燃煤电厂锅炉燃烧NO_(x)排放优化控制技术.pdf

工業加熟2023年第52 卷第6 期Vol.52No.62023INDUSTRIALHEATING节能环保D0I:10.3969/j.issn.1002-1639.2023.06.011燃煤电厂锅炉燃烧NO#葛宪福（国家能源集团国源电力有限公司，北京10 0 0 3 3）摘要：为实现燃煤电厂锅炉在不同负荷运行状态下，燃烧NO，排放优化控制，在满足NO，排放标准的基础上，进一步降低NO，排放量，以某煤电厂的锅炉为例,研究锅炉燃烧NO，排放优化控制技术。结合快速属性约简与混合核极限学习机算法，形成FAR-HK-ELM算法，预测锅炉燃烧NO，排放结果；以锅炉自带的可编程控制器（PLC)控制系统为基础，设计各个系统的子控制PLC,依据预测结果，综合协同控制各子系统，保证控制主站能实时掌握各个系统的控制情况；针对性优化控制锅炉自身系统的燃烧情况。试验结果显示：该技术在空气系数取值为1.3、当烟气循环速率为3 0%时，启动状态下NO，的最高排放质量浓度为55.6 mg/m在不同程度的热负荷运行状态下，出口NO的排放质量浓度在55mg/m以下，氨气的逸出量在0.55LL-以下，实现燃煤电厂锅炉燃烧NOx排放优化控制。关键词：燃煤电厂；锅炉燃烧；NO，排放；烟气循环率；优化控制技术；中图分类号：TK16GE Xianfu(China Energy Guoyuan Electric Power Company,Beijing 100033,China)Abstract:In order to realize the optimal control of NO,emissions from the combustion of coal-fired power plant boilers under different load op-erating conditions,and to further reduce NOx emissions on the basis of meeting the NOx emission standards,taking the boiler of a coal-firedpower plant as an example,the optimal control of NO,emissions from boiler combustion is studied.technology.Combined with fast attributereduction and hybrid kernel extreme learning machine algorithm,the FAR-HK-ELM algorithm is formed to predict the NO,emission results ofboiler combustion;based on the programmable logic controller(PLC)control system that comes with the boiler,the subsystems of each systemare designed.The control PLC,based on the prediction results,comprehensively and collaboratively controls the various subsystems to ensurethat the control master station can grasp the control situation of each system in real time;the combustion situation of the boilers own system isoptimized and controlled in a targeted manner.The test results show that when the air coefficient of this technology is 1.3 and the flue gas cir-culation rate is 30%,the maximum emission mass concentration of NO,in the startup state is 55.6 mg/m.Under the