喷氨控制系统的制作方法

本发明涉及火电厂的燃煤锅炉的脱硝领域，尤其涉及一种喷氨控制系统。
背景技术：
：由于火电厂锅炉系统燃烧效率和NOx是一对矛盾体，锅炉的出力需要达到一定的效率，导致NOX排放总是不能达到令人满意的水平。因此锅炉需要配置有烟气脱硝系统以进一步降低NOX的排放。目前的脱硝方法主要包括选择性催化还原法(SCR)、非选择性催化还原法(SNCR)以及在二者基础上发展起来的SNCR/SCR联合烟气脱硝技术。以SCR脱硝装置为例，其主要包括SCR脱硝系统和氨的储存和制备系统。其中，氨的储存和制备系统设备集中布置于远离锅炉房和SCR脱硝系统的氨站区域，液氨槽车经厂区公路进入氨站区域的卸料点，由氨的制备系统提供的气氨沿厂区综合管架的气氨管道进入SCR区域。气氨经过与空气混合稀释后，通过注射系统注入到SCR脱硝系统的入口烟道中，氨和空气的混合物与入口烟道的烟气充分混合后进入SCR脱硝反应器，在催化剂的作用下对烟气进行脱硝反应。不过，SCR脱硝装置普遍存在的现象之一为：SCR脱硝反应器的烟道支撑及导流板由于调节过于频繁容易出现不同程度的磨损，而且SCR脱硝反应器下游的空气预热器也容易出现不同程度的压降偏差和堵塞现象。分析其原因得出，是由于现有的SCR脱硝系统中关于喷氨量的控制主要采用的是固定摩尔比的定值控制或串级PID控制器反馈控制相结合的机制，使得控制过程中对于喷氨量的调节过于频繁、波动大，因此造成控制的执行机构磨损较严重。此外，由于控制效果欠佳，造成控制结果对应的氨气过量，不仅增加了脱硝成本，而且氨逃逸率往往过高，这会导致剩余的氨气会与烟气中的SO3和H2O反应生成NH4HSO4，进而导致锅炉后续空预期出现压降、积灰和堵塞等现象。此外，目前通常采用全部数据建立全局SVM预测模型的方式来对脱硝系统的脱硝入口处的NOX进行预测。图5D示出全局SVM预测模型的仿真测试结果。可以看出，全局SVM预测模型并不能针对全局工况达到较为满意的预测精度。分析其原因，由于考虑到火电厂的锅炉在不同的负荷状态下的NOX浓度与输入参量变化相对复杂，如具有多阶段、多模态性的特点，全局预测模型要么可能只能准确地描述出某一或某几个模态之间的对应关系，导致锅炉在其余模态下误差较大(即不能针对每个模态均达到期望的预测精度)。抑或是，全局预测模型虽然涵盖了所有阶段的变化特性，但对每个模态都不能精准地预测(即针对每个模态均达不到期望的预测精度)。技术实现要素：技术问题有鉴于此，本发明要解决的技术问题是，如何提高喷氨量的控制精度。解决方案为了解决上述技术问题，根据本发明的提供了一种锅炉脱硝系统的喷氨控制系统，主要用于提高脱硝出口的NOX浓度的控制精度。该喷氨控制系统包括：多模态预测模型，其用于预测脱硝入口的NOX浓度；控制部，其用于根据预测出的所述脱硝入口的NOX浓度，计算待补偿的喷氨量；以及执行机构，其用于根据所述控制部的指令使脱硝系统获得待补偿的喷氨量。对于上述锅炉脱硝系统的喷氨控制系统，在一种可能的实现方式中，所述多模态预测模型具有与锅炉机组的工况相对应的多个子模型，并且通过SIS系统采集锅炉机组的当前工况，根据所述当前工况完成所述多个子模型的切换。对于上述锅炉脱硝系统的喷氨控制系统，在一种可能的实现方式中，所述控制部包括：第一控制部，其用于计算出第一部分的喷氨量；以及第二控制部，其用于计算出第二部分的喷氨量。对于上述锅炉脱硝系统的喷氨控制系统，在一种可能的实现方式中，所述第一控制部包括：前馈控制单元，其用于：基于脱硝入口的NOX浓度的预测值，计算出前馈喷氨补偿量；以及超驰控制单元，其用于：基于锅炉机组升降负荷的变化，计算出超驰喷氨补偿量。对于上述锅炉脱硝系统的喷氨控制系统，在一种可能的实现方式中，所述前馈喷氨补偿量的计算方式为：前馈喷氨补偿量＝(脱硝入口的NOX浓度的预测值-需要转化的NOX的量)×折算的标态烟气流量×β(01)其中，β为补偿参数。对于上述锅炉脱硝系统的喷氨控制系统，在一种可能的实现方式中，所述超驰喷氨补偿量的计算方式为：超驰喷氨补偿量＝折算烟气流量/μ4(02)其中，μ4为补偿量调节阈值。对于上述锅炉脱硝系统的喷氨控制系统，在一种可能的实现方式中，所述第二控制部为反馈控制单元，所述反馈控制单元为改进型串级MFAC控制器。对于上述锅炉脱硝系统的喷氨控制系统，在一种可能的实现方式中，所述改进型串级MFAC控制器包括主MFAC控制器和副MFAC控制器，其中，所述主MFAC控制器的输入为连续N个时刻的喷氨量的给定值和测量值之间的偏差以及偏差之间的偏差变化率，输出则为给所述副MFAC控制器的喷氨量的设定值；其中，所述副MFAC控制器的输入为所述喷氨量的设定值与测量值之间的偏差以及偏差之间的偏差变化率，输出则为给执行机构的脱硝系统的喷氨阀的开度。