脱硫系统控制模型、其建立方法和脱硫系统控制方法与流程

本发明涉及自动控制技术领域，尤其是涉及一种脱硫系统控制模型、其建立方法和脱硫系统控制方法。

背景技术：

随着工业的发展和人们生活水平的提高，对能源的需求也不断增加，燃煤烟气中的so2已经成为大气污染的主要原因，控制so2等污染气体的排放是我国当前促进火力发电行业技术进步、可持续发展以及解决环境污染问题的重大任务。在火力发电厂中，烟气脱硫是必不可少的一个环节；随着环保日益重视，对火电机组排放的要求越来越严格。

湿式脱硫法主要利用石灰石浆液颗粒与烟气中的so2发生化学反应，从而降低排放气体的so2浓度。脱硫是一个十分复杂的过程，脱硫系统具有不确定性和各种未知的扰动，这给脱硫过程的精确控制带来了难度。现有的脱硫系统控制方式普遍存在以下缺陷：1)对变工况的适应能力差，系统的稳定性不高；2)供浆流量和循环浆液量调节不及时，排放烟气中so2的浓度波动大；3)精度低，抗干扰能力差。

鉴于此，特提出本发明。

技术实现要素：

本发明提供一种脱硫系统控制模型、其建立方法和脱硫系统控制方法，该脱硫系统控制模型对脱硫工况的适应性好，其能够在无需知道脱硫系统不确定特性和扰动的情况下对脱硫系统进行估计，利用该脱硫系统控制模型控制的脱硫系统精度高，稳定性好，抗干扰能力强。

本发明提供一种脱硫系统控制模型的建立方法，包括如下步骤：

步骤一：在脱硫系统中进行阶跃响应实验，获得原始数据；

步骤二：采用arma模型对原始数据进行校正，获得校正数据；

步骤三：利用校正数据，采用最小二乘法对脱硫系统进行辨识，获得脱硫系统的传递函数模型；

步骤四：将传递函数模型转化为状态空间模型，对脱硫系统的不确定特性和扰动进行估计并补偿，获得脱硫系统控制模型。

在本发明中，脱硫系统是执行脱硫操作的系统，脱硫系统控制模型主要用于对脱硫系统进行控制；本发明对脱硫系统不作严格限制，可以采用本领域的常规脱硫系统，例如脱硫塔等。

在本发明的上述步骤一中，阶跃响应实验包括但不限于喷浆量阶跃响应实验和浆液循环量阶跃响应实验，可采用本领域的常规实验方法进行；同时，原始数据包括但不限于循环浆液ph值和脱硫效率，可根据实际控制需要合理设置原始数据的相关参数。

进一步地，在进行阶跃响应实验之前，可以对脱硫系统的检测系统进行标定，以提高控制系统的精确性；其中，所述检测系统包括但不限于脱硫系统的cems系统(即烟气在线监测系统)和ph计。

更具体地，本发明的步骤一如下：

s1：在脱硫系统进行喷浆量阶跃响应实验和浆液循环量阶跃响应实验：

对脱硫系统(例如脱硫塔)的进出口cems系统进行标定，并对ph计进行标定，以确保so2浓度、ph值等监测数据的准确性；

在脱硫系统机组稳定的情况下，采用阶跃响应实验的方法，分别使供浆量(即喷浆量)和循环浆液量等输入变量发生阶跃变化，同时记录循环浆液ph值、脱硫效率等参数的变化。

本发明的上述步骤二包括：

查找原始数据第一时间域的异常数据；

根据异常数据时刻点附近时刻点的原始数据建立arma模型；

利用arma模型对异常数据进行校正。

进一步地，步骤二还包括：将样本区间从第一时间域扩大至第二时间域并重复校正。

本发明对查找原始数据某一时间域的异常数据的方式不作严格限制，例如可以利用3σ准则查找原始数据中的异常数据。此外，对异常数据时刻点附近时刻点不作严格限制，例如可以是异常数据时刻点之前或之后的若干秒(例如±1s)。

