燃煤电厂SCR脱硝系统精准控氨优化方法研究

doi:10.12096/j.2096-4528.pgt.22129

发电技术 ›› 2023, Vol. 44 ›› Issue (4): 525-533.DOI: 10.12096/j.2096-4528.pgt.22129

燃煤电厂SCR脱硝系统精准控氨优化方法研究

罗志刚¹, 何成兵², 孟浩然¹, 刘国栋¹, 沈鹏¹, 张军¹, 张浩亮¹

^1.国能龙源环保有限公司, 北京市海淀区 100039
^2.华北电力大学能源动力与机械工程学院, 北京市昌平区 102206

收稿日期:2023-01-06 出版日期:2023-08-31 发布日期:2023-08-29
通讯作者: 何成兵
作者简介:罗志刚(1973)，男，硕士，高级工程师，研究方向为电力环保科技、大气污染物测量技术，12039692@chnenergy.com.cn；
何成兵(1974)，男，博士，副教授，研究方向为燃煤电厂脱硝系统优化控制，hcbyy@126.com；
孟浩然(1996)，男，助理工程师，研究方向为大气污染物测量与自动控制，lucktd@qq.com。
基金资助:
国家重点研发计划项目(2022YFC3701503)

Research on Optimization Method of Precise Ammonia Injection in SCR de-NO _x System of Coal-fired Power Plant

Zhigang LUO¹, Chengbing HE², Haoran MENG¹, Guodong LIU¹, Peng SHEN¹, Jun ZHANG¹, Haoliang ZHANG¹

^1.China Energy Longyuan Environmental Protection Co. , Ltd. , Haidian District, Beijing 100039, China
^2.School of Energy and Power Engineering, North China Electric Power University, Changping District, Beijing 102206, China

Received:2023-01-06 Published:2023-08-31 Online:2023-08-29
Contact: Chengbing HE
Supported by:
National Key R&D Program of China(2022YFC3701503)

摘要/Abstract

摘要：

针对燃煤电厂选择性催化还原(selective catalytic reduction，SCR)脱硝系统喷氨不均匀的问题，将智能前馈串级控制技术与分区控制技术相结合，提出了一种精准控氨优化方法。在智能前馈环节，采用预测精度更高的改进一维卷积神经网络模型，实现了SCR反应器入口NO _x 质量浓度的预测，并将其作为智能前馈控制信号，实现了机组全工况下NO _x 质量浓度的快速准确控制。在分区控制环节，采用分区巡测-多点同步取样测量技术与均衡控制策略相结合的方法，实现了各分区喷氨量的精准控制。该优化方法已应用于多个燃煤电厂，运行结果表明，机组全工况下实现了喷氨量的精准控制，SCR反应器出口断面NO _x 质量浓度分布均匀，波动范围小，氨耗量降低明显，经济效益显著。

关键词: 燃煤电厂, SCR脱硝, 精准控氨, 改进一维卷积神经网络, 分区控制

Abstract:

In order to solve the problem of uneven ammonia injection in selective catalytic reduction (SCR) de-NO _x system of coal-fired power plant, a precise ammonia control optimization method was proposed by combining the intelligent feed-forward cascade control technology with the partition control technology. In the intelligent feed-forward process, the improved one-dimensional convolution neural network model with higher prediction accuracy was used to predict the NO _x mass concentration at the inlet of the SCR reactor, which was used as the intelligent feed-forward control signal to realize the fast and accurate control of the NO _x mass concentration under the whole working condition of the unit. In the partition control process, the single sub area and multi-point synchronous sampling measurement technology and equalization control strategy were combined to realize the precise control of ammonia injection in each partition. The proposed optimization method has been applied to several coal-fired power plants. The operation results show that the precise control of ammonia injection amount is realized under the whole working conditions of the unit. The NO _x mass concentration at the outlet section of SCR reactor is uniformly distributed. The ammonia consumption is obviously reduced and the economic benefit is significant.