对于上述锅炉脱硝系统的喷氨控制系统，在一种可能的实现方式中，所述改进型串级MFAC控制器设置为与锅炉的脱硝系统原有的PID控制器相并联的方式，进而使构成可以相互切换的双路反馈控制单元。对于上述锅炉脱硝系统的喷氨控制系统，在一种可能的实现方式中，所述多模态预测模型为基于SVM建立的脱硝入口的NOX浓度的多模态预测模型。有益效果本发明的喷氨控制系统通过基于SVM(SupportVectorMachine，支持向量机)建立脱硝入口处的NOX浓度的多模态预测模型，在锅炉的燃烧系统处于不同负荷状态时，通过多模态预测模型中的子模型之间的切换，克服了目前NOX浓度的测量值普遍存在的严重滞后的问题，保证了预测精度。以及通过采用(前馈+超驰+反馈)相结合的喷氨控制机制，实现了对喷氨量的精确控制。具体而言，通过基于预测的脱硝入口处的NOX浓度进行计算前馈喷氨补偿量，提高了前馈补偿的准确性；通过引入超驰喷氨补偿量，尤其在升降负荷时的偏差偏离较大的情形下能够快速减小误差，如在快速变负荷(升降负荷)及磨煤机启停切换的情形下，NOX排放浓度会出现瞬时偏离很大的情形，此时通过超驰喷氨补偿量使偏差迅速缩小。通过采用改进型串级MFAC控制器代替原有的串级PID控制器，将连续N个时刻的喷氨量的给定值和测量值之间的偏差和偏差之间的偏差变化率作为MFAC控制器的输入，提高了与脱硝出口的NOX浓度相对应的喷氨补偿量的控制精度。根据下面参考附图对示例性实施例的详细说明，本发明的其它特征及方面将变得清楚。附图说明包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本发明的示例性实施例、特征和方面，并且用于解释本发明的原理。图1示出本发明一个实施例的喷氨控制系统的结构框图。图2A示出本发明一个实施例的喷氨控制系统的多模态SVM预测模型的总体原理框图；以及图2B示出本发明一个实施例的喷氨控制系统的多模态SVM预测模型中的单个子模型(以SVM高负荷预测模型)的原理框图。图3示出本发明一个实施例的喷氨控制系统的前馈控制单元的逻辑框图。图中，SUB代表“减法”，ADD代表“加法”，MUL代表“乘法”。图4A示出本发明一个实施例的喷氨控制系统的超驰控制单元的逻辑框图一(NOX浓度变化)；以及图4B示出本发明一个实施例的喷氨控制系统的超驰控制单元的逻辑框图二(超驰喷氨补偿量)。图5A示出本发明一个实施例的喷氨控制系统的6台磨煤机对应工况的SVM预测模型的仿真测试结果图；图5B示出本发明一个实施例的喷氨控制系统的上5台磨煤机对应工况的SVM预测模型的仿真测试结果图；图5C示出本发明一个实施例的喷氨控制系统的中4台磨煤机对应工况的SVM预测模型的仿真测试结果图；以及图5D示出现有的采用全部数据(不划分工况)建立的全局SVM预测模型的仿真测试结果图。图6示出本发明一个实施例的喷氨控制系统的基于改进型串级MFAC控制器的串级反馈控制回路的逻辑框图。图7A示出本发明一个实施例的喷氨控制系统在负荷变化时的喷氨量消耗的实验结果图；以及图7B示出本发明一个实施例的喷氨控制系统在负荷变化时的SO2/SO3转化率的实验结果图。图8A示出本发明一个实施例的喷氨控制系统的负荷随时间的变化趋势图；图8B示出本发明一个实施例的喷氨控制系统在负荷变化时脱硝出口NOX浓度的实验结果图；以及图8C示出本发明一个实施例的喷氨控制系统在负荷变化时氨气逃逸率的实验结果的实验结果图。具体实施方式以下将参考附图详细说明本发明的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。需要说明的是，在本发明的描述中，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系，这仅仅是为了便于描述，而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，还需要说明的是，在本发明的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。另外，为了更好的说明本发明，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本发明同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本发明的主旨。