CN111461391B - 一种煤泥流化床锅炉脱硫协同优化运行方法 - Google Patents

Abstract

本发明涉及燃煤电厂SO₂污染物处理领域，针对现有技术的脱硫后SO₂排放量高的问题，本发明公开了一种煤泥流化床锅炉脱硫协同优化运行方法，所述脱硫协同优化运行的***包括以下几个模块：DCS数据采集模块、A/D和D/A转换模块、中央处理***模块、预测控制模块、人机交互模块以及优化计算模块。本发明给出了一种煤泥流化床锅炉脱硫***协同优化运行方法，该方法通过对整个脱硫***的过程进行建模与优化计算，然后对优化计算后的SO₂浓度值进行预测控制，实现了整个脱硫***运行成本的最低化，对优化求解后的结果进行预测控制，得出最低的运行成本，从而实现了SO₂脱除的经济稳定运行，提高了企业的经济效益。

Description

一种煤泥流化床锅炉脱硫协同优化运行方法

技术领域

本发明涉及燃煤电厂SO₂污染物处理领域，尤其涉及一种煤泥流化床锅炉脱硫协同优化运行方法。

背景技术

我国是大气污染最为严重的国家之一。据统计，在我国的大气污染源中，燃烧排放的SO₂占总排放量的85％以上。SO₂大量排放到空气中，致使酸雨频繁发生，给我国的社会和经济发展造成了不可估量的损失。为了控制污染、保护环境，国家环保部等相关部门制定了一系列的法律法规和标准。2015年12月，国家***、环境保护部、国家能源局联合印发《全面实施燃煤电厂超低排放和节能改造工作方案》，明确提出到2020年，全国所有具备改造条件的燃煤电厂力争实现在基准氧含量6％条件下，二氧化硫排放浓度不高于35mg/Nm³。

煤泥流化床锅炉脱硫工艺***，整个脱硫工艺***包括炉内喷钙和烟气半干法脱硫。首先根据煤泥控制信号和Ca/S摩尔比，对石灰石仓中的石灰石量进行调节，然后向煤泥流化床锅炉炉膛适当部位喷入石灰石，起到一定的固硫作用，在锅炉尾部烟道装设旋风分离器，能够实现脱硫剂反复循环，达到脱硫剂反复煅烧和充分脱硫，从而完成了第一段脱硫；对于未反应的SO₂，经过热器、省煤器、空预器后，送入到CFB吸收塔中，通过对消石灰仓流量进行控制，向CFB吸收塔中喷入消石灰，实现了对SO₂的第二段脱硫。

目前，主流的脱硫***控制均采用各自独立式的控制方式，首先在炉内实现一定程度的脱硫，将炉膛出口的SO₂浓度降低到合理范围内，然后再采用烟气半干法脱硫***进一步脱硫。如何协同二者之间的关系，既能实现SO₂浓度排放达标运行，又能实现整体物耗和能耗成本最低具有重要的意义。

发明内容

本发明专利的目的是针对现有技术的脱硫后SO₂排放量高的问题，本发明给出了一种煤泥流化床锅炉脱硫***协同优化运行方法，该方法通过对整个脱硫***的过程进行建模与优化计算，然后对优化计算后的SO₂浓度值进行预测控制，实现了整个脱硫***运行成本的最低化；该方法通过建立脱硫***的优化问题模型，并根据所建立的脱硫优化问题模型，采用SQP(序列二次规划)优化算法进行求解运算，并对优化求解后的结果进行预测控制，得出最低的运行成本，从而实现了SO₂脱除的经济稳定运行，提高了企业的经济效益。

为了实现上述目的，本发明采用以下技术方案：

一种煤泥流化床锅炉脱硫协同优化运行方法，所述脱硫协同优化运行的***包括以下几个模块：DCS数据采集模块、A/D和D/A转换模块、中央处理***模块、预测控制模块、人机交互模块以及优化计算模块。

