基于模型的SNCR控制系统.pdf

《基于模型的SNCR控制系统.pdf》由会员分享，可在线阅读，更多相关《基于模型的SNCR控制系统.pdf（9页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201910791006.8 (22)申请日 2019.08.26 (71)申请人 光大环保技术研究院 （南京） 有限公 司 地址 211106 江苏省南京市江宁区苏源大 道19号九龙湖国际企业总部园B3座 （江宁开发区） 申请人 光大环境科技 （中国） 有限公司 (72)发明人 朱亮杨仕桥邵哲如王健生 洪益州张二威张晓军 (74)专利代理机构 北京市磐华律师事务所 11336 代理人 冯永贞 (51)Int.Cl. B01D 53/78(2006.01) B01D 53/56(。

2、2006.01) G05B 13/04(2006.01) (54)发明名称 一种基于模型的SNCR控制系统 (57)摘要 本发明提供一种基于模型的SNCR控制系统， 所述系统包括： 数据采集装置， 用以采集与SNCR 的反应过程相关的过程数据； 模型参数优化单 元， 包括模型处理单元和参数优化单元， 所述模 型处理单元利用动态烟气处理模型将所述过程 数据作为输入变量计算出与所述SNCR的控制参 数相关的输出变量， 其中所述输出变量预测与进 行SNCR脱硝处理的烟气相关的烟气排放数据， 所 述参数优化单元根据所述输出变量计算所述 SNCR的优化控制参数； 自动控制模块， 用以根据 所述优化控制参。

3、数对所述SNCR进行自动控制。 根 据本发明， 实现了烟气处理过程中的最优控制， 实现了系统的节能降耗。 权利要求书1页 说明书6页 附图1页 CN 110652856 A 2020.01.07 CN 110652856 A 1.一种基于模型的SNCR控制系统， 其特征在于， 包括： 数据采集装置， 用以采集与SNCR的反应过程相关的过程数据； 模型参数优化单元， 包括模型处理单元和参数优化单元， 所述模型处理单元利用动态 烟气处理模型将所述过程数据作为输入变量计算出输出变量， 其中所述输出变量预测与进 行SNCR脱硝处理的烟气相关的烟气排放数据， 所述动态烟气处理模型为根据所述过程数据 和所。

4、述烟气排放数据之间的相关关系建立的计算模型， 所述参数优化单元根据所述输出变 量计算出所述SNCR的优化控制参数； 自动控制模块， 用以根据所述优化控制参数对所述SNCR进行自动控制。 2.如权利要求1所述的基于模型的SNCR控制系统， 其特征在于， 所述动态烟气处理模型 包括利用MATLAB建立的时序模型。 3.如权利要求1所述的基于模型的SNCR控制系统， 其特征在于， 所述参数优化单元根据 所述输出变量对所述优化控制参数进行自适应调节。 4.如权利要求3所述的基于模型的SNCR控制系统， 其特征在于， 所述参数优化单元利用 机器学习模型根据所述输出变量计算所述优化控制参数。 5.如权利要。

5、求1所述的基于模型的SNCR控制系统， 其特征在于， 所述数据采集装置还采 集烟囱出口处的所述烟气排放数据。 6.如权利要求5所述的基于模型的SNCR控制系统， 其特征在于， 所述参数优化单元还对 由所述模型处理单元计算的所述输出变量和所述烟囱出口处的所述烟气排放数据进行比 较获得比较结果， 并根据所述比较结果计算所述优化控制参数。 7.如权利要求1所述的基于模型的SNCR控制系统， 其特征在于， 所述输入变量包括主蒸 汽流量、 烟气量、 炉膛温度、 余热锅炉出口烟气含氧量和氨水流量。 8.如权利要求7所述的基于模型的SNCR控制系统， 其特征在于， 所述输出变量包括经过 脱硝后烟气中NOX量。