下面以如下的应用场景作为示例来说明本发明的喷氨控制系统克服现有的火电厂的燃煤锅炉的脱硝领域的喷氨控制系统存在的精度低的问题的技术方案。喷氨控制系统对应的锅炉为用于丰镇市某火电厂的1#锅炉，锅炉的型号为SG2059/17.5-M915。该锅炉为一次中间再热、单炉膛平衡通风、固态排渣方式、全钢结构的Π型汽包炉，锅炉的制粉系统为正压直吹式制粉系统，制粉系统配备有六台ZGM113G型中速磨煤机，并且将六台磨煤机设计为其中五台磨煤机可带额定负荷，另外一台磨煤机备用。直流燃烧器布置于锅炉的四角位置，且采用切向燃烧的方式，每台磨煤机的出口通过四根煤粉管道接至一层的煤粉喷嘴。最上排的燃烧器的喷口中心线标高34870mm，距分隔屏屏底的距离为21030mm，最下排的燃烧器的喷口中心标高25570mm，至冷灰斗转角的距离为5969mm，每个角的燃烧器设有二层油枪。锅炉的过热蒸汽调温主要是通过减温水调温与燃烧器摆角调温，锅炉的再热蒸汽调温主要是通过燃烧器摆角，锅炉系统的机组全负荷为600MW。根据电厂的运行习惯，确定出的磨煤机的组合方式通常包括以下六种：6台磨煤机运行、上5台磨煤机运行、下5台磨煤机运行、上4台磨煤机运行、中4台磨煤机运行、下4台磨煤机运行。这六种组合方式代表了锅炉机组的六种运行负荷模态，即锅炉机组的六种工况。本发明提供了一种喷氨控制系统，主要用于实现对燃煤锅炉的脱硝系统的优化控制，从而提高脱硝出口的NOX浓度的控制精度。图1示出了本发明的喷氨控制系统的结构框图。如图1所示，本发明的喷氨控制系统主要包括：1)脱硝入口的NOX预测模型，该NOX预测模型主要用于准确、可靠地测量脱硝入口处的NOX浓度；2)第一控制部，其主要包括前馈控制单元和超驰控制单元与两部分，第一控制部主要用于对喷氨量进行粗略控制；以及3)第二控制部，主要是通过改进型串级MFAC控制器作为反馈控制单元，对喷氨量进行精确控制。以上三个部分的工作原理具体如下：1)脱硝入口的NOX预测模型：基于SVM(SupportVectorMachine，支持向量机)建立脱硝入口的NOX浓度的多模态预测模型，以克服目前脱硝入口处的NOX浓度的测量值普遍存在的严重滞后的问题。测量值的严重滞后主要来源于以下三方面的原因：第一方面，NOX浓度传感器本身的测量原理决定测量过程有延迟，如甚至长达分钟级的延迟。第二方面，烟气传输过程也存在有延迟，如烟气流速一般在5～6m/s，而锅炉中的烟道长达上百米，传感器的探头是伸入烟道内的，因此不可避免地会有传输延迟，即传感器当前时刻测量的NOX浓度值由于烟道传输的缘故滞后于锅炉当前生成的NOx浓度。而且，不同的负荷工况下滞后时间不同，因此这部分的传输延迟是一个变化的值。第三方面，不同的负荷工况下，对NOX的影响不同，如在锅炉机组变负荷工况时，瞬时的NOX浓度变化剧烈，而传感器的频响速度跟不上，就会产生更大的偏差，因此会造成测量上的随机性。鉴于此，本发明的喷氨控制系统中建立的是多模态预测模型，即针对锅炉的不同负荷状态(负荷状态采用机组负荷与磨煤机组合方式作为负荷状态的划分标准)，使喷氨控制系统的脱硝出口的NOX浓度的当前预测模型切换为对应于不同模态的SVM预测模型(子模型)。具体而言，采用火电厂的SIS系统(SupervisoryInformationSysteminPlantLevel，厂级实时监控信息系统)对实时数据进行逻辑判断，实现不同的SVM预测子模型之间的在线切换。可以看出，通过针对不同的负荷状态采用不同的模型进行控制，体现了模态之间的差异化因素，使得NOX浓度的测量值更符合实际值。如采用电厂实际的采集数据进行预测模型验证，图5A-5C为基于本发明的多模态预测模型的预测值和实测值的仿真测试结果图，较之于图5D示出的现有的采用全部数据建立的全局SVM预测模型而言，由于多模态预测模型在各个工况下将预测模型切换至对应于当前工况的子模型，因此能够较为真实地反映出各个工况下的NOX浓度的变化，也就是说，基于多模态预测模型得出的NOX浓度的预测值更接近于实测值。图2A示出建立的多模态SVM预测模型的总体原理框图。如图2所示，根据锅炉的负荷状态建立多个SVM预测模型，SIS系统实时采集的磨煤机状态变量(例如具有6台磨煤机的锅炉就有6个状态参数)，并根据各台磨煤机状态变量的组合使多模态预测模型在多个子模型之间进行切换。表1示出逻辑切换的真值表。