Key words: coal-fired power plant, SCR de-NO _x, precise ammonia injection, improved one-dimensional convolution neural network, partition control

中图分类号:

TK 09

罗志刚, 何成兵, 孟浩然, 刘国栋, 沈鹏, 张军, 张浩亮. 燃煤电厂SCR脱硝系统精准控氨优化方法研究[J]. 发电技术, 2023, 44(4): 525-533.

Zhigang LUO, Chengbing HE, Haoran MENG, Guodong LIU, Peng SHEN, Jun ZHANG, Haoliang ZHANG. Research on Optimization Method of Precise Ammonia Injection in SCR de-NO _x System of Coal-fired Power Plant[J]. Power Generation Technology, 2023, 44(4): 525-533.

图/表 11

图1 精准控氨优化方法原理图

Fig. 1 Schematic diagram of precise ammonia control optimization method

图2 ICNN-1D结构

Fig. 2 Structure of ICNN-1D

表1 ICNN-1D结构参数

Tab.1 Structure parameters of ICNN-1D

编号	网络层	卷积核			输出大小	零补
编号	网络层	大小	步长	数目	输出大小	零补
1	输入层	—	—	—	120×1	否
2	卷积层1	8×1	4×1	16	32×16	是
3	池化层1	2×1	2×1	8	16×8	否
4	卷积层2	8×1	2×1	8	8×8	是
5	池化层2	2×1	2×1	4	4×4	否
6	全连接层	8	—	1	8×1	否
7	输出层	1	—	1	1×1	否

图3 分区喷氨控制原理图

Fig. 3 Schematic diagram of partition ammonia injection control

图4 分区巡测-多点同步取样测量技术

Fig. 4 Single sub area and multi-point synchronous sampling measurement technology

图5 分区1的均衡控制原理

Fig. 5 Equilibrium control principle of partition 1

图6 某600 MW机组SCR出口断面NO x 质量浓度分布

Fig. 6 NO x mass concentration distribution at SCR outlet section of a 600 MW unit

图7 某600 MW机组SCR出口NO x 质量浓度变化曲线

Fig. 7 NO x mass concentration variation curves at SCR outlet of a 600 MW unit

表2 总排口NO x 质量浓度波动偏差

Tab. 2 Deviation of NO x mass concentration fluctuation at the main outlet

NO _x 质量浓度波动偏差/(mg/m³)	时间占比/%
NO _x 质量浓度波动偏差/(mg/m³)	第1天	第2天	第3天	第4天	第5天	第6天
$> 8$	0.59	1.11	0.65	0.28	0.10	5.99
$> 7$	2.14	1.98	1.80	0.59	0.67	7.45
$> 6$	3.92	4.42	4.22	1.83	2.49	9.88
$> 5$	8.53	9.25	8.51	4.96	7.08	13.88
$< 5$	91.47	90.75	91.49	95.04	92.92	86.12
$< 4$	82.80	82.27	83.74	88.82	85.90	78.39
$< 3$	71.50	68.72	71.55	78.24	73.52	66.95
$< 2$	53.43	51.63	53.12	59.09	56.21	50.65
$< 1$	28.30	26.89	27.58	33.61	32.20	26.50

表2 总排口NO x 质量浓度波动偏差

Tab. 2 Deviation of NO x mass concentration fluctuation at the main outlet

NO _x 质量浓度波动偏差/(mg/m³)	时间占比/%
NO _x 质量浓度波动偏差/(mg/m³)	第1天	第2天	第3天	第4天	第5天	第6天
$> 8$	0.59	1.11	0.65	0.28	0.10	5.99
$> 7$	2.14	1.98	1.80	0.59	0.67	7.45
$> 6$	3.92	4.42	4.22	1.83	2.49	9.88
$> 5$	8.53	9.25	8.51	4.96	7.08	13.88
$< 5$	91.47	90.75	91.49	95.04	92.92	86.12
$< 4$	82.80	82.27	83.74	88.82	85.90	78.39
$< 3$	71.50	68.72	71.55	78.24	73.52	66.95
$< 2$	53.43	51.63	53.12	59.09	56.21	50.65
$< 1$	28.30	26.89	27.58	33.61	32.20	26.50