6、、 第一烟道原烟气的NOX量， 其中， 上一次计算得到作为所述输出变量的 所述脱硝后烟气中NOX量和所述第一烟道原烟气的NOX量作为下一次计算中使用的所述输入 变量。 9.如权利要求1所述的基于模型的SNCR控制系统， 其特征在于， 所述优化控制参数包括 氨水投放量。 10.如权利要求1所述的基于模型的SNCR控制系统， 其特征在于， 还包括通信模块， 所述 数据采集装置、 所述模型参数优化单元与自动控制模块通过所述通信模块进行通信。 权利要求书 1/1 页 2 CN 110652856 A 2 一种基于模型的SNCR控制系统 技术领域 0001 本发明涉及垃圾处理领域， 具体而言涉及一种基于。

7、模型的SNCR控制系统。 背景技术 0002 垃圾焚烧发电的烟气脱酸工艺包括干法、 湿法、 半干法三种， 半干法脱酸由于其净 化效率高、 流程简单、 设备少、 生成物易处理， 无二次污染和便于调节控制等优点广泛应用 于垃圾焚烧发电工艺。 0003 垃圾焚烧后产生的高温烟气中含有大量的NO2、 NO等， 需要进行脱硝处理。 一种典 型的脱硝工艺是选择性非催化还原(SNCR)， 其是在无催化剂的作用下， 在适合脱硝反应的 “温度窗口” 内喷入还原剂将烟气中的氮氧化物还原为无害的氮气和水。 该技术一般采用炉 内喷氨、 尿素或氢氨酸作为还原剂还原NOX。 0004 SNCR将作为还原剂的氨水喷入焚烧炉。

8、第1通道烟气中， 减少烟气中一氧化氮含量， 达到脱硝的目的。 其中， 氨水的投加量和分配直接关系到烟气中一氧化氮的含量。 为了实现 良好的脱硝效果的同时提升氨水的利用率、 减少生产成本， 往往采用控制系统对SNCR的运 行状态进行控制。 具体的， 采用烟囱尾部的CEMS数据为控制依据， 控制系统一般采用PID控 制， 再根据运行经验编写控制策略， 这种控制下很难保证整个系统在最优的情况下运行。 0005 为此， 有必要提供了一种基于模型的SNCR控制系统， 用以解决现有技术中的问题。 发明内容 0006 在发明内容部分中引入了一系列简化形式的概念， 这将在具体实施方式部分中进 一步详细说明。 。

9、本发明的发明内容部分并不意味着要试图限定出所要求保护的技术方案的 关键特征和必要技术特征， 更不意味着试图确定所要求保护的技术方案的保护范围。 0007 本发明提供了一种基于模型的SNCR控制系统， 包括： 0008 数据采集装置， 用以采集与SNCR的反应过程相关的过程数据； 0009 模型参数优化单元， 包括模型处理单元和参数优化单元， 所述模型处理单元利用 动态烟气处理模型将所述过程数据作为输入变量计算出输出变量， 其中所述输出变量预测 与进行SNCR脱硝处理的烟气相关的烟气排放数据， 所述动态烟气处理模型为根据所述过程 数据和所述烟气排放数据之间的相关关系建立的计算模型， 所述参数优化。

10、单元根据所述输 出变量计算出所述SNCR的优化控制参数； 0010 自动控制模块， 用以根据所述优化控制参数对所述SNCR进行自动控制。 0011 示例性地， 所述动态烟气处理模型包括利用MATLAB建立的时序模型。 0012 示例性地， 所述参数优化单元根据所述输出变量对所述优化控制参数进行自适应 调节。 0013 示例性地， 所述参数优化单元利用机器学习模型根据所述输出变量计算所述优化 控制参数。 0014 示例性地， 所述数据采集装置还采集烟囱出口处的所述烟气排放数据。 说明书 1/6 页 3 CN 110652856 A 3 0015 示例性地， 所述参数优化单元还对由所述模型处理单元。

11、计算的所述输出变量和所 述烟囱出口处的所述烟气排放数据进行比较获得比较结果， 并根据所述比较结果计算所述 优化控制参数。 0016 示例性地， 所述输入变量包括主蒸汽流量、 烟气量、 炉膛温度、 余热锅炉出口烟气 含氧量和氨水流量。 0017 示例性地， 所述输出变量包括经过脱硝后烟气中NOX量、 第一烟道原烟气的NOX量， 其中， 上一次计算得到作为所述输出变量的所述脱硝后烟气中NOX量和所述第一烟道原烟 气的NOX量作为下一次计算中使用的所述输入变量。 0018 示例性地， 所述优化控制参数包括氨水投放量。 0019 示例性地， 还包括通信模块， 所述数据采集装置、 所述模型参数优化单元与。