该表中的数据是以600MW机组煤粉锅炉为例，由表1可知，锅炉共有六台磨煤机，根据六台磨煤机的运行状态的组合，可将锅炉的运行阶段划分为包括“高负荷阶段(6台磨煤机运行)、中负荷阶段1(上5台磨煤机运行)和中负荷阶段2(下5台磨煤机运行)、低负荷阶段1-3(电厂习惯用的4台磨煤机的3种组合)”在内的6个阶段，首先经分别筛选的各阶段的数据建立出多模态SVM预测模型之后，再由六台磨煤机的状态组合进行子模型的选择，从而达到精确预测NOX浓度的目的。表1逻辑判断及切换真值表表1中，状态“1”代表磨煤机工作，状态“0”代表磨煤机不工作。图2B示出可切换的多模态SVM预测模型中的单个子模型(SVM高负荷预测模型)的原理框图。在一种具体的实施方式中，该SVM高负荷预测模型的输入变量包括：a)A～F磨煤机的一次风流量；(6个)b)上一时刻(k-1时刻)的NOX浓度的测量值、空预期出口的二次风温度、总风量和总煤量；(4个)c)与A～F磨煤机对应的A～F给煤机的瞬时流量；(6个)d)负荷和氧量。(2个)共18个过程变量。本领域的技术人员应当理解，根据不同的锅炉的类型以及控制精度的需求，可对输入变量的个数和类型进行相应的调整，如对输入变量进行合理的增加、删减和/或改变，进而优化多模态SVM预测模型的各个子模型。相应地，SVM高负荷预测模型的输出变量为当前时刻(k时刻)脱硝入口处的NOX浓度的预测值。在线应用时，当前的输入变量(即18个过程变量)均来源于火电厂的SIS系统的实时数据库。基于上述18个过程变量和输出变量构建训练和测试数据集，对多模态SVM预测模型的每一个子模型进行训练和测试。在一种具体的实施方式中，SVM的核函数选择高斯核函数，SVM算法的两个参数(不敏感损失函数ε和惩罚系数C)以及高斯核函数中的参数σ通常通过仿真调试的方法确定。在一种具体的实施方式中，最终确定ε＝300；C＝80000；σ＝5000。进一步对建立的6个子模型进行测试以验证子模型的精度。其中，图5A、图5B和图5C分别示出了3个子模型(分别为6台磨煤机、上5台磨煤机和中4台磨煤机处于工作状态时对应的子模型)的测试结果。表2给出了6个子模型以及作为对比例的全局预测模型的训练误差与预测误差的比较结果。表2训练误差和预测误差比较结果SVM预测子模型训练误差预测误差高负荷模型(6台磨煤机)0.56％5.02％中负荷模型(下5台磨煤机)1.76％4.67％中负荷模型(上5台磨煤机)0.98％5.35％低负荷模型(中4台磨煤机)1.32％5.23％低负荷模型(下4台磨煤机)0.92％3.81％低负荷模型(上4台磨煤机)1.41％4.15％全局预测模型5.98％15.8％需要说明的是，表2中，“训练”指的是通过采用建模数据进行验证，“预测”指的是通过未参与建模的数据(新的数据)进行验证，而“训练误差”和“预测误差”都是采用最大相对误差计算获得，即根据如下的计算公式(1)获得的：其中，公式(1)中，δ代表最大相对误差，i为样本数目，和yi分别为预测值和真实值。预测精度是否满足设计要求，一般是根据工程实际情况来定的，工业过程中不同的变量要求的允许误差不同，如在本实施例中，NOX浓度的预测允许误差的范围相对较大，如最大相对误差{(预测值-真实值)/真实值}在6％以内工程上都是认可的。显然，由表2可知，各个子模型的精度都能够很好地满足设计要求。作为对比例，图5D对应的不划分工况采用所有数据建立的全局预测模型对应的预测精度不能满足设计要求。需要说明的是，图2B为高负荷(6台磨煤机工作)状态下作为多模态SVM预测模型的子模型的SVM预测模型的原理框图。也就是说，每个子模型均采用离线建模获得，建模所采用的数据如可以来源于历史运行数据和前期摸底实验数据，即通过对负荷和磨煤机状态进行分类筛选后所得的数据，数据分类和筛选的原理是编写对应于磨煤机状态的搜索程序，即将磨煤机的所有状态组成一个字符串，并将所有相同字符串的行进行记录，将已记录的数据提取出来组成一个数据集，从而实现数据的分类和筛选。之后，采用滤波算法对输入数据和输出数据进行预处理，主要用以去除其中的噪声成分和数据野点(数据异常点)，如可以采用数理统计的方法(格拉布斯检验法)来剔除数据异常点的方法，采用传统的DB5小波去噪方法进行滤波。处理后的数据即可用于建模。数据分类和筛选采用传统方法即可，在本发明中不再赘述。根据各台磨煤机的状态，SIS系统将多模态SVM预测模型切换至不同的子模型，从而获得当前工况下的脱硝入口的NOX浓度的预测值。