基于SVR前饋補償的火電機組脫硝優化控制

陳鐵鋒 杜文

摘要：鑒于火電機組SCR脫硝控制系統具有大延遲、大慣性等特點，原有串級PID控制系統在機組負荷變化時難以實現氨氣流量的精確控制。因此，在保留串級控制結構的基礎上，提出了一種基于支持向量回歸（SVR）前饋補償的脫硝控制策略，通過補償信號可以有效抑制SCR出口NOx濃度波動，并且采用離線訓練和在線更新SVR的方式適應系統變化。工程應用表明，在負荷大幅度變化時該策略仍能保持良好的控制品質。

關鍵詞：煙氣脫硝;支持向量回歸;前饋補償

0? ? 引言

目前我國燃煤電廠年耗煤約18億t，約占全國耗煤量的50%，NOx排放量占全國的30%以上[1]，帶來了酸雨、PM2.5污染等環境問題。為達成2020年火電機組實現超低排放的目標，諸多學者對此進行了研究。降低火電機組NOx排放的措施主要分為燃燒中控制和燃燒后控制，其中燃燒中控制主要是利用濃淡燃燒、燃料分級或改進燃燒器等方式。文獻[2]通過優化鍋爐配風、適當提高入爐煤的揮發分等方式，降低NOx排放。文獻[3]改造了600 MW對沖燃燒鍋爐的燃燒器，采用全爐膛分級燃燒技術，使NOx濃度降低到300 mg/m3左右。文獻[4]總結了通過神經網絡等方法建立鍋爐的黑箱模型后綜合優化鍋爐燃燒的方法。但燃燒中控制NOx的方式作用有限，且有可能影響鍋爐燃燒效率，所以燃燒后控制成為降低NOx排放的主要手段。目前多數機組采用選擇性催化還原（SCR）煙氣脫硝系統，但是SCR煙氣脫硝方式存在大延遲、大慣性的特點，傳統的PID控制器難以實現機組工況發生較大變化時噴氨量的精確控制，易導致噴氨不足NOx排放過量或噴氨過多造成二次污染。文獻[5]利用RBF神經網絡建立SCR出口NOx模型，并通過混沌粒子群算法計算最優噴氨量。文獻[6]提出了一種基于神經元PID的控制策略，通過神經元網絡權重和自適應參數實現優化，仿真結果表明該方法控制效果良好。文獻[7-9]研究了預測控制在脫硝控制系統的應用。神經網絡或預測控制等算法雖然控制效果優于PID控制，但比較復雜，且在線計算最優控制率計算量大。因此，本文提出一種利用SVR進行前饋補償的SCR系統控制策略，既保留了原有的PID串級結構，以保證控制系統的穩定性，同時利用SVR的快速性及時適應系統變化，實現精確控制。

1? ? SVR原理

支持向量回歸機（Support Vector Regression）是Cortes和Vapnik于1995年首先提出的，建立在統計學習理論的VC維理論和結構風險最小原理基礎上，根據有限的樣本信息在特定訓練樣本的學習精度和無錯誤地識別任意樣本的能力之間尋求最佳折中，它在解決小樣本、非線性及高維模式識別問題上表現出許多特有的優勢。

在SVR中將原本回歸中的平方差誤差損失函數簡化為ε敏感度，表示函數的擬合精度，在誤差ε之內的誤差置0，在該范圍之外使用簡單線性損失函數：

2? ? SVR前饋補償器設計

2.1? ? 數據選擇及處理

影響SCR出口NOx濃度的因素有很多，主要的可測擾動包括以下三方面：

（1）機組負荷。機組負荷的變化主要影響到鍋爐的過量空氣系數，而過量空氣系數變化會導致鍋爐燃燒充分性變化，一般情況下NOx排放量隨著過量空氣系數的減小而減小。

（2）二次風量。二次風量是影響分級燃燒技術的重要因素，二次風合適可以有效降低鍋爐主燃燒區的O2濃度，從而減少NOx生成，同時可以提高鍋爐的效率。

（3）燃盡風量。一般來說燃盡風可以有效抑制NOx生成，但大量的燃盡風會降低鍋爐燃燒的穩定性，并且增加飛灰含碳量，影響鍋爐的熱效率。

因此，在選擇數據方面主要考慮了機組的給煤量、各層二次風量和各個燃盡風門開度，輸出為SCR出口NOx含量。

由于支持向量機回歸對樣本要求較高，機組歷史運行數據中可能有異常值或故障信息，對回歸的準確性產生一定影響，因此需要對數據進行預處理。

預處理主要包括數據清理和數據標準化。數據清理是指剔除與多數樣本偏離較大的樣本，采用3σ檢驗準則，即樣本偏離平均值超過3倍標準差則剔除。圖1中圓圈為剔除的樣本。

由于選擇的各個信號如給煤量、二次風量等量綱不同，在使用之前需要進行標準化處理，采用Z-score標準化方法。具體而言，對于變量x，樣本數為n，則Z-score標準化處理后數據為：