进一步地，在上述步骤二中，arma模型为：

yt＝β0+β1xt-1+β2xt-2+l+βpxt-p+α0+α1et-1+α2et-2+l+αqet-q+μt。

具体地，所述arma模型的获取方式(即推导过程)包括：

y＝β0+β1x1+β2x2+λ+βkxk+e

yt＝β0+β1xt-1+β2xt-2+λ+βpxt-p+et

et＝α0+α1et-1+α2et-2+λ+αqet-q+μt

其中：y为预测对象的观测值，yt为预测对象，e为误差，x1,x2,λxk为影响因素。

更具体地，本发明的步骤二如下：

s2：采用基于时间序列arma模型的数据校正：

检查原始数据的缺失段的起始位置与相应长度，利用之前时刻的数据建立arma模型进行预测和填充。由初始时间点的数据开始，选取一定的时间域n，利用3σ准则对数据中的异常数据进行查找。选择确定的异常数据之前时刻的数据建立arma模型，对该时刻的数据点进行替换。在对所有样本检查完全后，扩大样本区间，并重复以上校正过程。

在本发明的上述步骤三中，脱硫系统的传递函数模型为：

其中，

g11、g12、g21、g22为传递函数，y1、y2为脱硫效率和浆液ph值，u1、u2为供浆量和循环浆液量。

在本发明的上述步骤四中，脱硫系统控制模型的控制方式为：

u(s)＝(i-b⁺bgf)^-1b⁺[amx+bmc-ke-ax(1-gf)-sgfx]

其中，a为状态矩阵，b为控制矩阵，am，bm和c分别为参考模型的状态矩阵、控制矩阵和参考指令，gf为低通滤波器，k为误差反馈增益，e为状态误差。

更具体地，本发明的上述步骤四如下：

s4：采用基于模型不确定和扰动估计的控制方法实现对脱硫系统的自动控制：将传递函数模型转化为状态空间模型，因实际脱硫系统存在不确定性和扰动，该系统的表达式表达记为：

其中，f,d(t)为未知系统特性和扰动，x为系统状态，a为状态矩阵，b为控制矩阵。采用上述方法对系统的不确定性和进行补偿后，其控制输入为：

u(s)＝(i-b⁺bgf)^-1b⁺[amx+bmc-ke-ax(1-gf)-sgfx]

参考模型表达式如下：

其中，c(t)是参考指令，xm为参考模型的状态，am，bm分别为参考模型的状态矩阵、控制矩阵。

状态误差的表达式如下：

e＝xm-x

滤波器选择如下：

其中，tf为滤波器的时间常数。

进一步地，本发明的脱硫系统控制模型的建立方法，还包括步骤五：调节脱硫系统控制模型的误差反馈增益k和滤波器时间常数。

具体地，当参考模型稳定时，可以将误差反馈增益设为0。

本发明还提供一种脱硫系统控制模型，按照上述建立方法建立得到。

本发明还提供一种脱硫系统控制方法，利用上述脱硫系统控制模型对脱硫系统进行控制。

与现有技术相比，本发明的有益效果为：

1、本发明的脱硫系统控制模型对脱硫工况的适应性好，该模型能够在无需知道脱硫系统不确定特性和扰动的情况下对脱硫系统进行估计，具有很好的干扰抑制特性；

2、本发明的脱硫系统控制地方法利用上述脱硫系统控制模型进行控制，采用基于脱硫系统不确定特性和扰动的控制方法实现了对脱硫系统的自动控制，利用该控制方法控制的脱硫系统精度高，稳定性好，抗干扰能力强。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的脱硫系统控制模型建立方法的控制流程图；

