燃煤电厂SCR脱硝系统精准控氨优化方法研究.pdf

第第 44 卷卷 第第 4 期期 2023 年年 8 月月Vol.44 No.4Aug.2023发电技术发电技术Power Generation Technology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）Research on Optimization Method of Precise Ammonia Injection in SCR de-NOx System of Coal-fired Power PlantLUO Zhigang1,HE Chengbing2*,MENG Haoran1,LIU Guodong1,SHEN Peng1,ZHANG Jun1,ZHANG Haoliang1(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)摘要摘要：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NOx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NOx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NOx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-NOx 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 NOx 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 NOx 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 NOx 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-NOx;precise ammonia injection;improved one-dimensional convolution neural network;partition control0引言引言近年来，燃煤电厂NOx排放标准不断提高，要求排放质量浓度不高于50 mg/m3。选择性催化还原(selective catalytic reduction，SCR)因技术成熟、效率高而得以广泛应用1-2。SCR脱硝喷氨量的控制既是当前难点也是重点研究内容3。目前，主要结合单点式在线NOx浓度监测系统(continues emission monitoring system，CEMS)，通过单级 PID 控制、串级 PID 控制等方法控制SCR喷氨量。单级PID控制法使用一级PID方式控制喷氨量，可分为固定摩尔比的控制方式和基于脱硝效率的控制方式；串级PID控制系统由两DOI：10.12096/j.2096-4528.pgt.22129 中图分类号：TK 09基金项目：国家重点研发计划项目(2022YFC3701503)。Project Supported by National Key R&D Program of China(2022YFC3701503).Vol.44 No.4罗志刚等罗志刚等：燃煤电厂燃煤电厂SCR脱硝系统精准控氨优化方法研究脱硝系统精准控氨优化方法研究级PID控制回路组成，其中主调控制回路确定所需的喷氨流量，副调控制回路确定喷氨阀门开度4-5。单级PID控制法控制原理简单、易于操作。串级PID控制法控制逻辑复杂，操作繁琐，受单点测量代表性差、CEMS测量滞后6和NOx浓度分布不均匀等影响，该喷氨控制方法在机组工况变化时，控制效果并不理想。针对CEMS单点测量代表性差的问题，发展出SCR出口网格法多点测量技术；针对CEMS测量滞后的问题，发展出智能前馈串级控制法7。智能前馈串级控制法是在串级PID控制方式基础上增加一前馈控制环节，该前馈回路采用锅炉风量、给煤量、炉膛温度及炉膛氧量等参数作为输入，利用人工智能算法构建预估模型，预测脱硝系统入口或出口NOx浓度，将其作为前馈信号控制喷氨阀门开度。常用的智能算法包括神经网络(neural network，NN)8、支 持 向 量 机(support vector machine，SVM)9-10、自适应模糊神经推理系 统(adaptive neuro-fuzzy inference system，ANFIS)11和随机森林法(random forest，RF)12-13等，与网格法多点测量相结合，虽然可以很好地提高喷氨自动控制品质，但由于不具备分区精准喷氨功能，仍未解决SCR出口NOx浓度分布不均匀的问题，因此氨逃逸控制效果并不理想。针对烟道截面NOx浓度分布不均匀的问题，发展出分区控制法。该方法将烟道截面分成若干个独立区域，每个区域的喷氨量单独控制，它包括总量控制单元和分区控制单元2部分：以总量控制单元为主，通过调节总量调节阀控制喷氨总量；以分区控制单元为辅，通过控制各分区喷氨调节阀开度，减小各分区出口NOx浓度偏差14-15。分区控制法存在巡测周期比较长、分区喷氨调整效率低、多点测量与巡测不能同步连续测量、总量控制投入率低等缺点。