燃煤机组超低排放系统运行优化研究进展 -中国期刊网

首页 > 《科学与技术》 > 2021年16期 > 燃煤机组超低排放系统运行优化研究进展

（整期优先）网络出版时间：2021-10-19

作者: 刘晓冰 1 ，赵健 2 ，王冰 1 ，王丁振 2 ，何永兵 3 ，黄裕栋 3 ，张成健

资料简介

摘要：煤炭燃烧产生的污染物是造成我国大气污染的重要原因，随着国家大气污染物排放标准的日益提升，燃煤烟气中SO2、NOx和烟尘等主要污染物排放量显著降低。但当前燃煤机组超低排放系统的运行多采用人工控制，在机组变负荷、变煤种的条件下烟气处理量、污染物成分随之动态变化，由于缺乏对超低排放系统的优化与智能调控，难以实现超低排放系统的稳定、高效、经济运行。针对上述问题，超低排放系统需进行运行优化，对各环保装置进行精细化控制与智能化管理，使运行参数控制在合理范围内。本文综述了现阶段超低排放系统中脱硫、脱硝及除尘运行优化的研究现状，对超低排放系统的运行优化进行了展望，可为超低排放系统的智能化调控及经济稳定运行提供理论参考。关键词：燃煤机组；超低排放；运行优化 0 引言我国能源结构以煤炭为主，2020年我国原煤量生产约为38.4亿t，比上一年增长0.9%，预计在接下来的几十年甚至更长时间内，煤炭仍将会是我国能源消费的主力。这其中，燃煤发电在国民经济中发挥了不可替代的作用，2021年根据中电联发布的《中国电力行业年度发展报告》，上一年度我国火力发电总量为51770亿kW·h，其中燃煤发电为46296亿kW·h，约占发电总量的60.7%[1]。作为煤炭生产消费大国，煤炭燃烧会产生大量有害污染物，包括硫氧化物、氮氧化物、烟尘、一氧化碳，以及砷、汞、铅、铬等重金属。这些污染物的长期持续排放会对大气环境造成不可逆的破坏，严重威胁到人类的生命健康和动植物的生长[2]-[4]。绿色、清洁、低碳是我国燃煤发电可持续发展的必经之路。近年来，随着国家大气污染物排放标准的日益提升，燃煤烟气中SO2、NOx和烟尘等主要污染物的排放量已经显著降低，截止到2020年底，达到超低排放限值的煤电机组约9.5亿kW，约占全国煤电总装机容量的88%[1]；可以说，我国已经建成了全球最完善、最清洁的燃煤发电电力体系。虽然我国燃煤机组超低排放系统已经取得巨大突破，但超低排放系统的实际运行仍有优化提升的空间。脱硫系统、脱硝系统和除尘器系统是燃煤机组超低排放系统的主要组成部分，当前燃煤机组超低排放系统的运行操作多采用人工控制，在燃煤机组变负荷、变煤种的工况条件下烟气处理量、烟气温度、烟气中污染物成分、烟气中各污染物浓度随之动态变化，由于在机组运行过程中缺乏对超低排放系统的优化与智能调控，难以实现超低排放系统的稳定、高效、经济运行。针对上述问题，燃煤机组超低排放系统的运行需进一步优化，对超低排放系统内各环保装置和设备进行精细化、智能化控制与管理，使整个超低排放系统的运行参数控制在合理范围内[2-4]。本文综述了现阶段超低排放系统中脱硫、脱硝及除尘运行优化的研究现状，对超低排放系统的运行优化进行了展望，可为超低排放系统的智能化调控及经济稳定运行提供理论参考。 1脱硫系统运行优化研究进展脱硫系统脱硫效率的影响因素脱硫系统对燃煤烟气中二氧化硫的脱除涉及多个物理、化学过程，机组负荷、脱硫系统设计参数、燃煤烟气参数、脱硫吸收剂参数、脱硫系统运行参数等都会影响脱硫系统对烟气中二氧化硫的脱除，本文主要从吸收塔浆液pH值、液气比、钙硫比、吸收塔浆池液位、吸收塔浆液密度、浆液F-/Cl-离子浓度、氧化风量等运行参数条件对脱硫效率的影响进行论述。脱硫系统运行优化研究现状燃煤机组脱硫系统通过增加喷淋层、塔内安装提效构件（合金托盘、筛板、旋汇耦合器等）、增设塔外浆池（单塔双循环）、增设二级塔（双塔双循环）等改造措施后，可实现不同机组负荷、不同煤质下SO2的超低排放；但部分燃煤机组脱硫系统存在偏离设计工况运行、脱硫关键设备选型不合理、脱硫设备自动化水平低、脱硫系统调节灵活性差等问题，造成脱硫系统能耗高、运行人员操作量大；如何提升脱硫系统运行的安全性、经济性、稳定性，实现节能和减排的双赢，是现有脱硫系统的工作重点。[5][6] 燃煤机组脱硫系统运行优化主要有优化循环浆液泵组合方式、浆液pH值和氧化风机等。不少学者和研究人员运用先进数据挖掘方法对脱硫系统历史运行数据进行处理，优化脱硫系统运行方式，得到最佳运行条件。李玉州等[7]通过分析某电厂脱硫系统实际运行数据，搭建了基于随机森林的脱硫系统入口烟气SO2浓度预测模型，通过脱硫系统实际运行数据对模型进行验证，结果表明该模型对入口烟气SO2浓度的预测具有较好的准确性。