一种超低排放多污染物协同脱除系统的全局优化方法与流程

本发明属于能源环境工程污染减排装置控制技术领域，具体涉及一种超低排放多污染物协同脱除系统的全局优化方法。

背景技术：

我国煤炭资源丰富，能够稳定满足发展对电力的需求，决定了我国发电能源以煤为主的格局。这种能源结构和传统的煤利用方式产生了大量的大气污染物，随着我国经济的不断发展，对环保的要求也在逐步提高，燃煤机组实施清洁化生产大势所趋，燃煤电厂达到超低排放是一个发展趋势。

为满足环保要求，我国燃煤电厂都安装了除尘装置，scr和wfgd也成为了脱硝和脱硫的主流技术。然而这些技术大多是单独开发的，各自考虑各自的边界条件，形成相对独立的工艺技术和技术装备，各污染物单独脱除，若设计运行不当，会导致一系列问题，如系统复杂，总占地面积偏大，总成本偏高，总阻力偏大，运行和维护难度大等。因此，建立一种超低排放多污染物协同脱除系统的全局优化方法意义重大，能够充分考虑燃煤电厂现有污染物脱除设备性能和协同关系，最大限度地减小环保改造对锅炉热效率，厂用电率和机组效率的影响，实现环保方案可行，技术路线优化，整体投资减少，节能降耗显著的目标，实现超低排放系统的高效绿色运行。

技术实现要素：

本发明针对现有超低排放系统污染物脱除装备相互独立、运行波动大、污染物脱除成本高的问题，提出了一种多变燃料、多变负荷的超低排放多污染物协同脱除系统的全局优化方法。本发明从模型、架构和算法层面对超低排放系统的建模、优化和控制方法进行了创新，突破多工况多污染物多装置多参数的复杂系统建模和成本评估，多输入多输出多装置的多目标优化及大时延、非线性和大范围变负荷装置的控制难题，从而提高系统的可控和可调能力，指导超低排放系统的高效、可靠和经济运行。

为实现上述功能，本发明的技术方案是：

一种超低排放多污染物协同脱除系统的全局优化方法，通过超低排放系统多装置多污染物协同脱除过程的精确建模，获得多污染物(包括氮氧化物(nox)、硫氧化物(so2和so3)、颗粒物(pm)和重金属(hg)等)在多装置生成、迁移、转化和脱除过程的精确描述；通过超低排放系统中全局运行的成本评价方法精确评估不同负荷、煤质、污染物浓度和运行参数下的多污染物减排成本；通过多污染物多目标多工况的全局运行优化方法实现不同排放目标下全局污染减排装置减排量的分钟级规划和优化；通过低排放多污染物排放可靠达标的先进控制方法保证污染物的可靠减排和卡边控制。

作为优选，所述超低排放系统多装置多污染物协同脱除过程的精确建模包括多污染物生成过程精确预测，脱硫系统多污染物协同脱除过程的精确建模，脱硝系统多污染物协同脱除与转化过程的精确建模，除尘系统多污染物脱除过程精确建模；

多污染物生成过程精确预测：通过采集锅炉侧和污染物连续在线监测系统(cems)长时间运行数据，结合煤质检测数据和nox、so2、so3、pm、hg多种污染物测试报告，建立多种工况、多变煤质下的锅炉运行数据库和多污染物出口浓度数据库；通过数据建模的方法，基于锅炉运行数据库和出口污染物数据库，建立描述多种煤质、负荷等工况下锅炉及煤质参数与锅炉出口多种污染物浓度对应关系的模型；

脱硫系统多污染物协同脱除过程的精确建模：基于多种污染物生成、迁移转化及在脱硫系统的脱除机理，结合煤质、锅炉运行参数、脱硫系统入口烟气参数，与脱硫系统运行参数历史数据结合，建立：入口so2浓度、入口烟气温度、液气比、浆液密度和ph值与脱硫系统出口so2浓度的对应关系；入口so3浓度、入口so2浓度、入口含尘量、入口烟气温度、液气比和烟气流速与脱硫系统出口so3浓度的对应关系；入口hg浓度、入口含尘量、负荷、烟气流速、入口烟气温度和出口hg浓度的对应关系；进而获得脱硫系统内多污染物的协同脱除精确描述模型；

脱硝系统多污染物协同脱除与转化过程的精确建模：基于选择性催化还原脱硝系统的运行机理，结合入口烟气参数，cems在线检测结果、脱硝系统运行参数的历史数据，建立：入口nox浓度、烟气参数、反应条件和还原剂供给量与脱硝系统出口nox浓度的对应关系；入口so2浓度、多种烟气参数、反应条件和还原剂供给量与脱硝系统内部so2到so3转化率的对应关系；入口so2浓度、多种烟气参数、反应条件和还原剂供给量与脱硝系统内so2到so3转化率的对应关系；入口hg浓度、多种烟气参数、反应条件和还原剂供给量与脱硝系统内颗粒态汞(hg^p)、氧化态汞(hg²⁺、hg⁺)以及单质汞(hg⁰)之间转化比例的对应关系；基于这些对应关系，获得多种工况、多种运行参数下脱硝系统多污染物协同脱除与转化过程精确描述模型；

除尘系统多污染物协同脱除过程精确建模：基于电除尘系统的颗粒物脱除机理，结合煤质、锅炉运行参数和电除尘系统入口烟气参数，与运行历史数据结合，建立：干式电除尘装置煤质、负荷、烟气温度、烟气流量、运行电压与出口颗粒物浓度的对应关系；干式电除尘装置煤质、负荷、烟气温度、烟气流量、脱硝系统理论so3浓度、运行电压与出口so3浓度的对应关系；干式电除尘装置煤质、负荷、烟气温度、烟气流量、脱硝系统理论hg浓度与出口hg浓度的对应关系；湿式静电除尘装置煤质、负荷、烟气温度、烟气流量、循环水量、运行电压与出口颗粒物浓度的对应关系；湿式静电除尘装置煤质、负荷、烟气温度、烟气流量、进口nox浓度、循环水量、循环水ph、运行电压与出口nox浓度的对应关系；湿式静电除尘装置煤质、负荷、烟气温度、烟气流量、进口so2浓度、循环水量、循环水ph、运行电压与出口so2浓度的对应关系；湿式静电除尘装置煤质、负荷、烟气温度、烟气流量、进口so3浓度、循环水量、循环水ph、运行电压与出口so2浓度的对应关系；湿式静电除尘装置煤质、负荷、烟气温度、烟气流量、进口hg浓度、循环水量、循环水ph、运行电压与出口hg浓度的对应关系；进而获得除尘系统多污染物协同脱出精确描述模型。