基于此，本文采用分区巡测多点同步取样测量技术来解决SCR出口NOx浓度分布不均匀的问题，并将该技术与智能前馈串级控制法相结合，提出了一种基于智能前馈分区控制的精准控氨优化方法。将该方法应用于多个燃煤电厂，运行结果表明，该方法在实现高品质脱硝的同时，还具有显著的经济效益。1基于智能前馈分区控制的精准控氨优化基于智能前馈分区控制的精准控氨优化方法方法图1为精准控氨优化方法原理图。通过两级控制实现精准控氨，第一级控制由主控控制器完成，负责解决喷氨总量控制问题。喷氨总量确定的前提是SCR入口NOx浓度确定，它通过CEMS测量得到，但CEMS测量过程中存在滞后，基于该测量结果的喷氨总量控制误差较大。为解决该问题，本文在主控控制器前增加智能前馈环节，以预测 SCR 入口 NOx浓度。依据锅炉燃烧产生NOx机理和脱硝运行历史数据，解耦分离各变量的影响15，采用改进一维卷积神经网络(improved one-dimensional convolution neural network，ICNN-1D)，实现SCR入口NOx浓度的预估16，将其作为智能前馈控制信号，把NOx浓度转化为总量控制阀开度信号，快速响应锅炉侧工况的变化，主控控制器喷氨总量控制阀副控控制器支管控制阀1支管控制阀k支管控制阀n.分区2分区k分区n分区1SCR反应器出口NOx浓度测量值+-出口NOx浓度设定值锅炉系统参数锅炉风量给煤量炉膛温度炉膛氧量一维卷积神经网络预测SCR入口NOx浓度智能前馈信号智能前馈环节分区控制环节图图1 精准控氨优化方法原理图精准控氨优化方法原理图Fig.1 Schematic diagram of precise ammonia control optimization method526第第 44 卷卷 第第 4 期期发电技术发电技术实现NOx浓度的全工况快速准确控制。主控控制器中前馈和反馈同时作用，作用程度动态变化，前馈会在工况变化引起出口NOx浓度变化之前，对喷氨量的预测目标进行动态调整。当测量值与控制目标偏差较大时，主要使用反馈闭环控制指令；当测量值与控制目标偏差较小时，则主要依靠智能前馈环节的喷氨总量预判指令。第二级控制由副控控制器完成，将脱硝入口烟道截面分成若干个独立区域，在第一级喷氨总量控制基础上，采用分区均衡控制策略，在保证总喷氨量不变的前提下，调整各分区的喷氨量来优化喷氨效果，解决因局部喷氨过量或不足而引起SCR出口NOx浓度场不均匀的问题，实现精准控氨。其中，各分区出口NOx浓度的准确测量是分区均衡控制的保障，本系统采用矩阵式分区巡测多点同步取样测量技术加以实现，与传统单独巡测技术相比，具有各分区出口NOx浓度测量同步性好、准确性高的优点。本文提出的精准控氨系统本质上是带有状态预估智能前馈控制的串级控制系统，其前馈控制为多输入、单输出，反馈系统为单输入、单输出，其核心是基于ICNN-1D的状态预估控制器和基于均衡控制法的分区控制策略的设计，涉及到大量锅炉燃烧状态参量。2基于基于ICNN-1D的的NOx浓度预测浓度预测基于ICNN-1D的NOx浓度预测步骤如下：1）依据锅炉燃烧产生NOx机理，分析NOx生成因素，获得SCR脱硝系统入口NOx浓度的关键影响因素，确定ICNN-1D输入量。2）基于机组历史运行数据，选取不同负荷下对应的典型工况数据，对其进行预处理，建立训练集和测试集。3）基于训练数据特点，建立ICNN-1D模型。4）利用训练集进行ICNN-1D监督训练，利用测试集进行ICNN-1D测试与评价。2.1ICNN-1D输入量确定输入量确定根据燃烧机理分析，燃煤机组NOx的生成主要受锅炉风量、给煤量、炉膛温度及炉膛氧量等影响。结合现场实际布置的测点情况，选择锅炉负荷x1、锅炉一次风总量x2、锅炉二次风总量x3、5层SOFA风门的开度x4x8、6台磨煤机的入口一次风量x9x14、给煤总量x15、6台给煤机给煤量x16x21、锅炉下床温度x22x24、燃烧室中部床温x25x27、烟气流量x28、炉膛A侧含氧量x29、炉膛B侧含氧量x30共30个变量作为NOx浓度的关键影响因素，同时考虑时间对运行参量的影响，每个变量取相邻4个时刻值，故ICNN-1D模型的输入参量共计120个，模型的输出为当前时刻的SCR反应器入口NOx浓度。2.2数据预处理数据预处理以不同负荷下的典型工况作为数据选取依据，通 过 分 散 控 制 系 统(distributed control system，DCS)提取历史数据，考虑信号测量与噪声干扰，需要对数据进行预处理，剔除测量数据异常值，减小噪声对信号的影响，保持数据完整性和有效性，有利于提高模型精度。结合锅炉实际运行特点，从数据平滑处理、数据归一化处理及吹扫过程数据处理3方面进行历史数据的清洗与变换。2.3ICNN-1D预测模型建立预测模型建立2.3.1ICNN-1D结构设计一维 CNN 与二维 CNN 类似，包括输入层、一维卷积层(C)、池化层(S)、全连接层(F)及输出层，一维卷积层和池化层通常有多个。本文构建的ICNN-1D结构如图2所示，由1个输入层、2组一维卷积层和池化层、1个全连接层和1个输出层组成。各层参数如下：1）输入层。