1CAM智能控制系统
1.1控制方案
以CAM智能控制系统为平台,创建神经网络模型,开发出脱硝控制模块,从而实现脱硝装置的自动化智能控制。此系统的核心技术是以神经网络为内核的多变量模型预测技术、反馈校正技术和滚动优化技术。在现有DCS系统的基础上,增加这套CAM智能控制系统,通过对DCS上传数据的分析、优化,把最佳决策反馈给DCS系统,对被控装置进行智能化、全自动化操作。
1.2网络架构
CAM智能控制系统是在DCS控制系统基础上增加一台上位机用作CAM服务器。DCS系统都有配套的OPCserver软件,在与CAM服务器建立连接前需启用OPCserver服务并配置DCOM,作为OPC数据服务端使用;CAM服务器作为OPC客户端也需要配置DCOM。两者配置完成后即可通过OPC通讯进行数据交流。
1.3神经网络建模
神经网络(NeuralNetworks,NN)是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂网络系统,具有大规模并行、分布式存储和处理、自组织、自适应和自学能力,特别适合处理需要同时考虑许多因素和条件的、不精确和模糊的信息处理问题[4]。神经网络是一种运算模型,由大量的节点(或称神经元)之间相互联接构成。每个节点代表一种特定的输出函数,称为激励函数(activationfunction)。每两个节点间的连接都代表一个对于通过该连接信号的加权值,称之为权重,这相当于人工神经网络的记忆。网络的输出则依网络的连接方式,权重值和激励函数的不同而不同。一个典型的神经网络结构包含输入层、隐含层(用户看不见这些层,所以叫隐含层)和输出层,其中隐含层可以是多层的结构。外部数据由输入层引入神经网络系统,经过隐含层的分析处理后,计算结果通过输出层发布给外界。
2脱硝装置自动控制的实施
2.1数据收集与处理
脱硝装置自动化智能控制的预测模型需要采集一段时间的数据用于回归模型参数,一般不少于3个月。为保证模型有较宽的适用范围,数据的覆盖面必须较宽。直接导出DCS历史数据是比较方便的数据采集方法,若DCS历史数据缺失则需要在CAM服务器上通过OPC通讯采集到足够多的数据。有些信号数据需要进行降噪处理,一阶滤波是可适用的最简单的一种降噪处理方法,可以提高数据有效性,缩短数据采集时间。主要采集数据包括:氮氧化物浓度、含氧量、氨浓度、一级筒出口氮氧化物浓度、一级筒出口含氧量、氨水泵频率、氨水压力、氨水流量等。
2.2模型建立
为实现为氮氧化物浓度的自动控制,降低氮氧化物浓度波动,控制器引入了多个变量做前馈或约束变量,提高神经网络模型预测准确度及安全性。氨水泵频率是控制器的操作变量(MV),若使用的是工频泵,操作变量可换为阀门开度等其他可调节氨水流量的变量。在实际运行中,各种变量信号引入控制器后,通过神经网络模型计算出氨水泵频率需要改变的值ΔMV,将氨水泵频率现在时刻的设定值(SP)与ΔMV相加后得出新的设定值输送到DCS中,从而改变氨水泵工作频率,实现自动调节氮氧化物浓度。一级筒出口氮氧化物浓度是控制器的干扰变量(DV),因其距离脱硝装置喷氨模块更近,控制器引入该干扰变量可以有效消除脱硝系统的长时滞不良影响,提高控制稳定性。若一级筒出口测量仪表损坏,可使用烟囱出口氮氧化物浓度折算值的变化率替代该干扰变量。如果水泥窑协同处理生活垃圾,垃圾喂料量是一个很强的干扰变量,必须加入控制器中。在江苏某水泥厂投用CAM智能控制系统时发现,因垃圾喂料量在不断地波动,氮氧化物浓度很难控制稳定。在将垃圾喂料量作为干扰变量引入控制器并重新训练神经网络模型,新控制器投用后氮氧化物浓度稳定性显著提高。喂煤量、炉窑温度及其他窑况变化等也会对氮氧化物浓度产生一定的影响,虽然这些影响可以依靠氮氧化物浓度反馈值消除,但在神经网络模型中引入这些变量可以大大提高神经网络模型的鲁棒性,对提高不同工况下氮氧化物浓度稳定性有较大的帮助。
3案例介绍
脱硝装置CAM智能控制系统在安徽省某水泥厂5800t/d生产线进行了应用,脱硝控制器投用前(APCOFF),氮氧化物浓度波动大,平均值316.2mg/m3,标准偏差34.6mg/m3;脱硝控制器投用后(APCON),氮氧化物浓度控制稳定,平均值378.8mg/m3,标准偏差11.6mg/m3。在排放达标的前提下适当提高氮氧化物浓度控制目标值,可以节省氨水用量,预计该厂每年可节省氨水用量10%以上。
4结论
脱硝控制器能够有效地稳定控制氮氧化物排放浓度[5],在排放达标的前提下,提高氮氧化物浓度平均值能够有效减少氨水使用量,降低企业吨熟料氨成本,同时减少因氨水蒸发造成的煤耗,对水泥企业节能减排起实质性的推动作用。经现场长期使用表明,脱硝控制器控制效果良好。
作者:张居宾 欧丹林 蒋益女 邓晓 单位:浙江邦业科技有限公司
相关专题:公民与法法学版 案外人执行异议申请书