內(nèi)臭氧機組完全關(guān)閉或保持最低運行功率；

再之后臭氧機組恢復(fù)至換向前穩(wěn)態(tài)功率。

3.2 仿真計算

由于換向過程周期固定，前饋控制采用定時方式，所以控制時間上的超前與滯后均可實現(xiàn)，為簡化計算，仿真過程一律省略純滯后環(huán)節(jié)。

控制效果如圖13所示。

圖13(a)為沒有進行前饋控制時脫硝塔出口NO的濃度變化，可以看出每次換向時波動較大；圖(b)為前饋補償后出口NO的濃度，可以看出在前饋模型完全匹配和控制通道模型為線性的理想情況下，能夠?qū)崿F(xiàn)擾動的完全補償；圖(c)為前饋控制中臭氧輸出量變化。

3.2.2 情況2 在2.2.2節(jié)的入口NO工況參數(shù)下，令set,N為300 mg·m?3，其他工況參數(shù)為=475 mg·m?3，=10.8～11.3 m·s?1，O3=40kg·h?1，=130 m3·h?1。

（1）入口擾動模型不變：in=?1330，in=180；辨識得到當(dāng)前出口NO擾動模型參數(shù)：out=?761.314，out=136.812；

（2）解得Δ1=25.4, Δ2=114.7, Δ3=129.3；

（4）實施相應(yīng)控制，得到結(jié)果如圖14所示。

圖14(a)為沒有進行前饋控制時脫硝塔出口NO的濃度變化；圖14(b)為應(yīng)用3.1節(jié)所提控制策略所得的臭氧輸出量變化。

3.3 節(jié)能效果

3.3.1 情況1 將圖13(c)中單次換向過程臭氧輸出量局部放大，得到圖15。圖中陰影部分的面積即為單次換向過程節(jié)省的臭氧量1。

臭氧發(fā)生機采用國林公司變頻控制的空氣源CF-G-2-50型機組，其運行參數(shù)見表2。

單日節(jié)省成本

=電(13)

其中，電為工業(yè)電價，約0.8 CNY·(kW·h)?1；為單日換向次數(shù)，按半小時換向一次，即=48；利用數(shù)值積分方法求取圖15陰影部分的面積，得1=0.9301。

表2 臭氧發(fā)生機運行參數(shù)

計算得1=607.17 CNY，則年節(jié)省成本數(shù)十萬元，對企業(yè)而言意義重大。

3.3.2 情況2 與3.3.1節(jié)相同，求取圖14中陰影部分的面積即為單次換向過程節(jié)省的臭氧量2，再通過式(12)計算單日節(jié)省成本。

經(jīng)計算，2=1.5271，2=996.89CNY>1，年節(jié)省成本同樣達數(shù)十萬元，且表明所提針對此種情況下的控制策略能夠進一步節(jié)約成本。

4 結(jié) 論

針對焦化煙氣脫硝在焦爐換向過程中存在極大能源浪費的問題，進行了分析、建模與控制方面的研究，結(jié)論如下。

（1）結(jié)合NO生成機理與焦爐換向過程拉條運行及氣流方向變化關(guān)系，分析換向操作對煙氣NO濃度影響的原因，通過數(shù)據(jù)圖驗證了理論分析的正確性。

（2）建立了入口NOx濃度損失與平均NO濃度，及出口NO濃度損失與平均NO濃度、臭氧總量的關(guān)系模型；同時，提出一種利用連續(xù)脈沖信號與一階慣性傳遞函數(shù)串聯(lián)的響應(yīng)曲線分別對入口和出口NO擾動進行建模與辨識的方法，基于此焦化廠2座55孔6 m頂裝焦爐廢氣的實測數(shù)據(jù)，將所建擾動模型與實際擾動進行對比，通過RMSE與平均相對誤差指標表明模型具有較高精度。

（3）設(shè)計前饋控制系統(tǒng)，并給出不同入口煙氣換向過程最低NO濃度和出口NO濃度設(shè)定值關(guān)系下的前饋控制策略，通過仿真計算得出年節(jié)省成本均可達數(shù)十萬元，且所提策略能夠進一步節(jié)約成本，表明本工作具有重要的經(jīng)濟意義。

References

[1] 王駿. 我國煉焦煤資源供需戰(zhàn)略分析[J]. 煤炭經(jīng)濟研究, 2007, (10): 4-6.WANG J. Strategic analysis of supply and demand of coking coal resources in China[J]. Coal Economic Research, 2007, (10): 4-6.

[2] 中華人民共和國環(huán)境保護部. 煉焦化學(xué)工業(yè)污染物排放標準: GB 16171—2012[S]. 北京: 中國環(huán)境科學(xué)出版社, 2012. People’s Republic of China Environmental Protection Department. Coking chemical industry pollutant emission standards: GB 16171—2012[S]. Beijing: China Environmental Science Press, 2012.