12、自动控 制模块通过所述通信模块进行通信。 0020 根据本发明的基于模型的SNCR控制系统， 通过动态烟气处理模型对SNCR处理烟气 后的烟气状态进行预测， 并基于该预测数据对SNCR的控制参数进行优化控制， 实现了烟气 处理过程中的最优控制， 提升了SNCR的处理效率， 实现了系统的节能降耗， 使得排放的烟气 达到最优标准。 附图说明 0021 本发明的下列附图在此作为本发明的一部分用于理解本发明。 附图中示出了本发 明的实施例及其描述， 用来解释本发明的原理。 0022 附图中： 0023 图1为根据本发明的基于模型的SNCR控制系统的框图； 0024 图2为根据本发明的一个实施例的一种半。

13、干法烟气处理控制系统的控制原理示意 图。 具体实施方式 0025 在下文的描述中， 给出了大量具体的细节以便提供对本发明更为彻底的理解。 然 而， 对于本领域技术人员而言显而易见的是， 本发明可以无需一个或多个这些细节而得以 实施。 在其他的例子中， 为了避免与本发明发生混淆， 对于本领域公知的一些技术特征未进 行描述。 0026 为了彻底理解本发明， 将在下列的描述中提出详细的描述， 以说明本发明的一种 老年生活垃圾填埋场晚期渗滤液处理方法和装置。 显然， 本发明的施行并不限于垃圾处理 领域的技术人员所熟习的特殊细节。 本发明的较佳实施例详细描述如下， 然而除了这些详 细描述外， 本发明还可。

14、以具有其他实施方式。 0027 应予以注意的是， 这里所使用的术语仅是为了描述具体实施例， 而非意图限制根 据本发明的示例性实施例。 如在这里所使用的， 除非上下文另外明确指出， 否则单数形式也 意图包括复数形式。 此外， 还应当理解的是， 当在本说明书中使用术语 “包含” 和/或 “包括” 时， 其指明存在所述特征、 整体、 步骤、 操作、 元件和/或组件， 但不排除存在或附加一个或多 个其他特征、 整体、 步骤、 操作、 元件、 组件和/或它们的组合。 0028 现在， 将参照附图更详细地描述根据本发明的示例性实施例。 然而， 这些示例性实 说明书 2/6 页 4 CN 110652856。

15、 A 4 施例可以多种不同的形式来实施， 并且不应当被解释为只限于这里所阐述的实施例。 应当 理解的是， 提供这些实施例是为了使得本发明的公开彻底且完整， 并且将这些示例性实施 例的构思充分传达给本领域普通技术人员。 在附图中， 为了清楚起见， 夸大了层和区域的厚 度， 并且使用相同的附图标记表示相同的元件， 因而将省略对它们的描述。 0029 垃圾焚烧后产生的高温烟气中含有大量的NO2、 NO等， 需要进行脱硝处理。 一种典 型的脱硝工艺是选择性非催化还原(SNCR)， 其是在无催化剂的作用下， 在适合脱硝反应的 “温度窗口” 内喷入还原剂将烟气中的氮氧化物还原为无害的氮气和水。 该技术一般。

16、采用炉 内喷氨、 尿素或氢氨酸作为还原剂还原NOX。 0030 SNCR将作为还原剂的氨水喷入焚烧炉第1通道烟气中， 减少烟气中一氧化氮含量， 达到脱硝的目的。 其中， 氨水的投加量和分配直接关系到烟气中一氧化氮的含量。 为了实现 良好的脱硝效果的同时提升氨水的利用率、 减少生产成本， 往往采用控制系统对SNCR的运 行状态进行控制。 具体的， 采用烟囱尾部的CEMS数据为控制依据， 控制系统一般采用PID控 制， 再根据运行经验编写控制策略， 这种控制下很难保证整个系统在最优的情况下运行。 0031 为了解决现有技术中的问题， 本发明提供了基于模型的SNCR控制系统， 包括： 0032 数据。