该层尺寸大小为1201，对应2.1节中120个输入参量。.NOx质量浓度输入层卷积层C1池化层S1卷积层C2池化层S2全连接层输出层锅炉风量给煤量炉膛温度炉膛氧量图图2 ICNN-1D结构结构Fig.2 Structure of ICNN-1D527Vol.44 No.4罗志刚等罗志刚等：燃煤电厂燃煤电厂SCR脱硝系统精准控氨优化方法研究脱硝系统精准控氨优化方法研究2）一维卷积层C1。该层定义了16个大小为81的卷积核，步长为41，对输入数据进行零填充。激活函数采用ReLUmax(0 x)函数17，一维卷积运算后，其结果为C=(c1 c2 ck)T，其中：cp=i=1nas(p-1)+ibi(1)k=m+1s(2)式中：p=12k；as(p-1)+i为卷积层输入值；bi为卷积核值；m为卷积层输入维数；s为卷积步长；表示取整。由式(2)可知，C1层的输出矩阵大小为3216。3）池化层S1。该层定义了8个大小为21的卷积核，步长为21，采用最大值池化对特征值进行降维处理。经过池化操作后的输出数据为r1维矩阵：r=qt(3)式中：q为池化层维数；t为池化步长大小。由式(3)可知，S1层的输出矩阵大小为168。4）一维卷积层 C2。该层定义了 8 个大小为 81的卷积核，步长为21，对输入数据进行零填充，其输出矩阵大小为88。5）池化层S2。该层定义了4个大小为21的卷积核，步长为21，其输出矩阵大小为44。6）全连接层。该层神经元数目为8，每个神经元都与池化层S2的所有神经元相互连接，经过ReLU激活之后，传递到最后的输出层。7）输出层。该层为辨识出的SCR反应器入口NOx浓度。本文提出的ICNN-1D结构参数如表1所示。2.3.2网络学习过程网络学习过程包含前向传播和反向传播。1）前向传播过程一维卷积层卷积过程表达式为ylj=f(iMjxl-1i*lij+bl)(4)式中：ylj为第l层中第j(j=12M)个特征映射；xl-1i为第l-1层中第i个特征映射；lij为第i、j层的卷积核；bl为偏置量；f()为激活函数。池化层一般衔接在卷积层之后，池化过程表达式为ylj=fdown(yl-1j)+blj(5)式中：blj为偏置量；down()为池化函数，本文选用最大池化函数，表达式为(Sk)max-pooling=maxal(it)(6)式中al(it)代表第l层中第i个映射的第t个神经元。池化层到输出层的过程为全连接层，表示为h(xl)=(xl-1+b)(7)式中：h(xl)为l层的全连接输出；xl-1为l层的全连接输入；、b分别为神经元节点的权重与偏置参数；()为非线性激活函数。2）反向传播过程反向传播过程用于修正各层权重和偏置量，使得网络损失最小化，本文损失函数为交叉熵函数，表达式为E=-1Nh=1Nyhlnth+(1-yh)ln(1-th)(8)式中：N为样本总数；th为训练模型输出值；yh为期望值。采用梯度下降法求解最小误差，对各层误差函数求一阶偏导，得到其权重和偏置量分别如下：=-E(9)b=b-Eb(10)式中：、b分别为权重和偏置量的更新值；为当前网络学习率；E为当前网络预测值与真实值误差。3分区喷氨控制分区喷氨控制分区喷氨控制原理如图3所示，基于一定的表表1ICNN-1D结构参数结构参数Tab.1Structure parameters of ICNN-1D编号1234567网络层输入层卷积层1池化层1卷积层2池化层2全连接层输出层卷积核大小8121812181步长41212121数目1688411输出大小1201321616888448111零补否是否是否否否528第第 44 卷卷 第第 4 期期发电技术发电技术划分原则，将脱硝SCR入口烟道截面分成若干个独立区域，设置相应的喷氨设备与测量仪器，在总喷氨量不变的前提下，利用分区巡测多点同步取样测量技术与均衡控制法相结合的方法，动态调整各分区的喷氨量，使SCR系统出口NOx浓度分布尽量均匀，降低氨逃逸量。分区喷氨控制具体实现步骤如下：1）将SCR入口烟道按前后左右方向分成若干个分区，每个分区设置双排驻涡混合装置(或喷氨格栅装置)和电动调节阀，实现分区喷氨控制，使得氨气、空气混合气与烟气混合均匀，改善氨气向周边扩散速度。同时利用分级混合的思路，在双排驻涡混合装置(或喷氨格栅装置)后，增设一系列扰流元件，利用强制扰流和多效混合的方法加强氨气与烟气的混合，可显著改善氨气分布不均现象，提高喷氨控制调节性。2）在SCR出口烟道对应入口设置多个取样分区，各分区设置在线NOx浓度测点，采用分区巡测多点同步取样测量技术，实现SCR脱硝系统出口全截面NOx浓度精准测量，该测量技术基本原理如图4所示。各分区设置3个污染物取样点，形成矩阵取样，使其更具代表性，通过设计不同段管线长度、样气流量等参数，保证各分区样气经取样探头能同时送达取样分配单元接口，并分配为2路。其中：一路接入分区巡测单元，测量分区巡测值，用于分区优化控制，每个分区从气体完全置换至数值稳定时间约为2 min；一路接入混合装置，分区样气连续等量、同时序、均匀混合，以之作为控制目标完成喷氨总量优化控制。与全部分区巡测结束后再根据各分区数据偏差进行调整的传统技术相比，分区巡测多点同步取样测量技术将同时序下的混合测量值作为分区喷氨调整的同步基准值，可实现实时调整SCR出口NOx浓度场，能及时掌握全断面脱硝出口NOx浓度分布特征，具有巡测、调整效率更高并能在变负荷工况下进行分区调整的优势。在稳定工况下，分区不均匀度(定义为SCR出口NOx浓度整个样本总体的标准偏差与均值之比)可以很好地控制在20%以内。