图8 某600 MW机组在不同负荷工况下的氨耗量

Fig. 8 Ammonia consumption of a 600 MW unit under different load conditions

表3 典型机组经济效益分析

Tab. 3 Economic benefit analysis of typical units

参数	装机规模
参数	1×300 MW	1×600 MW	1×1 000 MW
烟气量/(10⁶m³/h)	1.2	2.1	3.0
年利用小时数/h	4 500	4 500	4 500
NO _x 入口质量浓度/(mg/m³)	400	300	250
NO _x 出口质量浓度/(mg/m³)	40	40	40
1 h氨耗量/kg	159.7	201.8	232.8
年氨耗量/t	718.4	908.0	1 047.7
优化后节氨率/%	35%	25%	15%
年节省液氨量/t	251.5	227.0	157.2
液氨单价/(元/t)	3 300	3 300	3 300
烟风系统降低阻力/Pa	1 000	750	750
烟风系统降低电耗/kW	820.1	993.6	1 318.0
综合电价/[元/(kW⋅h)]	0.3	0.3	0.3
节省液氨费用/(万元/a)	83.0	74.9	51.9
节省烟风系统电费/(万元/a)	110.7	134.1	177.9
节省总费用/(万元/a)	193.7	209.0	229.8

参考文献 17

1	冯前伟，朱仁涵，徐思达，等．1 000 MW燃煤机组SCR超低排放关键参数性能评估与分析[J]．发电技术，2022，43(1)：168-174． doi:10.12096/j.2096-4528.pgt.20030
	FENG Q W， ZHU R H， XU S D，et al ．Performance evaluation and analysis of key parameters of SCR ultra-low emission for 1 000 MW coal-fired unit[J]．Power Generation Technology，2022，43(1)：168-174． doi:10.12096/j.2096-4528.pgt.20030
2	黄友华，马善为，刘吉，等．燃气轮机烟气SCR脱硝系统优化设计与工程应用[J]．发电技术，2021，42(3)：350-356． doi:10.12096/j.2096-4528.pgt.21029
	HUANG Y H， MA S W， LIU J，et al ．Optimization design and engineering application of gas turbine SCR denitrification system[J]．Power Generation Technology，2021，42(3)：350-356． doi:10.12096/j.2096-4528.pgt.21029
3	李子尚，朱仁涵，杜振．SCR脱硝系统精准喷氨优化技术分析[J]．发电技术，2021，42(5)：630-636． doi:10.12096/j.2096-4528.pgt.20035
	LI Z S， ZHU R H， DU Z ．Analysis on the optimization technology of precise ammonia injection in SCR denitration system[J]．Power Generation Technology，2021，42(5)：630-636． doi:10.12096/j.2096-4528.pgt.20035
4	李峰，姜文堂，史忠军，等．300 MW燃煤机组SCR烟气脱硝喷氨自动控制策略优化[J]．华电技术，2018，40(4)：67-69．
	LI F， JIANG W T， SHI Z J，et al ．The optimization of automatic control strategy of 300 MW coal fired units SCR flue gas denitrification and ammonia injection[J]．Huadian Technology，2018，40(4)：67-69．
5	盛锴，寻新．基于串级IMC-PID的SCR脱硝控制系统设计及应用[J]．热能动力工程，2018，33(12)：141-147．
	SHENG K， XUN X ．Controller design of SCR control system based on cascade IMC-PID and its application[J]．Journal of Engineering for Thermal Energy and Power，2018，33(12)：141-147．
6	郭瑞君，周磊，张国斌，等．基于SCR入口NO _x 浓度和烟气流量预测的脱硝控制系统[J]．热能动力工程，2020，35(9)：141-147．
	GUO R J， ZHOU L， ZHANG G B，et al ．Denitration control system based on scr inlet NO _x concentration and flue gas flow prediction[J]．Journal of Engineering for Thermal Energy and Power，2020，35(9)：141-147．
7	秦天牧，尤默，张瑾哲，等．基于自适应智能前馈的SCR脱硝系统优化控制[J]．中国电机工程学报，2019，39(S1)：186-192．