[3] 吳小平, 王學(xué)雷, 宋云華. 一種焦爐煙氣濕式脫硫脫硝工藝及其工業(yè)應(yīng)用[J]. 燃料與化工, 2016, 47(5): 31-34. WU X P, WANG X L, SONG Y H. An integrated wet desulfurization and denitration process for coke oven flue gas and its industrial application[J]. Fuel and Chemical Engineering, 2016, 47(5): 31-34.

[4] 尹華, 呂文彬, 孫剛森, 等. 焦爐煙道氣凈化技術(shù)與工藝探討[J]. 燃料與化工, 2015, 46(2): 1-4. YIN H, Lü W B, SUN G S,. Technology of coke oven flue gas purification and discussion on its process[J]. Fuel and Chemical Engineering, 2015, 46(2): 1-4.

[5] 趙文玉, 張逢, 胡洪營, 等. 污水再生處理臭氧氧化系統(tǒng)運行費用分析[J]. 環(huán)境科學(xué)與技術(shù), 2011, 34(9): 126-129. ZHAO W Y, ZHANG F, HU H Y,. Analysis of running cost and its influence factors of an ozone-oxidation system for wastewater reclaim and reuse[J]. Fuel and Chemical Engineering, 2011, 34(9): 126-129.

[6] 王慶豐, 唐建中, 閉治躍. 疏浚系統(tǒng)泥漿濃度的自校正前饋控制[J]. 控制理論與應(yīng)用, 2008, 25(3): 578-582. WANG Q F, TANG J Z, BI Z Y. Self-tuning feedforward control of slurry concentration in a dredging system[J]. Control Theory and Applications, 2008, 25(3): 578-582.

[7] 段其昌, 段盼, 董平, 等. 汽油發(fā)電機轉(zhuǎn)速前饋-反饋控制系統(tǒng)[J]. 控制理論與應(yīng)用, 2011, 28(4): 525-530. DUAN Q C, DUAN P, DONG P,. Feedforward-feedback speed control system of gasoline generator[J]. Control Theory and Applications, 2011, 28(4): 525-530.

[8] 郭少鵬. 濕式氨法煙氣脫硫及結(jié)合臭氧氧化實現(xiàn)同時脫硫脫硝的研究[D]. 上海: 華東理工大學(xué), 2015.GUO S P. Research on ammonia-based wet flue gas desulfurization and simultaneous desulfurization and denitrification combined with ozone oxidation[D]. Shanghai: East China University of Science and Technology, 2015.

[9] WANG Z H, ZHOU J H, ZHU Y Q,. Simultaneous removal of NO, SO2and Hg in nitrogen flow in a narrow reactor by ozone injection: experimental results[J]. Fuel Processing Technology,2007, 88(8): 817-823.

[10] SUN W Y, DING S L, ZENG S S,. Simultaneous absorption of NOand SO2from flue gas with pyrolusite slurry combined with gas-phase oxidation of NO using ozone[J]. Journal of Hazardous Materials,2011, 192(1): 124-130.

[11] 馬雙忱, 蘇敏, 孫云雪, 等. O3氧化模擬煙氣脫硫脫硝的實驗研究[J]. 中國電機工程學(xué)報, 2010, 30: 81-84. MA S C, SU M, SUN Y X,. Experimental studies on removal SO2and NOfrom simulating flue gas with O3oxidation[J]. Proceedings of the CSEE, 2010, 30: 81-84.

[12] MOK Y S, LEE H J. Removal of sulfur dioxide and nitrogen oxides by using ozone injection and absorption-reduction technique[J]. Fuel Processing Technology,2006, 87: 591-597.

[13] WANG Z H, ZHOU J H, FAN J R,. Direct numerical simulation of ozone injection technology for NOcontrol in flue gas[J]. Energy & Fuels2006, 20(6): 2432-2438.

[14] 吳碧君. 燃燒過程中氮氧化物的生成機理[J]. 電力環(huán)境保護, 2003, 19(4): 9-12. WU B J. Formation mechanism of nitrogen oxides in combustion[J]. Electric Power Environmental Protection, 2003, 19(4): 9-12.

[15] 鐘英飛. 焦爐加熱燃燒時氮氧化物的形成機理及控制[J]. 燃料與化工2009, 40(6): 5-8, 12. ZHONG Y F. Formation mechanism and control of NOduring coke oven heating and combustion[J]. Fuel and Chemical Engineering, 2009, 40(6): 5-8, 12.

[16] 劉武鏞, 孫紅艷. 煉焦熱工管理[M]. 北京: 冶金工業(yè)出版社, 2011: 118-121. LIU W Y, SUN H YCoking Thermal Management[M]. Beijing: Metallurgical Industry Press, 2011: 118-121.

