燃煤鍋爐NOx排放建模及優(yōu)化研究

北極星環(huán)保網(wǎng)訊:摘要：以超臨界燃煤鍋爐為研究對象，應(yīng)用人工神經(jīng)網(wǎng)絡(luò)對其建立NOX排放模型。該模型具有較高的準(zhǔn)確性，仿真平均誤差為1.37%，真實值與仿真值吻合度高。結(jié)合遺傳算法對模型進(jìn)行優(yōu)化，優(yōu)化后的人工神經(jīng)網(wǎng)絡(luò)性能進(jìn)一步提高，仿真平均誤差為0.18%，較優(yōu)化前降低1.19百分點。

優(yōu)化前的第9個訓(xùn)練樣本出現(xiàn)最大誤差4.61%，優(yōu)化后降低到0.85%。校驗數(shù)據(jù)樣本值跨度較大，證明模型的泛化能力較強(qiáng)。

關(guān)鍵詞：NOX排放，神經(jīng)網(wǎng)絡(luò)，超低排放，遺傳算法

目前，燃煤電站污染物排放備受關(guān)注，從《火電廠大氣污染物排放標(biāo)準(zhǔn)》（GB13223—2011）的出臺[1]，到如今提出的燃煤電站大氣污染物超低排放，均規(guī)定NOX，SO2和粉塵的排放限值分別為50、35、10mg/m3（中東部地區(qū)為5mg/m3），因而燃煤電站鍋爐需要更加高效低污染地運(yùn)行。

國內(nèi)大部分燃煤電站通過加裝選擇性催化還原法SCR脫硝設(shè)備控制NOX排放濃度，然而為了減少氨逃逸所帶的問題，SCR脫硝效率一般設(shè)計為不高于90%[2]。因此，要達(dá)到超低排放限值，爐內(nèi)燃燒優(yōu)化非常重要。隨著計算機(jī)領(lǐng)域的快速發(fā)展，人工神經(jīng)網(wǎng)絡(luò)開始逐漸應(yīng)用到燃煤電站鍋爐控制系統(tǒng)[3-5]。

電站鍋爐爐內(nèi)燃燒非常復(fù)雜，特別是NOX的生成機(jī)制，至今沒有函數(shù)映射能夠準(zhǔn)確描述，人工神經(jīng)網(wǎng)絡(luò)在處理復(fù)雜的非線性映射問題優(yōu)勢明顯，精確度好，泛化能力強(qiáng)，容錯率高，是能夠廣泛應(yīng)用的黑箱模型。應(yīng)用人工神經(jīng)網(wǎng)絡(luò)則不需要考慮復(fù)雜的燃燒過程和NOX生成機(jī)制，通過可靠的數(shù)據(jù)樣本作為輸入和輸出進(jìn)行學(xué)習(xí)，保證網(wǎng)絡(luò)的性能要求[6-7]。

部分學(xué)者在神經(jīng)網(wǎng)絡(luò)應(yīng)用于鍋爐燃燒優(yōu)化領(lǐng)域已有一些研究成果。BOOTH等[8]從降低NOX排放濃度入手，建立鍋爐NOX排放模型，對其運(yùn)行參數(shù)進(jìn)行優(yōu)化，優(yōu)化后的鍋爐NOX排放量降低了16%，鍋爐效率提高了0.3%。王斌忠等[9]在研究鍋爐灰渣結(jié)渣中采用了SVM模型預(yù)測其生成。

周昊等[10][11]對某30萬機(jī)組的鍋爐飛灰含碳量和污染物排放建立了BP神經(jīng)網(wǎng)絡(luò)模型。董文波以某電廠鍋爐為原型，應(yīng)用RBF神經(jīng)網(wǎng)絡(luò)建立了鍋爐主蒸汽溫度監(jiān)控系統(tǒng)，在常見PID基礎(chǔ)上，創(chuàng)建了RBF網(wǎng)絡(luò)的PID控制器。以上研究在控制優(yōu)化方面有很多獨到的見解，但在模型建立上較為單一，本研究在建立鍋爐NOX排放神經(jīng)網(wǎng)絡(luò)模型的基礎(chǔ)上，應(yīng)用遺傳算法對模型進(jìn)行優(yōu)化，使網(wǎng)絡(luò)的性能大大提高。

1研究對象

本文研究對象為某發(fā)電公司660MW超臨界參數(shù)變壓直流鍋爐，BMCR工況下主蒸汽參數(shù)為2060t/h、26.15Mpa、605℃，為一次再熱、變壓直流、單爐膛、固態(tài)排渣、全懸吊結(jié)構(gòu)Ⅱ型鍋爐。制粉系統(tǒng)為中速磨煤機(jī)直吹式正壓冷一次風(fēng)制粉系統(tǒng)，運(yùn)行設(shè)計煤種，每爐配6臺磨煤機(jī)，1臺備用。采用前后墻對沖燃燒，燃燒器布置3層，每層前后墻各6只低氮旋流燃燒器。

2BP神經(jīng)網(wǎng)絡(luò)建模

BP神經(jīng)網(wǎng)絡(luò)是少有的誤差信號反向傳遞，含有多個隱含層的前饋神經(jīng)網(wǎng)絡(luò)。外界信號通過輸入層傳遞給中間隱含層，這是BP神經(jīng)網(wǎng)絡(luò)的核心計算處，信號在此處理完后傳遞至輸出層，并判斷是否滿足輸出誤差，進(jìn)而決定完成訓(xùn)練還是反饋誤差繼續(xù)訓(xùn)練。不斷調(diào)整各層之間的權(quán)值和閾值，當(dāng)誤差范圍滿足要求時，網(wǎng)絡(luò)完成訓(xùn)練[12-13]。

2.1模型建立

本研究的電站鍋爐已經(jīng)投運(yùn)，爐型、燃燒方式和其他主要設(shè)備一般不會改變。在電廠經(jīng)常運(yùn)行的負(fù)荷和煤種下，氧量對NOX生成影響較大，因此將各個二次風(fēng)門開度作為輸入來反映氧量對NOX生成量的影響。5臺磨煤機(jī)的給粉反映了煤粉量對NOX生成的影響，爐膛與風(fēng)箱壓差描述風(fēng)速的影響，經(jīng)研究燃盡風(fēng)能夠影響NOX的生成量，因此將兩個燃盡風(fēng)口開度也作為輸入?yún)?shù)，總計14個輸入?yún)?shù)，輸出為NOX排放濃度。建模實驗數(shù)據(jù)見表1。

表1建模實驗數(shù)據(jù)

延伸閱讀：

煙氣SCR脫硝介紹及氨逃逸產(chǎn)生的問題

SNCR-SCR聯(lián)合脫硝工藝的工程應(yīng)用

電建學(xué)堂帶你學(xué)習(xí)SCR和SNCR脫硝技術(shù)

燃煤電廠脫硝技術(shù)泛談之低氮燃燒與SCR SNCR