	QIN T M， YOU M， ZHANG J Z，et al ．Optimal control of SCR denitration system based on self-adaptive intelligent feedforward[J]．Proceedings of the CSEE，2019，39(S1)：186-192．
8	HEJAZI S A， JACKSON K R ．Efficient valuation of SCR via a neural network approach[J]．Journal of Computational and Applied Mathematics，2017，313：427-439． doi:10.1016/j.cam.2016.10.005
9	TAN P， XIA J， ZHANG C，et al ．Modeling and reduction of NO _x emissions for a 700 MW coal-fired boiler with the advanced machine learning method[J]．Energy，2016，94：672-679． doi:10.1016/j.energy.2015.11.020
10	TUTTLE J F， BLACKBURN L， POWELL K ．On-line classification of coal combustion quality using nonlinear SVM for improved neural network NO _x emission rate prediction[J]．Computers ＆ Chemical Engineering，2020，141：106990． doi:10.1016/j.compchemeng.2020.106990
11	徐艳春，阚锐涵，高永康，等．混合动力系统电能质量扰动分析及治理[J]．电力建设，2021，42(4)：17-26． doi:10.12204/j.issn.1000-7229.2021.04.003
	XU Y C， KAN R H， GAO Y K，et al ．Research on power quality improvement of hybrid power system[J]．Electric Power Construction，2021，42(4)：17-26． doi:10.12204/j.issn.1000-7229.2021.04.003
12	钱虹，张超凡，柴婷婷．基于随机森林的SCR脱硝系统出口NO _x 浓度预测研究[J]．热能动力工程，2021(3)：122-129．
	QIAN H， ZHANG C F， CAI T T ．Research on outlet NO _x concentration prediction of SCR denitration system based on random forest algorithm[J]．Journal of Engineering for Thermal Energy and Power，2021(3)：122-129．
13	白浩，潘姝慧，邵向潮，等．基于小波去噪与随机森林的配电网高阻接地故障半监督识别方法[J]．电力系统保护与控制，2022，50(20)：79-87．
	BAI H， PAN S H， SHAO X C，et al ．A high impedance grounding fault semi-supervised identification method based on wavelet denoising and random forest[J]．Power System Protection and Control，2022，50(20)：79-87．
14	贾晓静，李刚，武宝会，等．W型火焰锅炉分区混合动态喷氨控制系统[J]．热力发电，2020，49(3)：141-147．
	JIA X J， LI G， WU B H，et al ．Control system of partitioned hybrid dynamic ammonia injection for W-type flame boiler[J]．Thermal Power Generation， 2020，49(3)：141-147．
15	武宝会，李刚，薛大禹，等．SCR Control+脱硝控制系统研究及其在660 MW机组的应用[J]．中国电力，2017，50(11)：175-179．
	WU B H， LI G， XUE D Y，et al ．Study on SCR Control+ denitrification injection control system and its application in a 660 MW unit[J]．Electric Power，2017，50(11)：175-179．
16	HARBOLA S， COORS V ．One dimensional convolutional neural network architectures for wind prediction[J]．Energy Conversion and Management，2019，195：70-75． doi:10.1016/j.enconman.2019.05.007
17	王红霞，周家奇，辜承昊，等．用于图像分类的卷积神经网络中激活函数的设计[J]．浙江大学学报(工学版)，2019，53(7)：1363-1373．
	WANG H X， ZHOU J Q， GU C H，et al ．Design of activation function in CNN for image classification[J]．Journal of Zhejiang University (Engineering Science)，2019，53(7)：1363-1373．

