【能源人都在看，點選右上角加'關注'】
針對目前垃圾焚燒發電廠SNCR系統自動控制投入率低下，對出口氮氧化物（NOx）的跟蹤滯後，無法有效控制氨逃逸的現狀，對SNCR控制系統採用機器學習模組進行最佳化。透過挖掘、分析各種工況資料，可實現對各種工況條件下的還原劑噴入量的精確控制。文章主要闡述了機器學習在垃圾焚燒發電廠SNCR 控制系統中的應用。
近年來，隨著城市化的不斷髮展，文化、生活質量的提高，城市環境質量的標準也在逐步提高，垃圾焚燒發電廠的尾氣排放標準越來越嚴格，尤其是對垃圾焚燒尾氣中氮氧化物（NOx）的排放標準更加嚴格。在SNCR 脫硝方式下，透過採用機器學習對控制系統進行最佳化改造，不但能夠實現 NOx 達標排放、降低氨逃逸、減少噴槍損耗，並且能降低 SNCR 使用的單位生產成本。
機器學習的原理
目前，垃圾焚燒發電廠主流的 SNCR 控制系統採用 PLC 或 DCS，透過經典 PID 控制實現對出口 NOx 的排放控制。控制原理見圖 1。
氨水調節閥採用串級PID調節方式，主PID以NOx 指標為被控引數，副 PID以氨水流量為被控引數，主PID調節輸出作為副PID調節的給定值，副PID 調節輸出控制氨水調節閥的開度。
由於 SNCR 工藝在加入還原劑後有一定的反應時間，是一個滯後系統，同時訊號的測量相對實際工況的變化也是比較滯後的，所以當前觀察到的工況不是實時的工況，而是在此之前某一個時刻的工況，具有強耦合、非線性、多變性、大滯後等特點，為了及時響應工況的變化，處理系統的控制必須採用超馳最佳化控制。同時，也需要對不同工況下還原劑的逃逸進行跟蹤和控制，以保證控制指標的穩定。傳統的串級PID 調節存在反應滯後、調節困難的問題，無法做到全自動投入。因此考慮加入機器學習模組（見圖 2）。
採用機器學習模組可設定主調節閥氨水上限、下限，改善了傳統控制方法無法精確調整輸出幅值的難題，從而達到最佳化控制NOx排放，降低氨逃逸的目的。
應用效果
加入了機器學習的SNCR最佳化工程,顯著提高了自動投入率。在工況波動較大的情況下也能及時跟蹤鍋爐負荷(主蒸汽量)的變化, 自動投入率達99.9%以上。
實現瞭如下控制:啟停機時的沖洗控制、噴射閥的順序控制、系統的聯鎖保護、配方選擇控制、軟水流量的自動控制、氨水用量自學習控制、氨水投入量的自動控制。
對機器學習改造前後脫硝系統的相關資料進行比較，比較結果見下表。
結語
透過分析NOx排放值和鍋爐主蒸汽量等訊號的變化，採用機器學習控制技術來克服調節過程存在的控制非線性、死區大及反應不靈敏等問題。對影響SNCR效果的資料進行挖掘,模擬人工操作,先使系統超調,然後再迅速拉回,透過不斷的自主學習,大大縮短了響應時間,解決了SNCR控制系統反應滯後、氨逃逸控制困難等問題。SNCR最佳化控制實施之後,煙氣出口NOx的排放值(
免責宣告：以上內容轉載自北極星大氣網，所發內容不代表本平臺立場。
全國能源資訊平臺聯絡電話：010-65367702，郵箱：[email protected]，地址：北京市朝陽區金臺西路2號人民日報社