罗启圭等[8]基于脱硫系统历史运行数据和在线监测数据，应用支持向量机回归方法构建了脱硫系统SO2排放预测模型和总能耗预测模型，预测结果与实际运行结果最大相对误差均小于10%，预测结果具有较好准确性。循环浆液泵是湿法烟气脱硫系统中的主要耗电设备，对循环浆液泵进行运行优化，可降低脱硫系统总电耗，提高脱硫系统的经济性。徐遵义等[9]针对循环浆液泵提出了一种基于历史运行数据、聚类和分类相结合的运行优化方法，对不同运行工况下循环浆液泵历史操作数据自动寻优，得到循环泵最佳运行方式；通过某电厂实测数据仿真实验表明，使用该循环浆液泵运行优化方法，循环浆液泵总耗电量最大可降低21.55%。聂涛等[10]分析某电厂脱硫系统浆液循环泵历史运行数据，采用聚类分析法研究了循环浆液泵运行方式与机组负荷、入口烟气SO2浓度等之间的关系，获得了不同工况下循环浆液泵的最优运行组合方式，在保证脱硫系统出口烟气SO2浓度达标条件下，系统运行的稳定性和经济性得到了有效提升。许丹等[11]通过模糊建模方法，搭建了循环浆液泵故障诊断模型和脱硫系统运行优化模型，该模型在某70MW机组湿法脱硫系统中进行了实验验证，脱硫系统运行水平得到了提高，为实现脱硫系统的节能降耗、安全稳定运行提供了技术支撑。循环浆液的pH值是脱硫系统运行的重要指标，吸收塔浆液pH值过高或过低都将影响脱硫系统的脱硫效率甚至脱硫系统的运行安全。吸收塔浆液pH值的控制具有滞后性，侯雪峰等[12]基于混沌模拟粒子群优化算法（SAPSO）构建了神经网络PID控制器，通过各运行参数自适应调整提高全局搜索能力，使浆液pH值控制在5.5~5.7，促进了SO2在吸收塔浆液中的溶解和吸收，有效提高了SO2的脱除效率。黄磊等[13]提出了一种基于串级变比值模糊PID的控制方法，通过Matlab/Simulink理论分析和仿真实验验证，该控制方法可增强脱硫系统运行稳定性，优化吸收塔浆液pH值的控制。邓若辰等[14]采用粒子群算法对分数阶PID控制器的各参数进行优化控制，通过仿真实验，分数阶PID控制器优于传统PID控制器，可缩短调节时间，降低超调量，优化吸收塔浆液pH值的控制，提高脱硫系统的抗干扰性能和鲁棒性。范吴鹏等[15]基于粒子群算法，针对浆液pH值、浆液流量和机组负荷等参数得到双输入输出模型，通过前馈-反馈复合控制方法降低了干扰变量的影响，并结合预测函数（PFC）和模糊反馈校正设计出模糊预测控制器（PFPID），该控制方式可将浆液pH值维持在5.6左右，使出口SO2排放浓度小于30mg/m3。付文秀[16]通过粒子群算法对影响吸收塔浆液pH值的关键运行参数进行优化，改善了吸收塔浆液pH值的控制效果。徐哲炜等[17]针对燃煤机组脱硫系统运行不稳定、能耗高、物耗高等问题，将关联规则算法应用于运行工况参数的优化，并通过增加剪枝条件、约束关联规则等对关联规则算法进行改进，以减少占用空间、降低运算时间，实际运行结果表明，改进后关联规则算法的运算耗时减少93.9%，SO2平均排放浓度较优化前降低31%。舒坚等[18]提出了基于动态矩阵算法（DMC）的脱硫系统优化策略，通过粒子群优化算法结合机理模型对传递函数进行参数寻优，建立了DMC运行优化控制策略，将DMC控制和PID控制同时引入某220t/h机组湿法脱硫系统，运行结果表明，DMC控制下脱硫系统出口SO2排放浓度分布更集中，变化范围更小，浆液循环泵的总电耗更低，脱硫系统的运行具有很好的稳定性和经济性。Guo等[19]开发了一种数学模型与人工神经网络相结合的新型脱硫系统运行优化模型，通过某1000MW机组运行数据进行验证，该模型可使SO2排放量降低31.02%。 2脱硝系统运行优化研究进展 2.1脱硝系统脱硝效率的影响因素分析选择性催化还原（SCR）脱硝技术，在火电、钢铁、水泥等多个领域的脱硝过程中均实现了广泛应用，是一种成熟、高效、稳定的脱硝技术。影响SCR脱硝效率的因素主要有催化剂性能、反应温度、氨氮摩尔比、空间速度、烟气含氧量等。 2.2脱硝系统运行优化研究现状目前，燃煤机组选择性催化还原（SCR）脱硝系统存在的主要问题包括：脱硝系统入口烟气各参数与出口烟气各参数测量值延迟、脱硝系统进出口NOx测点测量值失真、喷氨量控制不灵敏、喷氨量远超设计值及氨逃逸等。赵乾[20]采用动态神经网络搭建了脱硝系统效率预测模型，该模型通过机组负荷，烟气进出口NOx浓度、烟气温度，出口氨逃逸浓度等参数预测系统脱硝效率，并通过仿真模拟对喷氨量进行优化，降低了脱硝系统氨逃逸量。