2.2? ? SVR前饋補償器設計

SVR離線時的訓練過程如下：

（1）根據所選輸入、輸出變量，取其歷史運行數據;

（2）對輸入變量進行數據處理;

（3）確定SVR的參數，包括不敏感系數、懲罰系數和核函數;

（4）根據上述SVR原理進行訓練。

由于SVR訓練所需樣本數量少，訓練速度相比神經網絡等較快，所以在離線訓練后可以采用在線更新的方式。在線更新時保持SVR的參數不變，每次取一定數量的樣本訓練，下一時刻時從樣本隊列中刪除最后一個樣本，加入新樣本，從而實現樣本集保持數量不變并不斷更新。

利用方家莊電廠歷史數據中的200個采樣點進行訓練，并在訓練后利用接下來4 000 s的數據檢驗SVR輸出的準確性，檢驗結果如圖2、圖3所示。

從圖2、圖3中可以看出SVR可以準確反映NOx出口濃度的變化趨勢，在個別點的相對誤差超過10%，但大部分數據相對誤差都在5%以內，可見SVR回歸比較準確。

SVR前饋補償器的結構如圖4所示，包括數據處理、SVR擬合以及PD控制器三部分。首先根據上述數據處理方法對采集的給煤量、二次風量和燃盡風量進行處理，然后將處理好的數據輸送給訓練好的SVR函數，得到后續的NOx濃度變化量，將當前時刻NOx濃度與SVR函數輸出值的偏差作為PD控制器的輸入信號，從而計算出補償信號。

3? ? 工程應用

根據上述SVR前饋補償器，在原本串級PID控制的基礎上，提出了基于SVR前饋補償的SCR出口NOx濃度控制策略，其結構如圖5所示。

其中串級控制系統中的γ1和γ2為噴氨流量反饋系數和SCR出口NOx濃度反饋系數，G1（s）為噴氨閥門開度與噴氨流量大小的傳遞函數，G2（s）為氨氣流量與SCR出口NOx濃度的傳遞函數。主調節器和副調節器的參數依然保持“內快外慢”的基本特性不變。

在SVR參數選擇上，需要確定不敏感系數、懲罰系數C和核函數。其中懲罰系數C>0，表示輸出值與實際值之間誤差的程度大小，C越大模型輸出精度越高，但有可能出現過擬合。不敏感系數越小模型精度越高，但同樣可能出現過擬合的現象。因此，在多次離線訓練嘗試后取C=220，ε=0.01，核函數按上文所述取徑向基函數。

在方家莊電廠的SCR脫硝控制系統中采用基于SVR前饋補償的SCR出口NOx控制策略，其控制效果如圖6所示。

4? ? 結語

針對目前SCR脫硝串級控制器在機組負荷大范圍變化時控制品質變差的問題，根據支持向量回歸原理設計了SVR前饋補償控制器，并提出了基于SVR前饋補償的脫硝控制策略。在方家莊電廠實際投用的效果表明，該方法可以有效抑制負荷以及風量變化等擾動帶來的SCR出口NOx濃度波動，較原有串級控制系統有更好的抗干擾性。

[參考文獻]

[1] 酈建國，朱法華，孫雪麗.中國火電大氣污染防治現狀及挑戰[J].中國電力，2018，51（6）：1-10.

[2] 劉建航，盛喜兵，劉學書，等.300 MW機組超低排放脫硝噴氨經濟運行優化研究[J].山東電力技術，2018，45（9）：60-62.

[3] 應明良，戴成峰，胡偉鋒，等.600 MW機組對沖燃燒鍋爐低氮燃燒改造及運行調整[J].中國電力，2011，44（4）：55-58.

[4] 張曉宇，范永勝，沈炯，等.燃煤鍋爐燃燒優化控制發展趨勢[J].華北電力技術，2016（12）：31-37.

[5] 任志玲，趙博雅，趙星，等.基于CPSO-RBF神經網絡噴氨量的最優控制[J].測控技術，2018，37（12）：38-41.

[6] 趙海濤，郭少娟.基于神經元PID的SCR脫硝控制系統研究[J].自動化儀表，2017，38（5）：20-23.

[7] 葉蒙雙，馮曉露，張政江.先進預測控制在SCR控制系統中的運用[J].科學技術與工程，2016，16（10）：155-158.

[8] 馬平，王凱宸，梁薇.基于前饋有約束DMC的鍋爐煙氣脫硝控制系統設計[J].熱力發電，2017，46（11）：73-79.

[9] 孟范偉，徐博，呂曉永，等.神經網絡預測控制在SCR煙氣脫硝系統中應用[J].東北大學學報（自然科學版），2017，38（6）：778-782.

[10] 謝碧霞.大型鍋爐燃燒系統的支持向量機建模方法的研究[D].保定：華北電力大學，2018.

收稿日期：2019-12-09

作者簡介：陳鐵鋒（1973—），男，寧夏銀川人，高級工程師，研究方向：火電廠生產管理。