基于神经元PID的烟气脱硝温控系统研究.pdf

Jul,2023AUTOMATIONINDUSTRY2023年7 月石自Vol.59,No.4动油化化第4期第59 卷基于神经元PID的烟气脱硝温控系统研究赵海涛1，于海洋2（1.西安航天动力研究所，陕西西安7 10 10 0；2.西安航天源动力工程有限公司，陕西西安7 10 10 0）摘要：烟气脱硝温控系统直接影响着烟气脱硝系统的性能，在分析烟气脱硝系统的工艺要求及温控要求的基础上，设计了基于神经元PID的烟气脱硝温控系统。重点分析了该温控系统功能和控制算法，通过Matlab仿真与实验验证，从理论与实践相结合的角度对基于神经元PID的烟气脱硝温控系统进行了研究分析，表明该方法是一种先进的，抗干扰能力强的温控算法，对优化烟气脱硝系统具有良好的作用。关键词：神经元；PID控制；脱硝；温度控制中图分类号：TP273文献标志码：B文章编号：10 0 7-7 32 4（2 0 2 3)0 4-0 0 19-0 3Research on Temperature Control System of Flue Gas Denitration Based on Neuron PIDZhao Haitaol2,Yu Haiyang(1.Xian Aerospace Propulsion Institute,Xian,710100,China;2.Xian AerospaceSource Power Engineering Co.Ltd.,Xian,710100,China)Abstracts:The temperature control system of flue gas denitration directly influences theperformance of the flue gas denitration system,based on the analysis of the processrequirements and temperature control requirements of flue gas denitration system,a flue gasdenitration temperature control system is designed based on neuron PID.The function andcontrol algorithm of the temperature control system is analyzed with stress.Through Matlabsimulation and experimental verification,the flue gas denitration temperature control systembased on neuron PID is studied and analyzed from the perspective of combining theory withpractice.It shows that the method is an advanced temperature control algorithm with stronganti-interference ability.It has a good effect on the optimization of flue gas denitration system.Key words:neuron;PID control;denitration;temperature control氮氧化物是大气中常见的主要污染物，主要由火电厂、燃煤锅炉等的排放烟气以及硝酸、氮肥、火药等工业生产过程中排放或泄漏造成。氮氧化物是由氮、氧两种元素组成，包括多种化合物，在燃烧过程中生成的氮氧化物几乎都是NO和NO2，通常把这两种氮的氧化物称为NOr。其生成量和排放量与燃烧方式、特别是燃烧温度和空气过剩系数等密切相关。NO，生成途径主要有燃料型、热力型和快速型三种方式。在锅炉烟气中，氮氧化物产生的原因，主要有两个方面：一是空气中的氮气和氧气，它们在高温发生反应，从而产生氮氧化物；二是燃料中含有氮元素，在燃烧过程中与氧发生反应，从而生成氮氧化物。氮气与氧气在高温条件下发生反应，主要取决于燃烧的温度和氮氧的浓度。