如图2所示：DCS(分布式控制***)数据采集模块、A/D和D/A转换模块、中央处理***模块、预测控制模块、人机交互模块以及优化计算模块。DCS数据采集模块用于采集整个煤泥流化床锅炉脱硫***的各参数数据，包括其煤泥量、床温、一二次风量、石灰石量、消石灰量等；A/D和D/A转换模块分别用于将接收到的模拟量转换为相应的数字量和接收到的数字量转换成相应的模拟量；优化计算模块根据当前DCS数据采集模块采集到的数据，调用优化程序进行优化计算，获得最优操作变量值以及最优目标函数值，并传送给中央处理***模块；中央处理***模块用于存储整个脱硫***协同优化的模型，以及接收并存储优化计算模块计算得到的数据；DCS数据采集模块采集到的数据通过A/D转换模块将其转化成数字量送入到中央处理***模块参与计算，然后中央处理***模块通过优化求解将得到的炉内喷钙控制***SO₂浓度设定值通过D/A转换模块发送给预测控制模块，预测控制模块根据得到的炉内喷钙控制***SO₂浓度设定值以及给定的半干法控制***SO₂出口浓度设定值进行控制，实现整个脱硫***的协同优化控制。

作为优选，脱硫协同优化***主要步骤如下：

步骤A1、人机交互模块设定脱硫***的运行指标、包括运行优化周期T以及SO₂浓度设定值，并输送到中央处理***模块；

步骤A2、DCS数据采集模块采集到脱硫***的各部分数据，记录当前时间T1，并将其进行A/D转换后送入到中央处理***模块；

步骤A3、中央处理***调用优化计算模块，优化计算模块通过计算中央处理***中的优化问题，得到脱硫***最优运行的操作变量值以及最优目标函数值，并将其发送给中央处理模块；步骤A4、中央处理***模块优化求解将得到的炉内喷钙控制***SO₂浓度设定值，通过D/A转换模块发送给预测控制模块，预测控制模块对得到的炉内喷钙控制***SO₂浓度设定值以及给定的半干法控制***SO₂出口浓度设定值进行控制，进而将脱硫***调整到最优运行状态；

步骤A5、记录当前时间为T2，如果T2-T1＜T，则继续等待；否则转步骤A2，重新进行优化调整。

作为优选，所述的步骤2所述的各部分数据包括煤泥量、床温、一二次风、石灰石量及消石灰量。

作为优选，所述中央处理***模块存储的脱硫***协同优化模型包括，目标函数、煤泥流化床锅炉的脱硫效率、脱硫剂对锅炉热力计算的影响。

作为优选，所述脱硫***协同优化模型的形式如下，

步骤B1、所述的目标函数为：

其中，

分别为SO₂的排放价格、煤泥的价格、CaCO₃的价格和Ca(OH)₂的价格，单位均为：元/kg；

分别为SO₂的排放质量、煤泥消耗的质量、CaCO₃消耗的质量和Ca(OH)₂消耗的质量，单位均为kg；

步骤B2、所述的煤泥流化床锅炉的脱硫效率分为炉内脱硫效率和炉外脱硫效率，即：

炉内脱硫效率为：

式中，

为炉内脱硫效率；

为R＝0时，即不投石灰石粉时的SO₂的浓度，R为钙硫摩尔比；

是炉内脱硫后的SO₂的浓度(mg/Nm³)；

炉外脱硫效率为：

式中，

为炉外脱硫效率，半干法脱硫后的水平烟道SO₂的测量值为

(mg/Nm³)；

步骤B3、计算所述的脱硫剂对锅炉热力的影响模型。

作为优选，步骤B3所述的影响模型包括添加石灰石对化学反应热损失、石灰石加入对飞灰和灰渣影响的热损失、添加石灰石对产生的烟气及消耗的氧气的排烟热损失、脱硫***约束条件。