作为优选，所述多污染物生成过程精确预测的方法是根据实时锅炉运行数据，结合定期更新的煤质报告，实现锅炉侧出口nox、so2、so3、pm、hg多种污染物浓度的精确预测；

按照以下步骤建立锅炉侧模型：

s101：采集锅炉测参数、煤质参数、锅炉出口检测报告；

s102：采集长期运行历史数据，包括锅炉测给煤量、烟风、水，及cems检测的锅炉出口污染物浓度；

s103：根据检测报告和在线运行数据，划分典型锅炉负荷区间，获得典型锅炉负荷区间内锅炉运行参数、煤质与出口污染物浓度的对应数据集；

s104：根据所划分的数据集，对于有cems在线监测数据的污染物，利用数据建模方法，获得锅炉测运行数据及煤质参数与出口污染物浓度的对应关系；

s105：根据所划分的数据集，对于没有cems在线监测数据的污染物，根据煤质数据和测试报告，利用数据建模方法，获得锅炉侧运行数据及煤质参数与出口污染物浓度的对应关系；

s106：将步骤s104和s105所得到的模型结合，获得锅炉侧的多污染物浓度预测模型。

作为优选，所述脱硫系统多污染物协同脱除精确描述模型的建立具体包括下述步骤：

s201：采集脱硫系统各装置设计参数，测试报告；

s202：采集脱硫系统在线运行的历史数据，包括锅炉负荷、入口烟气参数、烟气流量、ph值、液气比、浆液密度、入口和出口浓度；

s203：根据数据分布，划分典型负荷区间和污染物浓度区间，获得典型锅炉负荷区间和污染物区间内锅炉负荷、煤质与出口污染物浓度的对应数据集；

s204：根据所划分的数据集，基于脱硫塔装置脱除so2机理，在典型锅炉负荷区间和污染物区间建立so2脱除机理模型，并利用历史数据修正模型，获得典型锅炉负荷区间和污染物区间入口so2浓度、入口烟气参数、液气比、浆液密度和ph值与出口so2浓度的对应关系；

s205：根据所划分的数据集，结合测试报告结果，利用数据建模方法，获得典型锅炉负荷区间和污染物区间入口so3浓度、入口so2浓度、入口含尘量、入口烟气温度、液气比和烟气流速与脱硫系统出口so3浓度的对应关系；入口hg浓度、入口含尘量、负荷、烟气流速、入口烟气温度和出口hg浓度的对应关系；

s206：基于这些对应关系，获得多种工况、多种运行参数下脱硫系统多污染物协同脱除与转化过程精确描述模型。

作为优选，所述脱硝系统多污染物协同脱除与转化过程精确描述模型的建立具体包括下述步骤：

s301：采集脱硝装置设计参数，催化剂参数及其测试报告，还原剂测试报告，测试报告；

s302：采集影响脱硝装置在线运行的历史数据，包括锅炉负荷、运行温度、烟气流量、还原剂供给量、cems检测的各污染物入口和出口浓度；

s303：根据数据分布，划分典型负荷区间和污染物浓度区间，获得典型锅炉负荷区间和污染物区间内锅炉负荷、煤质与出口污染物浓度的对应数据集；

s304：根据所划分的数据集，基于脱硝系统脱除nox机理，在典型锅炉负荷区间和污染物区间建立脱硝装置机理模型，并利用历史数据修正模型，获得典型锅炉负荷区间和污染物区间入口nox浓度、烟气参数、反应条件和还原剂供给量与脱硝装置出口nox浓度的对应关系；

s305：根据所划分的数据集，结合测试报告结果，利用数据建模方法，获得典型锅炉负荷区间和污染物区间入口so2浓度、多种烟气参数、反应条件和还原剂供给量与脱硝装置内部so2到so3转化率的对应关系；入口so2浓度、多种烟气参数、反应条件和还原剂供给量与脱硝装置内so2到so3转化率的对应关系；入口hg浓度、多种烟气参数、反应条件和还原剂供给量与脱硝装置内颗粒态汞(hg^p)、氧化态汞(hg²⁺、hg⁺)以及单质汞(hg⁰)之间转化比例的对应关系；

s306：基于这些对应关系，获得多种工况、多种运行参数下脱硝系统多污染物协同脱除与转化过程精确描述模型；

所述除尘系统多污染物协同脱出精确描述模型的建立具体包括下述步骤：

s401：采集电除尘装置设计参数，测试报告；

s402：采集影响电除尘装置在线运行的历史数据，包括锅炉负荷、运行温度、烟气流量、二次电压、二次电流、cems检测的污染物入口和出口浓度；

s403：根据数据分布，划分典型负荷区间和污染物浓度区间，获得典型锅炉负荷区间和污染物区间内锅炉负荷、煤质与出口污染物浓度的对应数据集；

s404：根据所划分的数据集，基于电除尘装置脱除pm机理，在典型锅炉负荷区间和污染物区间建立电除尘装置pm脱除机理模型，并利用历史数据修正模型，获得典型锅炉负荷区间和污染物区间入口pm浓度、烟气参数、运行电压与电除尘装置出口pm浓度的对应关系；

s405：根据所划分的数据集，结合测试报告结果，利用数据建模方法(如采用神经网络算法等)，获得典型锅炉负荷区间和污染物区间入口so3浓度、入口pm浓度、锅炉负荷、运行温度、烟气流量、运行电压与出口so3浓度的对应关系；入口hg浓度、入口pm浓度、锅炉负荷、运行温度、烟气流量、运行电压与出口hg浓度的对应关系；

s406：基于这些对应关系，获得多种工况、多种运行参数下除尘系统多污染物协同脱除与转化过程精确描述模型。

所述脱硝系统多污染物脱除与转化过程精确建模的方法根据脱硝系统实时运行状态，实现nox、so2、so3和hg动态转化过程的实时描述和浓度的精确预测；所述脱硫系统多污染物协同脱除过程的精确建模中，入口烟气参数包括入口烟温、入口so2浓度、入口so3浓度、入口颗粒物浓度、入口hg浓度；出口烟气参数包括出口烟温、出口so2浓度、出口so3浓度、出口颗粒物浓度、出口hg浓度；对建立的机理模型进行修正时采取耦合叠加的方式。

