蒋炜 岑易 裘国弘 杨海滨 谢进安
（浙江浙能镇海发电有限责任公司 浙江宁波 315200）
目前，我国电力行业的烟气污染超低排放已广泛推广，针对污染物排放控制的要求日趋严格，对环保设施运行的可靠性、稳定性及经济性提出了更高的要求［1-2］。其中，烟气排放的SO2是大气污染的主要来源，削减和控制烟气SO2排放是当前我国大气污染控制领域最紧迫的任务之一［3］。然而燃煤锅炉普遍存在燃料种类多变、负荷波动频繁、脱硫生产平稳控制难度大、运行成本高等问题，现有的分散控制系统（DCS）难以做到及时调整和响应，但脱硫智慧控制系统可以在工况多变的情况下，实现系统运行稳定、提升排口SO2浓度稳定性、降低系统能耗物耗，对增强脱硫系统运行安全性和提高经济效益具有重要意义。
本文基于亚硫酸盐氧化机理与历史数据，建立亚硫酸根氧化模型，通过风机公式及氧化风机提醒模型实现氧化风机系统智慧调节，通过出口SO2预测模型寻优浆液pH 值运行目标值，及时调节石灰石浆液供给量，实时智能调节浆液池pH 值，在保证污染物稳定安全排放的同时实现脱硫系统的节能降耗。通过宁波某发电厂超超临界燃煤机组项目应用，为相关超低排放燃煤机组脱硫智慧控制应用提供借鉴。
1.1 氧化风量模型建立
1.1.1 模型机理
依据HSO3-、SO32-的氧化还原反应，利用石灰石等碱性浆液吸收固化烟气中的SO2，按照亚硫酸盐的氧化反应，建立亚硫酸根氧化模型，如公式（1）～（4）所示。
随着溶液pH 升高，浆液中氧含量降低，导致氧化还原反应速率降低，因此需要利用氧化风机，从外界向溶液中送入氧气，促进化学反应向正向反应方向进行。
1.1.2 氧化风量计算
基于亚硫酸根模型，假定所有空气中的氧气被完全利用，可得到理论风量［4］，见式（5）～（6）。
依据历史数据对理论风量值进行修正，控制风量修正公式见式（7）～（8）。
式中：Qop为修正控制风量，Nm3/h；
β 为氧化率，%；
h 为吸收塔内氧化空气喷枪至吸收塔液面的高度，m；
k 为常数，取8.63×10-7。
1.2 pH 智慧调节模型构建
1.2.1 pH 目标值寻优
图1 为浆液pH 目标值寻优过程。基于历史数据及实时数据，通过出口SO2预测模型确定出口SO2预测值，结合出口SO2浓度设定值，通过MMPC 模型寻优pH值运行目标值，同时确保下一步出口SO2浓度在设定值±5 mg/Nm3的范围内波动。
图1 浆液pH 目标值寻优过程
1.2.2 供浆阀门开度计算
供浆阀门开度可依据机理模型和数据模型计算。
（1）机理模型。基于机理模型公式，通过计算出石灰石理论消耗量和理论供给量，并结合阀门-流量理论关系计算供浆阀门开度，如公式（9）～（11）所示。
式中：S 为石灰石理论消耗量，t/h；
Qgas为入口烟气量，Nm3/h；
CSO2为入口SO2浓度，mg/Nm3；
η 为脱硫效率，%；
θ为单位摩尔碳酸钙和二氧化硫的比值，取值1.56；
φ 为钙硫比，取值1.05；
k 为石灰石浓度，为90%～95%；
J 为石灰石浆液理论供给量，t/h；
ρ 为浆液实时密度，g/cm3。
（2）数据模型。对历史数据进行大数据分析，依据pH 实际值、浆液阀门开度、浆液密度、阀门开度之间的关系搭建数据模型。结合pH 运行目标值、pH 实际值等实时数据，计算出浆液阀门开度，如图2 所示。
图2 供浆阀门开度数据模型计算流程
图3 为脱硫系统智慧控制流程图，包括风量智慧调节和浆液pH 智慧调节。风量智慧调节通过氧化模型及氧化风机提醒模型，依据修正调节风量进行风门开度及氧化风机操作控制；
浆液pH 智慧调节通过从多模型预测控制（MMPC）模型得到pH 目标值，结合半自动化pH给定值选定pH 设定值，根据数据模型和机理模型分别确定浆液阀门开度，依据开度控制模型分析各阀门开度的权重系数，最终确定阀门开度，实现对石灰石浆液pH浓度精准控制。通过风量智慧调节和浆液pH 智慧调节，SO2浓度降低的同时可以稳定排放，并且减少脱硫过程中石灰石等物料耗量和关键设备耗电量。
2.1 风门开度智慧调节
氧化风机的风门开度与风量之间呈线性关系，通过电动调阀调节氧化风量。风门调节规则如下：
（1）运行前，风门开度均保持在60%不进行调节，至总风量达到10 000 Nm3/h。
（2）风门开度调整范围确定为25%～60%；
（3）当风门调节至25%时，单台氧化风机电流由300 A降低至275 A 左右，降耗幅度10%左右，单台风量由5 000 Nm3/h 降低至4 700 Nm3/h 左右。
2.2 风机操作智慧控制
基于历史数据建立氧化风机提醒模型，将修正风量、实时的负荷、实时的入口SO2浓度等参数传入模型，确认该工况下氧化风机的操作内容，包括开启、关闭、不操作。模型提醒规则如下：
（1）当理论风量小于单台氧化风机提供的最大风量时，系统提醒关闭1 台氧化风机。
（2）单台氧化风机提供的最大风量是风门开度60%时得到的风量。
2.3 浆液pH 异常提醒