温度越高，产生的浓度也就越大，产生的氮氧化物就越多。因此，烟气脱硝的关键技术之一是稳定控制介质温度与燃烧温度，以保证燃烧工艺系统的技术要求。烟气脱硝温控系统的优劣直接影响着烟气脱硝系统的性能，如何稳定、快速、准确地控制烟气脱硝系统运行，本文提出了智能温控算法并研究了该算法在烟气脱硝系统中的应用。烟气脱硝温控系统1.1烟气脱硝系统工业燃烧系统主要由燃烧系统、余热回收系统、烟气脱硝系统、除尘排烟系统四部分构成，典型烟气脱硝系统构成如图1所示。稿件收到日期：2 0 2 3-0 1-10，修改稿收到日期：2 0 2 3-0 5-16。作者简介：赵海涛（198 5一），男，2 0 0 9年毕业于大连理工大学机械电子工程专业，获工学硕士学位，现同时就职于西安航天动力研究所、西安航天动力工程有限公司，研究方向为节能环保领域电气传动与智能控制，任高级工程师。20第59 卷石油化工自动化梦烧炉余热锅炉SCR脱硝器省媒器除尘器婴区图1典型烟气脱硝系统构成示意该系统采用立式燃烧炉加热水锅炉的方式实现废液的燃烧和余热回收，对于含氮的废液设计了SCR脱硝系统进行脱硝，满足大气排放要求；对于含无机物的废液由于燃烧过程会产生无机盐或灰尘，设计了布袋除尘环节进行收尘。该系统能够满足常见大多数有机废液的燃烧处理和余热回收，并满足排放要求。温度是烟气脱硝系统的一项重要控制参数，温度控制的性能直接影响该系统的性能。首先，该系统运行前要将燃烧炉按照烘炉曲线进行升温，当烘炉完成并达到要求温度时投人待烧废液，根据废液热力计算，一般有机废液的燃烧温度在100016 0 0，脱硝温度在350 左右，除尘温度在18 0 左右。因工业废液具有成分多变、流量多变等特点，因此燃烧温度和烟气量会经常发生变化。当负荷变化时，实时调整热水锅炉的换热量，可使系统关键温度点始终满足工艺参数要求，使系统运行在最佳状态。由于系统具备实时调节的跟踪性能，因此运行人员无需根据工况负荷变化进行相应设置或手动调节就可正常工作，该方式为智能温度控制，通过智能温度控制，既可以防止负荷波动引起的系统温度波动，又可合理节能达到节能增效的目的。1.2智能温控系统本文采用基于神经元PID的温控算法，既采用传统PID的成熟控制技术，又结合智能控制领域的新技术，使得温控系统根据烟气脱硝系统的负荷变化具有更好的稳定性和自适应的功能。传统PID参数的整定是通过静态仿真或在静态工况下人为设定实现的，随着工况变化自适应能力较差，本文设计的智能神经元PID参数的整定是通过相应的智能学习算法实现的，可以实现不同工况的自适应调节，具有更好的稳定性或鲁棒性，能够更好地适应烟气脱硝系统的要求。因此，烟气脱硝系统智能温度控制的基本原理是根据烟气脱硝系统运行温度曲线，设定换热锅炉换热量。通过判断实际温差的大小是否满足设定要求，来调节锅炉换热量及PID控制参数，使换热系统的吸收功率与燃烧系统的输出功率相匹配。2神经元PID控制算法2.1控制系统结构设计烟气脱硝温控系统是基于换热量与温差控制策略的，根据以上分析设计的神经元PID控制结构如图2 所示。SV(T)EV(T)神经元PIDAK热水Aqv燃烧T控制器锅炉系统PV(T)T温度信号反馈图2神经元PID控制结构示意根据图2 可知，烟气脱硝系统的温度控制过程是：根据当前工艺曲线及实测温度判断各点温度是否满足工艺要求；如果EV（T）D（T），则根据相应的控制策略调节热水锅炉的流量，改变换热量使得目标温度回到目标范围，实现换热过程与温度的匹配2.2神经元PID控制器设计传统位置式定参数PID的控制算法如式（1)所示：u(k)=Kpe(k)+KiZf-e(i)+KpLe(k)-e(k-1)(1)式中e(k)第k次采样的烟气脱硝温差；Kp，Ki,KD-PID整定参数。传统PID控制因为算法简单、稳定性好、可靠性高等优点在工业中应用广泛，其控制性能的好坏关键在于PID参数的整定。由于烟气脱硝系统存在滞后性、时变性等非线性因素，很难建立精确的数学模型，传统定参数PID控制算法难以取得预想效果。因此，系统运行中实现控制参数自适应调节从而改善控制系统的动态性能就显得尤为重要。在PID控制中，应考虑建立PID参数的整定不依赖于对象的数学模型，而且应能使PID参数在线调整，以满足实时控制的要求。