Multi-model predictive control of SCR flue gas denitrification system in coal-fired power plant based on kernel fuzzy c-means clustering and integrated model

A multi-model predictive control strategy based on kernel fuzzy c-means (KFCM) clustering and integrated model is proposed for the complex problem of rapid and accurate control of ammonia injection in selective catalytic reduction (SCR) denitrification systems of coal-fired power plants under a wide range of variable load conditions. First, the SCR data samples are clustered using the KFCM clustering algorithm, and the number of clusters is determined by introducing the Xie-Beni index. Second, the prediction model of the SCR denitrification system is established by an integrated modelling approach, and the sub-learners of the integrated model are the genetic algorithm optimized back propagation (GA-BP) neural network model and the least squares support vector machine (LSSVM) model. Third, a multi-model prediction controller based on the particle swarm optimization (PSO) algorithm and the integrated model is designed and developed. To ensure the stability of the system, a model-switching strategy based on the minimum Euclidean distance is proposed. Finally, simulation verification and industrial field application verification are fulfilled by comparing with proportion integral differential (PID) control and single model predictive control (MPC). The results show that the multi-model predictive control method proposed in this paper can obtain higher control accuracy and better control stability and meet the control requirements for the long-term operation of the SCR denitrification system.     

330 MW燃贫煤机组SCR脱硝系统分析及诊断

为了解决山西某330 MW燃贫煤火电厂SCR脱硝系统存在的脱硝效率偏低、催化剂寿命短的问题,对SCR反应器进行了现场测试,使用烟气分析仪、温度测试仪、流量测试仪等仪器对烟道内烟气组分浓度、温度场、速度场进行检测。测试结果表明,SCR反应器运行过程中存在流场、温度场不均匀的现象,这是导致催化剂磨损严重,进而影响脱硝效率的主要原因。在测量结果的基础上,分析并确定运行过程中的问题根源所在,可为火电厂优化运行与改造提供建议。     

350MW机组锅炉SCR脱硝系统优化

准东煤田是我国目前最大的整装煤田,但准东煤在锅炉燃烧过程中易发生结焦问题,一般掺烧高岭土缓解结焦。某燃用准东煤350 MW机组,锅炉燃煤掺烧高岭土后烟气携带灰尘颗粒及灰尘量增大,出现SCR脱硝系统烟道积灰严重和喷氨量明显偏大问题,同时在空气预热器形成硫酸氢氨堵塞,使机组不能长周期稳定运行。通过与国内同类型多台机组锅炉对比后发现,脱硝系统均存在易产生积灰的脱硝转向室、催化剂上方及空气预热器入口斜坡积灰状况等情况。针对存在的问题,通过建立改造前、后的模型计算分析,进行了导流板布置的优化设计、CFD流场分布、优化SCR系统导流板设计、声波与蒸汽吹灰器结合吹灰和氨注射栅格优化升级等工作,应用德图480风速仪实测风速试验,发现脱硝烟道原导流板设计不合理及施工安装偏差;原导流板水平段跨距大,支撑不足,造成导流板压塌变形,影响烟气流场分布;锅炉所烧煤质为高钠煤,为防止锅炉结焦掺烧高岭土后,增加了烟气飞灰颗粒及灰尘量,飞灰具有很大黏性,易沉积在烟道导流板及烟道壁面上。因此,提出对脱硝内部各处导流板进行优化改造,对脱硝系统烟道易产生积灰的部位增加声波吹灰器,对喷氨格栅喷嘴数量及氨空混合器升级,同时开展锅炉SCR脱硝喷氨热态优化调整试验工作。通过开展相关工作,SCR烟气系统的烟气流场相对标准偏差优化5%,相同负荷下液氨消耗量降低45%,彻底解决脱硝系统积灰和空气预热器堵塞问题,实现机组满负荷达标稳定运行。锅炉长期运行半年后停炉检查,发现前期脱硝系统烟道高达1 m的积灰部位彻底解决,催化剂表面干净无杂物,解决了脱硝系统积灰问题,同时配合提高空气预热器冷端综合温度的措施,彻底解决锅炉空气预热器堵塞问题。同时,经济效益显著,每年可以分别节约液氨费用70万元,节约风机电耗费用100万元,节约检修清理积灰及检修费用80万元,节约空气预热器冲洗治理费用20万元,综合节约费用270万元/a,达到预期效果实现机组长周期安全经济稳定运行。     