所述超低排放系统中全局运行的成本评价方法，具体包括各污染物减排系统的运行成本和固定成本；

针对石灰石-石膏湿法脱硫系统，总体运行成本和固定成本表示为：

costwfgd_fix＝costwfgd_d+costwfgd_r+costwfgd_m

其中包括增压风机电耗costbf、氧化风机电耗costsa、浆液循环泵电耗costscp、浆液搅拌器电耗costoab、石灰石浆液成本工艺水成本costwfgd_w、副产物石膏收益折旧成本costwfgd_d、维修成本costwfgd_r、人工成本costwfgd_m。

脱硫系统的运行成本包括能耗与物耗，能耗主要由脱硫系统电机设备产生，所述能耗包括增压风机电耗、氧化风机电耗、浆液循环泵电耗、浆液搅拌器电耗，成本计算方法分别如下：

其中，q为锅炉实时负荷，nbf,nsa,nscp,noab分别表示增压风机、氧化风机、浆液循环泵、浆液搅拌器的运行台数，ui,ii分别为第i台设备的电压与电流，为功率因数，一般取0.8，pe为电价；

αwfgd表示脱硫塔阻力占后半段总阻力的比例，用下式计算得到：

其中，pdt是脱硫塔压降，pwesp是湿式电除尘器的阻力压降，pgd2是烟道部分阻力压降；

脱硫系统的物耗包括石灰石消耗和工艺水消耗，石灰石-石膏湿法脱硫系统的脱硫吸收剂为石灰石浆液，根据物料平衡，其单位发电量成本消耗，即石灰石消耗的计算方法为：

其中，与分别表示脱硫系统入口烟气与出口烟气所含so2浓度，与分别为caco3与so2的分子量，λ为石灰石纯度，为石灰石价格，δ1为钙硫比，一般设定为1.02～1.05，v表示烟气流量，与锅炉负荷成正相关，用下式计算得到：

v＝m×q×vtc

其中，vtc为单位燃煤产生的烟气量，m为燃煤质量；

所述工艺水消耗成的计算方法为：

其中，为水分子量，pw为水价格；

因为在脱除烟气中so2的同时产生副产物石膏，石膏作为脱硫系统运行过程中的收益部分被纳入成本计算石灰石-石膏湿法脱硫系统，收益计算方法为：

其中，为石膏分子量，为石膏价格；

脱硫系统的固定成本包括折旧成本costwfgd_d、维修成本costwfgd_r、人工成本costwfgd_m，其计算方法分别为：

其中，q为机组容量，h为机组年运行小时数，pwfgd_init为脱硫系统初始投资成本，ηwfgd为脱硫系统固定资产形成率，ywfgd为脱硫系统折旧年限，ηwfgd_r为脱硫系统维修费用占投资成本比重，nwfgd为工作人员总人数，为脱硫系统第i个工作人员年薪。

针对选择性催化还原脱硝系统，总体运行成本和固定成本表示为：

costscr＝costscr_idf+costsb+costadf+costnh3+costc

costscr_fix＝costscr_d+costscr_r+costscr_m

所述运行成本包括能耗与物耗，所述能耗包括引风机电耗、吹灰风机电耗与稀释风机电耗，其计算方法分别为：

其中，nidf,nsb,nadf分别为引风机、吹灰电机与稀释风机的运行数目；αscr表示脱硝反应器阻力占前半段总阻力的比例，计算方法为：

吹灰系统按吹灰方式不同，运行成本的计算方式也不同，其中，psteam是经验蒸汽能耗，cvs是经验参考催化剂用量，cv是催化剂实际用量。

脱硝系统的物耗包括液氨与催化剂成本，根据物料平衡，液氨成本的计算方式为：

其中，分别表示脱硝系统入口烟气与出口烟气所含nox浓度，与mno分别为nh3与no的分子量，表示液氨价格。

催化剂损耗成本的计算方法为：

其中，pc为催化剂价格，q为机组容量，h为机组年运行小时数；

脱硝系统的固定成本包括折旧成本costscr_d、维修成本costscr_r、人工成本costscr_m，其计算方法为：

其中，pscr_init为脱硝系统初始投资成本，ηscr为脱硝系统固定资产形成率，yscr为脱硝系统折旧年限，ηscr_r为脱硝系统维修费用占投资成本比重，nscr为脱硝系统工作人员总人数，为第i个工作人员年薪。

针对电除尘系统，干式静电除尘系统和湿式电除尘系统的总体运行成本和固定成本，其分别表示为：

costesp＝costesp_idf+costesp_e

costesp_fix＝costesp_d+costesp_r+costesp_m

costwesp＝costwesp_idf+costwesp_e+costwesp_w+costna+costwc

costwesp_fix＝costwesp_d+costwesp_r+costwesp_m

所述运行成本包括电耗，干式静电除尘的电耗包括引风机电耗与电源电耗，计算方法分别为：

式中，ne表示电场数量；αesp为静电除尘器阻力占前半段总阻力的比例，计算方法为：

湿式电除尘器的电耗包括引风机电耗、电源电耗、电耗成本以及物料成本，湿式电除尘器的引风机电耗计算方法为：

湿式电除尘器的电源电耗为：

相较于干式静电除尘器，湿式静电除尘器增加了电耗成本以及物料成本，增加的电耗成本以水循环系统电耗为主，其计算方法为：

湿式电除尘器的物料成本包括工艺水成本以及碱消耗成本，计算方法为：

干式静电除尘系统与湿式静电除尘系统的固定成本均包括折旧成本costesp_d与costwesp_d、维修成本costesp_r与costwesp_r、人工成本costesp_m与costwesp_m，其计算方法分别为：

其中，pesp_init与pwesp_init分别为干式静电除尘系统与湿式静电除尘系统的初始投资成本，ηesp与ηwesp分别为干式静电除尘系统与湿式静电除尘系统的固定资产形成率，yesp与ywesp分别为干式静电除尘系统与湿式静电除尘系统的折旧年限，ηesp_r与ηwesp_r分别为干式静电除尘系统与湿式静电除尘系统的维修费用占投资成本比重，nesp与nwesp分别为干式静电除尘系统与湿式静电除尘系统的工作人员总人数，与分别为干式静电除尘系统与湿式静电除尘系统第i个工作人员年薪。