在此基础上，通过精确地控制喷氨量，来尽可能地降低锅炉排出的NOX的浓度，进而减少由于火电厂锅炉的NOX排放导致的空气污染。2)第一控制部：喷氨量的粗调主要是通过第一控制部来实现。第一控制部包括基于脱硝入口的NOX浓度预测值调整喷氨量的前馈控制单元和超驰控制单元，分别实现对喷氨控制过程中的快速补偿和安全保护。其中，图3示出前馈控制单元的运行逻辑框图。前馈控制单元主要用来实现对NOX浓度的输入与给定偏离很大情形下的快速补偿。前馈控制单元给出的补偿实际上属于开环提前补偿，即：通过预测脱硝入口处的NOX浓度提前计算出大约需要的喷氨量，提前给定该喷氨量从而起到快速减小偏差作用，之后由反馈控制单元实现精确控制。由于前馈控制单元在偏差较大的情形下能够快速减小喷氨量的偏差，因此具有一定的快速补偿功能。前馈控制单元的输入变量包括：SVM预测子模型输出的脱硝入口的NOX浓度(即入口NOX预测值)、脱硝系统设定输出的NOX浓度(即NOX设定值)以及折算的标态烟气流量。其中，前馈控制单元输出的喷氨前馈补偿量可以采用以下逻辑运算获得：前馈喷氨补偿量＝(脱硝入口的NOX预测值-NOX设定值)×折算的标态烟气流量×β(2)从公式(2)可以看出，前馈控制单元对喷氨量的调整本质上是粗调，即按照需要转化的NOX的量(NOX设定值)，初步计算出需要的喷氨量。公式(2)中，β为补偿参数，β通常不是定值，是电厂根据前期的现场调试试验的测试结果确定。如在一种具体的实施方式中，基于前期的现场调试试验，选定β＝4×10-4。(10-3是因为烟气流量的单位和氮氧化物的单位不一致对应的单位转化的1000进制，因此实际上相当于β＝0.4)需要说明的是，β实际上就是一个摩尔比系数，前馈控制单元输出的喷氨量实际上是依据氨氮摩尔比(NH3/NOX)进行估算的，即公式(1)示出的NOX浓度差与烟气流量相乘再乘以摩尔比系数就得到实际所需的喷氨量(即前馈喷氨补偿量)。也就是说，消耗多少量的NOX就对应地需要多少氨，根据化学方程式能够理论算出来。但是在实际生产中，由于工况比较复杂，因此根据摩尔比算出来的有一定的偏差，不过可以将其作为前馈参与控制中。但是需要说明的是，前馈喷氨补偿量根据公式(2)进行计算的前提是NOX的测量值必须准确，否则会起到反作用。在实际应用中，折算的标态烟气流量通常按照电厂规范，如采用如下公式(3)进行计算：折算的标态烟气流量＝总风量/1.75×0.95(3)上述关于前馈喷氨补偿量的计算可直接在电厂的集散控制系统(DistributedControlSystem，DCS)里编程实现，因此不需要另外再加装硬件控制器。其中，图4A和图4B示出超驰控制单元的逻辑框图。超驰控制单元主要用来实现喷氨控制过程中的安全保护，类似于上下限值的控制。图4A为判断NOX浓度是“上升中”还是“下降中”的运算逻辑。逻辑的主要运算可表达为：根据(前30s的NOX累计值-后30s的NOX累计值)>μ1或<-μ1，可对应地判断出NOX的变化趋势为“NOX浓度下降中”或“NOX浓度上升中”。具体如下式所示：Y1＝((追溯1分钟的NOX累计值-追溯30s的NOX累计值)-追溯30s的NOX累计值)-μ1。若Y1>0，则将“NOX浓度下降中”标志位设置为1，否则将“NOX浓度下降中”标志位设置为0。Y2＝((追溯1分钟的NOX累计值-追溯30s的NOX累计值)-追溯30s的NOX累计值)+μ1。若Y2<0，则将“NOX浓度上升中”标志位设置为1，否则将“NOX浓度上升中”标志位设置为0。本领域的技术人员应当理解，累计值的总时间长度以及长度的区间节点可以根据实际情况灵活调整。如本实施例中优选30s作为区间节点，即电厂工作人员以30s作为累加时间判断NOX浓度上升还是下降，通过反复实验证明，30s的区间节点能够有效地避免个别值偶然性、噪声的影响，从而提高升降判断的准确性。图4B为超驰控制单元的超驰喷氨补偿量的判断逻辑框图。如图4B所示，判断逻辑框图总体分为上下相似的两部分，其中上部分为NOX浓度的设定值与测量值的偏差>0时的判断逻辑，下部分则为NOX浓度的设定值与测量值的偏差<0时的判断逻辑。以上部分为例，超驰喷氨补偿量的判断逻辑需要考虑如下情况：1)“NOX浓度上升中”标志位为1，此时：1a)若NOX浓度测量值与设定值的偏差大于15(阈值μ2的一种示例)，表明NOX浓度不断上升且偏差大于启动超驰控制单元的阈值(μ2)，需要输出相应的超驰喷氨补偿量。