>I nnim 为消石灰颗粒密度，kg/m3; 为消石灰摩尔质量，kg/mol ;rs为消石灰颗粒半径，mm ; 1??为脱硫塔内SO2的分压 力，PaJ为脱硫塔内温度，K ;Deff为SO2在产物层内的有效扩散系数，取4X10 _ Ini2/ s ;R为通用气体常数，取8. 314X/(mol · K);脱硫剂在吸收塔内的停留时间为
y为烟气密度，kg/m 3;u f为脱硫塔出口烟气 流速，m/s ;d。为脱硫塔出口飞灰颗粒直径，mm ;H为脱硫塔高度，m ; μ为气体运动粘度，取 45.6X10_6Pa. s ;g 为重力加速度，取 9.8N/kg。
[0051] 步骤3. 2 :根据脱硫塔内消石灰反应模型1輯>2 得到消石灰的反应 速率。其中，尺办为消石灰的反应速率，kg/s ;?Va(〇/^为消石灰给料量，kg/s〇
[0052] 步骤3. 3 :根据脱硫塔出口 SO2排放浓度的预测模型
汁算SO2的预测浓度，其中，/??为50 2预 测浓度，mg/m3; Gw.,为脱硫塔入口 SO2生成速率，mg/s，；Vy为脱硫塔入口烟气体积，m3/s ; 为SO2的摩尔质量，g/mol ;V为脱硫塔的体积，m3; α为脱硫塔漏风系数，％。
[0053] 所述二氧化碳计算模块从数据通讯模块读取实时数据，使用
计算出脱硫塔入口烟气中的二氧 化碳体积，其中，VyS入口烟道烟气体积，m3/s ; Co2为入口烟道二氧化硫体积，m3/s ;VC。为 入口烟道一氧化碳体积，m3/s ;1为进入锅炉的总风量，m3/s ;BVS进入锅炉的给煤量，kg/ s，燃料特性系数为
％;每千克煤燃烧所需要的理论空 气量为 Vt= 0. 089 (C m+0. 375S J +0. 265Hal-0. 0330"，％ ;C"为燃料收到基碳含量，％ ;H 为燃料收到基氢含量，％ ;CL为燃料收到基氧含量，％ ;N &为燃料收到基氮含量，％ ;S & 为燃料收到基硫含量，％。
[0054] 所述消石灰控制模块结合二氧化硫浓度预测数据、二氧化碳体积计算数据和通过 通讯模块读取的消石灰实时给料量数据，经过模糊PID调节，将消石灰给料量指令通过数 据通讯模块发送到DCS控制器，从而DCS系统将指令发给现场设备。其中，模糊PID调节器 根据输入的控制信号采取相应的模糊PID控制算法对消石灰流量输出进行控制，模糊PID 控制器具体设置包括以下步骤：
[0055] 步骤5. 1 :模糊PID控制器是以误差e和误差变化率ec作为输入，误差e和误差 变化率ec的表达式如下：
[0058] 其中，(幻为消石灰流量指令；:轉为实际消石灰流量值；e (k)为指令 值与实际值之间的偏差；ec(k)为指令值与实际值之间的偏差率；e(k-l)为上一时刻指令 值与实际值之间的偏差。
[0059] 步骤5. 2 :根据系统误差e和误差变化率ec变化范围，使用合适的模糊规则表，得 到kp，h，匕三个参数分别整定的模糊控制表如下：
[0060] 表1 kp的模糊规则表
CN 105116855 A 说明书 8/10 页
[0067] 步骤5. 3 :将系统误差e和误差变化率ec变化范围定义为模糊集上的论 ±或，e，ec = { - 6, - 5, - 4, - 3, - 2, - 1，0, 1，2, 3, 4, 5, 6}，其模糊子集为 e，ec = {NB，NM，NS, 0, PS，PM, PB}，子集元素分别代表负大，负中，负小，零，正小，正中，正大。设e， ec和kp，h，kd服从正态分布，因此可得到各模糊子集隶属度。
[0068] 步骤5. 4 :根据各模糊子集隶属度赋值表和各参数模糊控制模型，应用模糊合成 推理设计PID参数的模糊矩阵，查出修正参数带入下式计算：