多污染物多目标多工况的全局运行优化方法，是基于多装置多污染物协同脱除过程的精确建模及全局运行成本评价，针对由选择性催化还原脱硝系统(scr)、干式静电除尘系统(esp)、湿法烟气脱硫系统(wfgd)与湿式静电除尘系统(wesp)四个主要部分组成的典型超低排放环保岛系统，利用各装置对多种污染物具有协同脱除的作用，以及各污染组分间存在的相互耦合与竞争关系，通过多污染物子学科分解和全局及局部的群智能算法，实现不同排放目标下的全局污染减排装置减排量的分钟级规划和优化。

作为优选，本发明采用基于协同优化算法的分散决策方法作为燃煤电厂超低排放环保岛多模型复杂系统运行优化问题的求解策略；该方法具有高度的系统自治性及良好的适应性，多个模型各自求解，为保证决策结果的一致性，各模型间需反复协调差异，有一定的沟通成本，但求解过程从各模型自身的最优解出发，决策结果较优；

协同优化算法首先由系统级传递耦合变量的期望值给各学科级，学科级在满足自身约束的条件下各自优化，使优化结果尽可能的靠近系统级给予的期望值，然后将各自的优化结果传递给系统级；系统级接收到各学科级的优化结果后，协调耦合变量并产生新的耦合变量期望值，然后再次传递给各学科级；经过系统级和各学科级之间的反复迭代，最终得到耦合变量保持一致且满足优化目标的可行解。

所述超低排放多污染物排放可靠达标的先进控制方法，是利用实时数据建立污染脱除装置操纵量及各扰动参数对污染物脱除动态性能响应的模型，在全局优化所给出的装置减排设定值的条件下，通过模型预测控制方法对污染物脱除装置的控制量进行实时优化调控；同时通过模型的在线更新，使得动态性能响应的模型更加符合系统所自带的大延迟、非线性、变负荷的特点，在系统参数的变化过程中，也能够实现污染物排放的卡边控制，进一步的在系统变化的情况下减小污染物的脱除成本；

需要建立起在高、中、低负荷情况下的，升负荷、降负荷、平稳负荷的九种污染物脱除动态性能响应模型，在负荷变化不同的阶段，运用不同的动态响应模型来计算污染物脱除装置控制量的大小，更符合系统实际变化的规律；

模型的在线更新是每经过某一时间段，对不满足动态响应性能的模型进行参数的替换，同时时间段的长度会根据脱硫脱硝除尘三大系统性能的不同而不同，脱硝系统喷氨迅速，变化较快，每1小时更新一次模型，脱硫系统中ph调节缓慢，每1天更新一次模型，除尘系统属于物理脱除过程，反应最快，每10分钟更新一次模型。

本发明的有益效果为：

相较于单一污染物脱除装置的控制研究，超低排放环保岛系统工艺流程长；从控制角度来看，超低排放环保岛系统是一个具有多输入多输出、强耦合、强非线性、变参数、多工况、大范围变负荷等特征的复杂流程工业过程。本发明在现有超低排放系统基础上，解决了环保岛中关键装置对多种烟气污染物的协同脱除问题，提升包括氮氧化物、硫氧化物、颗粒物和汞等多种污染物的协同脱除，有效提升烟气污染减排装置的多种污染物高效脱除效果，降低运行成本，提升多种工况下的运行适应性，具有较高的技术与应用价值，对超低排放系统的高效稳定可靠低成本绿色运行具有重大意义。

附图说明

图1为本发明实施案例提供的燃煤电厂环保岛污染物协同脱除示意图；

图2为本发明实施案例提供的协同优化算法优化过程示意图；

图3为本发明实施案例提供的燃煤电厂环保岛协同优化算法框架示意图；

图4为本发明实施案例提供的不同工况条件下环保岛运行成本构成图一；

图5为本发明实施案例提供的不同工况条件下环保岛运行成本构成图二。

具体实施方式

下面结合附图和具体实施例，对本发明作进一步说明，但本发明所要保护的范围并不限于此。

参照图1～3，一种超低排放多污染物协同脱除系统的全局优化方法，通过超低排放系统多装置多污染物协同脱除过程的精确建模，获得多污染物(包括氮氧化物(nox)、硫氧化物(so2和so3)、颗粒物(pm)和重金属(hg)等)在多装置生成、迁移、转化和脱除过程的精确描述；通过超低排放系统中全局运行的成本评价方法精确评估不同负荷、煤质、污染物浓度和运行参数下的多污染物减排成本；通过多污染物多目标多工况的全局运行优化方法实现不同排放目标下全局污染减排装置减排量的分钟级规划和优化；通过低排放多污染物排放可靠达标的先进控制方法保证污染物的可靠减排和卡边控制。本发明通过深度挖掘超低排放系统多装置多污染物协同脱除机理，结合运行数据与全局优化算法，在保证污染物高效脱除的前提下，充分发挥超低排放系统节能降耗潜力，突破多工况多污染物多装置多参数的复杂系统建模和成本评估，多输入多输出多装置的多目标优化及大时延、非线性和大范围变负荷装置的控制难题，从而提高系统的可控和可调能力，实现超低排放系统的高效、可靠和经济运行。

所述超低排放系统多装置多污染物协同脱除过程的精确建模包括多污染物生成过程精确预测，脱硫系统多污染物协同脱除过程的精确建模，脱硝系统多污染物协同脱除与转化过程的精确建模，除尘系统多污染物脱除过程精确建模。

多污染物生成过程精确预测：通过采集锅炉侧和污染物连续在线监测系统(cems)长时间运行数据，结合煤质检测数据和nox、so2、so3、pm、hg多种污染物测试报告，建立多种工况、多变煤质下的锅炉运行数据库和多污染物出口浓度数据库；通过数据建模的方法，基于锅炉运行数据库和出口污染物数据库，建立描述多种煤质、负荷等工况下锅炉及煤质参数与锅炉出口多种污染物浓度对应关系的模型。