17、采集装置， 用以采集与SNCR的反应过程相关的过程数据； 0033 模型参数优化单元， 包括模型处理单元和参数优化单元， 所述模型处理单元利用 动态烟气处理模型将所述过程数据作为输入变量计算出输出变量， 其中所述输出变量预测 与进行SNCR脱硝处理的烟气相关的烟气排放数据， 所述动态烟气处理模型为根据所述过程 数据和所述烟气排放数据之间的相关关系建立的计算模型， 所述参数优化单元根据所述输 出变量计算出所述SNCR的优化控制参数； 0034 自动控制模块， 用以根据所述优化控制参数对所述SNCR进行自动控制。 0035 下面参考图1和图2对根据一种基于模型的SNCR控制系统进行示例性说明， 其。

18、中图 1为根据本发明的基于模型的SNCR控制系统的框图， 图2为根据本发明的一个实施例的一种 半干法烟气处理控制系统的控制原理示意图。 0036 首先参看图1， 基于模型的SNCR控制系统包括数据采集装置101， 模型参数优化单 元102和自动控制模块103。 0037 数据采集装置101用以采集与SNCR的反应过程相关的过程数据。 0038 垃圾在经过垃圾焚烧炉焚烧后， 由焚烧炉膛排出高温烟气， 高温烟气中往往含有 NO2、 NO等NOX气体， 需要将其输入SNCR脱硝。 脱硝过程中， 由于焚烧炉的焚烧工况影响烟气中 NOX气体量进而影响脱硝效果， 同时SNCR的氨水流量也是影响脱硝效率的重。

19、要因素。 为了模 型参数优化单元102建立准确的分析模型， 数据采集装置101采集尽可能多的与脱硝反应过 程相关的过程数据。 0039 示例性地， 数据采集装置包括设置在焚烧炉上的炉膛温度检测装置、 余热锅炉出 口氧含量检测装置， 用以检测焚烧炉的燃烧工况， 根据燃烧工况判断进行SNCR脱硝处理的 烟气相关的数据， 进而预测SNCR的脱硝效果。 数据采集装置还包括设置在烟囱出口的用以 检测烟气中氧含量的烟囱出口烟气含氧量检测装置。 数据采集装置还包括设置在SNCR上用 以检测氨水流量的氨水流量检测装置等。 需要理解的是， 数据采集装置可以包含任何数量 的用以收集任何与SNCR的反应过程相关的过。

20、程数据的检测装置， 在此并不限定。 0040 继续参看图1， 模型参数优化单元102包括模型处理单元1021和参数优化单元 说明书 3/6 页 5 CN 110652856 A 5 1022。 0041 模型处理单元1021利用动态烟气处理模型根据由上述数据采集装置101采集的过 程数据计算出与从所述SNCR排出的烟气相关的烟气排放数据。 其中， 动态烟气处理模型将 所述过程数据作为输入变量计算出输出变量， 其中所述输出变量预测与由所述SNCR中输出 的烟气相关的烟气排放数据。 0042 所述动态烟气处理模型为根据所述过程数据和所述烟气排放数据之间的相关关 系建立的计算模型。 示例性地， 所述。

21、动态烟气处理模型包括利用MATLAB建立的时序模型。 示 例性地， 烟气排放数据包括经过脱硝后烟气中NOX。 0043 进一步， 示例性地， 利用MATLAB建立时序模型的步骤包括： 0044 S1： 对SNCR的反应机理进行分析， 建立SNCR的原始模型； 这一步骤通过工作人员理 论分析进行。 0045 S2： 进行SNCR脱硝试验； 这一步骤在垃圾焚烧现场进行。 具体的， 设置不同烟气流 量、 温度， 不同的氨水流量情况下的脱硝试验。 0046 S3： 收集SNCR脱硝试验的数据。 具体的， 在上述步骤S2中收集与时间变量相关的输 入SNCR的烟气相关的过程数据， 如烟气的流量、 温度、 。