[1]	汪丽, 张欢, 叶舣, 赵兴雷. N-氨乙基哌嗪与甘氨酸钠CO₂吸收剂配方研究[J]. 发电技术, 2023, 44(5): 674-684.
[2]	刘含笑. 双碳背景下电除尘器的节能减碳分析[J]. 发电技术, 2023, 44(5): 738-744.
[3]	高志刚, 陈福春, 王家伟, 汪涛, 张永生. 600 MW褐煤机组烟气汞排放及灰特性研究[J]. 发电技术, 2023, 44(4): 543-549.
[4]	尹桃柱, 张永生, 汪涛, 王家伟. 硫掺杂多孔碳材料的制备及其对脱硫废水中重金属的电吸附性能研究[J]. 发电技术, 2023, 44(3): 382-391.
[5]	吉攀. 燃煤电厂烟气中氨脱除及分布机理研究[J]. 发电技术, 2023, 44(3): 392-398.
[6]	刘含笑, 郭高飞. 袋式除尘器脱Hg特性研究[J]. 发电技术, 2023, 44(2): 193-200.
[7]	刘含笑, 郭高飞, 陈招妹. 超低排放机组湿式电除尘器多污染物减排及能效测试研究[J]. 发电技术, 2023, 44(1): 94-99.
[8]	朱京冀, 徐义书, 徐静颖, 王华坤, 刘小伟, 于敦喜, 马晶晶, 徐明厚. 掺烧氨燃料对煤挥发分火焰特性及颗粒物生成的影响[J]. 发电技术, 2022, 43(6): 908-917.
[9]	喻小伟, 匡萃杰. 尿素热解制氨工艺在1000MW燃煤电厂的应用与优化[J]. 发电技术, 2022, 43(2): 367-372.
[10]	刘含笑, 郦建国, 姚宇平, 崔盈, 郭高飞, 何海涛, 刘美玲, 沈敏超. 低低温电除尘系统对SO₃脱除性能研究[J]. 发电技术, 2022, 43(1): 147-154.
[11]	洪志刚,张杨,刘永生,朱跃. 燃煤电厂烟气非常规污染物检测与协同控制技术研究综述[J]. 发电技术, 2020, 41(5): 517-526.
[12]	安晓雪,苏胜,向军,黄见勋,许积庄,王乐乐,汪一,胡松,尹子骏,王中辉. 燃煤烟气中Hg迁移转化特性研究[J]. 发电技术, 2020, 41(5): 489-496.
[13]	韩卫博,卞双,汪涛,王家伟,张永生,潘伟平. 燃煤电厂脱硫废水及污泥中重金属污染物控制研究进展[J]. 发电技术, 2020, 41(5): 497-509.
[14]	翁麒宇,李端乐,禚玉群. NH₃对SCR催化剂Hg⁰催化氧化性能的影响[J]. 发电技术, 2020, 41(5): 471-479.
[15]	刘建忠, 陈聪, 孙志昊, 吴靖风, 王晓俊. 燃煤电厂脱硫废水辅助煤电解制氢[J]. 发电技术, 2020, 41(5): 536-542.

燃煤电厂SCR脱硝系统精准控氨优化方法研究

Research on Optimization Method of Precise Ammonia Injection in SCR de-NO _x System of Coal-fired Power Plant

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 11

参考文献 17

相关文章 15

编辑推荐

Metrics

本文评价

燃煤电厂SCR脱硝系统精准控氨优化方法研究

Research on Optimization Method of Precise Ammonia Injection in SCR de-NO x System of Coal-fired Power Plant

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 11

参考文献 17

相关文章 15

编辑推荐

Metrics

本文评价

Research on Optimization Method of Precise Ammonia Injection in SCR de-NO _x System of Coal-fired Power Plant