脱硫系统多污染物协同脱除过程的精确建模：基于多种污染物生成、迁移转化及在脱硫系统的脱除机理，结合煤质、锅炉运行参数、脱硫系统入口烟气参数，与脱硫系统运行参数历史数据结合，建立：入口so2浓度、入口烟气温度、液气比、浆液密度和ph值与脱硫系统出口so2浓度的对应关系；入口so3浓度、入口so2浓度、入口含尘量、入口烟气温度、液气比和烟气流速与脱硫系统出口so3浓度的对应关系；入口hg浓度、入口含尘量、负荷、烟气流速、入口烟气温度和出口hg浓度的对应关系；进而获得脱硫系统内多污染物的协同脱除精确描述模型。

脱硝系统多污染物协同脱除与转化过程的精确建模：基于选择性催化还原脱硝系统的运行机理，结合入口烟气参数，cems在线检测结果、脱硝系统运行参数的历史数据，建立：入口nox浓度、烟气参数、反应条件和还原剂供给量与脱硝系统出口nox浓度的对应关系；入口so2浓度、多种烟气参数、反应条件和还原剂供给量与脱硝系统内部so2到so3转化率的对应关系；入口so2浓度、多种烟气参数、反应条件和还原剂供给量与脱硝系统内so2到so3转化率的对应关系；入口hg浓度、多种烟气参数、反应条件和还原剂供给量与脱硝系统内颗粒态汞(hg^p)、氧化态汞(hg²⁺、hg⁺)以及单质汞(hg⁰)之间转化比例的对应关系；基于这些对应关系，获得多种工况、多种运行参数下脱硝系统多污染物协同脱除与转化过程精确描述模型。

除尘系统多污染物协同脱除过程精确建模：基于电除尘系统的颗粒物脱除机理，结合煤质、锅炉运行参数和电除尘系统入口烟气参数，与运行历史数据结合，建立：干式电除尘装置煤质、负荷、烟气温度、烟气流量、运行电压与出口颗粒物浓度的对应关系；干式电除尘装置煤质、负荷、烟气温度、烟气流量、脱硝系统理论so3浓度、运行电压与出口so3浓度的对应关系；干式电除尘装置煤质、负荷、烟气温度、烟气流量、脱硝系统理论hg浓度与出口hg浓度的对应关系；湿式静电除尘装置煤质、负荷、烟气温度、烟气流量、循环水量、运行电压与出口颗粒物浓度的对应关系；湿式静电除尘装置煤质、负荷、烟气温度、烟气流量、进口nox浓度、循环水量、循环水ph、运行电压与出口nox浓度的对应关系；湿式静电除尘装置煤质、负荷、烟气温度、烟气流量、进口so2浓度、循环水量、循环水ph、运行电压与出口so2浓度的对应关系；湿式静电除尘装置煤质、负荷、烟气温度、烟气流量、进口so3浓度、循环水量、循环水ph、运行电压与出口so2浓度的对应关系；湿式静电除尘装置煤质、负荷、烟气温度、烟气流量、进口hg浓度、循环水量、循环水ph、运行电压与出口hg浓度的对应关系；进而获得除尘系统多污染物协同脱出精确描述模型。

作为优选，所述多污染物生成过程精确预测的方法是根据实时锅炉运行数据，结合定期更新的煤质报告，实现锅炉侧出口nox、so2、so3、pm、hg多种污染物浓度的精确预测；

按照以下步骤建立锅炉侧模型：

s101：采集锅炉测参数、煤质参数、锅炉出口检测报告；

s102：采集长期运行历史数据，包括锅炉测给煤量、烟风、水，及cems检测的锅炉出口污染物浓度；

s103：根据检测报告和在线运行数据，划分典型锅炉负荷区间(100％，75％，50％负荷等)，获得典型锅炉负荷区间内锅炉运行参数、煤质与出口污染物浓度的对应数据集；

s104：根据所划分的数据集，对于有cems在线监测数据的污染物，利用数据建模方法(本实施例采用神经网络算法)，获得锅炉测运行数据及煤质参数与出口污染物浓度的对应关系；

s105：根据所划分的数据集，对于没有cems在线监测数据的污染物，根据煤质数据和测试报告，利用数据建模方法(本实施例采用神经网络算法)，获得锅炉侧运行数据及煤质参数与出口污染物浓度的对应关系；

s106：将步骤s104和s105所得到的模型结合，获得锅炉侧的多污染物浓度预测模型。

所述脱硫系统多污染物协同脱除精确描述模型的建立具体包括下述步骤：

s201：采集脱硫系统各装置设计参数，测试报告；

s202：采集脱硫系统在线运行的历史数据，包括锅炉负荷、入口烟气参数、烟气流量、ph值、液气比、浆液密度、入口和出口浓度；

s203：根据数据分布，划分典型负荷区间和污染物浓度区间，获得典型锅炉负荷区间和污染物区间内锅炉负荷、煤质与出口污染物浓度的对应数据集；

s204：根据所划分的数据集，基于脱硫塔装置脱除so2机理，在典型锅炉负荷区间和污染物区间建立so2脱除机理模型，并利用历史数据修正模型，获得典型锅炉负荷区间和污染物区间入口so2浓度、入口烟气参数、液气比、浆液密度和ph值与出口so2浓度的对应关系；

s205：根据所划分的数据集，结合测试报告结果，利用数据建模方法，获得典型锅炉负荷区间和污染物区间入口so3浓度、入口so2浓度、入口含尘量、入口烟气温度、液气比和烟气流速与脱硫系统出口so3浓度的对应关系；入口hg浓度、入口含尘量、负荷、烟气流速、入口烟气温度和出口hg浓度的对应关系；

s206：基于这些对应关系，获得多种工况、多种运行参数下脱硫系统多污染物协同脱除与转化过程精确描述模型。

所述脱硝系统多污染物协同脱除与转化过程精确描述模型的建立具体包括下述步骤：

s301：采集脱硝装置设计参数，催化剂参数及其测试报告，还原剂测试报告，测试报告；

s302：采集影响脱硝装置在线运行的历史数据，包括锅炉负荷、运行温度、烟气流量、还原剂供给量、cems检测的各污染物入口和出口浓度；

s303：根据数据分布，划分典型负荷区间和污染物浓度区间，获得典型锅炉负荷区间和污染物区间内锅炉负荷、煤质与出口污染物浓度的对应数据集；

s304：根据所划分的数据集，基于脱硝系统脱除nox机理，在典型锅炉负荷区间和污染物区间建立脱硝装置机理模型，并利用历史数据修正模型，获得典型锅炉负荷区间和污染物区间入口nox浓度、烟气参数、反应条件和还原剂供给量与脱硝装置出口nox浓度的对应关系；