翁卫国等[21]利用某电厂脱硝系统历史运行数据，建立了SCR脱硝系统入口软测量模型(SS)，将入口烟气NOx浓度软测量与运行控制系统相结合，建立SS-PID与SS-DMC的控制方式，通过喷氨量优化控制，有效降低了脱硝系统出口NOx浓度的波动，降低了喷氨量。Zhang等[22]基于软测量与模型辨识，建立了对喷氨量进行优化控制的预测模型，与传统PID控制相比，该预测模型对喷氨量的控制效果更好，可有效减少还原剂氨的使用量、降低脱硝系统的运行成本。高学伟等[23]采用脱硝系统的历史运行数据，建立了基于混合群智能算法 ACO+PSO的核极限学习机，该模型结合了粒子群算法和蚁群法的优点，对脱硝系统各参数的预测精度较高，能够实现喷氨量的精准控制和脱硝系统的运行优化。孙哲等[24]采用人工智能技术建立了SCR脱硝系统模型，利用智慧优化控制系统（TOCS）强大的自学习与自我进化能力不断完善系统模型，实现对脱硝系统运行状态的预测和各控制量的精确计算，并在某300MW机组上进行了验证，该控制系统投运后，在保证脱硝系统出口烟气NOx排放浓度达标的条件下，喷氨量显著减少，氨逃逸得到有效控制。秦天牧等[25]基于多尺度核偏最小二乘法搭建了SCR脱硝系统控制模型，该模型可对喷氨量进行精确控制，在降低脱硝系统出口烟气NOx排放浓度的同时，有效减少了喷氨量、降低了氨逃逸量。 3除尘系统运行优化研究进展 3.1除尘系统除尘效率的影响因素在燃煤机组的超低排放系统中，一般最首要的脱除系统就是除尘器，常用的除尘器有电除尘器、袋式除尘器和电袋除尘器。影响除尘系统除尘效率的因素很多，如高压电源二次电压、烟气流速、粉尘性质和振打周期等，都是至关重要不可忽视的影响因素。 3.2除尘系统运行优化研究现状电除尘器运行优化的目标是根据煤质及负荷变化，在出口烟尘浓度达标情况下，使除尘系统的运行具有稳定性和经济性。郭一杉等[26]-[28]构建了多电场电除尘系统的优化方法，研究对比了粒子群算法和蚁群算法对电除尘系统的优化效果，发现粒子群算法寻优结果优于蚁群算法，经优化后的电除尘系统的能耗降低30%以上。黄悦琪[4]通过加入动态的罚函数和变异操作，提出了改进的粒子群优化算法，提高了优化算法的寻优效率和稳定性，该算法在实际运行的静电除尘系统中进行了试验研究，试验结果表明该算法可有效降低电除尘系统的能耗。徐哲炜[2]采用差分进化算法对静电除尘系统进行运行优化，实验结果表明，在除尘系统出口烟尘排放浓度低于20mg/m3的条件下，除尘系统运行成本可降低5.39%，运行优化效果显著。徐高峰[29]采用基于K均值聚类算法的全监督RBF神经网络，建立了电除尘系统出口烟尘浓度与电源电压的关系，该模型以电除尘系统出口烟尘排放浓度为设定限值，以电除尘系统运行能耗最小为目标，采用遗传算法对电除尘系统的高压电源参数进行了节能优化研究。田莉[30]从电除尘系统除尘机理出发，通过研究静电除尘系统除尘效率的影响因素，构建了除尘效率神经网络模型，并应用遗传算法对高压电源参数进行优化，达到降低除尘系统总能耗的目标。Grass等[31]-[33]提出了电除尘系统的模糊控制策略，将电除尘器的电场分为入口段、中间段与出口段三级，建立三级电场运行参数与负荷的模糊关系，实现了电除尘系统的优化运行，能耗降低40-60%。Li等[34]同样基于RBF神经网络，搭建了电除尘器出口烟尘排放浓度和高压电源二次电压的数学模型，并采用遗传算法研究了电除尘系统节能运行优化策略。 4燃煤机组超低排放系统运行优化展望当前针对燃煤机组污染物脱除装置的运行优化研究，大多以单一污染物脱除装置为研究对象，研究单一污染物脱除装置对单一污染物的脱除，而针对多种污染物脱除装置对多种污染物协同脱除过程的运行优化研究相对较少。相较于单一污染物脱除装置的控制研究，燃煤机组超低排放系统工艺流程长，部分装置对多种污染物具有协同脱除作用，各污染组分间存在相互耦合与竞争关系。超低排放系统是一个具有大范围变负荷、多工况、非线性、变参数、多种污染物、多排放限值等特征的复杂工业过程。在燃煤机组超低排放系统进行运行时，应尽可能全面地考虑超低排放系统中各污染物脱除装备对多种污染物的协同作用，从而有针对性地对各污染物脱除装备运行参数提供指导，在保证各污染物浓度排放达标的同时，最大限度地降低能耗和物料的使用。另外，在今后的超低排放系统运行优化中，不应只考虑SO2、NOx、烟尘等常规污染物的脱除，还应考虑对重金属汞、SO3、NH3等非常规污染物的脱除；在双碳政策背景下，也应考虑超低排放系统对CO2排放的影响。