从逻辑来看，最上面的与门(AND)的两个输入都为“1”，则与门的输出为“1”，即SR触发器的“S”端为“1”；紧挨着下面一个与门，第一个输入为“1”(由于偏差大于μ2更大于μ3)，第二个输入为“0”(由于“NOX浓度上升中”和“NOX浓度下降中”两个逻辑是互斥的)，所以第二个与门的输出为“0”，即SR触发器的“R”端为“0”，根据SR触发器真值表，得出SR触发器的输出为“1”，开关闭合，此时输出由公式(4)计算得出的超驰喷氨补偿量。超驰喷氨补偿量＝折算的标态烟气流量/μ4(4)可以看出，由于超驰喷氨补偿量的大小由参数μ4来决定，这就表明超驰喷氨补偿量是可根据具体情况通过μ4来进行调整的。1b)若NOX浓度测量值与设定值的偏差大于10(阈值μ3的一种示例)小于15(阈值μ2)，则表明NOX浓度在上升但偏差还没到达上限值(μ2)，此时保持当前的超驰输出状态，之前有输出则继续输出(对应的是NOX浓度上升的速率在减小的情况)，之前没输出则仍然不输出(对应的是NOX浓度上升的速率在增加的情况)。从SR触发器的具体逻辑来看，第一个与门的输出为“0”，第二个与门的输出为“0”，即SR触发器的“S”端和“R”端的输入均为“0”，根据SR触发器真值表，得出SR触发器的输出为“保持前一状态”。1c)若NOX浓度测量值与设定值的偏差小于10(阈值μ3)，则表明NOX浓度虽在上升，但偏差较小在阈值μ3的范围内，此时仍保持当前超驰输出状态(由于NOX浓度仍在上升中，所以需要保持原状态)。从SR触发器的具体逻辑来看，第一个与门的输出为“0”，第二个与门的输出为“0”，即SR触发器的“S”端和“R”端的输入均为“0”，根据SR触发器真值表，得出SR触发器的输出为“保持前一状态”。2)“NOX浓度下降中”标志位为1，此时：2a)若NOX浓度测量值与设定值的偏差大于15(阈值μ2)，或NOX浓度测量值与设定值的偏差大于10(阈值μ3)小于15(阈值μ2)(这两种情况相同列在一起)，表明虽然NOX测量值与设定值偏差较大，但总的趋势是在下降中，因此超驰控制单元不必要输出，即输出为0。从SR触发器的具体逻辑来看，最上面的与门的输出为“0”(由于“NOX浓度上升中”标志位始终为0)，第二个与门的输出为“1”，即SR触发器的“S”端和“R”端的输入分别为“0”和“1”，根据SR触发器真值表，得出SR触发器的输出为“0”，开关打开，此时超驰喷氨补偿量的输出为零。2b)若NOX测量值与设定值的偏差小于10(阈值μ3)，则表明NOX浓度在下降，且偏差小于阈值μ3，此时保持当前输出状态。从SR触发器的具体逻辑来看，第一个与门的输出为“0”，第二个与门的输出为“0”，即SR触发器的“S”端和“R”端的输入均为“0”，根据SR触发器真值表，得出SR触发器的输出为“保持前一状态”。与上部分类似，下部分情况主要针对偏差小于零的情况，由于(上、下)两部分是互斥的，不能同时输出。上部分是整数所以是减法，下部分是负数所以是加法。此外，下部分中关于大于0和小于0的逻辑也与上部分相反，具体的逻辑分析与上部分相似，此处不再赘述。关于阈值μ1、μ2、μ3和μ4，需要说明的是，μ1主要用于判断NOX目前是上升状态还是下降状态的阈值，即(前30s的NOX累计值-后30s的NOX累计值)>μ1或<-μ1时对应为NOX浓度下降中或上升中，μ1太小会受噪声影响很大，导致系统判断出频繁出错；μ1太大则导致滞后性太大，导致系统不能及时地给出调整策略。μ2和μ3实际上就是启动超驰控制单元的两个控制限，即上上限和上限。具体而言，为了保证平滑地过渡，工业中优选地预设两个控制限。其中，超过上上限的情形表明偏差偏离很大，需要立刻补偿；而超过上限的情形则可以暂时先保持原来状态。μ4则直接决定超驰喷氨补偿量的大小，不同的锅炉机组以及不同的负荷对应的超驰喷氨补偿量不一样，因此需要通过μ4来调节补偿量，μ4太大会导致补偿量太小起不到作用，μ4太小则会导致补偿量太大，太大的补偿量可能会引起震荡，这可能会使喷氨量的控制变得更糟。阈值μ1、μ2、μ3和μ4主要通过前期的现场调试试验获得。如在一种具体的实施方式中，选定μ1＝15，μ2＝15，μ3＝10，μ4＝90。上述结果在实际运行中能够较好地满足对于磨煤机连续升降负荷的判定。本领域技术人员可以理解的是，由于电厂锅炉本身属于相对粗糙的系统，因此在一定范围内微调参数(即阈值μ1、μ2、μ3和μ4)对磨煤机的运行结果没有明显的差异化影响，如μ1和μ2可以根据实际运行情况在10-15之间选定。也就是说，阈值在一定范围的调整不会对磨煤机的运行结构产生明显的差异化影响。