燃煤电站SCR脱硝系统机理建模

喷氨量的精确控制是电站选择性催化还原(SCR)脱硝系统的关键问题,控制不当会影响火电厂脱硝效率或氨逃逸形成二次污染,建立准确的SCR脱硝系统动态过程模型是开发先进喷氨控制器的基础。本文通过分析电站工业SCR脱硝催化剂和实验用催化剂与烟气反应特性的不同,对经典SCR脱硝过程反应动力学模型进行了改进,建立了适用于燃煤电站SCR脱硝动态过程的机理模型,并与经典SCR脱硝反应机理模型进行对比,分析了改进模型在变工况时入口NOx质量浓度、烟气流量等因素剧烈波动时模型特性。结果表明,改进模型计算精度和适应性更好,且在稳定工况和变工况均明显优于原机理模型。

基于选择性集成模型库的选择性催化还原脱硝系统自适应建模

选择性催化还原(selectivecatalyticreduction,SCR)脱硝系统动态建模对优化喷氨控制、降低NOx排放和氨逃逸有着重要意义。基于机器学习的燃煤电站SCR脱硝系统建模方法在精度上具有优势,但大多数模型缺乏自学习或自适应更新机制,难以在长期运行中保持有效性。针对SCR脱硝系统动态特性随负荷与煤质参数变化的问题,提出选择性集成模型库算法,包含基于分时段数据的模型库构建方法、基于选择性实时误差权重法的结合策略和基于模型评价方法的模型库更新策略。采用某660MW燃煤发电机组SCR系统50天运行数据对所提出的模型进行训练、测试以及验证,并与传统自适应建模方法进行对比研究。当传统自适应模型失效时,所提出的模型库仍能保持较高精度。结果表明,选择性集成模型库在预测精度、鲁棒性和稳定性上均有明显优势。

融合数据与机理的燃煤发电机组协调系统建模

为掌握灵活运行条件下燃煤发电机组动态特性,通过融合传统机理建模与数据建模方法,建立了亚临界机组协调系统模型。模型基础构架通过机理分析构建,针对宽负荷下机理模型中部分环节非线性程度高、建模难度大,采用极限学习机进行辅助建模。以某660 MW亚临界机组为例,利用稳态运行数据数据训练获得了基于极限学习机的燃料系数、汽轮机系数、饱和蒸汽流量及过热蒸汽流量辅助子模型,采用粒子群寻优算法对机理模型动态参数进行辨识建立了协调系统动态模型,并对模型进行了开环阶跃响应测试和闭环验证。结果表明:模型能够准确反映机组动态特性,相比于传统机理模型具有更高的精度,模型对宽负荷下机组的汽包压力、主蒸汽压力、输出功率预测误差都在1.5%左右,可用于控制器改进与设计。