SCR脱硝副产物硫酸氢铵特性研究:现状及发展

燃煤电厂加装以NH3和尿素为还原剂的脱硝装置后,还原剂NH3与烟气中的硫氧化物和水蒸气反应生成硫酸氢铵(ABS),ABS沉积会造成选择性催化还原法(SCR)脱硝效率降低、下游热力设备,如空气预热器(APH)和静电除尘器(ESP)堵塞等问题。ABS的生成和沉积与运行环境有关,但业内对ABS特性存在很多模糊认识。从ABS问题的出现入手,指出火电厂宽负荷脱硝情景下ABS影响加重的原因,对ABS在SCR反应器和空预器内生成、迁移和沉积的行为进行综述,总结了ABS的重要特性,如生成方式、生成温度、露点温度、挥发和沉积特性、分解特性等;并对ABS生成-迁移-挥发-分解-沉积的特性研究提出建议,指出了研究ABS迁移挥发特性对SCR和空预器整体影响的方向和发展趋势。     

基于GA-BP网络混凝投药系统预测模型的研究

针对BP网络建模易陷入局部极小、收敛速度慢等缺点,建立GA-BP网络预测模型,为混凝投药系统生产指导提供决策依据。利用遗传学习算法具有全局寻优的特点,同时优化BP网络的初始权值和网络结构,建立GA-BPNN混凝投药的预测控制模型。通过算法比较和模型仿真结果分析,GA-BP混合模型较BP模型收敛速度快,其平均预测相对误差仅为9.94%,预测精度远高于BP模型。表明GA-BP模型可以有效、可靠地用于混凝剂投加量预测控制系统的生产指导中。     

基于改进回声状态网络的游离氧化钙预测控制

在非线性时延水泥烧成系统中,针对传统预测控制方法调节时间长、控制精度不高的问题,提出一种改进的在线型回声状态网络预测控制模型。首先将带有L1范数约束项的递归最小二乘法与回声状态网络相结合构建在线型预测模型,解决传统预测控制模型辨识精度较低、无法进行实时预测的问题;然后基于改进的回声状态网络预测模型,构建预测控制模型结构,并采用具有全局优化能力的粒子群算法进行滚动优化,保证实际输出量快速、准确、平稳地跟随被控量的设定值;最后利用改进的预测控制模型对水泥烧成系统中的游离氧化钙含量进行预测控制仿真实验,结果表明改进的预测控制模型具有良好的性能和应用前景。     

基于分布函数矩的聚合物分子量分布预测控制

聚合物分子量分布（molecular weight distribution,MWD）是聚合产物重要的质量指标,由于无法在线测量,使得直接质量控制至今难以实现。在利用Legendre正交多项式组合神经网络建立聚合反应分子量分布灰箱模型的基础上,把MWD这个三维空间控制问题解构为以其矩向量为特征的二维时间域的控制问题,提出了通过控制分布的矩值实现分子量分布的预测控制方法。目标函数以矩值误差平方和为基础,考虑控制变量的约束条件,同时引入可测低阶矩的修正项,使得分子量分布的部分闭环反馈控制得以实现。该方法以实验室规模的苯乙烯聚合过程为对象进行了仿真建模与控制研究,获得良好的控制效果,证明了方法的有效性。     