鉴于此，该控制策略引人了具有自学习和自适应能力的神经网络控制技术，结合传统的PID控制理论，构成了神经元自适应PID智能控制器 1。该控制器不但结构简单，易于实现，而且能适应环境的变化，有较强的鲁棒性。该次设计用单神经元实现的自适应PID控制器的结构如图3所示，其中，取神经元的输人分量为3个，PV为系统当前温度；SV为系统设定温度；W，（i=1，2，3）为网络权值；为神经元的阈值；p为泵的出口压力；qv为泵的当前排量。21第4期赵海涛等.基于神经元PID的烟气脱硝温控系统研究XW转换器SVW,Net线性ui)X激活泵函数XW;P传感器图3用单神经元实现的自适应PID控制器的结构示意因此，本文利用单神经元模拟传统PID控制，在一定程度上解决了不易在线实时整定参数，以及当过程复杂或系统参数变化慢时对系数有效控制不足的缺陷。图3中，转换器的输入反映了被控过程及控制设定的状态，经转换器转换成3个变量X1，X 2，X 3;控制量u（i）控制电流的大小，则神经元自适应PID控制算法如式（2)所示：u(k)=K.WiXi(k)+W,X(k)+W.X(k)(2)式中：Ku一一自适应系数，W，和K.均可在线调整;Xi(k)=e(k);X2(k)=Zf=0e(j);Xg(k)=e(k)-e(k一1)。其中，W，按有监督的Delta学习规则进行修正如式（3）所示：(W,(k)=W,(k-1)+n;nd(k)-n(k)JX,(k)(Ku=nu|nd(k)-n(k)l(3)式中：ni，n u-学习系数。式(2)和式(1)具有相同的形式，但式(2)中的W，和K，可以通过神经元的自学习能力进行自适应调整。神经元PID的学习方式和学习能力，决定了W，和K的调整特性，对整个控制系统的抗干扰能力和自适应性有很大影响。3Matlab仿真试验及结果分析以西安航天动力研究所开发的某民用废液焚烧项目为研究对象，采用了图1所示的工艺系统。其中，换热锅炉给水泵采用变频控制的方式，可以按程序控制无级泵的排量，设定系统目标温度为1600，根据系统的基本数学模型，网络初始权值设为W=1.04690.23541.1637，学习系数n设为 0.2 0.0 0 2 0.1，nu设为0.2 5,系统的阶跃响应曲线如图4所示。由图4可以看出，神经元自适应PID控制系统的动态响应特性较好，响应时间为8 35ms。超调量小，最大超调量不超过9.6 5%，稳定性能好，无稳态误差。2.00015001000500050100150200250t/s图4系统阶跃响应曲线示意4结束语本文在分析烟气脱硝系统的工艺要求及温控要求的基础上，设计了基于神经元PID的自适应控制方法。通过Matlab仿真表明该系统具有以下特点：1）在负荷波动情况下，维持系统目标温度在允许的范围内，能有效防止系统偏离设计工况运行，抗干扰性能强，安全性好。2）系统整体功耗较小，自适应调节使系统运行稳定可靠，无静差，具有一定的节能增效功能 3。3）与传统PID调节相比，神经元的自学习特性，使得它自身的控制精度随着投人时间的增长不断提高，效果更好，对环境的适应性更强此外，由于其结构简单，易于实现的特点，使得它很容易结合烟气脱硝系统，通过优化神经元网络权值W和自适应系数Ku，实现对烟气脱硝系统的稳定、快速、准确控制，同时工业温控系统具有相似性，因此该控制策略对其他应用中的同类控制器的设计也具有一定的借鉴意义。参考文献：1方昱斌，邱泽阳.模糊自整定PID在列车空调控制中的应用J.自动化与仪器仪表，2 0 16（0 1）：6 4-6 6.2张建平.SNCR脱硝控制系统设计与研究 JI.自动化与仪器仪表，2 0 16（0 1）：8 8-8 9.3胥良，郭林，梁亚，等.基于模糊RBF神经网络的智能PID控制 J.工业仪表与自动化装置，2 0 15（0 6）：6 7-6 9.4盛贤君，姜涛，王杰，等.基于BP神经网络的速度前馈PID控制器设计.计算机应用，2 0 15（增刊2）：134-137.5陈星.基于模糊神经网络PID控制的花茶烘焙温控系统设计 J.食品与机械，2 0 2 0（0 9）：131-137.6马增辉，徐慧仪，朱润潮.基于互信息和PID神经网络的SCR脱硝扰动补偿控制J.热能动力工程，2 0 2 0（0 5）：281-288.7铉佳欢，邸帅.BP神经网络算法在SCR脱硝系统中的应用J.电站系统工程，2 0 2 0（0 5）：2 1-2 4，2 8.