operating conditions ofdifferent degrees of thermal load,the outlet NO,The emission mass concentration is below 55 mg/m,and the escape amount of ammonia gasis below 0.55 L L-,realizing the optimal control of NO,emission from the combustion of coal-fired power plant boilers.Key Words:coal-fired power plant;boiler combustion;NO,emission;flue gas circulation rate;optimization control technology燃煤电厂是火电厂中的一种，是保证充足稳定电力供应的基础，其是将煤作为可燃物完成电能生产的工厂,该电厂系统结构较为复杂 ，由燃料、燃烧、汽水、电力、控制五大系统构成。锅炉、汽轮机和发电机是五种系统的主要工作装置2 ，锅炉燃烧过程中，会排放大量的氮氧化合物（NO,）,NO,会影响生态环境。当收稿日期:2 0 2 2-0 7-2 5基金项目：国家自然科学基金项目（2 2 0 92 10 1）作者简介：葛宪福（196 6 一），男，硕士，高级工程师，研究方向为大型火力发电厂燃煤锅炉超低排放、节能改造、优化控制.排放优化控制技术文献标志码：A文章编号：10 0 2-16 3 9(2 0 2 3)0 6-0 0 45-0 4Optimization Control Technology of NO,Emission from Coal-fired Power Plant Boilers下,在节能减排的发展和规划目标下，各个燃煤电厂均实行排放改造，以此降低NO,的排放3 。但是在改造过程中，仍然存在NO,的排放质量浓度较高，无法完全满足排放标准。因此,如何在改造的基础上,进一步对燃煤电厂锅炉燃烧NO,排放量实行控制4，成为多个地区的燃煤电厂重点关注问题。许剑5 等人针对NO.的排放问题展开分析后,研究SCR分区混合动态调平技术,采用SCR分区混合动力调平技术和添加催化剂的方法，对SCR工艺进行了改进。陈旭6 等人研究了烟气外循环技术,综合运用烟气内、外循环、旋流式、稳焰法等技术，研制了一种适工业加熟.46.INDUSTRIALHEATING用于燃气锅炉的扩散型低氮燃烧器，对燃煤电厂锅炉燃烧NO,实行优化排放。上述控制技术均可在一定程度上，优化NO,排放质量浓度，但是在烟气外循环率较大时,排放结果仍存在不稳定性。因此，本文研究燃煤电厂锅炉燃烧NO，排放优化控制技术，该技术以燃煤电厂中的控制系统为主要优化控制目标，实现NO,排放优化，降低其排放质量浓度。1NO,排放优化控制技术1.1试验燃煤电厂概况本文以某煤电厂的锅炉进行NO,排放优化控制，该锅炉为3 3 0 MW的机组燃煤锅炉，该锅炉型号为QXS29-1.6/130/70-AII燃煤锅炉，该锅炉的各个系统详情是由厂家提供，如表1所示。该锅炉在低负荷运行状态下的运行参数如表2 所示。该锅炉使用的燃用煤详情如表3 所示。表1燃煤锅炉的各个系统详情系统名称组成部分除盐水系统、除氧器、水箱、给水泵、加氧装置、净化水供水系统加药装置蒸汽系统分气缸、减温减压器燃料供应系统上煤机、破碎机、电磁除铁器、炉前给煤机烟风系统鼓风机、引风机、烟窗排污系统联排、定排、取样器、消音器电控系统PLC控制系统锅炉系统换热站、循环泵、除污器表2 负荷运行状态下的锅炉运行参数参数名称数值发电机功率/MW165主汽质量流量/th-1445.2主汽压力/MPa13.5主汽温度/545脱硝装置进口温度/310脱硝装置进口氧体积分数/%4.02总风质量流量/th-1550总煤质量流量/th-180.5表3 燃用煤详情参数名称参数结果煤炭的单位能量/MJkg-117.01全水份/%19.72燃料收到基灰分/%21.03挥发分的应用基/%19.92收到基剩余焦炭/%47.12收到基低位发热量/%0.47燃料煤的收到基硫分/%0.392023年第52 卷第6 期Vol.52No.62023该燃煤发电厂的NO，排放质量浓度超过限定的100mg/m（标准）,因此,需对其实行优化控制，保证该锅炉燃烧的NO,排放质量浓度满足10 0 mg/m标准，甚至在满足标准的基础上7 ,实现更佳的排放控制。