3）以各分区出口NOx浓度测量值和设定值的偏差为反馈值，搭建控制集合，基于均衡控制方法，修正各分区的阀门开度，对各分区喷氨量进行实时调整。系统共有N个分区，以分区1为例，其均衡控制方法原理14如图5所示。4实例分析实例分析基于智能前馈分区控制的精准控氨优化方法已应用于多个燃煤电厂多台不同容量机组，其中，ICNN-1D预测模型的预测提前量取为2 min，通过分析比较多种工况下的预测结果，其预测精度约多点同步分区测量分区支管阀门开度均衡控制法控制目标支管1支管k支管n测点1测点i测点m.控制影响图图3 分区喷氨控制原理图分区喷氨控制原理图Fig.3 Schematic diagram of partition ammonia injection control探头5AB侧均匀混合分析仪A侧SCR出口A侧混合装置AB侧分区巡测分析仪B侧SCR出口B侧混合装置A2区A3区A4区A5区A1区A侧分区巡测单元接口探头4探头3探头2探头1探头5探头4探头3探头2探头1B2区B3区B4区B5区B1区B侧分区巡测单元接口图图4 分区巡测分区巡测 多点同步取样测量技术多点同步取样测量技术Fig.4 Single sub area and multi-point synchronous sampling measurement technology529Vol.44 No.4罗志刚等罗志刚等：燃煤电厂燃煤电厂SCR脱硝系统精准控氨优化方法研究脱硝系统精准控氨优化方法研究为96%，模型预测的NOx质量浓度均方根误差一般小于1.5 mg/m3。4.1优化控制品质分析优化控制品质分析某600 MW机组脱硝单侧反应器的入口烟道截面分成10个独立区域，每区有相应的喷氨设备，脱硝单侧反应器的出口烟道截面分成与入口对应的10个测量分区，单侧反应器分别设置2套CEMS，其中一套用于分区巡测，另一套用于多点混合测量。图6为该机组在75%额定负荷工况时SCR系统出口断面NOx浓度分布，NOx质量浓度排放设定值为40 mg/m3。由图6可知，优化前SCR出口断面NOx浓度分布很不均匀，分区不均匀度为30%55%，优化后SCR出口断面NOx浓度分布较为均匀，其分区不均匀度降低到 15%以下，说明本文优化方法可显著改善脱硝出口断面NOx浓度的分布均匀性。图7为某600 MW机组负荷变化时，A、B侧SCR出口及总排口NOx质量浓度的变化曲线。由图7(a)可知，优化前A、B侧SCR出口NOx质量浓度与总排口NOx质量浓度差值约为15 mg/m3。由图7(b)可知，优化后A、B侧SCR出口NOx质量浓度与总排口NOx质量浓度差值小于5 mg/m3。为进一步分析总排口NOx质量浓度波动情况，采集了连续6天的数据(每1 s读一组数据)，统计了实际NOx质量浓度与设定质量浓度之间的差值，结果如表2所示。由表2可见，总排口NOx质量浓度瞬时值波动偏差大于8 mg/m3的占比极低，基本不超过1%，全天NOx质量浓度瞬时波动偏差小于5 mg/m3的时间占比约90%，说明总排口NOx质量浓度具有很好的稳定性和均匀性。4.2经济效益分析经济效益分析图8为某600 MW机组在不同负荷工况下两侧反应器总氨耗量曲线，可以看出，与优化前曲线相比，优化后曲线的截距和斜率均变小，即优化图图7 某某600 MW机组机组SCR出口出口NOx质量浓度变化曲线质量浓度变化曲线Fig.7 NOx mass concentration variation curves at SCR outlet of a 600 MW unit图图6 某某600 MW机组机组SCR出口断面出口断面NOx质量浓度分布质量浓度分布Fig.6 NOx mass concentration distribution at SCR outlet section of a 600 MW unit均衡控制模型动态矩阵控制(DMC)算法均衡控制器空氨混合流量调节阀目标分析比较分区1 NOx浓度设定值分区1 NOx浓度测量值测量信号测量信号分区2,3,NNOx浓度设定值图图5 分区分区1的均衡控制原理的均衡控制原理Fig.5 Equilibrium control principle of partition 1530第第 44 卷卷 第第 4 期期发电技术发电技术后低负荷下的氨耗量小于优化前，且优化后随负荷增加而增加的氨耗量也小于优化前。在高、低负荷工况下，优化后氨耗量比优化前分别降低了10%15%、25%35%，平均节氨率为 25%。1 h氨耗量平均降低 50 kg，按年运行 4 500 h 计算，全年氨耗量降低约225 t。由此可见，本文的优化方法在保证高品质脱硝的情况下，可明显降低机组的氨耗量，具有较好的经济效益。对实施精准控氨技术的300、600、1 000 MW机组的运行情况进行对比分析，结果表明，机组氨耗量节省范围为10%35%，平均降低烟风系统阻力5001 000 Pa，空预器的堵塞问题得到较好的改善，对于频繁参与调峰或低负荷运行的机组，改善效果更明显(负荷越低，流场匹配性和均匀性越差，氨过喷量会越多)。氨耗量的减少与烟风系统电耗量的降低，每年可带来约200万元的直接收益，经济效益显著。典型机组经济效益分析如表3所示。5结论结论结合分区巡测多点同步取样测量技术与均衡控制策略，提出了一种精准控氨优化方法。