媒体/合作/投稿:010-65815687 点击这里给我发消息 点击这里给我发消息 发邮件

为助力环保产业高质量发展,谷腾环保网隆重推出《环保行业“专精特新”技术与企业新媒体传播计划》,七大新媒体平台,100万次的曝光率,为环保行业“专精特新”企业带来最大传播和品牌价值。

    
谷腾环保网 > 大气控制 > 解决方案 > 正文

机器学习在SNCR控制系统中的应用

更新时间:2021-07-13 10:33 来源:中国环保产业 作者: 崔卫星,吴永新等 阅读:1953 网友评论0

针对目前垃圾焚烧发电厂SNCR 系统自动控制投入率低下,对出口氮氧化物(NOx)的跟踪滞后,无法有效控制氨逃逸的现状,对SNCR控制系统采用机器学习模块进行优化。通过挖掘、分析各种工况数据,可实现对各种工况条件下的还原剂喷入量的精确控制。文章主要阐述了机器学习在垃圾焚烧发电厂SNCR 控制系统中的应用。

近年来,随着城市化的不断发展,文化、生活质量的提高,城市环境质量的标准也在逐步提高,垃圾焚烧发电厂的尾气排放标准越来越严格,尤其是对垃圾焚烧尾气中氮氧化物(NOx)的排放标准更加严格。在SNCR 脱硝方式下,通过采用机器学习对控制系统进行优化改造,不但能够实现 NOx 达标排放、降低氨逃逸、减少喷枪损耗,并且能降低 SNCR 使用的单位生产成本。

机器学习的原理

目前,垃圾焚烧发电厂主流的 SNCR 控制系统采用 PLC 或 DCS,通过经典 PID 控制实现对出口 NOx 的排放控制。控制原理见图 1。

氨水调节阀采用串级PID调节方式,主PID以NOx 指标为被控参数,副 PID以氨水流量为被控参数,主PID调节输出作为副PID调节的给定值,副PID 调节输出控制氨水调节阀的开度。

由于 SNCR 工艺在加入还原剂后有一定的反应时间,是一个滞后系统,同时信号的测量相对实际工况的变化也是比较滞后的,所以当前观察到的工况不是实时的工况,而是在此之前某一个时刻的工况,具有强耦合、非线性、多变性、大滞后等特点,为了及时响应工况的变化,处理系统的控制必须采用超驰优化控制。同时,也需要对不同工况下还原剂的逃逸进行跟踪和控制,以保证控制指标的稳定。传统的串级PID 调节存在反应滞后、调节困难的问题,无法做到全自动投入。因此考虑加入机器学习模块(见图 2)。

采用机器学习模块可设定主调节阀氨水上限、下限,改善了传统控制方法无法精确调整输出幅值的难题,从而达到优化控制NOx排放,降低氨逃逸的目的。

应用效果

加入了机器学习的SNCR优化工程,显著提高了自动投入率。在工况波动较大的情况下也能及时跟踪锅炉负荷(主蒸汽量)的变化, 自动投入率达99.9%以上。

实现了如下控制:启停机时的冲洗控制、喷射阀的顺序控制、系统的联锁保护、配方选择控制、软水流量的自动控制、氨水用量自学习控制、氨水投入量的自动控制。

对机器学习改造前后脱硝系统的相关数据进行比较,比较结果见下表。

结语

通过分析NOx排放值和锅炉主蒸汽量等信号的变化,采用机器学习控制技术来克服调节过程存在的控制非线性、死区大及反应不灵敏等问题。对影响SNCR效果的数据进行挖掘,模拟人工操作,先使系统超调,然后再迅速拉回,通过不断的自主学习,大大缩短了响应时间,解决了SNCR控制系统反应滞后、氨逃逸控制困难等问题。SNCR优化控制实施之后,烟气出口NOx的排放值(< 120mg/Nm3) ,优于国家标准(< 200mg/Nm3)。在满足排放标准的同时,氨逃逸控制在8ppm以下。具备机器学习功能的SNCR控制系统可产生良好的环境效益,在垃圾焚烧发电行业中具有较高的经济价值和市场推广价值。

 

声明:转载此文是出于传递更多信息之目的。若有来源标注错误或侵犯了您的合法权益,请作者持权属证明与本网联系,我们将及时更正、删除,谢谢。

  使用微信“扫一扫”功能添加“谷腾环保网”

关于“机器学习在SNCR控制系统中的应用 ”评论
昵称: 验证码: 

网友评论仅供其表达个人看法,并不表明谷腾网同意其观点或证实其描述。

2022’第九届典型行业有机气(VOCs)污染治理及监测技术交流会
2022’第九届典型行业有机气(VOCs)污染治理及监测技术交流会

十四五开篇之年,我国大气污染防治进入第三阶段,VOCs治理任务…

2021华南地区重点行业有机废气(VOCs)污染治理及监测技术交流会
2021华南地区重点行业有机废气(VOCs)污染治理及监测技术交流会

自十三五规划以来,全国掀起“VOCs治理热”,尤…

土壤污染防治行动计划
土壤污染防治行动计划

5月31日,在经历了广泛征求意见、充分调研论证、反复修改完善之…