22、水蒸气含量、 含氧量， 焚烧炉的一次风 量、 焚烧炉膛温度等； 脱硝后与从所述SNCR排出的烟气相关的烟气排放数据如烟气的温度、 水蒸气、 氧气、 NOX量等。 0047 S4： 对上述步骤S3中收集的与时间变量相关的过程数据和烟气排放数据进行相关 性分析， 筛选与SNCR脱硝效率明显相关的过程数据和烟气排放数据。 在根据本发明的一个 示例中， 筛选出的过程数据包括主蒸汽流量、 烟气量、 炉膛温度、 余热锅炉出口烟气含氧量、 氨水流量， 烟气排放数据包括烟囱出口的NOX量、 第一烟道原烟气的NOX量、 。 利用主蒸汽流 量、 烟气量、 炉膛温度、 余热锅炉出口烟气含氧量、 氨水流量预测焚烧炉焚。

23、烧后产生第一烟 道原烟气的NOX量、 经过SNCR脱硝处理后烟气中的NOX量， 根据NOX量对SNCR的控制参数进行 优化， 明显提升SCRN的脱硝效率。 0048 S5： 根据筛选出的过程数据和烟气排放数据对建立的原始模型进行验证。 0049 整个建模过程采用机理模型与多个元线性回归方程结合的方式建立， 从而使建立 的动态烟气处理模型能够准确反映过程数据和烟气排放数据之间的相关关系， 从而能够提 升模型处理单元的计算准确性。 同时， 上述建模过程建立的时序模型使模型处理单元处理 与时间变量相关的过程数据后能够反映SNCR当前脱硝状态和之前脱硝状态。 在建立的燃烧 氧量模型中， 模型输入变量包。

24、括： 主蒸汽流量、 烟气量、 炉膛温度(第一烟道、 余热锅炉出口 等等)、 余热锅炉出口烟气含氧量、 第一烟道原烟气的NOX量、 经过脱硝后烟气中NOX量、 氨水 流量； 模型输出变量包括第一烟道原烟气的NOX量、 经过脱硝后烟气中NOX量。 在根据本发明 的一个示例中， 上一次计算得到作为所述输出变量的第一烟道原烟气的NOX量、 经过脱硝后 烟气中NOX量作为下一次计算中使用的所述输入变量以进行迭代计算。 模型输出变量作为 SNCR的相关控制器的控制参数的相关变量， 以用于后续控制参数的优化过程。 示例性地， 上 述SNCR的控制器包括氨水控制器。 0050 继续参看图1， 模型参数优化单元。

25、102还包括参数优化单元1022， 参数优化单元 1022根据模型处理单元1021计算得到的作为输出变量的所述烟气排放数据输出所述SNCR 的优化控制参数。 说明书 4/6 页 6 CN 110652856 A 6 0051 示例性地， 参数优化单元1022根据所述输出变量对所述优化控制参数进行自适应 调节。 0052 进一步， 示例性地， 所述参数优化单元1022利用机器学习模型根据所述输出变量 计算所述优化控制参数。 0053 示例性地， 所述机器学习模型包括神经网络模型。 具体的， 在参数优化单元1022 中， 将由模型处理单元1021计算的输出变量转化为可计算的标准化数据， 采用神经网。

26、络模 型对可计算的标准化数据进行计算得到优化控制参数。 所述数据转化过程和利用神经网络 模型进行计算的过程可以采用本领域技术人员所熟知的方法， 在此不再赘述。 0054 需要理解的是， 本实施例中以神经网络作为机器学习模型的示例对参数优化单元 进行说明仅仅是示例性地， 其他机器学习的模型， 如基于向量机的统计学习、 深度学习等， 均适用于本发明。 0055 采用机器学习模型对控制参数进行优化， 实现了对优化控制参数准确计算优化的 同时， 能够对控制参数的自适应优化调节。 具体的， 在采用机器学习模型进行计算的过程 中， 可以对采用优化控制参数进行控制调节后的SNCR的反应结果进行检测， 通过检。