/ 7

燃煤机组超低排放系统运行优化研究进展刘晓冰 1 ，赵健 2 ，王冰 1 ，王丁振 2 ，何永兵 3 ，黄裕栋 3 ，张成健 2 1. 华电潍坊发电有限公司，山东潍坊 261000； 2. 浙江大学能源工程设计研究院有限公司，浙江杭州 310007； 3. 华电电力科学研究院有限公司，浙江杭州 310030

摘要：煤炭燃烧产生的污染物是造成我国大气污染的重要原因，随着国家大气污染物排放标准的日益提升，燃煤烟气中SO₂、NO_x和烟尘等主要污染物排放量显著降低。但当前燃煤机组超低排放系统的运行多采用人工控制，在机组变负荷、变煤种的条件下烟气处理量、污染物成分随之动态变化，由于缺乏对超低排放系统的优化与智能调控，难以实现超低排放系统的稳定、高效、经济运行。针对上述问题，超低排放系统需进行运行优化，对各环保装置进行精细化控制与智能化管理，使运行参数控制在合理范围内。本文综述了现阶段超低排放系统中脱硫、脱硝及除尘运行优化的研究现状，对超低排放系统的运行优化进行了展望，可为超低排放系统的智能化调控及经济稳定运行提供理论参考。

关键词：燃煤机组；超低排放；运行优化

0 引言

我国能源结构以煤炭为主，2020年我国原煤量生产约为38.4亿t，比上一年增长0.9%，预计在接下来的几十年甚至更长时间内，煤炭仍将会是我国能源消费的主力。这其中，燃煤发电在国民经济中发挥了不可替代的作用，2021年根据中电联发布的《中国电力行业年度发展报告》，上一年度我国火力发电总量为51770亿kW·h，其中燃煤发电为46296亿kW·h，约占发电总量的60.7%^[1]。作为煤炭生产消费大国，煤炭燃烧会产生大量有害污染物，包括硫氧化物、氮氧化物、烟尘、一氧化碳，以及砷、汞、铅、铬等重金属。这些污染物的长期持续排放会对大气环境造成不可逆的破坏，严重威胁到人类的生命健康和动植物的生长^[2]^-[4]。

绿色、清洁、低碳是我国燃煤发电可持续发展的必经之路。近年来，随着国家大气污染物排放标准的日益提升，燃煤烟气中SO₂、NO_x和烟尘等主要污染物的排放量已经显著降低，截止到2020年底，达到超低排放限值的煤电机组约9.5亿kW，约占全国煤电总装机容量的88%^[1]；可以说，我国已经建成了全球最完善、最清洁的燃煤发电电力体系。虽然我国燃煤机组超低排放系统已经取得巨大突破，但超低排放系统的实际运行仍有优化提升的空间。

脱硫系统、脱硝系统和除尘器系统是燃煤机组超低排放系统的主要组成部分，当前燃煤机组超低排放系统的运行操作多采用人工控制，在燃煤机组变负荷、变煤种的工况条件下烟气处理量、烟气温度、烟气中污染物成分、烟气中各污染物浓度随之动态变化，由于在机组运行过程中缺乏对超低排放系统的优化与智能调控，难以实现超低排放系统的稳定、高效、经济运行。针对上述问题，燃煤机组超低排放系统的运行需进一步优化，对超低排放系统内各环保装置和设备进行精细化、智能化控制与管理，使整个超低排放系统的运行参数控制在合理范围内^[2-4]。本文综述了现阶段超低排放系统中脱硫、脱硝及除尘运行优化的研究现状，对超低排放系统的运行优化进行了展望，可为超低排放系统的智能化调控及经济稳定运行提供理论参考。

1脱硫系统运行优化研究进展

2. 脱硫系统脱硫效率的影响因素

脱硫系统对燃煤烟气中二氧化硫的脱除涉及多个物理、化学过程，机组负荷、脱硫系统设计参数、燃煤烟气参数、脱硫吸收剂参数、脱硫系统运行参数等都会影响脱硫系统对烟气中二氧化硫的脱除，本文主要从吸收塔浆液pH值、液气比、钙硫比、吸收塔浆池液位、吸收塔浆液密度、浆液F^-/Cl^-离子浓度、氧化风量等运行参数条件对脱硫效率的影响进行论述。

2. 脱硫系统运行优化研究现状

燃煤机组脱硫系统通过增加喷淋层、塔内安装提效构件（合金托盘、筛板、旋汇耦合器等）、增设塔外浆池（单塔双循环）、增设二级塔（双塔双循环）等改造措施后，可实现不同机组负荷、不同煤质下SO₂的超低排放；但部分燃煤机组脱硫系统存在偏离设计工况运行、脱硫关键设备选型不合理、脱硫设备自动化水平低、脱硫系统调节灵活性差等问题，造成脱硫系统能耗高、运行人员操作量大；如何提升脱硫系统运行的安全性、经济性、稳定性，实现节能和减排的双赢，是现有脱硫系统的工作重点。^[5][6]

燃煤机组脱硫系统运行优化主要有优化循环浆液泵组合方式、浆液pH值和氧化风机等。不少学者和研究人员运用先进数据挖掘方法对脱硫系统历史运行数据进行处理，优化脱硫系统运行方式，得到最佳运行条件。

李玉州等^[7]通过分析某电厂脱硫系统实际运行数据，搭建了基于随机森林的脱硫系统入口烟气SO₂浓度预测模型，通过脱硫系统实际运行数据对模型进行验证，结果表明该模型对入口烟气SO₂浓度的预测具有较好的准确性。罗启圭等

^[8]基于脱硫系统历史运行数据和在线监测数据，应用支持向量机回归方法构建了脱硫系统SO₂排放预测模型和总能耗预测模型，预测结果与实际运行结果最大相对误差均小于10%，预测结果具有较好准确性。