1.2NO排放优化控制1.2.1个优化控制技术结构本文针对实验锅炉的系统组成情况以及锅炉燃烧的排放情况，研究NO,排放的综合协调控制技术，该控制技术的整体结构如图1所示。控制员站PLC主控制器主控中心以太网通排放预测信模块锅炉PLC子工业交换机控制系统脱销PLC臭氧PLC净化PLC子控制子控制子控制系统系统图1NO,排放优化控制技术结构该技术整体可分为2 个部分，一是NO,排放预测，二是NO，排放优化控制。1)NO,排放预测对NO,排放预测,将快速属性约简（FAR）和混合核极限学习机（HK-ELM)算法相结合，利用FAR-HK-ELM算法实现预测：步骤1：主控制器完成锅炉NO,排放数据采集后，需先对数据实行预处理，其采用线性插值算法完成。步骤2：建立属性数据子集，先对步骤1处理后，获取的数据结果实行简约处理，并对数据实行筛选8 ，获取其中造成NO,排放极大影响的属性变量。步骤3：对预测模型的正则化因子和核参数实行优化处理,采用交叉验证方法完成，将实际结果和预测结果之间的均方根误差作为标准9,并依据步骤2 中建立的属性子集，实现预测模型的构建。步骤4：利用构建的预测模型，完成锅炉NO,排放量预测,并将预测结果反馈给主控制器2）NO,排放优化控制NO,排放优化控制是本文技术的最终目的,其以锅炉自带的可编程控制器（PLC)控制系统为基础,对该系统的控制能力实行优化，设计各个系统的子控制PLC 控制方案,并且各个子系统之间耦合性较低10 ,独立运行；同时，该优化控制技术引入以太网通信模块，与锅炉的各个系统之间相互连接，形成通信子网，各个系统可之间通过TCP/IP实现相互通信，实现各个脱硫PLC子控制系统系统工業加熟2023年第52 卷第6 期Vol.52No.62023子系统之间的实时进行内部数据的交换，实现各个系统之间的安全联锁，以此实现锅炉自身系统、脱硫系统、脱硝系统、臭氧系统以及净化系统实行综合协同控制,控制主站能实时掌握各个系统的控制情况 ;除此之外，控制系统的主PLC控制器设有网络通信缓存功能，对各个系统的运行参数实行控制，完成脱销和脱硫系统对锅炉造成负荷跟踪。锅炉自身系统的燃烧情况，是优化控制的核心，保证煤的充分燃烧12 ，是实现燃煤电厂锅炉燃烧优化控制的基础。因此，需控制锅炉的风门开度和燃烧器角度的最佳，保证充分燃烧，在锅炉子控制系统PLC中，设有基于量子遗传算法优化的神经网络模型，通过该模型并获取最佳的风门开度和燃烧器角度结果；并通过Gambit软件,求解燃烧过程。基于上述内容实现NO,排放优化控制，锅炉各个系统的控制器和通信协议详情如表4所示。表4锅炉各个系统的控制器和通信协议详情系统类别参数结果脱硫系统S7300主控制器CPU315-2DP通信模块CP343-1通信协议TCP/IP1.2.2钅锅炉自身系统的燃烧优化控制锅炉系统在燃烧过程中，燃烧程度会直接受到风门开度和燃烧器角度两个参数的影响，以此影响NO排放优化控制效果13 ,因此，锅炉子控制系统采用基于量子遗传算法优化的神经网络模型，获取上述两个参数的优化控制最佳方案结果，以此保证锅炉的充分、低污染燃烧。模型的方案寻优结构如图2 所示。锅炉燃烧神经网络模型排烟氧量飞灰含碳量量子遗传算法氮氧排放图2 风门开度和燃烧器角度控制方案寻优结果依据基于量子遗传算法优化的神经网络模型获取的风门开度和燃烧器角度最优控制方案后，通过锅炉子系统控制器实行两者的控制，优化锅炉的燃烧效率，以此降低NO,排放量。在实行优化控制过程中，完成锅炉的风门开度和燃烧器角度最优控制后，为可靠掌握锅炉系统的燃烧过程，需设定最佳的空气系数、烟气循环率范围的取值14；本文采用数值计算方法完成，保证NO,排放低.47INDUSTRIALHEATING于排放标准。数值计算依据守恒方程、非预混燃烧模型以及NO，污染模型等完成。为确定锅炉系统的三维坐标，需确定零点坐标，在此基础上，通过Gambit软件构建锅炉三维模型，并完成其网格划分,在划分过程中,结合两者的实际情况分别采用四面体和六面体两种网格完成，模型结构如图3所示。依据该三维模型，可模拟出锅炉燃烧过程中，并依据运行参数的计算结果15，确定最佳的空气系数和烟气循环率取值结果，以此保证优化控制效果。