燃煤锅炉烟气脱硝系统抗干扰多目标预测控制研究

The Selective Catalytic Reduction (SCR) denitrification system control is challenging due to the difficulties arisen from the changing coal quality and the electrical load. To this end, this project proposes a disturbance rejection enhanced multi-objective nonlinear predictive control strategy and concerns the nonlinear modelling, the multi-objective optimization solution, and the disturbance estimation for the time-delay process. Firstly, a global dynamic model of SCR is established based on the first principle and data-driven method, based on which a multi-objective predictive control problem is formulated by taking into account the issues of the environmental effects, operation costs and the safety index. A fast algorithm will be developed to solve the optimization problem. A modified disturbance observer will be developed to estimate the unmeasurable disturbances timely, which will be incorporated into the model predictive control scheme to accelerate the disturbance rejection performance. Finally, the efficacy of the control system will be verified by simulation. This project will provide the dynamic optimal SCR control with the theoretic basis.

当前煤种多变、机组负荷频繁变化的火电机组运行环境对燃煤锅炉烟气脱硝系统的超低排放控制造成较大困难。本项目拟提出一种带干扰补偿功能的多目标预测控制策略，并围绕非线性系统建模、多目标优化求解、时滞对象不可测干扰估计等科学问题开展研究。首先，基于机理分析和数据驱动方法建立SCR脱硝系统的全局非线性模型；然后基于此预测模型，综合考虑环保效益、运行成本和安全性等多方面的运行要求，构建多目标预测控制优化问题，并研究快速有效的多目标优化求解方法；为增强系统的抗干扰能力，设计一种改进的扰动观测器，实现对时滞过程不可测扰动的快速估计，并在预测控制滚动优化中进行补偿；最后，通过控制系统仿真研究验证所提控制策略的有效性。本项目的研究为实现电厂烟气脱硝系统的动态优化控制提供了理论基础。

为了使燃煤锅炉烟气脱硝系统在复杂运行环境下能实现超低排放控制，本项目开展了燃煤锅炉烟气脱硝系统的建模与优化控制研究。在建模方面，提出了一种基于满意模糊聚类的局部模型网络（LMN）辨识方法，利用历史运行数据建立了SCR烟气脱硝系统的精确非线性模型。在优化控制方面，首先基于所建立的LMN模型，设计了两种先进的预测控制策略，即一种基于LMN和免疫遗传优化算法的非线性预测控制和一种基于LMN的控制器加权型多模型预测控制。前者以加权后的LMN全局模型作为时变预测模型，在预测控制性能指标中引入终端代价函数，然后利用改进后的IGA进行有限时域滚动优化。后者控制器设计简单，它直接以LMN模型的调度函数值作为控制器的加权值，在设计局部预测控制器时，将局部模型的有效域约束加入到控制律优化求解过程中，避免了因局部模型在整个预测时域内失效导致局部控制量不准确而引起的控制品质下降。从增强系统抗干扰能力的角度考虑，又设计了两种基于扰动观测器的先进复合控制策略，即一种基于改进扰动观测器的复合模型预测控制和一种采用串级扰动观测器的多目标智能优化控制。前者通过设计的改进扰动观测器可对时滞过程中的不可测扰动进行快速估计和前馈补偿，反馈通道用预测控制进行滚动优化，具有良好的设定值跟踪性能和不可测干扰抑制能力；后者在常规串级控制系统的内、外回路分别增加了扰动观测器进行干扰估计与补偿，并利用多目标人工蜂群优化算法对内、外回路控制器参数进行优化，使得串级系统的抗干扰性能得到进一步提高。此外，还对几种多目标智能优化算法进行了研究，并将它们用于解决电厂运行中涉及到的多种优化问题。仿真试验结果验证了所提各种控制策略的有效性与优越性。本项目的研究结果可以为燃煤锅炉烟气脱硝系统等复杂热力系统的优化控制提供理论指导，对实现电厂节能减排具有重要意义。