循环浆液泵是湿法烟气脱硫系统中的主要耗电设备，对循环浆液泵进行运行优化，可降低脱硫系统总电耗，提高脱硫系统的经济性。徐遵义等^[9]针对循环浆液泵提出了一种基于历史运行数据、聚类和分类相结合的运行优化方法，对不同运行工况下循环浆液泵历史操作数据自动寻优，得到循环泵最佳运行方式；通过某电厂实测数据仿真实验表明，使用该循环浆液泵运行优化方法，循环浆液泵总耗电量最大可降低21.55%。聂涛等^[10]分析某电厂脱硫系统浆液循环泵历史运行数据，采用聚类分析法研究了循环浆液泵运行方式与机组负荷、入口烟气SO₂浓度等之间的关系，获得了不同工况下循环浆液泵的最优运行组合方式，在保证脱硫系统出口烟气SO₂浓度达标条件下，系统运行的稳定性和经济性得到了有效提升。许丹等^[11]通过模糊建模方法，搭建了循环浆液泵故障诊断模型和脱硫系统运行优化模型，该模型在某70MW机组湿法脱硫系统中进行了实验验证，脱硫系统运行水平得到了提高，为实现脱硫系统的节能降耗、安全稳定运行提供了技术支撑。

循环浆液的pH值是脱硫系统运行的重要指标，吸收塔浆液pH值过高或过低都将影响脱硫系统的脱硫效率甚至脱硫系统的运行安全。吸收塔浆液pH值的控制具有滞后性，侯雪峰等^[12]基于混沌模拟粒子群优化算法（SAPSO）构建了神经网络PID控制器，通过各运行参数自适应调整提高全局搜索能力，使浆液pH值控制在5.5~5.7，促进了SO₂在吸收塔浆液中的溶解和吸收，有效提高了SO₂的脱除效率。黄磊等^[13]提出了一种基于串级变比值模糊PID的控制方法，通过Matlab/Simulink理论分析和仿真实验验证，该控制方法可增强脱硫系统运行稳定性，优化吸收塔浆液pH值的控制。邓若辰等^[14]采用粒子群算法对分数阶PID控制器的各参数进行优化控制，通过仿真实验，分数阶PID控制器优于传统PID控制器，可缩短调节时间，降低超调量，优化吸收塔浆液pH值的控制，提高脱硫系统的抗干扰性能和鲁棒性。范吴鹏等^[15]基于粒子群算法，针对浆液pH值、浆液流量和机组负荷等参数得到双输入输出模型，通过前馈-反馈复合控制方法降低了干扰变量的影响，并结合预测函数（PFC）和模糊反馈校正设计出模糊预测控制器（PFPID），该控制方式可将浆液pH值维持在5.6左右，使出口SO₂排放浓度小于30mg/m³。付文秀^[16]通过粒子群算法对影响吸收塔浆液pH值的关键运行参数进行优化，改善了吸收塔浆液pH值的控制效果。

徐哲炜等^[17]针对燃煤机组脱硫系统运行不稳定、能耗高、物耗高等问题，将关联规则算法应用于运行工况参数的优化，并通过增加剪枝条件、约束关联规则等对关联规则算法进行改进，以减少占用空间、降低运算时间，实际运行结果表明，改进后关联规则算法的运算耗时减少93.9%，SO₂平均排放浓度较优化前降低31%。舒坚等^[18]提出了基于动态矩阵算法（DMC）的脱硫系统优化策略，通过粒子群优化算法结合机理模型对传递函数进行参数寻优，建立了DMC运行优化控制策略，将DMC控制和PID控制同时引入某220t/h机组湿法脱硫系统，运行结果表明，DMC控制下脱硫系统出口SO₂排放浓度分布更集中，变化范围更小，浆液循环泵的总电耗更低，脱硫系统的运行具有很好的稳定性和经济性。Guo等^[19]开发了一种数学模型与人工神经网络相结合的新型脱硫系统运行优化模型，通过某1000MW机组运行数据进行验证，该模型可使SO₂排放量降低31.02%。

2脱硝系统运行优化研究进展

2.1脱硝系统脱硝效率的影响因素分析

选择性催化还原（SCR）脱硝技术，在火电、钢铁、水泥等多个领域的脱硝过程中均实现了广泛应用，是一种成熟、高效、稳定的脱硝技术。影响SCR脱硝效率的因素主要有催化剂性能、反应温度、氨氮摩尔比、空间速度、烟气含氧量等。

2.2脱硝系统运行优化研究现状

目前，燃煤机组选择性催化还原（SCR）脱硝系统存在的主要问题包括：脱硝系统入口烟气各参数与出口烟气各参数测量值延迟、脱硝系统进出口NOx测点测量值失真、喷氨量控制不灵敏、喷氨量远超设计值及氨逃逸等。

赵乾^[20]采用动态神经网络搭建了脱硝系统效率预测模型，该模型通过机组负荷，烟气进出口NOx浓度、烟气温度，出口氨逃逸浓度等参数预测系统脱硝效率，并通过仿真模拟对喷氨量进行优化，降低了脱硝系统氨逃逸量。翁卫国等^[21]利用某电厂脱硝系统历史运行数据，建立了SCR脱硝系统入口软测量模型(SS)，将入口烟气NOx浓度软测量与运行控制系统相结合，建立SS-PID与SS-DMC的控制方式，通过喷氨量优化控制，有效降低了脱硝系统出口NOx浓度的波动，降低了喷氨量。Zhang等

