为了在满足环保排放标准的条件下,降低火电机组脱硝成本,本文针对某350MW燃煤机组的选择性催化还原(SCR)脱硝系统,建立了度电脱硝成本的计算模型。该模型将脱硝成本分为固定成本和变动成本两部分,度电固定脱硝成本包括折旧成本、会计成本、催化剂更换成本、大修成本、人工成本、补偿电

价、其他成本,度电变动脱硝成本包括电耗成本、喷氨成本、排污成本。

以度电脱硝成本作为评价指标,利用支持向量机与粒子群耦合算法建立了脱硝系统运行优化模型,对脱硝系统进行了全负荷段优化。结果表明,预测模型能精确预测度电脱硝成本,最高相关系数可达99.9011%;经模型优化后,脱硝所需喷氨量降低至0.1578t/h,度电脱硝成本显著降低,系统经济性得到提高,

可用于指导电厂经济运行。

关键词:选择催化还原;度电脱硝成本;算法;优化运行

随着节能减排政策的大力推行,国家对氮氧化物排放的把控越发严格。在“十三五”规划中,国家进一步限制了污染物的排放,将持续降低SO2、NOx等污染物的排放标准,到2020年,要求火电机组的SO2排放浓度应小于35mg/m3、NOx排放浓度应小于50mg/m3[1]。

现阶段,国内各电厂机组已基本完成脱硝改造,这些脱硝系统在有效控制火电机组NOx排放、改善环境的同时,也给电厂带来了额外的物料消耗和能量消耗。因此,在满足NOx最低排放标准的同时,通过优化运行方式有效降低脱硝系统物耗与能耗,提高电厂经济效益,是各国学者自烟气脱硝技术开始应用于电

厂实际运行以来一直努力的方向。

选择性催化还原(ive catalytic reduction,SCR)技术是我国目前火电厂最广泛应用的脱硝技术,已经被成熟应用于燃煤电厂、化工厂、内燃机等各个领域。SCR具有高脱除率、技术成熟、二次污染小等优点,是我国电厂脱除NOx最有效的方法。

在SCR脱硝系统运行优化方面,国内外很多学者做了深入的研究。但是大多研究都是集中于催化剂优化[2-11]和结构优化[12-20]两方面。研究表明通过选取还原活性较高的催化剂,更换催化剂成分和改变涂层厚度、几何尺寸、载体尺寸等催化剂结构特性,可以提高脱硝效率,改善脱硝系统工作状况。

在催化剂类型不变的情况下,利用数值计算的方法模拟脱硝系统中烟气与催化剂流动特性,并以此对脱硝装置内部喷氨格栅(AIG)、导流板等进行合理的设计与改进。从而优化烟道中的流场,使烟气与脱除剂混合更加充分,提高脱硝系统的性能。然而鲜有学者做基于数据驱动的运行优化方面的研究。但是基

于数据驱动的运行优化在其他系统优化方面极为常见,例如杨勇平[21]、刘延泉[22]等采用数据挖掘的方法对脱硫系统进行了优化,并证明优化结果经济可靠。

针对以上问题,建立了度电脱硝成本优化模型,提出以度电脱硝成本为优化目标,以喷氨量为调控手段,利用支持向量机(support vector machine,SVM)与混沌粒子群(chaos particle swarm optimization,CPSO)耦合算法对脱硝系统进行优化,并对优化结果进行分析。

1研究对象

研究对象为某电厂350MW机组,该机组的锅炉为亚临界参数自然循环汽包炉,双拱单炉膛、W火焰燃烧方式、固态排渣、平衡通风、一次中间再热、全钢构架悬吊结构锅炉设计。脱硝系统采用选择性催化还原技术(SCR),反应器和催化剂采用“2+1”层布置,即安装两层催化剂,预留一层布置的空间,每个

SCR反应器设计3层催化剂,每层安装60个模块,耐磨层放置在催化剂前端,以减弱飞灰对催化剂的冲刷作用,层之间空间高度为3.0m。脱硝流程如图1所示。

 

设计脱硝效率为80%,处理烟气量为1350000m3/h(干基,6%O2),入口NOx浓度为1000mg/m3,出口NOx浓度小于

100mg/m3。脱除剂为液氨,催化剂采用以TiO2为载体,V2O5-WO3为活性成分的国产18孔蜂窝式催化剂,系统布置方式为高温高尘布置,烟气从烟气省煤器出来后经过整流栅后进入催化剂层,然后进入空预器、电除尘器、引风机和脱硫装置后,排入烟囱。系统由带催化剂的SCR反应器、喷氨装置、稀释风机、氨蒸发器、氨储备供应系统、烟道、阀门等组成。