s305：根据所划分的数据集，结合测试报告结果，利用数据建模方法(本实施例采用神经网络算法)，获得典型锅炉负荷区间和污染物区间入口so2浓度、多种烟气参数、反应条件和还原剂供给量与脱硝装置内部so2到so3转化率的对应关系；入口so2浓度、多种烟气参数、反应条件和还原剂供给量与脱硝装置内so2到so3转化率的对应关系；入口hg浓度、多种烟气参数、反应条件和还原剂供给量与脱硝装置内颗粒态汞、氧化态汞以及单质汞之间转化比例的对应关系；

s306：基于这些对应关系，获得多种工况、多种运行参数下脱硝系统多污染物协同脱除与转化过程精确描述模型；

所述除尘系统多污染物协同脱出精确描述模型的建立具体包括下述步骤：

s401：采集电除尘装置设计参数，测试报告；

s402：采集影响电除尘装置在线运行的历史数据，包括锅炉负荷、运行温度、烟气流量、二次电压、二次电流、cems检测的污染物入口和出口浓度；

s403：根据数据分布，划分典型负荷区间和污染物浓度区间，获得典型锅炉负荷区间和污染物区间内锅炉负荷、煤质与出口污染物浓度的对应数据集；

s404：根据所划分的数据集，基于电除尘装置脱除pm机理，在典型锅炉负荷区间和污染物区间建立电除尘装置pm脱除机理模型，并利用历史数据修正模型，获得典型锅炉负荷区间和污染物区间入口pm浓度、烟气参数、运行电压与电除尘装置出口pm浓度的对应关系；

s405：根据所划分的数据集，结合测试报告结果，利用数据建模方法，获得典型锅炉负荷区间和污染物区间入口so3浓度、入口pm浓度、锅炉负荷、运行温度、烟气流量、运行电压与出口so3浓度的对应关系；入口hg浓度、入口pm浓度、锅炉负荷、运行温度、烟气流量、运行电压与出口hg浓度的对应关系；

s406：基于这些对应关系，获得多种工况、多种运行参数下除尘系统多污染物协同脱除与转化过程精确描述模型。

所述so2脱除机理建模包括下述部分：

so2脱除速率计算：

其中，为二氧化硫摩尔浓度的微分，dt为时间的微分，a为单位体积内气液传质面积。

在喷淋塔中，从烟气中除去的so2量等于浆液吸收的so2量，对喷淋塔取微元高度dz，得到传质方程：

其中，kog为气液两相的总传质系数，kmol/(m²·s)；a为单位体积内传质面积，m²/m³；p为总压力，pa；y为so2在气相的摩尔分数，y*为so2在气膜侧的平衡摩尔分数，g为烟气流量，kmol/(m²·s)；dy气相的摩尔分数的微分；；

对脱硫系统进行简化：假设沿垂直方向流动恒定、总传质系数恒定不变，对上式dz进行积分得到吸收高度z：

其中，(1-y)lm为(1-y^*)和(1-y)的对数平均值，对于脱硫塔内so2吸收过程可近似为1；δym为脱硫塔气膜侧的平均推动力；y1为入口气相的摩尔分数；y2为出口气相的摩尔分数。

机理模型的基本形式为：

cout＝cin*exp(-ntu)

其中，cout、cin分别为so2进口与出口浓度，ntu为传质单元数，其物理意义是表示吸收塔吸收so2的困难程度，数学表达式为：

影响ntu的参数包括：浆液ph值、ca/s比、液气比；

喷淋区总传质洗系数为：

根据非稳态渗透理论，kg为气膜吸收系数，kmol/(m²·s·kpa)；为化学反应增强因子；kl为液膜吸收系数，m/s；sh为无量纲的施伍德数；为so2的气相扩散系数，m²/s；p为塔内的总压，pa；sc为施密特数；mair为空气的摩尔质量，g/mol；为so2的摩尔质量，g/mol；vair为空气的摩尔体积，cm³/mol；为so2的摩尔体积，cm³/mol；dl为so2在浆液中的扩散系数，m²/s；tp为渗透时间，s。

所述颗粒物脱除机理建模具体包括以下部分：

分级数目除尘效率ηn(dp,t)定义为t时刻、尺度为dp的烟尘颗粒被收集的数目总和与初始数目之间的比值：

分别代表尺度dp的颗粒区间的下限和上限，np(dp,t)表示t时刻、尺度为dp的烟尘颗粒的总数目浓度；ddp代表尺度dp的微分，np(dp,t)表示t时刻、尺度为dp对应分级的烟尘颗粒数。

针对变量dp进行积分可得：

np(dp,t)＝np(dp,0)exp(-λ(dp)×t)

λ(dp)为沉积核(清除系数)，表示尺度为dp的颗粒被浆液液滴所脱除的速率，单位为s^-1，表示为：

沉积核与分级数目质量除尘效率ηm(dp,t)的关系为：

ηm(dp,t)≈ηn(dp,t)＝1-exp(-λ(dp)×t)

整体质量除尘效率ηtotal(t)定义为时刻t所有尺度颗粒被收集的质量总和与初始质量之间的比值：

式中ρp表示密度；np(dp,0)表示初始时刻、尺度为dp对应分级的烟尘颗粒数。

作为优选，所述脱硝系统多污染物脱除与转化过程精确建模的方法根据脱硝系统实时运行状态，实现nox、so2、so3和hg动态转化过程的实时描述和浓度的精确预测。

作为优选，所述脱硫系统多污染物协同脱除过程的精确建模中，入口烟气参数包括入口烟温、入口so2浓度、入口so3浓度、入口颗粒物(pm)浓度、入口hg浓度；出口烟气参数包括出口烟温、出口so2浓度、出口so3浓度、出口颗粒物(pm)浓度、出口hg浓度；对建立的机理模型进行修正时采取耦合叠加的方式。

采取耦合叠加的方式，形式如下：

机理模型主要考虑主要因素的影响，数据修正考虑次要因素的影响。

作为优选，所述超低排放系统中全局运行的成本评价方法，具体包括各污染物减排系统的运行成本和固定成本；

针对石灰石-石膏湿法脱硫系统，总体运行成本和固定成本表示为：

costwfgd_fix＝costwfgd_d+costwfgd_r+costwfgd_m

其中包括增压风机电耗costbf、氧化风机电耗costsa、浆液循环泵电耗costscp、浆液搅拌器电耗costoab、石灰石浆液成本工艺水成本costwfgd_w、副产物石膏收益折旧成本costwfgd_d、维修成本costwfgd_r、人工成本costwfgd_m。