作为优选，脱硫剂对锅炉热力的影响模型具体如下：

步骤B3.1、计算添加石灰石对化学反应热损失，根据脱硫的化学反应过程，对于每千克煤泥燃料所需要的碳酸钙量：

式中，煤泥收到基硫质量分数为S_ar(％)，通过上式可以计算出碳酸钙在煅烧过程中所需要的热量为：

式中，Q₁为碳酸钙在煅烧时所吸收的热量，单位为kJ/mol，d_r(％)为石灰石的分解率；与脱硫剂反应的二氧化硫物质的量为：

氧化钙在与二氧化硫反应过程中，所释放的热量为：

式中，q_放为氧化钙和二氧化硫反应时所释放的热量，Q₂为氧化钙与二氧化硫反应所释放的热量，单位为kJ/mol，故总得吸热量为：

因此，锅炉化学反应的热损失对锅炉热效率的影响为：

式中，Q_f为煤泥燃料所带入炉内的热量，单位为kJ/kg；

步骤B3.2、计算石灰石的加入对飞灰和灰渣影响的热损失，煤泥流化床锅炉加入石灰石之后，它将分解为氧化钙和二氧化碳，进一步地，氧化钙和炉内燃烧所释放的二氧化硫发生硫化反应生成硫化钙。对于未反应的氧化钙和反应生成的硫酸钙及石灰石中的杂质，可能随着灰渣从炉膛中排除掉，或以飞灰形式随烟气一起逸出；假设在添加石灰石时产生的灰分量为m_h，其中ε％的灰分以排渣的方式离开炉膛，(100-ε)％的灰分以飞灰的方式离开炉膛，石灰石带来的灰渣的比热为C_h(kJ/(kg·℃))，排烟温度为T_y(℃)，排渣温度为T_z(℃)，环境温度为T₀(℃)；因此，加入脱硫剂石灰石所带来的热损失为：

步骤B3.3、所述的添加石灰石对产生的烟气及消耗的氧气的排烟热损失，

石灰石在煅烧过程中产生的一定量的二氧化碳的体积(m³/kg)为：

其中，d(％)为石灰石的分解率，氧化钙在吸收过程中吸收的二氧化硫和消耗的氧气的体积(m³/kg)分别为：

石灰石在煅烧过程中产生的水分的体积(m³/kg)为：

在上式(15)中，

(％)为石灰石中含有的水分量，δ_Ca(％)为脱硫剂中含有碳酸钙的纯度；

水分所带走的蒸发潜热损失

为:

假设各烟气的比热容分别为

单位为kJ/(m³·℃)，故烟气产生的热损失为：

综上，可以计算出脱硫剂对锅炉热力计算的影响模型为：

Q_总＝q_c+q₄+q_烟 (18)；

步骤B3.4、所述的脱硫***约束条件包括如下：

总的脱硫效率：

SO₂排放浓度：

钙硫比：0≤R≤3.3 (21)；

锅炉热效率损失模型：Q_总＝q_c+q₄+q_烟 (22)；

式(20)中的Δφ来源于历史数据平均波动区间的一半。

作为优选，所述的预测控制模块包括炉内喷钙脱硫***的预测控制与半干法脱硫***的预测控制两个控制回路。

优化计算模块通过计算式(1)-(22)组成的优化问题，具体步骤如下：

步骤C1、将上面的式(1)-(22)组成的优化问题转化成如下式(23)的非线性优化问题：

其中x为n维变量，f(x)和c(x)分别表示连续可微的目标函数和m维约束方程，x^L和x^U分别表示变量的上下界约束。

步骤C2、采用迭代计算方法求解上式(23)所表示的优化问题，在x第k次迭代(k为大于等于零的整数)的迭代点x_k处QP子问题表示为以下形式：

式中d_k为搜索方向，g_k和

分别表示在x_k处目标函数的导数和约束方程的雅克比矩阵，c_k表示在x_k处c(x_k)的值，W_k为拉格朗日函数的Hessian阵。其中拉格朗日函数为：

L(x,λ,v,π)＝f(x)+λ^Tc(x)+v^T(x-x^U)-π^T(x-x^L) (25)；

λ，v和π分别表示与等式约束、上边界约束和下边界约束相关的拉格朗日乘子，λ^T、v^T和π^T分别表示相应乘子的转置。

步骤C3、在迭代过程中将搜索空间分解为两个子空间Y和Z，将式(24)表示的QP子问题转化为低维QP子问题。其中Z∈R^n×(n-m)，由雅克比矩阵的零空间向量组成，Y∈R^n×m，由雅克比矩阵的值空间向量组成。在x_k处子空间Y和Z的值表示为Y_k和Z_k，Z_k满足下式：

搜索方向d_k可表示为零值空间方向的移动量：

d_k＝Y_kp_y+Z_kp_z (27)；

这里p_y和p_z表示值空间和零空间移动的矢量矩阵，且p_y∈R^m，p_z∈R^n-m。将式(26)和式(27)带入到QP子问题(24)中的等式约束，可得：

因此根据式(28)p_y被唯一确定：

从而搜索方向可表示为：

将式(30)中的搜索方向d_k代入到以上QP子问题中，并去掉与变量p_z无关的常数项，则QP子问题表示为式(31)以p_z∈R^n×m为变量的以下QP子问题形式：

其中w_k为(n-m)×1矩阵

B_k为(n-m)×(n-m)矩阵

p_z为(n-m)维变量。

步骤C4、采用积极集方法求解式(31)获得p_z，然后根据式(27)获得搜索方向矢量的值d_k，其中式(31)表示的QP子问题的积极集求解方法为成熟技术。

步骤C5、令x_k+1＝x_k+αd_k，这样就得到了下一个迭代点。其中α∈(0，1)，通过一维搜索方法求取，该求取方法为成熟技术。

步骤C6、求取搜索方向二范数norm(d_k，2)、拉格朗日函数梯度与搜索方向乘积的值和一阶优化条件值；如果一阶优化条件值小于设定误差ε₁，或者norm(d_k，2)的值和拉格朗日函数梯度与搜索方向乘积的值同时小于设定误差ε₁，则停止计算，得到最优目标函数值和最优变量值；然后将最优目标函数值和表示变量值发送给中央处理***模块；否则令x_k＝x_k+1，转步骤C2，继续计算。

因此，本发明具有如下有益效果：

(1)本发明给出了一种煤泥流化床锅炉脱硫***协同优化运行方法，该方法通过对整个脱硫***的过程进行建模与优化计算，然后对优化计算后的SO₂浓度值进行预测控制，实现了整个脱硫***运行成本的最低化；

(2)本发明专利通过对脱硫***的机理分析，建立了全面准确的模型，其模型具有一定的参考性，通过求解总的优化命题，得到脱硫***的最佳运行工况；

(3)降低了脱硫运行费用，提高了脱硫效率，同时也为锅炉安全稳定运行提供参考，这对于实现电厂的超低排放具有重要的意义。

附图说明

图1为本发明煤泥流化床锅炉脱硫工艺***图；

图2为本发明整体结构的示意图；

图3为本发明炉内喷钙脱硫***预测控制框图；

图4为本发明半干法脱硫***预测控制框图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步的分析。

如图1所示，一种煤泥流化床锅炉脱硫协同优化运行方法，具体实施采用以下步骤：本发明给出的优化运行***包括以下几个模块，如图2所示：DCS(分布式控制***)数据采集模块、A/D和D/A转换模块、中央处理***模块、预测控制模块、人机交互模块以及优化计算模块。DCS数据采集模块用于采集整个煤泥流化床锅炉脱硫***的各参数数据，包括其煤泥量、床温、一二次风量、石灰石量、消石灰量等；A/D和D/A转换模块分别用于将接收到的模拟量转换为相应的数字量和接收到的数字量转换成相应的模拟量；优化计算模块根据当前DCS数据采集模块采集到的数据，调用优化程序进行优化计算，获得最优操作变量值以及最优目标函数值，并传送给中央处理***模块；中央处理***模块用于存储整个脱硫***协同优化的模型，以及接收并存储优化计算模块计算得到的数据；DCS数据采集模块采集到的数据通过A/D转换模块将其转化成数字量送入到中央处理***模块参与计算，然后中央处理***模块通过优化求解将得到的炉内喷钙控制***SO₂浓度设定值通过D/A转换模块发送给预测控制模块，预测控制模块根据得到的炉内喷钙控制***SO₂浓度设定值以及给定的半干法控制***SO₂出口浓度设定值进行控制，实现整个脱硫***的协同优化控制。