基于局部建模的预测控制及其在芳烃异构化过程的应用

针对一类非线性系统提出了基于局部建模的预测控制算法,对于局部模型的训练数据选取,同时考虑了样本数据之间的欧氏距离与向量的夹角,使得训练数据的选取更合理,并对芳烃异构化过程进行了实验仿真。首先通过最小二乘支持向量机进行局部建模,并将局部模型作为算法的预测模型。然后利用粒子群优化算法进行滚动优化,寻找到最优控制量。最终仿真实验验证了该算法的有效性和鲁棒性。     

基于控制性能比较的非线性不对称系统预测控制

生产过程某些非线性系统常常表现出不对称动态特性,相对于其在工业工程中经常出现的理论研究特别是控制方法研究则十分有限。本文针对基于正反方向上的两个线性模型分别设计PID控制器的缺陷,提出根据正反方向上的线性模型分别设计相应的状态反馈预测控制器。在每一步的控制率计算中,正反方向的控制器分别计算控制作用,并通过比较正反控制器的控制性能指标来确定最终采用的控制作用。通过pH值控制的仿真实验证明其对非线性不对称系统的控制效果明显优于传统的在正反方向分别采用PID控制的控制效果。     

循环流化床锅炉SNCR脱硝系统的模型优化及应用

介绍了选择性非催化还原法(SNCR)脱硝系统的特点,针对传统SNCR系统存在的自动化投入率低、NO_x浓度波动大、取样系统简单、样气不具代表性、控制效果欠佳等问题,提出了网格法混合取样改造、基于预测控制的SNCR优化控制方法和炉内氧含量优化控制模型,克服了传统PID控制大滞后、抗延迟能力差、控制精度不高等问题。实际应用效果表明,优化改造后净烟气NO_x浓度波动显著下降,系统喷氨量整体减少,有效降低了氨逃逸。     

某电厂烟气脱硝催化剂使用前后性能测试及失活分析

以某电厂SCR脱硝装置运行22 080 h的催化剂为研究对象,对催化剂进行脱硝率测试及化学表征。研究表明,运行了22 080 h的催化剂的脱硝率为57%,催化剂破碎和断裂较严重,比表面积下降2.48%~5.12%,XRD及XRF表征发现,催化剂被灰尘堵塞,有明显的K和Na中毒现象。     

玻璃工厂烟气SCR脱硝工艺中氨系统设计

讨论分析了玻璃工厂烟气SCR脱硝工艺中氨系统的设计,着重论述了氨系统安全性要求及消防设计要点。并从工程实例出发,更加直观地展现了SCR工艺氨系统的设计布置方法。为玻璃工厂同类工程提供技术参考和依据,提高玻璃企业的生产安全性和可靠性。     

Predictive control of particlesize distribution of crystallization process using deep learning based image analysis

The challenges to regulate the particle-size distribution (PSD) stem from on-line measurement of the full distribution and the distributed nature of crystallization process. In this article, a novel nonlinear model predictive control method of PSD for crystallization process is proposed. Radial basis function neural network is adopted to approximate the PSD such that the population balance model with distributed nature can be transformed into the ordinary differential equation (ODE) models. Data driven nonlinear prediction model of the crystallization process is then constructed from the input and output data and further be used in the proposed nonlinear model predictive control algorithm. A deep learning based image analysis technology is developed for online measurement of the PSD. The proposed PSD control method is experimentally implemented on a jacketed batch crystallizer. The results of crystallization experiments demonstrate the effectiveness of the proposed control method.     

Nonlinear model predictive control based on support vector machine and genetic algorithm

This paper presents a nonlinear model predictive control (NMPC) approach based on support vector machine (SVM) and genetic algorithm (GA) for multiple-input multiple-output (MIMO) nonlinear systems. Individual SVM is used to approximate each output of the controlled plant. Then the model is used in MPC control scheme to predict the outputs of the controlled plant. The optimal control sequence is calculated using GA with elite preserve strategy. Simulation results of a typical MIMO nonlinear system show that this method has a good ability of set points tracking and disturbance rejection.     

