运行与维护
knox
Operation And Maintenance
电力系统装备
Electric Power System Equipment
104丨电力系统装备 2021.2
2021年第2期
2021 No.2
制等方式。从目前使用情况来看，在采用单回路后馈控制时，即根据出口NO x 浓度调节喷氨量，由于表计的滞后性或者测量信息失效时，喷氨调节存在滞后性，会导致SCR 出口NO x 浓度超标或者氨逃逸增大；若控制方式选择单回路前馈控制，即根据锅炉负荷调节喷氨量，由于锅炉负荷不稳定，出口NO x 也存在波动的情况，喷氨调节存在不准确性，同样会导致SCR 出口NO x 浓度超标或者氨逃逸增大。
familiar用法
影响脱硝效率的主要因素是氨氮摩尔比，在实际运行中，烟气入口NO x 浓度随着实际工况不断改变，为保证脱硝效率满足设计需求，要根据入口NO x 浓度的变化而不断对喷氨量作出调整。在额定工况下，脱硝率随氨氮摩尔比的增加而不断增加，在一定范围内变化曲线几乎是一条直线。但是由于反应时间的限制及副反应的不可避免性，脱硝率显然低于氨氮比对应的值，因此为保证较高的脱硝率，必须喷入过量的氨。2 脱硝控制存在的问题
2.1 抗干扰能力差，NO x 大幅波动
在锅炉稳定运行时，SCR 反应器入口NO x 浓度基本稳定，原有脱硝控制系统基本可以保持反应器出口NO x 浓度稳定。但在机组变负荷、启停制粉系统、煤质变化等扰动工况下，锅炉风量和SCR 入口NO x 浓度会产生较快的变化，由于NO x 浓度传感器和SCR 反应器具有滞后性，造成氨气调节相较于实际NO x 浓度变化有延迟，出口NO x 浓度大幅波动，造成环保NO x 浓度瞬时超标。色迷
2.2 控制策略简单，与对象特性不适应
喷氨量的控制包括固定摩尔比和固定出口NO x 浓度两种控制方式，其各有优势，但都是建立在烟气流场、氨气混合都是均匀的基础上构建的控制逻辑。在实际运行中，由于烟道结构设计问题、负荷波动变化、设备运行工况等因素，烟气流场分布不均，造成各区域氨气浓度与烟气浓度无法准确匹配，从而造成局部喷氨过量，氨逃逸过大。
原因翻译
ntalker
局部氨逃逸过大使得SCR 装置整体运行管理水平较低，进而影响空预器、电除尘器的安全运行，增加设备维护运营成本。我的t恤衫
西班牙语培训
2.3 吹扫干扰大，测量易失真
SCR 反应器进口和出口NO x 、O 2测点由于在灰尘较多的
环境中长期工作，仪表必须定期进行吹扫和标定，以防止灰尘堵塞导致失真。吹扫和标定过程中，其测量值会发生瞬时突变。目前，国内采用的脱硝控制技术缺乏上述问题的解决方案，一旦测点发生数据失真，整个控制系统存在瘫痪可能，影响系统的长期可用性。
或者，吹扫时测量值保持在吹扫前一刻的数值，无法反应SCR 内实际NO x 的波动变化情况，进一步造成喷氨控制的滞后，使得该过程中NO x 控制品质在设备吹扫过程中明显降低。
2.4 喷氨调节阀的线性流量特性差，开度调节依赖人员经验
喷氨调节阀反应动作迟缓，调节死区大，喷氨流量与阀门开度的线性流量特性跟踪不好，调节阀的调节线性差，在各工况下的阀门开度调整依赖人员的运行经验和传承。3 S CR 喷氨优化的解决方案
针对被控过程的大滞后性、非线性及时变性，部分测量参数失真，氨气消耗量大等问题，采用如下喷氨优化解决方案，实现精确控制喷氨量，提高脱硝效率，并降低氨逃逸率的目的。
3.1 采用预测控制技术解决被控过程大滞后、非线性及时变性的
问题
通过对SCR 脱硝控制系统的运行环境、考核要求、被
控对象特性等方面的综合考量，设计采用基于预测控制技术
的SCR 脱硝喷氨优化解决方案，克服由于引用烟囱入口处的
新视野大学英语4读写教程答案NO x 值造成的系统大延迟问题。
在TensorFlow 深度学习框架下建立包含输入层、隐含层、输出层的三层前馈-反向神经网络架构，神经网络的建立过程如下：baby brother
（1）确定神经网络的输入神经元个数、输出神经元个数及隐含层的神经元个数，初始化网络连接权重、骗纸，并设定最小误差值；
（2）根据采集的历史数据样本，假设第i 个样本的输入为向量x ，输出为y i ，并根据初始的网络模型计算输出层的输出，得到第i 个样本的误差：
；
（3）根据误差E i ，通过反向传播训练调整输出层与隐含层、隐含层与输入层之间的权重和偏置，得到新的权重和偏置；（4）计算所有采集历史数据样本的全局误差：
其中，n 为历史样本数据集的个数；
（5）判断E i 是否小于设定的最小误差值，如果小于，则结束训练，获得最优深度学习网络模型，否则返回步骤（2）。
ction
通过以上步骤训练获得入口NO x 预测模型、出口NO x 预测模型、烟气量预测模型，得到入口NO x 、出口NO x 、烟气量的实时预测数据，解决NO x 控制过程中大延迟大滞后的问题。
3.2 建立测量数据在线评估系统，解决吹扫等引起的测量失真问
题
对测量参数采用神经网络测量技术进行在线评估，并采用
变结构控制技术，保证即使个别参数失真或者在测点维护工况下，不影响控制系统的正常使用。系统在运行时，对SCR 反应器的NO x 测点数值进行实时在线评估，发现设备自吹扫、SCR 吹灰或烟气偏
差导致NO x 测量值失真现象后，立即对该测点参数在控制系统中的权重占比进行自动调整，减少或消除部分失真参数对控制输出的影响，从而确保脱硝控制系统长期稳定可靠运行。
3.3 采用神经网络模型计算最优喷氨量并转换成阀门控制指令
以氨气消耗量为综合优化指标，建立神经网络优化模型计算最优喷氨量，确保NO x 排放及脱硝效率都满足环保考核要求的同时氨气消耗量最小。
以机组负荷、总煤量、总风量、一次风量、氧量、入口NO x 预测值、出口NO x 预测值、烟气量预测值为输入数据，喷氨量为输出数据建立神经网络模型，获取实时数据输出最优喷氨量，并将所述最优喷氨量转换成SCR 喷氨阀门控制指令。4 结语
针对当前脱硝喷氨控制系统存在的大滞后性、抗干扰能力差、控制策略简单、测点失真等问题，本文提出了采用预测控制、测量数据在线评估、神经网络模型等方案解决上述问题，实现精确控制喷氨量，提高脱硝效率，并降低氨逃逸率的目的。
参考文献
[1] 高建强，梁胜莹.SCR 脱硝系统优化及实验研究[J].电力科学与工程，2018，34（10）：56-62.
[2] 李壮扬，苏乐春，宋子健，等.660MW 燃煤机组SCR 流场模拟优化与喷氨优化运行[J].洁净煤技术，2017，23（4）
：47-52，11.[3] 刘锋，金晶.1000MW 超超临界机组SCR 脱硝喷氨控制策略的优化与改进[J].浙江电力，2018，37（3）：68-72.