本发明涉及一种煤泥流化床锅炉脱硫协同优化运行方法，给出的脱硫协同优化运行***主要步骤如下：

步骤A1：工程师通过人机交互模块设定脱硫***的运行指标、运行优化周期T以及SO₂浓度的设定值等参数，并送入到中央处理***模块。

步骤A2：通过DCS数据采集模块，采集到脱硫***的各部分数据(包括煤泥量、床温、一二次风、石灰石量、消石灰量)，记录当前时间T1，并将其进行A/D转换后送入到中央处理***模块。

步骤A3：中央处理***调用优化计算模块，优化计算模块通过计算中央处理***中的优化问题，得到脱硫***最优运行的操作变量值以及最优目标函数值，并将其发送给中央处理模块。

步骤A4：中央处理***模块通过优化求解将得到的炉内喷钙控制***SO₂浓度设定值通过D/A转换模块发送给预测控制模块，预测控制模块根据得到的炉内喷钙控制***SO₂浓度设定值以及给定的半干法控制***SO₂出口浓度设定值进行控制，从而将脱硫***调整到最优运行状态。

步骤A5：记录当前时间为T2，如果T2-T1＜T，则继续等待；否则转步骤A2，重新进行优化调整。

所述的中央处理***模块存储的脱硫***协同优化模型可分为：目标函数、煤泥流化床锅炉的脱硫效率、脱硫剂对锅炉热力计算的影响，约束条件。其形式如下：

步骤B1：所述的目标函数为:

其中，

分别为SO₂的排放价格、煤泥的价格、CaCO₃的价格和Ca(OH)₂的价格，单位均为：元/kg；

分别为SO₂的排放质量、煤泥消耗的质量、CaCO₃消耗的质量和Ca(OH)₂消耗的质量，单位均为kg。

步骤B2:所述的煤泥流化床锅炉的脱硫效率分为炉内脱硫效率和炉外脱硫效率，即：

炉内脱硫效率为：

式中，

为炉内脱硫效率。

为R＝0时，即不投石灰石粉时的SO₂的浓度，R为钙硫摩尔比。

是炉内脱硫后的SO₂的浓度(mg/Nm³)。

炉外脱硫效率为：

式中，

为炉外脱硫效率，半干法脱硫后的水平烟道SO₂的测量值为

(mg/Nm³)。

步骤B3：所述的脱硫剂对锅炉热力计算的影响模型，包括添加石灰石对化学反应热损失、石灰石加入对飞灰和灰渣影响的热损失和添加石灰石对产生的烟气及消耗的氧气的排烟热损失，具体如下：