脱硫系统的运行成本包括能耗与物耗，能耗主要由脱硫系统电机设备产生，所述能耗包括增压风机电耗、氧化风机电耗、浆液循环泵电耗、浆液搅拌器电耗，成本计算方法分别如下：

其中，q为锅炉实时负荷，nbf,nsa,nscp,noab分别表示增压风机、氧化风机、浆液循环泵、浆液搅拌器的运行台数，ui,ii分别为第i台设备的电压与电流，为功率因数，一般取0.8，pe为电价；

αwfgd表示脱硫塔阻力占后半段总阻力的比例，用下式计算得到：

其中，pdt是脱硫塔压降，pwesp是湿式电除尘器的阻力压降，pgd2是烟道部分阻力压降；

脱硫系统的物耗包括石灰石消耗和工艺水消耗，石灰石-石膏湿法脱硫系统的脱硫吸收剂为石灰石浆液，根据物料平衡，其单位发电量成本消耗，即石灰石消耗的计算方法为：

其中，与分别表示脱硫系统入口烟气与出口烟气所含so2浓度，与分别为caco3与so2的分子量，λ为石灰石纯度，为石灰石价格，δ1为钙硫比，一般设定为1.02～1.05，v表示烟气流量，与锅炉负荷成正相关，用下式计算得到：

v＝m×q×vtc

其中，vtc为单位燃煤产生的烟气量，m为燃煤质量。

所述工艺水消耗成的计算方法为：

其中，为水分子量，pw为水价格；

因为在脱除烟气中so2的同时产生副产物石膏，石膏作为脱硫系统运行过程中的收益部分被纳入成本计算石灰石-石膏湿法脱硫系统，收益计算方法为：

其中，为石膏分子量，为石膏价格；

脱硫系统的固定成本包括折旧成本costwfgd_d、维修成本costwfgd_r、人工成本costwfgd_m，其计算方法分别为：

其中，q为机组容量，h为机组年运行小时数，pwfgd_init为脱硫系统初始投资成本，ηwfgd为脱硫系统固定资产形成率，ywfgd为脱硫系统折旧年限，ηwfgd_r为脱硫系统维修费用占投资成本比重，nwfgd为工作人员总人数，swfgdi为脱硫系统第i个工作人员年薪。

针对选择性催化还原脱硝系统，总体运行成本和固定成本表示为：

costscr_fix＝costscr_d+costscr_r+costscr_m

所述运行成本包括能耗与物耗，所述能耗包括引风机电耗、吹灰风机电耗与稀释风机电耗，其计算方法分别为：

其中，nidf,nsb,nadf分别为引风机、吹灰电机与稀释风机的运行数目；psteam是经验蒸汽能耗，cvs是经验参考催化剂用量，cv是催化剂实际用量

αscr表示脱硝反应器阻力占前半段总阻力的比例，计算方法为：

脱硝系统的物耗包括液氨与催化剂成本，根据物料平衡，液氨成本的计算方式为：

其中，其中，分别表示脱硝系统入口烟气与出口烟气所含nox浓度，与mno分别为nh3与no的分子量，表示液氨价格。

催化剂损耗成本的计算方法为：

其中，pc为催化剂价格，q为机组容量，h为机组年运行小时数；

脱硝系统的固定成本包括折旧成本costscr_d、维修成本costscr_r、人工成本costscr_m，其计算方法为：

其中，pscr_init为脱硝系统初始投资成本，ηscr为脱硝系统固定资产形成率，yscr为脱硝系统折旧年限，ηscr_r为脱硝系统维修费用占投资成本比重，nscr为脱硝系统工作人员总人数，sscri为第i个工作人员年薪；

针对电除尘系统，干式静电除尘系统和湿式电除尘系统的总体运行成本和固定成本，其分别表示为：

costesp＝costesp_idf+costesp_e

costesp_fix＝costesp_d+costesp_r+costesp_m

costwesp＝costwesp_idf+costwesp_e+costwesp_w+costna+costwc

costwesp_fix＝costwesp_d+costwesp_r+costwesp_m

所述运行成本包括电耗，

干式静电除尘的电耗包括引风机电耗与电源电耗，计算方法分别为：

式中，ne表示电场数量；αesp为静电除尘器阻力占前半段总阻力的比例，计算方法为：

湿式电除尘器的电耗包括引风机电耗、电源电耗、电耗成本以及物料成本，湿式电除尘器的引风机电耗计算方法为：

湿式电除尘器的电源电耗为：

相较于干式静电除尘器，湿式静电除尘器增加了电耗成本以及物料成本，增加的电耗成本以水循环系统电耗为主，其计算方法为：

湿式电除尘器的物料成本包括工艺水成本以及碱消耗成本，计算方法为：

干式静电除尘系统与湿式静电除尘系统的固定成本均包括折旧成本costesp_d与costwesp_d、维修成本costesp_r与costwesp_r、人工成本costesp_m与costwesp_m，其计算方法分别为：

其中，pesp_init与pwesp_init分别为干式静电除尘系统与湿式静电除尘系统的初始投资成本，ηesp与ηwesp分别为干式静电除尘系统与湿式静电除尘系统的固定资产形成率，yesp与ywesp分别为干式静电除尘系统与湿式静电除尘系统的折旧年限，ηesp_r与ηwesp_r分别为干式静电除尘系统与湿式静电除尘系统的维修费用占投资成本比重，nesp与nwesp分别为干式静电除尘系统与湿式静电除尘系统的工作人员总人数，与分别为干式静电除尘系统与湿式静电除尘系统第i个工作人员年薪。

图4、5展示了不同工况条件下环保岛系统的运行成本构成。在不同负荷与不同污染物浓度条件下，各个系统的运行成本占环保岛系统的整体运行成本比例基本不变。其中，湿法脱硫系统运行成本占比最大，约占环保岛整体运行成本的50％，其次是脱硝系统，约占30％的运行成本。干式静电除尘系统与湿式静电除尘系统的运行成本相当，均占据环保岛整体运行成本的10％左右。