如由于μ1、μ2、μ3与NOX测量值与设定值的偏差有关，通常按照NOX实际的测量值的6％～8％来取，例如NOX浓度测量值一般在300以内，因此可以取μ2为15。另外，由于μ1、μ2、μ3最终计算的结果是要得到一个逻辑值“0”或“1”，所以一定范围内的偏差对结论不会产生明显的差异化影响。其中，图4B中SR触发器的真值表如表3所示。表3SR触发器真值表上述超驰喷氨补偿量的计算也可以直接在电厂的DCS系统里编程实现，不需要另外再加装硬件控制器。通过运行数据进行参数辨识，确定前馈控制单元和超驰控制单元的参数。其中，前馈控制单元主要用于对喷氨量进行快速补偿，超驰控制单元则主要用于对喷氨量进行保护意义的补偿。具体而言，在磨煤机升降负荷的动态变化过程中，针对喷氨量可能陷入的深度饱和问题而采取的上下限保护措施。需要说明的是，本发明的前馈控制单元在计算喷氨前馈补偿量(即前馈)时是基于采用预测的脱硝入口处的NOX浓度进行计算的，而现有的前馈计算则是直接基于测量的脱硝入口处的NOX浓度进行计算的。由于测量的脱硝入口处的NOX浓度具有滞后性特别大的缺陷(几分钟到十几分钟的数量级)，加之锅炉的工况是变化的，因此现有的直接用测量值计算前馈的方式往往存在较大的误差，尤其在负荷升降时可能起到反作用。本发明的超驰控制单元主要用来在升降负荷时且偏差偏离较大时，为了快速减小误差而采用的一种补偿控制机制。因此，通常在偏差进入到一定小的范围内时，超驰控制单元会被切除。3)第二控制部在前馈控制单元和超驰控制单元对喷氨量进行了大致的粗略调整的基础上，通过第二控制部来实现对喷氨量的进一步的精调。如图6所示，本发明在喷氨量的关键控制回路中引入改进型串级MFAC控制器(MetalFormingAnalysisCorporation，无模型自适应控制器)，以实现对最终的喷氨量的精确控制。通过现场实验调试，对串级MFAC控制器的参数进行确定，对喷氨量进行调整，进而优化电厂的脱硝系统的NOX去除水平。需要说明的是，改进型串级MFAC控制器中的“改进”主要表现为，传统的MFAC控制器只计算连续时刻的偏差作为控制输入，而本发明的MFAC控制器以连续时刻的偏差和偏差变化率作为控制输入。作为一种优选，将该控制回路并接在现有的PID控制器旁边，构成可以相互切换的双路控制系统，这样的设置方式可以避免破坏原有的控制系统，从而提高喷氨控制系统的可靠性。通过串级MFAC控制器对喷氨量进行精确控制放入实施步骤如下：由于脱硝系统中的烟气流量和NOX浓度测量装置普遍存在较长时间滞后的问题，加之烟气与还原剂(NH3)在催化剂作用下的时间复杂性存在强非线性的特点，从而使脱硝系统的脱硝过程呈现出大滞后、大惯性以及强非线性等特点，这就使得对喷氨控制的难度很大。正如
背景技术：
提到的，传统的PID控制器无法准确、快速地实现对喷氨量的控制，导致控制效果欠佳。容易理解的是，当喷氨量的控制出现偏差时，会导催化剂出口的NOX和NH3的浓度场不均匀，很容易出现NH3逃逸率很大或NOX含量偏高的现象，进而导致排烟不达标。具体而言，当氨逃逸率过高时，剩余的NH3会与烟气中的SO3和H2O反应生成硫酸氢氨(NH4HSO4)，易造成锅炉后续设备(如空预器)的积灰、堵塞等，而且，过高的氨逃逸率必然对应过量的供氨量，过量的供氨量显然还隐含着脱硝系统运行成本的增加。因此，本发明中引入了MFAC控制器来替代现有的PID控制器，以实现对脱硝系统中喷氨量的精确控制。如图6所示，MFAC控制器的输入为连续N个时刻的喷氨量的给定值和测量值之间的偏差以及偏差之间的偏差变化率，如本实施例中选定N＝3，串级反馈控制回路中的主MFAC控制器(前面)共有6个输入，即：(k时刻、k-1时刻、k-2时刻)的NOX设定值与测量值之间的偏差及偏差之间的偏差变化率，输出则为给副MFAC控制器(后面)的喷氨量的设定值；副MFAC控制器的输入为喷氨量的设定值与测量值之间的偏差以及偏差之间的偏差变化率(也为k、k-1、k-2三个时刻)，输出则为给执行机构的喷氨阀的开度。MFAC控制器的训练采用前期的PID控制的试验数据，进一步参照如图6，即将选择开关打到DCS系统中的原PID控制器对应的控制回路，在不同的给定值下，通过调整(如人工调整)PID参数使系统到达稳态，从而获得过程试验数据。举例而言，可以在给定值的变化范围内获得大于5组设定值的控制试验。依据获得的过程试验数据实现对MFAC控制器的训练。对于MFAC控制器中的核函数的选取，可以有多种选择，如高斯函数、三角核函数或者双指数核函数等。