采用该方法可以很好地解决脱硝SCR出口NOx浓度场不均匀和局部喷氨过量共同导致的氨逃逸过大问题，确保燃煤电厂环保达标排放。具体结论如下：1）该方法能改善SCR出口断面NOx浓度分布均匀性，各分区不均匀度可降低到20%以内。2）该方法能够同时序、连续均匀混合SCR出口断面NOx各分区样气，提高数据对整个烟道断面的代表性，SCR出口与总排口的NOx质量浓度差值小于5 mg/m3。3）该方法能降低氨耗量10%35%，提升总表表2总排口总排口NOx质量浓度波动偏差质量浓度波动偏差Tab.2Deviation of NOx mass concentration fluctuation at the main outletNOx质量浓度波动偏差/(mg/m3)876554321时间占比/%第1天0.592.143.928.5391.4782.8071.5053.4328.30第2天1.111.984.429.2590.7582.2768.7251.6326.89第3天0.651.804.228.5191.4983.7471.5553.1227.58第4天0.280.591.834.9695.0488.8278.2459.0933.61第5天0.100.672.497.0892.9285.9073.5256.2132.20第6天5.997.459.8813.8886.1278.3966.9550.6526.50注：期间负荷运行范围为300550 MW，即全部可调节范围，最大负荷变化率为3 MW/min。表表3典型机组经济效益分析典型机组经济效益分析Tab.3Economic benefit analysis of typical units参数烟气量/(106 m3/h)年利用小时数/hNOx入口质量浓度/(mg/m3)NOx出口质量浓度/(mg/m3)1 h氨耗量/kg年氨耗量/t优化后节氨率/%年节省液氨量/t液氨单价/(元/t)烟风系统降低阻力/Pa烟风系统降低电耗/kW综合电价/元/(kWh)节省液氨费用/(万元/a)节省烟风系统电费/(万元/a)节省总费用/(万元/a)装机规模1300 MW1.24 50040040159.7718.435%251.53 3001 000820.10.383.0110.7193.71600 MW2.14 50030040201.8908.025%227.03 300750993.60.374.9134.1209.011 000 MW3.04 50025040232.81 047.715%157.23 3007501 318.00.351.9177.9229.8图图8 某某600 MW机组在不同负荷工况下的氨耗量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 conditions531Vol.44 No.4罗志刚等罗志刚等：燃煤电厂燃煤电厂SCR脱硝系统精准控氨优化方法研究脱硝系统精准控氨优化方法研究排口NOx排放自动控制品质，保证NOx排放均值小于50 mg/m3。4）该优化方法已应用于多个燃煤电厂，运行结果表明，采用该方法可实现喷氨量的精准控制，在保证SCR脱硝出口断面NOx浓度分布均匀的前提下，氨耗量明显降低，经济效益显著。参考文献参考文献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)：168-174FENG Q W，ZHU R H，XU S D，et alPerformance evaluation and analysis of key parameters of SCR ultra-low emission for 1 000 MW coal-fired unitJPower Generation Technology，2022，43(1)：168-1742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)：350-356HUANG Y H，MA S W，LIU J，et alOptimization design and engineering application of gas turbine SCR denitrification systemJPower Generation Technology，2021，42(3)：350-3563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)：630-636LI Z S，ZHU R H，DU Z Analysis on the optimization technology of precise ammonia injection in SCR denitration systemJPower Generation Technology，2021，42(5)：630-6364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)：67-69LI F，JIANG W T，SHI Z J，et alThe optimization of automatic control strategy of 300 MW coal fired units SCR flue gas denitrification