^[22]基于软测量与模型辨识，建立了对喷氨量进行优化控制的预测模型，与传统PID控制相比，该预测模型对喷氨量的控制效果更好，可有效减少还原剂氨的使用量、降低脱硝系统的运行成本。高学伟等^[23]采用脱硝系统的历史运行数据，建立了基于混合群智能算法 ACO+PSO的核极限学习机，该模型结合了粒子群算法和蚁群法的优点，对脱硝系统各参数的预测精度较高，能够实现喷氨量的精准控制和脱硝系统的运行优化。孙哲等^[24]采用人工智能技术建立了SCR脱硝系统模型，利用智慧优化控制系统（TOCS）强大的自学习与自我进化能力不断完善系统模型，实现对脱硝系统运行状态的预测和各控制量的精确计算，并在某300MW机组上进行了验证，该控制系统投运后，在保证脱硝系统出口烟气NOx排放浓度达标的条件下，喷氨量显著减少，氨逃逸得到有效控制。秦天牧等^[25]基于多尺度核偏最小二乘法搭建了SCR脱硝系统控制模型，该模型可对喷氨量进行精确控制，在降低脱硝系统出口烟气NOx排放浓度的同时，有效减少了喷氨量、降低了氨逃逸量。

3除尘系统运行优化研究进展

3.1除尘系统除尘效率的影响因素

在燃煤机组的超低排放系统中，一般最首要的脱除系统就是除尘器，常用的除尘器有电除尘器、袋式除尘器和电袋除尘器。影响除尘系统除尘效率的因素很多，如高压电源二次电压、烟气流速、粉尘性质和振打周期等，都是至关重要不可忽视的影响因素。

3.2除尘系统运行优化研究现状

电除尘器运行优化的目标是根据煤质及负荷变化，在出口烟尘浓度达标情况下，使除尘系统的运行具有稳定性和经济性。

郭一杉等^[26]^-[28]构建了多电场电除尘系统的优化方法，研究对比了粒子群算法和蚁群算法对电除尘系统的优化效果，发现粒子群算法寻优结果优于蚁群算法，经优化后的电除尘系统的能耗降低30%以上。黄悦琪^[4]通过加入动态的罚函数和变异操作，提出了改进的粒子群优化算法，提高了优化算法的寻优效率和稳定性，该算法在实际运行的静电除尘系统中进行了试验研究，试验结果表明该算法可有效降低电除尘系统的能耗。徐哲炜^[2]采用差分进化算法对静电除尘系统进行运行优化，实验结果表明，在除尘系统出口烟尘排放浓度低于20mg/m³的条件下，除尘系统运行成本可降低5.39%，运行优化效果显著。徐高峰^[29]采用基于K均值聚类算法的全监督RBF神经网络，建立了电除尘系统出口烟尘浓度与电源电压的关系，该模型以电除尘系统出口烟尘排放浓度为设定限值，以电除尘系统运行能耗最小为目标，采用遗传算法对电除尘系统的高压电源参数进行了节能优化研究。田莉^[30]从电除尘系统除尘机理出发，通过研究静电除尘系统除尘效率的影响因素，构建了除尘效率神经网络模型，并应用遗传算法对高压电源参数进行优化，达到降低除尘系统总能耗的目标。Grass等^[31]^-[33]提出了电除尘系统的模糊控制策略，将电除尘器的电场分为入口段、中间段与出口段三级，建立三级电场运行参数与负荷的模糊关系，实现了电除尘系统的优化运行，能耗降低40-60%。Li等^[34]同样基于RBF神经网络，搭建了电除尘器出口烟尘排放浓度和高压电源二次电压的数学模型，并采用遗传算法研究了电除尘系统节能运行优化策略。

4燃煤机组超低排放系统运行优化展望

当前针对燃煤机组污染物脱除装置的运行优化研究，大多以单一污染物脱除装置为研究对象，研究单一污染物脱除装置对单一污染物的脱除，而针对多种污染物脱除装置对多种污染物协同脱除过程的运行优化研究相对较少。

相较于单一污染物脱除装置的控制研究，燃煤机组超低排放系统工艺流程长，部分装置对多种污染物具有协同脱除作用，各污染组分间存在相互耦合与竞争关系。超低排放系统是一个具有大范围变负荷、多工况、非线性、变参数、多种污染物、多排放限值等特征的复杂工业过程。

在燃煤机组超低排放系统进行运行时，应尽可能全面地考虑超低排放系统中各污染物脱除装备对多种污染物的协同作用，从而有针对性地对各污染物脱除装备运行参数提供指导，在保证各污染物浓度排放达标的同时，最大限度地降低能耗和物料的使用。另外，在今后的超低排放系统运行优化中，不应只考虑SO₂、NOx、烟尘等常规污染物的脱除，还应考虑对重金属汞、SO₃、NH₃等非常规污染物的脱除；在双碳政策背景下，也应考虑超低排放系统对CO₂排放的影响。

5结论

本文分别综述了脱硫系统、脱硝系统及除尘系统等影响污染物脱除效率的关键参数；围绕这些关键参数，综述了目前研究人员和学者对脱硫系统、脱硝系统及除尘系统等运行优化的研究现状，对燃煤机组超低排放系统运行优化进行了展望。

燃煤机组超低排放系统的运行优化研究，应从单一污染物脱除装置对单一污染物的脱除研究转向多污染物脱除装置对多种污染物协同脱除研究；从对SO₂、NOx、烟尘等常规污染物的脱除研究转向对重金属汞、SO