基于GA-BP神经网络的超临界CO2传热特性预测研究

超临界二氧化碳（S-CO₂）动力循环在能源利用领域中拥有广阔的应用前景,其中超临界CO₂的传热特性对其能量转换效率至关重要。开展了超临界CO₂在水平小圆管内对流传热实验研究,并通过建立遗传算法优化的BP神经网络模型（GA-BP）,对其在不同工况下的传热特性进行预测分析。实验参数范围：系统压力7.5~9.5 MPa,质量流速1100~2100 kg/（m²?s）,热通量120~560 kW/m²。实验结果表明,超临界CO₂传热系数随流体温度的升高先增大后减小,在拟临界温度附近达到最大值。GA-BP神经网络模型能有效地预测超临界CO₂的传热系数,预测数据的决定系数R²为0.99662,超过95%的数据误差位于±10%范围内,平均误差为3.55%,为超临界流体传热预测提供新的思路。     

水系统集成技术在火力发电厂的应用

火力发电厂是工业耗水和排水大户,节水潜力较大。利用水系统集成技术对某电厂的现有水网络进行优化改造,优化后水网络节水效果明显,且实现了电厂污水的近零排放。提出了水网络优化的基本路线和科学方法,为火力发电厂用水网络优化设计和改造提供理论依据。     

基于模型预测控制的反应再生工艺控制实现

介绍了先进控制系统中的模型预测控制技术。具体阐述了模型预测控制中的动态矩阵控制算法（DMC）,包括预测模型,滚动优化,反馈校正。并以炼油厂催化裂化装置的反应再生工艺为例,分析了反应再生工艺控制的多变量、多耦合特性,指出了控制的难点。最后,采用动态矩阵控制算法对反应再生工艺的一再、二再温度进行了优化控制,最终实现了控制目标。     

基于模型预测控制的反应再生工艺控制实现

介绍了先进控制系统中的模型预测控制技术。具体阐述了模型预测控制中的动态矩阵控制算法（DMC）,包括预测模型、滚动优化、反馈校正。以炼油厂催化裂化装氍的反应再生工艺为例,分析了反应再生工艺控制的多变量、多耦合特性,指出了控制的难点。最后,采用动态矩阵控制算法对反应再生工艺的一再、二再温度进行了优化控制,最终实现了控制目标。     

基于自适应模糊神经网络的非线性系统模型预测控制

针对非线性动态系统的控制问题,提出了一种基于自适应模糊神经网络(adaptive fuzzy neural network,AFNN)的模型预测控制(model predictive control, MPC)方法。首先,在离线建模阶段,AFNN采用规则自分裂技术产生初始模糊规则,采用改进的自适应LM学习算法优化网络参数;然后,在实时控制过程,AFNN根据系统输出和预测输出之间的误差调整网络参数,从而为MPC提供一个精确的预测模型;进一步,AFNN-MPC利用带有自适应学习率的梯度下降寻优算法求解优化问题,在线获取非线性控制量,并将其作用到动态系统实施控制。此外,给出了AFNN-MPC的收敛性和稳定性证明,以保证其在实际工程中的成功应用。最后,利用数值仿真和双CSTR过程进行实验验证。结果表明,AFNN-MPC能够取得优越的控制性能。     

Composition control and temperature inferential control of dividing wall column based on model predictive control and PI strategies

The dividing wall column (DWC) is considered as a major breakthrough in distillation technology and has good prospect of industrialization. Model predictive control (MPC) is an advanced control strategy that has acquired extensive applications in various industries. In this study, MPC is applied to the process for separating ethanol, n-propanol, and n-butanol ternary mixture in a fully thermally coupled DWC. Both composition control and temperature inferential control are considered. The multiobjective genetic algorithm function “gamultiobj” in Matlab is used for the weight tuning of MPC. Comparisons are made between the control performances of MPC and PI strategies. Simulation results show that although both MPC and PI schemes can stabilize the DWC in case of feed disturbances, MPC generally behaves better than the PI strategy for both composition control and temperature inferential control, resulting in a more stable and superior performance with lower values of integral of squared error (ISE).