[0072] 其中，k' p，k/，k' ,为P，I和D参数的初始值；Δ k ρ，Δ 1^，Δ匕分别为依据误差e 和误差变化率ec由模糊推理得出的PID参数的自调整量。
[0073] 步骤5. 5 :将得到的当前kp，kp kd，经过PID控制器将指令送给执行机构。
[0074] 为了从本质上说明模型的正确性，本发明在国内某电厂进行了实验研究。在稳定 工况下，每间隔20秒取一组工况数据，共收集2100组工况数据进行实验，实验结果如图 3所示，图中SO2排放浓度的模型预测值与实际测量值趋势一致，两者的平均相对误差为 2. 28%，在允许的范围内，同时也证明建立的SO2排放浓度预测模型具有较高的预测精度。 在二氧化硫预测模型正确的基础之上，进而，进行了二氧化硫的优化控制，其结果如图4所 示，优化系统中二氧化硫优化前的排放浓度平均值为217. 57mg/m3,优化后的排放浓度平均 值为172. 92mg/m3,符合排放标准，表明了烟气循环流化床脱硫优化控制方法的有效性。此 外，实验中消石灰给料量相对减少6. 13%，二氧化碳排放量相对减少5. 21 %，脱硫塔内脱 硫效率高达93%。其中，主要控制参数均保持在允许的范围内，主要控制参数如下：kp = 0.40 ;k1= 1.0 ;kd=0.01 ;脱硫塔出口平均温度为73~75°C;控制用气压力大于0.65MPa; 脱硫塔压差为1000~1200Pa ;布袋除尘压差为1300~1600Pa。
[0075] 进一步地，为了说明模型的实用性，本发明在国内某电厂进行了烟气循化硫化床 脱硫的在线优化控制研究。在稳定工况下和升降负荷时，置于PLC控制器中的各个模块通 过数据通讯模块与电厂的DCS实时交换数据，通过大量的实验数据表明：这种烟气循环流 化床脱硫的优化控制方法在各种工况下和煤质变化时，均能较为稳定的控制SO2的排放量， 符合排放标准，并且脱硫塔内的消石灰累积量减少，在很大的程度上节约了能源和资本。图 5为烟气循环流化床脱硫的在线优化控制效果图，其为本发明的一个实时在线优化控制的 结果，结果表明：在不同的负荷工况下，通过调节消石灰量均能较好的控制SO2排放量，在 线优化控制的10个小时过程中，302排放量平均排放浓度为159. 53mg/m3,符合排放标准。 此外，在线优化控制中消石灰给料量比预计的消石灰给料量减少了 6. 36%，脱硫塔内脱硫 效率高达93. 89%，比预计的脱硫效率提升了 1. 57%，Ca/S = I. 1~1. 3。其中：主要控制 参数和主要调整参数均保持在允许的范围内，具体参数值如表4 :
[0076] 表 4
[0077]
[0078] 本发明在充分考虑脱硫塔内消石灰存储状态以及存储量的基础上，建立了 放浓度的预测模型，该模型能够实时监测炉内脱硫状态，提前将SO2排放浓度反馈到消石 灰给料控制系统，从根本上克服了消石灰控制系统的滞后性，解决了升降负荷时因消石灰 控制系统延迟所带来的SO2排放超标的问题；同时本发明利用脱硫塔入口 CO2的量辅助控制 消石灰的给料量，使得消石灰给料控制更加准确，减少了消石灰资源的浪费，在一定的程度 上减少了 CO2的排放量；根据多次的试验和大量的历史数据分析，本发明中的SO 2预测模型 具有较高的精度，能够更为准确地控制消石灰供给量，在工程上具有较高的实用价值。
[0079] 以上所述，仅为本发明较佳的【具体实施方式】，但本发明的保护范围并不局限于此， 任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换， 都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围 为准。
【主权项】