基于改进型自抗扰的SCR脱硝系统控制研究

基于改进型自抗扰的SCR脱硝系统控制研究

李茂清1，贾佐梓2

（1.吉林电力股份有限公司，长春 130000；2.吉林电力股份有限公司，长春 130000）

摘  要：当前的SCR脱硝系统面临喷氨过度、出口污染物超标等的现状，由于SCR脱硝控制难度大，因此需要针对该系统研究更加精确的控制算法。本文采用了一种改进型的自抗扰控制器(MLADRC)，该控制器利用惯性环节对对象的大迟延、大惯性特性进行补偿，并与其他多种控制器进行控制性能比较。仿真结果表明该控制器具有较强的设定点跟踪能力，在抑制扰动的能力上弱于另一种改进型自抗扰控制器，但是优于其他控制器。模型参数摄动的蒙特卡洛模拟试验结果表明，该控制器具有较强的鲁棒性能，控制性能较其他几种控制器强。同时该控制器结构简单，易于在DCS组态中实现，具有现场应用的潜力。

关键词：SCR脱硝系统；改进型自抗扰控制器；高阶惯性环节；鲁棒性；优化控制

1 引  言

选择性催化还原技术（Selective Catalytic Reduction，SCR）是我国火力发电厂最常用的烟气脱硝技术之一[1]。SCR烟气脱硝效果好坏的最主要因素是喷氨量，因此，对SCR脱硝系统的控制系统需要进行更加精确的设计。

设计控制器之前需要获得有效的SCR脱硝系统控制模型。通常，SCR脱硝控制系统常规的控制方式采用前馈-反馈调节手段。通过入口质量浓度测量值和烟气质量流量等预先设置氨氮物质的量比来给定前馈量，反馈环节主要依据出口测量值来调节喷氨量，广泛采用串级PID控制模式。根据当前的情况，国内外许多学者已经提出了许多优化建模方法和控制策略。刘吉臻等提出了自适应多尺度核偏最小二乘脱硝系统建模方法,并利用多变量预测控制进行优化控制的研究。侯鹏飞提出了一种适用于变工况运行的多模切换 DMC-PID 串级预测控制方法，达到了良好的控制目标。马增辉等提出了一种鲁棒抗扰动控制方法，仿真验证了该控制方法具有良好的鲁棒性。深度学习和智能控制方法能够利用海量的历史数据，在对复杂对象的控制过程中可以发挥独特的作用。王瑾等利用粒子群算法对出口定值进行了优化。周洪煜等人提出了一种创新的喷氨流量控制方法，该方法基于混结构RBF神经网络（MS-RBFNN），旨在实现最优控制。试验结果表明相比于传统PID控制算法，该方法拥有更好的控制效果。牛玉广等人开发了一种单神经元自适应-人工鱼群滚动寻优控制算法(RSNAAFS)，用于优化喷氨量的控制，此外，他们还提出了一种针对SCR系统的分区控制方案，利用了单神经元自适应-模拟退火算法和深度粒子群算法，提高了SCR脱硝系统控制的精确性。

上述研究针对SCR脱硝系统方面的建模和控制难题提出了一系列的方法，然而，由于以上算法较为复杂，这些算法目前还难以直接应用于电厂组态中。为了解决这一问题，自抗扰控制技术（Active disturbance rejection control, ADRC）被提出，ADRC将系统未建模动态和未知干扰视为总扰动，通过使用扩张状态观测器来估计系统未建模动态和未知干扰，并在反馈控制中进行消除。在SCR脱硝系统的优化控制研究中，黄宇等人将线性自抗扰控制应用于SCR脱硝系统的外回路控制，并采用频率分析的方法来设定控制器参数。Wu Z L等人对线性自抗扰控制器进行了改良，提出了一种利用高阶惯性环节代替纯迟延进行补偿的改进型线性自抗扰控制器[2]，在过热汽温的控制中进行了现场应用，取得了一定的控制效果，并且将该控制器应用到了循环流化床锅炉的控制中，进行了一定的仿真和试验研究[3]，证明了该类控制器相比于线性自抗扰、PI等控制器的优越性。本文的仿真结果将有利于在SCR控制脱硝系统优化的工程实践中选择更加合适的控制器。