₃、NH₃及CO₂等非常规污染物的脱除研究，可以预见今后针对整个超低排放系统的全局智能化调控将是未来重要的研究方向。

参考文献

中电联发布《中国电力行业年度发展报告2021》https://cec.org.cn/detail/index.html?3-298428
徐哲炜．燃煤机组超低排放环保岛协同运行优化研究[D]．杭州：浙江大学，2018．

XU Z W．Study on operating optimization of coal-fired unit ultra loe emission system [D]．Hangzhou： Zhejiang University，2018．

舒坚．燃煤电厂湿法脱硫系统关键过程建模及预测控制研究[D]．杭州：浙江大学，2020．

SHU J．Research on Key Process Modeling and Predictive Control for Wet Desulfurization System in coal-fired unit[D]．Hangzhou：Zhejiang University，2020．

黄悦琪. 燃煤电厂超低排放系统多污染物脱除的全局优化研究[D]．杭州：浙江大学，2020．

HUANG Y Q．Research on simultaneous removal of multi-pollutants and global optimization for ultra-low emission system in coal-fired unit[D]．Hangzhou：Zhejiang University，2020．

邱国华，魏宏鸽，梁秀进，等. 火电机组脱硫超低排放运行能耗分析与节能运行展望[J]．发电技术， 2016，41(5): 510-516.

QIU G H，WEI H G，LIANG X J，et al．Energy Consumption Analysis of Desulphurization Ultra-low Emission Operation and Outlook on Its Energy-saving Operation in Thermal Power Plants. Power Generation Technology, 2020, 41(5): 510-516.

朱跃，杨用龙．燃煤电厂超低排放湿法脱硫治霾影响分析[J]. 发电技术, 2020, 41(3): 295-300.

ZHU Y， YANG Y L．Influence Analysis on Haze Control of Ultra-low Emission Wet Flue Gas Desulfurization of Coal-fired Power Plants. Power Generation Technology, 2020, 41(3): 295-300.

李玉洲，唐守伟，刘清亮，等．基于随机森林的脱硫优化系统入口 SO₂ 浓度预测研究[J]，全国第四届“智能电网”会议论文集，2019，12，20:149-153．

LI Y Z，TANG S W，LIU Q L，et al． Research on Prediction of SO₂ Concentration at the Entrance of Desulfurization Optimization System Based on Random Forest[J]，Proceedings of the 4th National "Smart Grid" Conference，2019，12，20:149-153．

罗启圭，李鸣，周国发．基于支持向量机的湿法脱硫塔污染治理优化与能效评价[J]．环境工程学报， 2020，14(6)：1629-1638．

LUO Q K，LI M，ZHOU G F．Synergetic mechanism and evaluation of pollution and energy consumption of wet desulfurization tower based on support vector machine regression[J]．Chinese Journal of Environmental Engineering，2020，14(6)： 1629-1638．

徐遵义，刘文慧，张旭冉，等．基于数据驱动的浆液循环泵运行优化研究[J]．中国电力，2021，54(3)：197-204．

XU Z Y，LIU W H，ZHNAG X R，et al．Research on Data-Driven Optimal Operation of Slurry Circulation Pump[J]．Electric Power，2021，54(3)：197-204．

聂涛，彭国富，高文松，等．基于聚类分析法研究脱硫系统浆液循环泵的节能运行优化[J]．河南科技，2019，682(20)：142-144．

NIE T，PENG G F，GAO W S，et al．Energy-saving operation optimization of slurry circulating pump in desulfurization system based on cluster analysis[J]．Henan Science and Technology，2019，682(20)：142-144．

许丹，沈凯，张亚平，等. 基于模糊理论的湿法脱硫故障诊断和优化模型研究[J] ．环境工程，2018，36(2): 92-97．

XU D，SHEN K，ZHANG Y P，et al．Study on fault diagnosis and operation models of WFGD based on fuzzy theory[J] ．Environmental Engineering，2018，36(2): 92-97．

侯雪峰，张九根，梁星．粒子群优化神经网络PID控制在湿法烟气脱硫中的应用[J]．煤炭技术，2018，37(4)：327-330．

HOU X F，ZHANG J G，LIANG X．Particle swarm optimization PID neural network application in wetflue gas desulfurization[J]．Coal Technology，2018，37(4)：327-330．

黄磊，官正强，唐德东，等．串级变比值模糊PID烟气脱硫浆液pH值控制优化及仿真[J]．仪器仪表用户, 2019, 26(1): 19-21．

HANG L，GUAN Z Q，TANG D D，et al．The cascade-variable ratio-fuzzy PID control optimization and simulation of flue gas desulfurizing slurry pH value[J]．Instrumentation, 2019, 26(1): 19-21．

邓若辰，钟文琪，孙立．基于粒子群算法的脱硫系统 pH 值分数阶 PID 优化控制[J]．工业控制计算机，2020，33(12)：87-90．

DENG R C，ZHONG W Q，SUN L．Fractional PID optimal control of pH value of desulfurization system based on particle swarm optimization[J]．Industrial Control Computer，2020，33(12)：87-90．

范昊鹏，夏凤毅，包军宇，等．基于PFC预测的燃煤机组脱硫优化控制[J]．动力工程学报，2020，40(10)：808-814．

FAN H P，XIA F Y，BAO J Y，et al．Optimized control for desulphurization of coal-fired units based on PFC prediction[J]．Journal of Chinese of Society Power Engineering，2020，40(10)：808-814．