步骤B3.1：计算添加石灰石对化学反应热损失，根据脱硫的化学反应过程，对于每千克煤泥燃料所需要的碳酸钙量：

式中，煤泥收到基硫质量分数为S_ar(％)，通过上式可以计算出碳酸钙在煅烧过程中所需要的热量为：

式中，Q₁为碳酸钙在煅烧时所吸收的热量，单位为kJ/mol，d_r(％)为石灰石的分解率。与脱硫剂反应的二氧化硫物质的量为：

氧化钙在与二氧化硫反应过程中，所释放的热量为：

式中，q_放为氧化钙和二氧化硫反应时所释放的热量，Q₂为氧化钙与二氧化硫反应所释放的热量，单位为kJ/mol，故总得吸热量为：

因此，锅炉化学反应的热损失对锅炉热效率的影响为：

式中，Q_f为煤泥燃料所带入炉内的热量，单位为kJ/kg。

步骤B3.2：计算石灰石的加入对飞灰和灰渣影响的热损失，煤泥流化床锅炉加入石灰石之后，它将分解为氧化钙和二氧化碳，进一步地，氧化钙和炉内燃烧所释放的二氧化硫发生硫化反应生成硫化钙。对于未反应的氧化钙和反应生成的硫酸钙及石灰石中的杂质，可能随着灰渣从炉膛中排除掉，或以飞灰形式随烟气一起逸出。假设在添加石灰石时产生的灰分量为m_h，其中ε％的灰分以排渣的方式离开炉膛，(100-ε)％的灰分以飞灰的方式离开炉膛，石灰石带来的灰渣的比热为C_h(kJ/(kg·℃))，排烟温度为T_y(℃)，排渣温度为T_z(℃)，环境温度为T₀(℃)。因此，加入脱硫剂石灰石所带来的热损失为：

步骤B3.3：所述的添加石灰石对产生的烟气及消耗的氧气的排烟热损失，添加的石灰石在煅烧过程中会产生二氧化碳，同时，氧化钙在吸收二氧化硫时需要消耗一定量的氧气，石灰石中也含有一定量的水分，这些都会对烟气产生一定量的影响。

石灰石在煅烧过程中产生的一定量的二氧化碳的体积(m³/kg)为：

其中，d(％)为石灰石的分解率，氧化钙在吸收过程中吸收的二氧化硫和消耗的氧气的体积(m³/kg)分别为：

石灰石在煅烧过程中产生的水分的体积(m³/kg)为：

在上式(15)中，

(％)为石灰石中含有的水分量，δ_Ca(％)为脱硫剂中含有碳酸钙的纯度。

水分所带走的蒸发潜热损失

为:

假设各烟气的比热容分别为

单位为kJ/(m³·℃)，故烟气产生的热损失为：

综上，可以计算出脱硫剂对锅炉热力计算的影响模型为：

Q_总＝q_c+q₄+q_烟 (18)；

步骤B3.4：所述的脱硫***约束条件包括如下：

总的脱硫效率：

SO₂排放浓度：

钙硫比：0≤R≤3.3 (21)；

锅炉热效率损失模型：Q_总＝q_c+q₄+q_烟 (22)；

式(20)中的Δφ来源于历史数据平均波动区间的一半。

所述的优化计算模块通过计算式(1)-式(22)组成的优化问题，具体步骤如下：

步骤C1：将上面的式(1)-式(22)组成的优化问题转化成如下式(23)的非线性优化问题：

其中x为n维变量，f(x)和c(x)分别表示连续可微的目标函数和m维约束方程，x^L和x^U分别表示变量的上下界约束。

步骤C2:采用迭代计算方法求解上式(23)所表示的优化问题，在x第k次迭代(k为大于等于零的整数)的迭代点x_k处QP子问题表示为以下形式：

式中d_k为搜索方向，g_k和

分别表示在x_k处目标函数的导数和约束方程的雅克比矩阵，c_k表示在x_k处c(x_k)的值，W_k为拉格朗日函数的Hessian阵。其中拉格朗日函数为：

L(x,λ,v,π)＝f(x)+λ^Tc(x)+v^T(x-x^U)-π^T(x-x^L) (25)；

λ、v和π分别表示与等式约束、上边界约束和下边界约束相关的拉格朗日乘子，λ^T、v^T和π^T分别表示相应乘子的转置。

步骤C3:在迭代过程中将搜索空间分解为两个子空间Y和Z，将式(24)表示的QP子问题转化为低维QP子问题。其中Z∈R^n×(n-m)，由雅克比矩阵的零空间向量组成，Y∈R^n×m，由雅克比矩阵的值空间向量组成。在x_k处子空间Y和Z的值表示为Y_k和Z_k，Z_k满足下式：