图3 三维模型网格划分结构脱硝系统锅炉系统S7-200SmartS7 300CPU1214CPU314-2PNPNCP343-1S7TCP/IP二次风门开度燃烧器角度燃烧成分风门开度和燃烧器否角度寻优锅炉效率最优解是2试验分析2.1NO,排放影响因素分析1)空气系数对NO,排放的影响分析锅炉在燃烧过程中，为保证其优化控制效果，需确定空气系数，分析在不同的空气系数取值下，锅炉内燃烧的相关结果，如图4和图5所示。炉火人口图4不同空气系数下锅炉温度变化结果温度/空气系效取值1.1178817101664159714711336空气系数取值1.2128811091084989974966952空气系数取值1.3944931922896778684空气系数取值1.4603535495424388335工業加熟.48INDUSTRIALHEATING100r989592898683801.01.05 1.10 1.15 1.20 1.25 1.30 1.351.40 1.45图5不同空气系数下NO,排放变化结果分析图4和图5测试结果可知：随着空气系数的逐渐增加,锅炉内的温度发生一定差异变化,其中系数取值为1.1时，锅炉内温度分布最高，随着空气系数的逐渐增加，锅炉内温度逐渐增加，当空气系数取值为1.3时，锅炉内温度明显下降，高温区域显著降低；随着空气系数取值的继续增加，则锅炉内温度再次呈现缓慢上升趋势；并且,在空气系数取值为1.3 时,NO,排放质量浓度结果也最低，为8 6.8 mg/m左右，明显更优于其他取值下的优化控制结果。因此，为保证锅炉燃烧NO,排放优化控制，空气系数取值为1.3。2）烟气循环率对NO,排放的影响分析不同烟气循环率下，锅炉内燃烧的相关结果，如图6 和图7 所示。炉火人口图6 不同烟气循环率下锅炉温度变化结果分析图6 和图7 测试结果可知：烟气循环率取值不断变化情况下，锅炉内的温度发生显著下降趋势，高温区域明显减小，其取值增加至3 0%时，锅炉内温度最低,在此情况下,NO,排放质量浓度最低，为7 4.2 mg/m。2023年第52 卷第6 期Vol.52No.62023因此，确定烟气循环率取值为3 0%。98908827874空气系数取值705101520253035404550烟气循环率/%图7不同烟气循环率下NO，排放变化结果2.2锅炉燃烧控制效果分析获取锅炉启机工况下，随着燃煤量的逐渐增加，本文技术控制后，锅炉的总风量、出口氧气量和出口NOx排放质量浓度结果，如表5所示。表5锅炉优化控制性能试验结果燃煤量/th-1总风量/%出出口氧量/%NO,排放质量浓度/mgm1026.62028.43031.74032.65034.16035.57036.4温度/80烟气循环率10%178817101 664159714711336烟气循环率2 0%128811091084989974966952944烟气循环率3 0%931922896778684603烟气循环率40%53549542438833520.219.518.617.916.615.414.737.313.99039.810041.5分析表5测试结果可知：锅炉在启机工况下，燃煤量的逐渐增加，通过本文技术控制后，锅炉的总风量呈现明显上升趋势；其出口处的氧气量发生不同一定的波动变化,是由于本文技术能够完成锅炉燃烧过程中的风门开度和燃烧器角度的优化控制，保证锅炉充分燃烧，以此，可降低出口氧气量，实现NO,排放的优化控制，保证其排放质量浓度均在10 0 mg/m标准范围内,最高 NO,排放质量浓度为55.6 mg/m。2.3控制结果分析锅炉在运行过程中，会发生不同程度的热负荷运行状态，因此，需保证本文控制技术在不同的运行状态均具有良好的控制效果。获取本文技术在锅炉的2 种运行热负荷状态下，对锅炉控制后，出口的NO排放质量浓度结果和氨逃逸量结果，如表6 所示。分析表6 测试结果可知：锅炉在不同的热负荷运行状态下,本文技术对其实行优化控制后，出口的NO排放质量浓度结果均低于55mg/m，氨逃逸量均低于0.55LL-1。是由于本文技术在优化控制过程中，（下转至第53 页）85.661.465.275.473.570.255.662.212.558.710.170.6工业加熟2023年第52 卷第6 期Vol.52No.62023运行方法J.中国电力,2 0 2 1,54（11）：7 6-8 1.10钟令枢,管霖.兼顾系统调压和降损需求的配电网分散式无功控制J.华南理工大学学报：自然科学版,2 0 2 0,48(10):30-39.11王峰,张衡,韩孟臣,等.基于协同进化的混合变量多目标粒子群优化算法求解无人机协同多任务分配问题J.