本实施例中选取高斯函数为核函数。按照以上所构造的网络结构，可以通过训练MFAC控制器，使其匹配N维输入数据xp(p＝1,2,···,6)到K维输出数据dq(q＝1)之间的映射关系。典型情况下，MFAC的径向基网络隐层神经元的数量I应不大于输入向量数量P。其中，当I<P时，需要对基函数中心进行聚类(自组织学习方法)，使用K-均值聚类算法来发现I个径向基函数中心位置。中心位置一旦确定就固定了，接着要确定基函数的宽度。在径向基函数(RadialBasisFunction，RBF)选用高斯函数的情形下，通常基函数的宽度可取其中，dmax为所选取的I个径向基函数中心位置之间的最大距离。当然，也可通过寻优方式来寻找合适的基函数宽度，选取基函数宽度的基本原则优选为，应该尽量使得输出误差之和最小。学习权值wki(k＝1,2···,K；i＝1,2···,P)。权值的学习可以采用LMS(LeastMeanSquare，最小均方算法)，LMS算法需要注意的两点是：第一，LMS算法的输入为RBF网络隐层的输出。第二，RBF网络输出层的神经元只是对隐层神经元的输出加权求和。权值的学习可以采用梯度下降迭代的LMS方法。可以看出，本发明应用基于改进型串级MFAC控制器的串级控制算法，根据设定值和过程变量之间的偏差和偏差之间的偏差变化率实现对喷氨量的控制，这就使改进型串级MFAC控制器可以观察到脱硝过程中的动态特性。因此，改进型串级MFAC控制器是一种基于大量历史数据的趋势指导控制，可实现对脱硝系统的大滞后、强非线性、时变等特点的精确跟踪，快速消除静差，能够保证优化策略的实施。最后，针对本发明的改进型串级MFAC控制器和原有的PID控制器作为反馈控制单元时的实际运行结果进行了对比实验，比较结果如图7A和7B所示。具体而言，图7A示出采用锅炉原有的PID控制器和本发明的改进型串级MFAC控制器对应于不同负荷的磨媒机的喷氨量的实验结果图。由图7A可知，原有的PID控制器的平均喷氨量为99.05(Nm3h-1)，而本发明的改进型串级MFAC控制器的平均喷氨量为88.39(Nm3h-1)，显然，本发明的改进型串级MFAC控制器对应的喷氨量用量较少，既经济又减少了二次污染，实现了对喷氨量的精确控制。图7B示出采用原有的PID控制器和本发明的改进型串级MFAC控制器对不同负荷下的SO2/SO3转化率的实验结果与设计要求(即设计的最大转化率)之间的对比图。由图可知，PID控制器的SO2/SO3转化率最高为1.67％，最低也有0.81％，转化率的平均值为1.32％，偏离了设计要求(转化率为1％)。这会使得SO3的生成量相对增多，可能会对设备的正常运行造成隐患。而本发明的改进型串级MFAC控制器的SO2/SO3转化率最高为0.77％，最低仅为0.42％，平均值为0.62％，显然能够满足设计要求。如图8B和8C示出采用锅炉原有的PID控制器和本发明的改进型串级MFAC控制器对如图8A给定的负荷随时间的变化情形下的脱硝出口NOX浓度和氨气逃逸率的实验结果。由图可知，虽然两种控制器都能保证脱硝出口NOX浓度达标，但是本发明的改进型串级MFAC控制器控制下的脱硝出口NOX浓度的变化更为平稳，更重要的是，氨气逃逸率能够持续保持在更低的水平，且由图7A可知，喷氨量也更少。上述实验结果表明，本发明引入的改进型串级MFAC控制器相对于现有的PID控制器具有较为明显的优越性。脱硝系统在线优化在原有的DCS系统的基础上增加一层监督控制，本发明的控制算法具有全面协调系统的功能，弥补了DCS系统的不足，因而实现了对脱氨量的精确控制。而且本发明的控制器的控制回路并接在常规的PID控制器旁边即可构成可以相互切换的双路控制系统，无需改变脱硝系统的现有硬件，适合于对现有的电厂脱硝系统进行改装，因此可以保证电厂脱硝系统运行的安全性和稳定性。需要说明的是，尽管以具体场景中的锅炉对应的6台磨煤机以及多模态SVM预测模型中的子模型采用18个过程变量作为示例介绍了如上，但本领域技术人员能够理解，本发明应不限于此。事实上，用户完全可根据实际应用场景中的锅炉灵活地设定磨煤机的数量，并相应地调整多模态SVM预测模型中的子模型的个数，以及调整子模型中的过程变量等。至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征作出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。当前第1页1 2 3