[17] 姚昭章, 鄭明東. 煉焦學(xué)[M]. 北京: 冶金工業(yè)出版社, 2012: 183-184. YAO Z Z, ZHENG M D. Coking[M]. Beijing: Metallurgical Industry Press, 2012: 183-184.

[18] 于振東, 鄭文華. 現(xiàn)代焦化生產(chǎn)技術(shù)手冊[M]. 北京: 冶金工業(yè)出版社, 2010: 227-230. YU Z D, ZHENG W HHandbook of Modern Coking Production Technology[M]. Beijing: Metallurgical Industry Press, 2010: 227-230.

[19] 賀國昂, 李曉斌, 周夢影, 等. 焦爐煙氣氮氧化物排放研究[J]. 煤炭技術(shù), 2016, 35(7): 316-318. HE G A, LI X B, ZHOU M Y,. Research on coke oven flue nitrogen oxide emission[J]. Coal Technology, 2016, 35(7): 316-318.

[20] 應(yīng)宇乾. 基于數(shù)據(jù)驅(qū)動的燒結(jié)處理過程建模與控制[D]. 杭州: 浙江大學(xué), 2012.YING Y Q. Sintering heat treatment process modeling and control based on data driven[D]. Hangzhou: Zhejiang University, 2012.

[21] 劉金琨, 沈曉蓉, 趙龍. 系統(tǒng)辨識理論及MATLAB仿真[M]. 北京: 電子工業(yè)出版社, 2013: 79-99. LIU J K, SHEN X R, ZHAO LSystem Identification Theory and MATLAB Simulation[M]. Beijing: Electronic Industry Press, 2013: 79-99.

[22] 王文娜. 流程對象建模方法的研究[D]. 濟南: 濟南大學(xué), 2012.WANG W N. Study on process object modeling methods[D]. Jinan: Jinan University, 2012.

[23] 胡壽松. 自動控制原理[M]. 5版. 北京: 科學(xué)出版社, 2007: 73-76. HU S S. Automatic Control Theory[M]. 5th ed. Beijing: Science Press, 2007: 73-76.

[24] DUAN L Z. Study on the determination of the moving step length in moving method of mean[J]. Journal of Beijing University of Technology, 2004, 30(3): 378-381.

[25] 謝海波, 張中平, 劉相華, 等. 層流冷卻的前饋控制[J]. 鋼鐵研究學(xué)報, 2006, 18(3): 60-63. XIE H B, ZHANG Z P, LIU X H,. Feedforward control in laminar cooling system for hot strip mill[J]. Journal of Iron and Steel Research, 2006, 18(3): 60-63.

[26] ZHOU P, CHAI T Y. Intelligence-based supervisory control for optimal operation of a DCS-controlled grinding system[J]. IEEE Transactions on Control Systems Technology, 2013, 21(1): 162-175.

[27] 鄭輯光, 韓九強, 楊清宇, 等. 過程控制系統(tǒng)[M]. 北京: 清華大學(xué)出版社, 2012: 196-205. ZHENG J G, HAN J Q, YANG Q YProcess Control System[M]. Beijing: Tsinghua University Press, 2012: 196-205.

Disturbance modeling and feedforwad control of flue gas denitration in coking reverse process

LI Yaning1,2, WANG Xuelei1, TAN Jie1, LIU Chengbao1,2, BAI Xiwei1,2

(1Integrated Information Systems Research Center, Institute of Automation, Chinese Academy of Sciences, Beijing 100190, China;2University of Chinese Academy of Sciences, Beijing 100049, China)

A large amount of energy is wasted in integrated desulfurization and denitration device of coking flue gas during coking reverse process. In order to solve this problem in the unique coking reverse process, causes to NOconcentration change in the process were thoroughly analyzed. A modeling method for NOconcentration disturbance at inlet and outlet in the reverse process was proposed by data driven identification. Verification was performed from actual data measurement on two 55-hole and 6-meter top charging coke ovens and the relationship model of NOconcentration loss at inlet and outlet was obtained. A feedforward control system was designed for feedforward control rates of O3under different NOconcentration settings. Simulation results provided cost savings of power consumption, which indicates necessity of the work.

process control; dynamic modeling; coking; reversing process; denitration

10.11949/j.issn.0438-1157.20170216

TP 29

A

0438—1157（2017）08—3168—09

王學(xué)雷。第一作者：李亞寧（1991—），男，博士研究生。

國家自然科學(xué)基金項目（U1201251）。

2017-03-07收到初稿，2017-04-26收到修改稿。

2017-03-07.

WANG Xuelei, xuelei.wang@ia.ac.cn

supported by the National Natural Science Foundation of China (U1201251).