2 脱硝系统的控制目标与控制结构

SCR脱硝系统的工作原理是利用催化剂，将加入的还原剂与烟气中的反应，将其还原成和。通常采用的还原剂是氨气。催化剂的工作温度一般在320以上。随着机组负荷的降低，烟气温度的也随之降低，当温度低于其工作温度时，催化剂可能会失效。因此，为了提高脱硝系统在低负荷工作时的安全性，有必要进行相应的改造或使用低温催化剂。

脱硝系统中涉及的主要化学反应方程式为：

   （1）

在上述的反应方程中，如果喷入的氨量不足，将无法与烟气中的进行充分反应，无法达到完全消除的目的。相反，喷入的氨量过多，会与烟气中的反应生成硫酸盐，这会降低催化剂的效率和寿命，同时增加运行成本，并可能导致堵塞空气预热器，降低锅炉效率。因此，SCR脱硝系统有两个重要的控制目标：其一是控制SCR脱硝系统出口的含量达到规定要求；其二是控制氨逃逸率不超过标准，以避免喷氨过量。由于这些控制目标，需要更加精确地设计SCR脱硝控制系统。典型的SCR串级控制系统结构如图1所示。

图1 SCR脱硝控制系统系统串级控制

其中，为出口含量的设定值，

为出口含量的测量值，为内外扰动，为喷氨质量流量传递函数，为烟气脱硝系统出口质量浓度传递函数。在内回路中，通常采用PID控制器作为控制器，而本文的重点是研究外回路的控制器。

通常火电机组各环节对象可以简化成如下的高阶模型：

          （2）

其中，，和分别表示稳态增益，时间常数，阶次和迟延时间。SCR脱硝系统过程中包含质量、热量传递等过程，是典型的高阶环节，阶次往往在3阶以上。

3 改进型线性自抗扰控制器

3.1 线性自抗扰控制器

通常情况下，考虑了内外扰动的模型（2）可以改写成以下方程表示：

（3）

其中，为输出，为输入，为系统状态变量，为系统扰动，为系统的增益系数，为系统广义扰动，为系统内部未知扰动和系统外部扰动的结合。将扩展为一个新状态变量，假设可微并且，令

则模型X可以表示为：

  （4）

其中，

据此设计LESO为

（5）

其中，为观测器增益。

当渐进稳定时，LESO估计变量中的分别趋近于系统状态变量，趋近于系统广义扰动，在得到系统广义扰动的估计值后，可以设计控制率为

    （6）

可以实现的快速消除和抑制。在引入控制器带宽和观测器带宽等概念后，线性自抗扰控制器需要整定的参数就转化成，和这三个参数。

3.2 改进型自抗扰控制器

针对大迟延控制系统，带有延迟环节补偿的线性自抗扰控制器（DLADRC）已经在该系统上进行了仿真研究，控制器如图2所示。

图2 带纯迟延补偿的线性自抗扰控制器

本文采用如下所示的改进型线性自抗扰控制器（MLADRC），示意图如图3所示：

图3 本文中的改进型线性自抗扰控制器

其中为该控制器中的改进部分，

     （7）

其中含义与公式（2）中相似，表示阶次（）。

MLADRC采用高阶惯性环节代替纯迟延环节，不需要有精确的过程对象数学模型。同时可以得到补偿系统示意图如图4所示。

图4 补偿系统

     （8）

由上可知，配上该补偿环节，可以对高阶系统进行降阶，如果迟延时间为0，则可以选定，将整个系统近似的看作一阶或者二阶系统，降低对象阶次，有利于大惯性对象的控制[22]。

3.3 参数整定方法

由于SCR脱硝系统具有大迟延、大惯性、时变的特性，难以直接且精确地表示成类似公式（2）的形式，并且和难以直接确定。因此，在这里将其视为待定系数。

本文主要采用带有交叉因子的粒子群算法来优化控制器参数，以确定最佳控制器参数。优化目标函数选择为：

      （9）

其中，为控制系统输出，在SCR脱硝系统中为出口质量浓度测量值，为其设定值。

4. 仿真研究结果

本文的控制模型来自参考文献[21]，某电厂烟气脱硝控制系统在80%额定负荷下的控制模型详细列于表1。针对内回路，采用了比例控制方式，并设定比例系数为0.15。对于外回路，分别采用了PID、LADRC、DLADRC和MLADRC进行仿真试验。在本文中，自抗扰控制采用了二阶LADRC。PID控制器的结构采用了以下形式：PID控制器结构采用如下形式：