2度电脱硝成本模型

现阶段,我国大多数电厂评价脱硝系统经济性以脱硝效率为单一的评价指标,并未考虑电厂在脱硝过程中的运行成本。针对以上问题,建立了度电脱硝成本模型,更全面地对脱硝系统进行评价。

度电脱硝成本按照成本随机组运行状况的变化情况,被分为度电固定脱硝成本C1及度电变动脱硝成本C2。度电固定脱硝成本是指在脱硝系统运行过程中成本总额在一定时期内不受运行变动影响而能保持不变的成本。度电变动脱硝成本是指在脱硝系统运行过程中成本的总发生额在相关范围内随着运行的变动而变动的成本。

2.1度电固定脱硝成本

度电固定脱硝成本主要由折旧成本、会计成本、催化剂更换成本、大修成本、人工成本、其他成本、补偿电价7项组成。

折旧成本,指电厂所拥有的或控制的固定资产按照使用情况计提的折旧费用。该机组脱硝系统按20年折旧,每年取5%,同时固定资产净残值率一般为3%~5%,按5%计,固定资产原值占工程初投资95%见式(1)。

   

其他成本,包括蒸汽、水耗以及其他费用。根据机组运行情况取60万/年。

补偿电价,国家为了鼓励电厂积极响应节能减排的号召,同时考虑到电厂安装环保系统后的经济性,国家发改委要求各省电网公司对管内污染物排放浓度低于既定值的机组采用补偿电价购电。根据当地电网提出的补偿电价购电方案,该脱硝系统补偿电价为0.01元/(kW-h)。

2.2度电变动脱硝成本

度电变动脱硝成本由电耗成本、喷氨成本、排污成本3项组成。

电耗成本,为脱硝系统中各个设备耗电以及系统的引入导致其他设备耗电量增加所得。具体计算公式如式(6)。

 

  

3支持向量机成本预测模型

根据电厂实际运行情况可知,影响电厂脱硝系统运行情况主要受喷氨量、反应温度、稀释风量、催化剂活性等因素影响。由于反应温度受炉内燃烧情况影响较大,较难控制,而催化剂活性具有不可控性,所以对于现有运行的脱硝系统,喷氨量是日常可调整的影响系统运行状况的关键因素。为了深入了解喷氨量对脱硝系统经济性的影响,采用支持向量机建立了以喷氨量为辅助变量,度电脱硝成本为主导变量的预测模型。

3.1支持向量机原理

支持向量机是基于统计学理论的监督学习模型,最早在1995年由CorinnaCortes等提出。采用结构风险最小原理和VC维理论对有限的样本在学习能力和模型的复杂性之间寻求最优点从而获得最好推广能力,该方法已经被普遍应用在各个领域。支持向量机的建模原理如下。

假设给定训练集,如式(10)。

  

3.2脱硝预测模型的建立

由于在实际运行中负荷、煤质对环保成本影响较大,较大程度地干扰预测结果的精度,所以将运行数据根据负荷、氮分分为6个样本集进行逐一预测。具体分组结果如表1所示。

3.3脱硝预测模型预测结果分析

通过所建立的模型对样本进行训练与验证,结果如图2、图3所示。由图2可见,对比点多数集中在对角线两侧,有少部分点完全在对角线上,同时计算得到模型的相关系数R为92.6811%,均方误差MSE为0.001847,由此说明预测模型具有较好的拟合特性。

 

为了进一步验证模型的推广能力,从中负低氮样本集中随机选取20组样本对模型进行验证。验证结果如图3所示。图中两条曲线的走势一致,在各个折点均呈现较好的拟合特性。由此可得模型能精确地预测脱硝成本,且具有很好的推广能力。

从分析可以看出,中负低氮组的模型对度电脱硝成本具有很好的拟合特性。同样地,对其他5组分别建立度电脱硝成本拟合模型,所有分组拟合模型结果如表2所示。

 

训练样本和验证样本的相关系数R和均方误差MSE在一定程度上能完全反映出模型的拟合度和推广能力。从表2中可以看出,所有分组训练结果的相关系数R均在90%以上,最大值高达98.1025%,而所有分组的MSE的最大值不超过0.01,最小值为低负低氮组的0.001282,由此可得,所有分组的拟合模型拟合度高,能较好地反映度电脱硝成本数学特性。

在验证结果中,所有分组中相关系数R最小值为低负低氮组的89.5430%,最大值为中负高氮组的99.9011%,所有分组的相关系数R都在90%左右,而MSE最大值为低负低氮组的0.126949,最小值为低负高氮组的0.008495,虽然有个别分组的均方误差较大,但未超过0.15,所以可以证明所有分组的拟合模型具有较好的推广能力。