and ammonia injectionJHuadian Technology，2018，40(4)：67-695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)：141-147SHENG K，XUN XController design of SCR control system based on cascade IMC-PID and its applicationJ Journal of Engineering for Thermal Energy and Power，2018，33(12)：141-1476郭瑞君，周磊，张国斌，等基于SCR入口NOx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)：141-147GUO R J，ZHOU L，ZHANG G B，et alDenitration control system based on scr inlet NOx concentration and flue gas flow predictionJ Journal of Engineering for Thermal Energy and Power，2020，35(9)：141-1477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)：186-192QIN T M，YOU M，ZHANG J Z，et al Optimal control of SCR denitration system based on self-adaptive intelligent feedforwardJ Proceedings of the CSEE，2019，39(S1)：186-1928HEJAZI S A，JACKSON K REfficient valuation of SCR via a neural network approachJ Journal of Computational and Applied Mathematics，2017，313：427-4399TAN P，XIA J，ZHANG C，et al Modeling and reduction of NOx emissions for a 700 MW coal-fired boiler with the advanced machine learning methodJEnergy，2016，94：672-67910 TUTTLE J F，BLACKBURN L，POWELL KOn-line classification of coal combustion quality using nonlinear SVM for improved neural network NOx emission rate predictionJ Computers Chemical Engineering，2020，141：10699011 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)：17-26XU Y C，KAN R H，GAO Y K，et alResearch on power quality improvement of hybrid power systemJElectric Power Construction，2021，42(4)：17-2612 钱虹，张超凡，柴婷婷基于随机森林的SCR脱硝系统出口 NOx浓度预测研究J热能动力工程，2021(3)：122-129QIAN H，ZHANG C F，CAI T TResearch on outlet NOx concentration prediction of SCR denitration system based on random forest algorithmJ Journal of Engineering for Thermal Energy and Power，2021(3)：122-12913 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)：79-87BAI H，PAN S H，SHAO X C，et al A high impedance grounding fault semi-supervised identification method based on wavelet denoising and random forestJ Power System Protection and Control，2022，50(20)：79-8714 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)：532第第 44 卷卷 第第 4 期期发电技术发电技术141-147JIA X J，LI G，WU B H，et alControl system of partitioned hybrid dynamic ammonia injection for W-type flame boilerJ Thermal Power Generat