基于pH 运行目标值寻优和开度控制模型实时准确控制石灰石浆液pH，同时根据吸收塔内的浆液密度、入口浓度、氧化风机风量等参数检测，设计浆液中毒报警算法。当浆液中的氟离子和铝离子发生反应生成的络合物过多，阻止石灰石的溶解，导致脱硫效率大大下降，即浆液中毒，则触发模型发出提醒。
3.1 项目概况
本项目为宁波市某发电厂660 MW 超超临界燃煤机组，机组采用石灰石—石膏湿法脱硫工艺，控制方式以人工为主DCS 为辅，因此无法及时根据锅炉工况、脱硫运行工况控制石灰石浆液供给量、氧化风机等关键设备的数据输入，直接导致脱硫系统能耗较高，控制不平稳。在原有的脱硫系统基础上引入脱硫智慧控制系统，优化脱硫系统控制。
3.2 脱硫智慧控制系统投运效果
图4 为脱硫智慧控制系统投运效果对比图。由图4可知，投运期间SO2浓度小时均值＜35 mg/Nm3，达标率100%，智慧控制系统投运后，pH 值趋于稳定，浆液pH能够控制在目标值±0.03 左右，SO2排放波动范围缩小约35%。
图4 SO2 排放浓度控制效果对比图
脱硫智慧控制系统投运前，原机组调节工况时，入口SO2及浆液pH 变化速率较快。为保证排口数据达标，运行人员需要时刻监盘并进行操作。但由于pH 测量存在较大滞后性，人工操作情况下调节浆液pH 会存在过量的情况，需要一段时间的反复调节浆液流量来保证吸收塔系统的稳定。
脱硫智慧控制系统投运后，智慧控制系统通过准确预测污染物浓度变化，及时改变控制对策。通过调节石灰石浆液流量控制浆液pH，将浆液pH 稳定在目标值附近，实现石灰石浆液pH 浓度精准控制，有效节省了人力物力，提高系统运行管理效率。
3.3 氧化风机能耗
图5 为氧化风机能耗波动对比图。由图5 可知，脱硫智慧控制系统投运后，日均氧化风机总能耗明显下降，常规DCS 控制时，氧化风机平均日均能耗为314.68 kW，脱硫智慧控制系统投运后，氧化风机平均日均能耗为247.31 kW，日均能耗下降21.4%。
图5 日均氧化风机总能耗波动对比图
按照年运行时间8 000 h，年可节省电量约为540 MWh；
按照电价0.31 元/kWh 计算，年可节省电费约17 万元；
按照0.302 gce/MWh 折节标煤系数计算，年可节省标煤约0.16 t。
3.4 石灰石耗量
图6 为单位脱硫量所消耗的石灰石耗量波动对比图。由图6 可知，常规DCS 控制时，脱硫系统平均吸收1 t 的SO2需消耗1.19 t 的石灰石；
脱硫智慧控制系统投运后，平均吸收1 t 的SO2消耗1.09 t 的石灰石，石灰石耗量下降了8.4%。
图6 单位脱硫量所消耗的石灰石耗量波动对比图
通过优浆液pH 值运行目标值寻优，智慧控制系统及时调节石灰石浆液供给量，实时智能调节浆液池pH值，实现浆液供给系统和浆液循环喷淋系统协同控制，降低石灰石的包裹损失。
按照日均SO2减排量为2 900 kg/h 计算，智慧控制系统投运前后石灰石耗量分别为3.45 t/h 及3.16 t/h，节约量为0.29 t/h，按照石灰石单价200 元/t 计算，系统年运行时间8 000 h 预计年可节省运行费用46.4 万元。
（1）本文建立了亚硫酸根氧化模型，结合氧化风机提醒模型，通过智慧调控氧化风机风门开度，并准确提示氧化风机启停建议，提前改变控制策略，在保证充分氧化的同时实现氧化风系统的能耗有效降低。
（2）通过浆液pH 值运行目标值寻优，及时调节石灰石浆液供给量，实时智能调节浆液池pH 值，实现浆液供给系统和浆液循环喷淋系统协同控制，有效降低石灰石消耗量。
（3）脱硫智慧控制系统投运后，实现出口SO2浓度全时段安全稳定排放且100%达标，单位脱硫量的石灰石耗量下降了8.4%，氧化风机能耗下降了21.4%，具有良好的经济效益和社会效益。
猜你喜欢 目标值投运石灰石 昆钢120t转炉石灰石造渣留渣操作工艺生产实践昆钢科技(2022年1期)2022-04-19宁夏首个“零碳”供电所建成投运宁夏电力(2022年5期)2022-02-06ML的迭代学习过程电子产品世界(2021年5期)2021-02-09莱钢400m2烧结机提升石灰石配比实践山东冶金(2019年3期)2019-07-10石灰石烧结法从CFB灰中提取氧化铝环境保护与循环经济(2017年4期)2018-01-22变压器投运与维护技术探究现代工业经济和信息化(2016年8期)2016-05-17湖南省首批智能化公交站投运发明与创新(2015年37期)2015-02-27岳阳首座全智能变电站明年投运发明与创新(2015年33期)2015-02-27">不同危险程度患者的降脂目标值——欧洲《血脂异常防治指南》浙江中西医结合杂志(2013年4期)2013-11-08microRNAs and ceRNAs: RNA networks in pathogenesis of cancerChinese Journal of Cancer Research(2013年2期)2013-06-12