4混沌粒子群成本优化模型

基于数据驱动的运行优化是在不改变系统结构的前提下,以DCS采集的历史运行数据为基础,利用数学方法寻求对应于经济性最佳的运行方案,指导电厂实际运行,从而达到提高电厂经济性的目的。

4.1粒子群算法原理

粒子群算法(particleswarmoptimization,PSO)是KENNEDY和EBERHART于1995年在IEEE国际神经网络学术会议上提出的一种新型的智能优化算法。它利用“群体”和“进化”的观点,通过每个个体间的协作和竞争,来从复杂空间中获得最优解。优化原理如下。

假设有N个粒子组成一个存在于n维的目标搜索空间中,如式(15)。

 

4.2混沌粒子群算法

基本的粒子群算法因其突出的优点被广泛应用,但是由于其初始化子群和进化过程都是随机的,使得局部最优解和全局最优解的更新存在一定的盲目性,容易陷入局部最优解。有学者提出一种基于混沌优化思想的混沌粒子群优化算法。

算法基本思想是首先将混沌引入优化变量使其呈现混沌状态,从而得到一组与优化变量相同数目的混沌变量,然后直接利用混沌变量进行优化搜索。本文利用的混沌系统是Logistic方程,如式(17)。

 

4.3脱硝优化模型的建立

在预测模型的基础上,利用混沌粒子群优化方法建立优化模型,该模型为约束优化模型,约束条件为污染物排放浓度。为了扩大优化搜索范围,将优化区间设为对应各变量最大值与最小值加减10%。设初始种群规模为50,最大进化代数为200,加速因子c1、c2取默认值2,惯性权重w取定值0.5。

利用罚函数对约束条件进行处理。根据以上设置建立基于混沌粒子群算法的度电脱硝成本优化模型。

4.4脱硝成本优化结果分析

利用混沌粒子群算法对建立的度电脱硝成本优化模型进行优化计算。以中负低氮组为例分析,图4为算法优化迭代图。由图可见,模型是收敛的,粒子群随着迭代次数增加逐渐趋于稳定,喷氨量由初始值为0.1716t/h,之后不断下降,最终在第36代时稳定在0.1578t/h。

 

为了更直观地观察到脱硝系统经过优化后的成本变化,根据度电脱硝成本优化模型计算出中负低氮组实际数据的各项变动成本,并与优化后的各项变动成本进行对比,结果如图5所示。

 

由图5可见,各项变动成本优化前后均有变化,其中脱硝电耗成本减少了0.2509×10–3元/(kW-h),喷氨成本减少了0.3235×10–3元/(kW-h),而氮排放污染成本增加了0.0356×10–3元/(kW-h)。由于度电固定脱硝成本不会改变,经过优化后总体上度电脱硝成本减少了0.5388×10–3元/(kW-h)。

为了更全面地分析各个分组的优化结果,以各分组的度电脱硝成本为计算模型,建立各个分组的度电脱硝成本优化模型,优化结果与优化前成本对比如图6所示。

 

利用度电固定脱硝成本计算公式计算得到该系统度电固定脱硝成本为–3.4935×10–3元/(kW-h),与度电变动成本相加得到优化后平均度电脱硝成本为–0.3485×10–3元/(kW-h),与优化前相比度电脱硝成本有了显著降低;其中变化最大的度电脱硝成本出现在中负低氮组,度电脱硝成本减少了0.5388×10–3元/(kW-h),其绝对差值为–0.5388×10–3元/(kW-h)。

从图中可知,成本随着燃煤中氮分增大而增加,其中最大成本出现在低负高氮组,最小值则在中负低氮组。这一变化符合机组的运行规律。

5结论

(1)基于会计计算理论提出的度电脱硝成本包括度电固定脱硝成本与度电变动脱硝成本,可全面地计算脱硝系统在运行过程的成本大小变化,以度电脱硝成本为指标可以更精确地评价火电机组脱硝系统在运行过程中的优劣。

(2)利用支持向量机算法建立度电脱硝成本模型误差小,相关系数高,而且能精确地预测全负荷段的度电脱硝成本,且具有很好的推广能力。

(3)以中负低氮组为例,利用支持向量机与混沌粒子群算法对脱硝系统进行优化,脱硝所需喷氨量降低了0.0138t/h,有效地降低了脱硝所需的喷氨量;将优化后的结果与实际数据进行对比,优化后的脱硝电耗成本与喷氨成本有显著的降低,而氮排放污染成本上升。但总体上,度电脱硝成本减少了0.5388×10–3元/(kW-h)。

(4)对脱硝系统全负荷段进行优化,优化结果显示优化后的全负荷度电脱硝成本有显著降低。

而成本随着燃煤中氮分增大而增加,符合机组实际运行规律,证明该优化模型的正确性和推广能力。