本发明在高负荷高污染物浓度条件下，各污染物在环保岛系统内的脱除，nox、pm、so2的其实浓度分别为：250mg/m³、15356.6mg/m³、1200mg/m³。nox的浓度在经过scr系统后降低至40mg/m³左右，在wfgd系统的协同脱除作用下被脱除至35mg/m³以下。绝大部分pm在经过esp系统时被脱除，esp的pm脱除效率达到99％以上，其出口处的pm浓度仅为12.07mg/m³，最终在wfgd与wesp的脱除作用下，烟气中pm浓度被控制在1.25mg/m³。so2主要在wfgd中被脱除，当烟气通过wfgd系统后，so2浓度已低于20mg/m³，后续在wesp的协同脱除作用下，so2浓度被控制在12.69mg/m³。

多污染物多目标多工况的全局运行优化方法，是基于多装置多污染物协同脱除过程的精确建模及全局运行成本评价，针对由选择性催化还原脱硝系统(scr)、干式静电除尘系统(esp)、湿法烟气脱硫系统(wfgd)与湿式静电除尘系统(wesp)四个主要部分组成的典型超低排放环保岛系统，利用各装置对多种污染物具有协同脱除的作用，以及各污染组分间存在的相互耦合与竞争关系，通过多污染物子学科分解和全局及局部的群智能算法，实现不同排放目标下的全局污染减排装置减排量的分钟级规划和优化。

nox除了在scr脱硝装置内发生选择性催化还原反应以外，还可被脱硫系统所吸收，主要反应为：

no+no2+h2o→hno2

so2在石灰石-石膏湿法脱硫装置内未被脱除的残留部分，能够在烟气经过湿式电除尘装置时随冲刷液的流动被脱除。pm除了干式电除尘装置与湿式电除尘装置这两种主要脱除装置以外，其余部分还会在脱硫塔内通过浆液洗涤作用被协同脱除。

作为优选，本发明采用基于协同优化算法的分散决策方法作为燃煤电厂超低排放环保岛多模型复杂系统运行优化问题的求解策略；该方法具有高度的系统自治性及良好的适应性，多个模型各自求解，为保证决策结果的一致性，各模型间需反复协调差异，有一定的沟通成本，但求解过程从各模型自身的最优解出发，决策结果较优。

协同优化算法首先由系统级传递耦合变量的期望值给各学科级，学科级在满足自身约束的条件下各自优化，使优化结果尽可能的靠近系统级给予的期望值，然后将各自的优化结果传递给系统级；系统级接收到各学科级的优化结果后，协调耦合变量并产生新的耦合变量期望值，然后再次传递给各学科级；经过系统级和各学科级之间的反复迭代，最终得到耦合变量保持一致且满足优化目标的可行解。

作为优选，本发明按不同污染物将问题分解为三个子学科分别进行优化，系统级优化的目标为最小化污染物减排的总成本，其约束为各子学科的耦合变量与系统级期望值之间的不一致性小于其对应的松弛因子；学科级的优化目标均为最小化自身耦合变量与系统期望值之间的不一致性，其约束均为污染物排放浓度低于相应污染物的排放限值；

系统级与学科级的优化问题均选用收敛速度快，适用范围广的粒子群算法求解；

学科级优化问题的设计变量有耦合变量y和非耦合变量x，其优化问题表示为：

s.t.gi(xi,yi)≤0

其中，yij表示第i个子学科的第j个耦合变量，表示系统级分配给子学科的第j个变量的期望值，si表示第i个子学科耦合变量的个数，n表示子学科的个数，xi表示第i个子学科的非耦合变量，gi表示第i个子学科的约束条件；

系统级优化问题的设计变量有耦合变量z和非耦合变量w，其优化问题表示为：

minf(z,w)

其中，f表示系统级目标函数，zj表示系统级第j个耦合变量，表示第i个学科的第j个耦合变量的优化结果，ε为松弛因子。

采用动态松弛因子能够较好的满足优化条件，以较快的收敛速度找到最优解。优化初期将松弛因子置一较大的初始值，构造较大的可行域，以确保可行解的存在。随着迭代的进行，缩小松弛因子，减小可行域，逐步提升耦合变量的一致性。

设在第k次迭代，第i个子学科的最优解为定义子学科间最大不一致性d为：设在第k-1次迭代，系统级的最优解为定义协同不一致性pi为：则第k次迭代过程第i个子学科的松弛因子的构造为：其中，d取较小正数，以保证松弛作用，定义如下：

以各污染物脱除过程的rbf神经网络模型为基础，将协同优化算法的系统级与学科级之间的最大迭代次数设置为50次，将粒子群算法的最大迭代次数设置为50，粒子数目设置为100，对典型负荷及入口浓度条件下的工况进行优化。

所述超低排放多污染物排放可靠达标的先进控制方法，是利用实时数据建立污染脱除装置操纵量及各扰动参数对污染物脱除动态性能响应的模型，在全局优化所给出的装置减排设定值的条件下，通过模型预测控制方法对污染物脱除装置的控制量进行实时优化调控；同时通过模型的在线更新，使得动态性能响应的模型更加符合系统所自带的大延迟、非线性、变负荷的特点，在系统参数的变化过程中，也能够实现污染物排放的卡边控制，进一步的在系统变化的情况下减小污染物的脱除成本；

全局优化会向控制系统给出装置减排的设定值，控制系统会将此设定值作为一个输入变量，使得污染物脱除的控制效果尽可能的接近该设定值。利用实时数据建立污染脱除装置操纵量及各扰动参数对污染物脱除动态性能响应的模型，该模型具有在高、中、低负荷情况下，包含升负荷、降负荷、平稳负荷共九种子模型，在负荷变动的不同阶段，采用模型预测控制方法，并应用不同的子模型对污染物脱除装置的控制量进行实时优化调控。同时每间隔一段时间将会对动态性能响应的模型进行更新，使得在实际脱除模型发生变化的时候也能够很好的控制操作参数，考虑到脱硝、脱硫及除尘系统的特性，设置脱硝系统每1小时更新一次模型，脱硫系统每1天更新一次模型，除尘系统每10分钟更新一次模型。

通过以上实施方案，本发明可以实现在现有超低排放系统基础上，解决环保岛中关键装置对多种烟气污染物的协同脱除问题，提升包括氮氧化物、硫氧化物、颗粒物和汞等多种污染物的协同脱除，有效提升烟气污染减排装置的多种污染物高效脱除效果，大幅降低运行成本，提升多种工况下的运行适应性。