      （10）

所有控制器的参数均经过3.3参数整定方法确定，得到的参数见表2。

表1 控制模型

表2 控制器参数

4.1 控制性能分析

图5 设定值追踪仿真结果

由仿真结果图5和表2可以看到，MLADRC具有最优的设定值追踪能力，评价指标，其次为DLADRC控制器，。由仿真图6可以看到各种控制器抗干扰能力，橙色虚线为发生的两次扰动，大小分别为0.2和-0.4，抗干扰能力最强的是DLADRC，其次为MLADRC。

图6 扰动试验结果

4.3 控制器的鲁棒性

SCR脱硝系统受到机组运行负荷的变化，烟气挡板等控制，由于不同负荷下模型的差异较大，且受到复杂的干扰源影响，导致模型时间常数、迟延时间等在不同条件下变化较大。因此，为了检验不同控制器的鲁棒性能，我们假设扰动引起的模型变化部分全部叠加到外环上。具体来说，假设模型参数面临以下变化：：

其中，

进行200次Monte Carlo模拟，每次模拟所有被控对象保持一致，根据在每种控制器作用下与设定值的偏差绝对误差积分和稳定时间可以得到图7。

图7 扰动试验结果

为了便于比较，计算了每种控制器在200次结果下的平均值，由‘X’做标记。由上图可知在发生模型扰动的时候各控制器的控制效果均会发生一定程度上的减弱，MLADRC控制器的偏差绝对误差积分平均值降低成165左右，DLADRC控制器的偏差绝对误差积分平均值降低成170左右，Fuzzy-PI控制器的偏差绝对误差积分平均值降低成了210左右，均低于最优数值。其中DLADRC对模型精度的依赖程度较高，在发生模型参数扰动的情况下，虽然稳定时间与MLADRC和LADRC类似，但是IAE指标较高，平均的控制效果甚至弱于LADRC。虽然MLADRC的控制效果随着被控模型参数的摄动而同时变差，但其平均控制效果依然高于DLADRC，说明该控制器的控制效果对模型的依赖程度弱于DLADRC。

5 总结

SCR脱硝系统是实现燃煤火电机组环境友好性的重要设备之一。但是由于SCR脱硝控制系统的大迟延、大惯性、时变等等的特性，造成了该控制系统自动投入困难、调节效果差的使用现状。控制算法的研究是提升SCR脱硝控制系统控制效果的重要途径之一。

本文研究了一种改进型的线性自抗扰控制，该控制已经在主蒸汽温度控制、循环流化床锅炉控制中取得了一定的应用。本文同时将该改进型的控制器与前述研究中的部分控制器效果进行了比对，仿真结果表明，MLADRC在设定值跟踪性能上优于其余控制器，但是在外来扰动克服的能力上弱于DLADRC，并优于其余控制器。模型参数摄动的蒙特卡洛模拟仿真结果，表明相比于MLADRC，DLADRC对模型精确度的依赖程度较高，一旦被控对象模型失配，其控制性能下降的程度较高。模型参数偏差较大的情况下，容易出现发散的现象。因此，从设定值追踪，鲁棒性等角度综合来考虑，MLADRC比DLADRC更具有现场应用价值。同时，我们可以观察到MLADRC的计算模块较简单，是容易在多数DCS中进行直接组态的一种控制算法，具有广阔的应用前景。

参考文献(References)

[1]ICAC, White Paper: Selective Catalytic Reduction (SCR) for NOx Emissions from Fossil Fuel-Fired Electric Power Plants. Institute of Clean Air Companies (ICAC), 2009.

[2]WU Z L, HE T, LI D H, XUE Y L, SUN L, SUN L M. Superheated steam temperature control based on modified active disturbance rejection control. Control Engineering Practice, 2019, 83: 83-97.

[3]WU Z L, LI D H, XUE Y L, SUN L M, HE T, ZHENG S. Modified active disturbance rejection control for fluidized bed combustor. ISA Transactions, 2020, 102: 135-153.