图2为实施例1中辨识后的脱硫系统控制模型的阶跃响应曲线；

图3为实施例1中加入正弦扰动时脱硫系统的控制效果图；

图4为实施例1中加入阶跃扰动时脱硫系统的控制效果图；

图3和图4中：(a)显示喷浆量；(b)显示浆液循环量；(c)显示脱硫效率；(d)显示循环浆液ph值；(e)显示脱硫效率误差；(f)显示循环浆液ph值误差。

具体实施方式

下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

参见图1，本发明的脱硫系统控制模型的建立方法，主要包括阶跃实验、数据校正、数据辨识和基于不确定和扰动估计的控制；具体包括：

步骤一：在脱硫系统中进行阶跃响应实验，获得原始数据；

步骤二：采用arma模型对原始数据进行校正，获得校正数据；

步骤三：利用校正数据，采用最小二乘法对脱硫系统进行辨识，获得脱硫系统的传递函数模型；

步骤四：将传递函数模型转化为状态空间模型，对脱硫系统的不确定特性和扰动进行估计并补偿，获得脱硫系统控制模型。

实施例1

本实施例提供的脱硫系统控制模型的建立方法，包括以下步骤：

s1：阶跃实验

对脱硫塔的进出口cems系统进行标定，同时对ph计进行标定，确保so2浓度、ph值等监测数据准确；在机组稳定的情况下分别进行喷浆量阶跃响应实验和浆液循环量阶跃响应实验，获取原始数据(包括循环浆液ph值和脱硫效率)。

喷浆量阶跃响应实验：采用阶跃响应实验的方法使供浆量发生阶跃变化，记录循环浆液ph值和脱硫效率数据，其中部分实验数据如表1所示。

表1喷浆量阶跃响应实验部分测试数据

浆液循环量阶跃响应实验：采用阶跃响应实验的方法使循环浆液量发生阶跃变化，记录循环浆液ph值和脱硫效率数据，其中部分实验数据如表2所示。

表2浆液循环量阶跃响应实验部分测试数据

s2：数据校正

采用基于时间序列arma模型进行数据校正；具体地，先检查原始数据的缺失段的起始位置与相应长度，利用之前时刻的数据建立arma模型进行预测和填充。arma模型为：

yt＝β0+β1xt-1+β2xt-2+l+βpxt-p+α0+α1et-1+α2et-2+l+αqet-q+μt

上述arma模型的推导过程如下：

y＝β0+β1x1+β2x2+λ+βkxk+e

yt＝β0+β1xt-1+β2xt-2+λ+βpxt-p+et

et＝α0+α1et-1+α2et-2+λ+αqet-q+μt

其中：y为预测对象的观测值，yt为预测对象，e为误差，x1,x2,λxk为影响因素。

由初始时间点的数据开始，选取一定的时间域n(取n＝20)，利用3σ准则对数据中的异常数据进行查找。选择确定的异常数据之前时刻的数据建立arma模型，对该时刻的数据点进行替换。在对所有样本检查完全后，扩大样本区间至30，并重复以上校正过程。

s3：数据辨识

利用校正后的实验数据，分别采用最小二乘法依次对脱硫系统的输入输出之间的关系进行辨识；辨识得到脱硫系统的传递函数模型如下：

其中，

g11、g12、g21、g22为传递函数，y1、y2为脱硫效率和浆液ph值，u1、u2为供浆量和循环浆液量。

辨识后的脱硫系统控制模型的阶跃响应曲线如图2所示。由拟合曲线可知，该模型的辨识结果较好地还原了脱硫塔出口so2浓度和浆液ph值的对象特性，阶跃响应曲线也验证了模型的正确性。

s4：基于不确定和扰动估计的控制

采用基于模型不确定和扰动估计的控制方法实现对脱硫系统的自动控制：具体地，将辨识得到的传递函数模型转化为状态空间模型；由于实际脱硫系统存在不确定性和扰动，该系统的表达式表达记为：

其中，f,d(t)为未知系统特性和扰动，x为系统状态，a为状态矩阵，b为控制矩阵。

采用上述方法对系统的不确定性和进行补偿后，其控制输入为：

u(s)＝(i-b⁺bgf)^-1b⁺[amx+bmc-ke-ax(1-gf)-sgfx]

参考模型表达式如下：

其中，c(t)是参考指令，xm为参考模型的状态，am，bm分别为参考模型的状态矩阵、控制矩阵。

状态误差的表达式如下：

e＝xm-x

滤波器选择如下：

其中，tf为滤波器的时间常数。

s5：调节

调节误差反馈增益和滤波器时间常数；其中，取误差反馈增益设为0，tf分别取0.0001，得到脱硫系统控制模型。

利用上述脱硫系统控制模型对脱硫系统进行控制，控制目标追踪效果如图3、图4所示。由图3、图4可以看出，在脱硫系统伴有正弦扰动和阶跃扰动发生时，本发明的控制方法稳定性好，精度高，具有很好的扰动抑制效果。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。