27、测到的 结果对机器学习模型进行校正， 进一步优化机器学习模型， 从而进一步调整优化控制参数 的输出结果。 同时， 根据本发明的半干法烟气处理控制系统， 实现了SNCR的完全自动自适应 调节控制， 有效减少了人工控制负担和误差， 提升控制效率。 0056 在根据本发明的一个示例中， 所述数据采集装置还采集焚烧炉排放的烟气的所述 烟气排放数据。 所述参数优化单元还对由所述模型处理单元计算的用以预测所述烟气排放 数据的输出变量和由数据采集装置采集的所述烟气排放数据进行比较获得比较结果， 并根 据所述比较结果计算所述优化控制参数。 0057 示例性地， 所述优化控制参数包括氨水流量。 通过控制氨水流量。

28、可以实现SNCR反 应速度的控制， 从而提高SNCR的反应效率， 节省能耗。 0058 在根据本发明的一个示例中， 优化控制参数还包括氨水温度、 浓度等。 本领域技术 人员可以根据实际需要， 增减具体的控制参数， 实现SNCR的精确控制， 在此并不限定。 0059 在根据本发明的一个示例中， 上述模型参数控制模块中的模型处理单元的计算和 参数优化单元的计算在PLC控制面板上实现。 0060 如图1所示， 通过参数优化单元1022计算得到的氨水流量的控制参数传输到自动 控制模块103。 自动控制模块103根据优化控制参数对SNCR进行自动控制。 示例性地， 自动控 制模块103包括可执行的程序指。

29、令和控制器， 当执行可执行的程序指令时， 控制器能够实现 对SNCR的氨水流量等的控制。 0061 参看图2， 示出了根据本发明的一个实施例的一种半干法烟气处理控制系统的控 制原理示意图。 在控制之前， 实现模型与参数优化单元的建立， 建立的模型在以SNCR的反应 过程数据为输入变量进行模型计算后， 输出关于烟气排放数据的预测值参数优化单元 根据关于烟气排放数据的预测值对与控制器控制给定相关的控制参数进行优化， 控制器 根据优化的控制参数结合控制器的输入e输出调节控制器以输出u作为SNCR调节的命令。 同 时， 在调节过程中还结合考虑其他干扰下的前馈因子k对SNCR的进行调节。 调节后的SNC。

30、R进 行脱硝， 检测到的烟气排放数据y与模型处理后输出关于烟气排放数据的预测值 进行对比 说明书 5/6 页 7 CN 110652856 A 7 获得的比较作为参数优化单元的自学习参考从而可以进一步控制参数的优化过程， 最终实 现对SNCR的最优控制。 0062 在根据本发明的一个示例中， 还包括通信模块。 所述通信模块实现数据采集装置 101、 模型参数优化单元102和自动控制模块103之间的通信。 具体的， 数据采集装置101通过 通信模块的I/O端口将采集的过程数据发送到模型参数优化单元， 模型参数优化单元102的 模型处理单元1021根据过程数据计算得到烟气排放数据， 参数优化单元1。

31、022根据烟气排放 数据计算得到优化控制参数， 模型参数优化单元102再次通过通信模块将优化控制参数发 送到自动控制模块， 自动控制模块根据优化控制参数对SNCR调节氨水流量的电磁阀和调节 阀门进行自动控制。 0063 在根据本发明的一个示例中， 原有的SNCR已经包括控制SNCR的控制系统的基础 上， 本发明还可以直接在原有的SNCR控制系统上进行实施， 即通过通信模块实现原有的 SNCR的控制系统与本发明的模型参数优化单元之间的通信， 在一个示例中， 在PLC控制板上 实现根据本发明的模型参数优化单元， 通过通信网络实现PLC控制板和原有的SNCR的控制 系统的通信。 0064 本发明已经通过上述实施例进行了说明， 但应当理解的是， 上述实施例只是用于 举例和说明的目的， 而非意在将本发明限制于所描述的实施例范围内。 此外本领域技术人 员可以理解的是， 本发明并不局限于上述实施例， 根据本发明的教导还可以做出更多种的 变型和修改， 这些变型和修改均落在本发明所要求保护的范围以内。 本发明的保护范围由 附属的权利要求书及其等效范围所界定。 说明书 6/6 页 8 CN 110652856 A 8 图1 图2 说明书附图 1/1 页 9 CN 110652856 A 9 。