付文秀．大型脱硫系统的建模与优化控制方法的研究与应用[D]．北京：华北电力大学，2015．

FU W X．Research and applications on method of modeling and optimization control for large desulfurization system[D]．Beijing：School of Energy Power and Mechanical Engineering，2015．

徐哲伟，郑成航，张涌新，等．基于改进关联规则算法的燃煤电厂脱硫系统工况参数优化[J].中国电机工程学报，2017，37(15)：4408-4414．

XU Z W，ZHENG C H，ZHANG Y X，et al．Operation optimization of flue gas desulfurization system in power plant based on an improved association rules algorithm[J]. Proceedings of the CSEE，2017，37(15)：4408-4414．

舒坚，郑成航，郭一杉，等．基于动态矩阵算法的湿法脱硫控制系统设计[J] ．动力工程学报，2020，40(1)：44-50．

SHU J，ZHENG C H，GUO Y S，et al．Design of wet flue gas desulfurization control system based on dynamic matrix algorithm[J]．Journal of Chinese of Society Power Engineering，2020，40(1)：44-50．

GUO Y S，XU Z W，ZHENG C H，et al．Modeling and optimization of wet flue gas desulfurization system based on a hybrid modeling method [J]．Journal of the Air & Waste Management Association，2018，1-11．
赵乾．SCR烟气脱硝系统摸拟优化及喷氨量最优控制[D]．重庆：重庆大学，2012．

ZHAO Q．Simulation optimization and optimal Control on spraying ammonia of SCR flue gas denitrification[D]．Chongqing：Chongqing University，2012．

翁卫国，刘博文，郭一杉，等．基于入口NOx浓度软测量的脱硝系统先进控制研究[J]．锅炉制造，2019，5(9)：17-22．

WENG W G，LIU B W，GUO Y S，et al．Model predictive control utilizing gas soft-sensors on SCR denitration system in thermoelectric unit[J]．Boiler Manufacturing，2019，5(9)：17-22．

ZHANG K，ZHAO J， ZHU Y，et al．Modle predictive control case study：Selective catalytic reduction (SCR) system in coal-fired power plant [C]．Conference， 2016．
高学伟，付忠广，谢鲁冰，等．基于混合群智能算法优化的NOx排放KELM模型设计[J]．自动化仪表，2019，40(8)：32-37．

GAO X W，FU Z G，XIE L B，et al．Design of NOx emission KELM model based on hybrid swarm intelligent algorithm optimization[J]．Process Automation Instrumentation，2019，40(8)：32-37．

孙哲，刘振波．基于智慧模型的脱硝控制系统优化[J]．华电技术，2020，42(9)：37-44．

SUN Z，LIU Z B．Application of intelligent model in denitration control system optimization[J]．Huadian Technology，2020，42(9)：37-44．

秦天牧，刘吉臻，杨婷婷，等．火电厂SCR烟气脱硝系统建模与运行优化仿真[J]．中国电机工程学报，2016, 36(10)：2699-2703．

QING T M，LIU J Z，YANG T T，et al．SCR denitration system modeling and operation optimization simulation for thermal power plant[J]. Proceedings of the CSEE，2016，36(10)：2699-2703．

郭一杉．燃煤烟气颗粒物/三氧化硫协同脱除过程建模与调控研究及应用[D]．杭州：浙江大学，2019．

GUO Y S．Mechanism and application for modeling and coordinated high efficiency removal of PM/SO₃ in coal fired flue gas[D]．Hangzhou： Zhejiang University，2019．

GUO Y S，ZHENG C H，XU Z W，et al．Hybrid modeling scheme for PM concentration prediction of electrostatic precipitators[J]．Powder Technology，2018，340：163-172．
GUO Y S，ZHENG C H，ZHANG J，et al．Enhancing PM Removal by Pulse Energized Electrostatic Precipitators-a Comparative Study [J]．Ieee Transactions on Plasma Science，2019，47(1)：365-375．
徐高峰．工业电除尘装置的节能优化与控制器设计[D]．大连：大连理工大学，2009．

XU G F．Energy-saving optimization and controller design for industrial electrostatic precipitator equipment[D]．Dalian：Dalian University of Technology，2009．

田莉．静电除尘器运行参数优化控制方法的应用研究[D]．保定：华北电力大学（河北），2006．

TIAN L．Application study on optimized control of operating parameter of electrostatic precipitator[D]．Baoding：School of Energy Power and Mechanical Engineering（Hebei）, 2006．

GRASS N, HARTMANN W, KLOCKNER M. Application of different types of high-voltage supplies on industrial electrostatic precipitators [J]. Ieee Transactions on Industry Applications, 2004, 40(6): 1513-1520.
GRASS N, ZINTL A, HOFFMANN E. ELECTROSTATIC PRECIPITATOR CONTROL SYSTEMS Enhancing precipitation efficiency using conventional and fuzzy logic control [J]. Ieee Industry Applications Magazine, 2010, 16(4): 28-33.
GRASS N. Fuzzy-logic-based power control system for multifield electrostatic precipitators [J]. Ieee Transactions on Industry Applications, 2002, 38(5): 1190-1195.
LI Z, CHENG S, YI A, et al. Energy-saving optimal control for a factual electrostatic precipitator with multiple electric-field stages based on GA [J]. Journal of Process Control, 2013, 23(8):1041-1051.