搜索方向d_k可表示为零值空间方向的移动量：

d_k＝Y_kp_y+Z_kp_z (27)；

这里p_y和p_z表示值空间和零空间移动的矢量矩阵，且p_y∈R^m，p_z∈R^n-m。将式(26)和式(27)带入到QP子问题(24)中的等式约束，可得：

因此根据式(28)p_y被唯一确定：

从而搜索方向可表示为：

将式(30)中的搜索方向d_k代入到以上QP子问题中，并去掉与变量p_z无关的常数项，则QP子问题表示为式(31)以p_x∈^n-m为变量的以下QP子问题形式：

其中w_k为(n-m)×1矩阵

B_k为(n-m)×(n-m)矩阵

p_z为(n-m)维变量。

步骤C4:采用积极集方法求解式(31)获得p_z，然后根据式(27)获得搜索方向矢量的值d_k，其中式(31)表示的QP子问题的积极集求解方法为成熟技术。

步骤C5:令x_k+1＝x_k+αdk，这样就得到了下一个迭代点。其中α∈(0，1]，通过一维搜索方法求取，该求取方法为成熟技术。

步骤C6:求取搜索方向二范数norm(d_k，2)、拉格朗日函数梯度与搜索方向乘积的值和一阶优化条件值。如果一阶优化条件值小于设定误差ε₁，或者norm(d_k，2)的值和拉格朗日函数梯度与搜索方向乘积的值同时小于设定误差ε₁，则停止计算，得到最优目标函数值和最优变量值。然后将最优目标函数值和表示变量值发送给中央处理***模块。否则令x_k＝x_k+1，转步骤C2，继续计算。

以上内容是结合具体的优选实施方式对本发明所做的进一步详细说明，不能认定本发明的具体实施只限于这些说明。对于本发明所属技术领域的技术人员来说，在不脱离发明构思的前提下还可以做出一定程度的简单推演或者替换，都应当视为属于本发明的保护范围。

Claims (2)

1.一种煤泥流化床锅炉脱硫协同优化运行方法，其特征是，所述脱硫协同优化运行的***包括以下几个模块：DCS数据采集模块、A/D和D/A转换模块、中央处理***模块、预测控制模块、人机交互模块以及优化计算模块；

所述脱硫协同优化***包括以下步骤：

步骤A1、人机交互模块设定脱硫***的运行指标、包括运行优化周期T以及SO₂浓度设定值，并输送到中央处理***模块；

步骤A2、DCS数据采集模块采集到脱硫***的各部分数据，记录当前时间T1，并将其进行A/D转换后送入到中央处理***模块；各部分数据包括煤泥量、床温、一二次风、石灰石量及消石灰量；

步骤A3、中央处理***模块存储脱硫***协同优化模型；中央处理***调用优化计算模块，优化计算模块通过计算中央处理***中的优化问题，得到脱硫***最优运行的操作变量值以及最优目标函数值，并将其发送给中央处理模块；

步骤A4、中央处理***模块优化求解将得到的炉内喷钙控制***SO₂浓度设定值，通过D/A转换模块发送给预测控制模块，预测控制模块对得到的炉内喷钙控制***SO₂浓度设定值以及给定的半干法控制***SO₂出口浓度设定值进行控制，进而将脱硫***调整到最优运行状态；