计算机学报,2 0 2 1,44(10):19 6 7-19 8 3.12江鸿怀，金晓怡,邢亚飞，等.基于粒子群优化算法的五自.53INDUSTRIALHEATING由度机械臂轨迹规划J.机械设计与研究,2 0 2 0,3 6(1)：107-110.13吴阳,刘凯,陈柏,等.自适应粒子群优化算法优化径向基函数神经网络用于电阻抗成像图像重建J.仪器仪表学报,2 0 2 0,41(6):2 40-2 49.14龚麒鉴,郭亚宾，陈焕新，等.基于粒子群优化算法和BP神经网络的变频压缩机功率预测J.制冷学报，2 0 2 0,41(1):89 95.(上接第48 页)设计自动调节逻辑、串级启动、自动投送控制逻辑以及各个系统的子控制PLC；并且针对锅炉的燃烧情况实行针对性优化控制，因此，可保证锅炉燃烧NO,排放质量浓度在满足规定标准的情况下，进一步降低，优化控制效果良好。表6 出口的NO,排放质量浓度结果和氨逃逸量结果热负荷5t/h热负荷2 5t/h燃煤量/NH*逃t h-1逸量/uLL-1100.49200.51300.52400.51500.49600.53700.52800.55900.491000.513 结 论为实现燃煤电厂锅炉燃烧NO，排放质量浓度的优化控制，保证排放结果在满足规定排放标准的基础上，进一步降低，研究燃煤电厂锅炉燃烧NO,排放优化控制技术。并以某燃煤电厂锅炉为例，实行相关试验分析。分析结果显示：该控制技术具有良好的NO,排放控制效果,可保证NO,排放质量浓度在标准范围内，,在此基础上，实现排量质量浓度的进一步优化。参考文献1付文华,谢珺,任密蜂,等.基于FAR-HK-ELM的燃煤电站锅炉NO,排放预测J.太原理工大学学报，2 0 2 1,52(3):430-436.2赵宁波,黄飞,冯胜波,等.对冲燃烧燃煤锅炉NO,深度减排技术应用分析J.锅炉技术,2 0 2 0,51（5）：45-50,7 2.3邓云天,李道林,潘卫国.变磨煤机组合下的墙式对冲燃煤锅炉炉内燃烧特性数值模拟J.锅炉技术，2 0 2 0,51（4）：38-42.4刘坤朋，魏博，陈丽娟，等.低负荷烟气再循环对煤粉锅炉燃烧及NO,排放的影响J.动力工程学报，2 0 2 1,41（5）：345 349,379.5许剑,罗志,周鑫，等.W火焰锅炉SCR分区混合动NO,排放NO,排放NH*逃逸量/质量浓度/质量浓度/mg:muL L-148.60.4749.40.5252.50.4951.90.5154.10.5252.90.5453.60.4951.90.5154.40.53550.55态调平技术及应用J.中国电力，2 0 2 0,53（11）：2 3 4mg:m3242.52.66陈旭,朱永郁,陶军,等.低氮燃烧器的NO,排放性能及51.7运行优化J.化工进展,2 0 2 1,40（2）：10 6 9-10 7 6.50.97刘菌,王英男,李新利,等.基于互信息-图卷积神经网络54.4的燃煤电站NO,排放预测J.中国电机工程学报,2 0 2 2,4253.8(3):1 052-1 060.52.18 黄军.燃用神华煤超低NO.燃烧系统受热面吸热比例优49.9化研究J.锅炉技术,2 0 2 0,51（4）：7 1-7 6.52.59陈旭,朱永郁,陶军,等.低氮燃烧器的NO,排放性能及54.1运行优化J.化工进展,2 0 2 1,40（2）：10 6 9-10 7 6.53.310罗聪,王颖,周灿，等.燃煤机组超低排放系统成本分析及经济性运行策略J.环境工程学报,2 0 2 2,16（1)：230-236.11刘军,李全功,廖义涵，等.垃圾焚烧电厂焚烧炉-余热锅炉性能及NO,排放J.浙江大学学报：工学版,2 0 2 0,54(5):1 014-1 021.12唐振浩，柴向颖，曹生现，等.考虑时延特征的燃煤锅炉NO,排放深度学习建模J.中国电机工程学报，2 0 2 0,40(20):6 633-6 644.13钱虹，柴婷婷，张超凡.基于深度循环神经网络的SCR烟气脱硝系统出口NO,排放预测研究J.热能动力工程，2020,35(8):77-84.14谢锐彪,李新利,王英男，等.基于粒子群优化的双向门控循环神经网络燃煤电厂NO.排放预测J.热力发电，2021,50(10):87-94.15张君，邓洋波，张伟华，等.低旋流燃烧室燃烧特性及NO,排放研究J.计算机仿真，2 0 2 0,3 7（7）:2 6 0-2 6 5.