步骤A5、记录当前时间为T2，如果T2-T1＜T，则继续等待；否则转步骤A2，重新进行优化调整；

所述中央处理***模块存储的脱硫***协同优化模型包括，目标函数、煤泥流化床锅炉的脱硫效率、脱硫剂对锅炉热力的影响模型计算；

所述脱硫***协同优化模型的形式如下，

步骤B1、所述的目标函数为：

其中，

P_煤泥、

分别为SO₂的排放价格、煤泥的价格、CaCO₃的价格和Ca(OH)₂的价格，单位均为：元/kg；

M_煤泥、

分别为SO₂的排放质量、煤泥消耗的质量、CaCO₃消耗的质量和Ca(OH)₂消耗的质量，单位均为kg；

步骤B2、所述的煤泥流化床锅炉的脱硫效率分为炉内脱硫效率和炉外脱硫效率，即：

炉内脱硫效率为：

式中，

为炉内脱硫效率；

为R＝0时，即不投石灰石粉时的SO₂的浓度，R为钙硫摩尔比；

是炉内脱硫后的SO₂的浓度(mg/Nm³)；

炉外脱硫效率为：

式中，

为炉外脱硫效率，半干法脱硫后的水平烟道SO₂的测量值为

步骤B3、计算所述的脱硫剂对锅炉热力的影响模型；

脱硫剂对锅炉热力的影响模型具体如下：

步骤B3.1计算添加石灰石对化学反应热损失，根据脱硫的化学反应过程，对于每千克煤泥燃料所需要的碳酸钙量：

式中，煤泥收到基硫质量分数为S_ar(％)，通过上式可以计算出碳酸钙在煅烧过程中所需要的热量为：

式中，Q₁为碳酸钙在煅烧时所吸收的热量，单位为kJ/mol，d_r(％)为石灰石的分解率；与脱硫剂反应的二氧化硫物质的量为：

氧化钙在与二氧化硫反应过程中，所释放的热量为：

式中，q_放为氧化钙和二氧化硫反应时所释放的热量，Q₂为氧化钙与二氧化硫反应所释放的热量，单位为kJ/mol，故总的 吸热量为：

因此，锅炉化学反应的热损失对锅炉热效率的影响为：

式中，Q_f为煤泥燃料所带入炉内的热量，单位为kJ/kg；

步骤B3.2、计算石灰石的加入对飞灰和灰渣影响的热损失，假设在添加石灰石时产生的灰分量为m_h，其中ε％的灰分以排渣的方式离开炉膛，(100-ε)％的灰分以飞灰的方式离开炉膛，石灰石带来的灰渣的比热为C_h(kJ/(kg·℃))，排烟温度为T_y(℃)，排渣温度为T_z(℃)，环境温度为T₀(℃)；因此，加入脱硫剂石灰石所带来的热损失为：

步骤B3.3、所述的添加石灰石对产生的烟气及消耗的氧气的排烟热损失，添加的石灰石在煅烧过程中会产生二氧化碳，同时，氧化钙在吸收二氧化硫时需要消耗一定量的氧气，石灰石中也含有一定量的水分，这些都会对烟气产生一定量的影响；

石灰石在煅烧过程中产生的一定量的二氧化碳的体积(m³/kg)为：

其中，d(％)为石灰石的分解率，氧化钙在吸收过程中吸收的二氧化硫和消耗的氧气的体积(m³/kg)分别为：

石灰石在煅烧过程中产生的水分的体积(m³/kg)为：

在上式(15)中，

为石灰石中含有的水分量，δ_Ca(％)为脱硫剂中含有碳酸钙的纯度；

水分所带走的蒸发潜热损失

为:

假设各烟气的比热容分别为

单位为kJ/(m³·℃)，故烟气产生的热损失为：

综上，可以计算出脱硫剂对锅炉热力计算的影响模型为：

Q_总＝q_c+q₄+q_烟 (18)；

步骤B3.4、所述的脱硫***约束条件包括如下：

总的脱硫效率：

SO₂排放浓度：

钙硫比：0≤R≤3.3 (21)；

锅炉热效率损失模型：Q_总＝q_c+q₄+q_烟 (22)；

式(20)中的Δφ来源于历史数据平均波动区间的一半。

2.根据权利要求1所述的一种煤泥流化床锅炉脱硫协同优化运行方法，其特征是，所述的预测控制模块包括炉内喷钙脱硫***的预测控制与半干法脱硫***的预测控制两个控制回路。

Images