300MW燃煤锅炉SCR脱硝系统导流装置的设计优化

2.1数学模型

反应器计算模型的选取采用模拟湍流流动的标准ｋ－ε湍流双方程模型；烟气与氨混合选用多种物质的混合输运模型模拟；使用多孔介质模型模拟催化剂的蜂窝状结构．各方程的数学描述详见文献．

2.2边界条件

该模拟主要研究300MW燃煤锅炉机组在BMCR工况下的流动与氨浓度分布．BMCR工况下锅炉的烟气流量为1344203ｍ3˙ｈ－1，烟道入口烟气流速为21ｍ˙ｓ－11喷氨速度为21ｍ˙ｓ－1；设置烟道出口为压力出口边界条件，固体壁面和导流板设为WALL；烟气成分和计算边界条件如表1,2所示．

3.混沌粒子群成本优化模型

基于数据驱动的运行优化是在不改变系统结构的前提下，以DCS采集的历史运行数据为基础，利用数学方法寻求对应于经济性最佳的运行方案，指导电厂实际运行，从而达到提高电厂经济性的目的。

3.1粒子群算法原理

粒子群算法（particle swarm optimization，PSO）是KENNEDY和EBERHART于1995年在IEEE国际神经网络学术会议上提出的一种新型的智能优化算法。它利用“群体”和“进化”的观点，通过每个个体间的协作和竞争，来从复杂空间中获得最优解。优化原理如下。假设有N个粒子组成一个存在于n维的目标搜索空间中，如式(1)。

一般选为最大迭代次数或者粒子群迄今为止搜索到的最优位置满足预定最小值适应阈值作为粒子群算法的迭代终止条件。

3.2混沌粒子群算法

基本的粒子群算法因其突出的优点被广泛应用，但是由于其初始化子群和进化过程都是随机的，使得局部最优解和全局最优解的更新存在一定的盲目性，容易陷入局部最优解。有学者提出一种基于混沌优化思想的混沌粒子群优化算法。算法基本思想是首先将混沌引入优化变量使其呈现混沌状态，从而得到一组与优化变量相同数目的混沌变量，然后直接利用混沌变量进行优化搜索。本文利用的混沌系统是Logistic方程，如式(3)。

混沌粒子群算法不仅能够保存基本粒子群算法的特性优点，而且在此基础上能够帮助惰性粒子脱离局部极小点，改善寻优中容易产生局部最优的问题，使得算法可以快速搜索寻找最优解。

3.3脱硝成本优化结果分析

利用混沌粒子群算法对建立的度电脱硝成本优化模型进行优化计算。以中负低氮组为例分析，图3为算法优化迭代图。由图可见，模型是收敛的，粒子群随着迭代次数增加逐渐趋于稳定，喷氨量由初始值为0.1716t/h，之后不断下降，最终在第36代时稳定在0.1578t/h。

图3喷氨量优化迭代

为了更直观地观察到脱硝系统经过优化后的成本变化，根据度电脱硝成本优化模型计算出中负低氮组实际数据的各项变动成本，并与优化后的各项变动成本进行对比，结果如图5所示。

由图5可见，各项变动成本优化前后均有变化，其中脱硝电耗成本减少了0.2509×10–3元/(kW˙h)，喷氨成本减少了0.3235×10–3元/(kW˙h)，而氮排放污染成本增加了0.0356×10–3元/(kW˙h)。由于度电固定脱硝成本不会改变，经过优化后总体上度电脱硝成本减少了0.5388×10–3元/(kW˙h)。

延伸阅读：

NH3选择性非催化还原脱硝影响因素

为什么SCR脱硝催化剂下层比上层磨损还严重?

19个问题图文并茂 教你脱硝技术

600MW火电机组“超低排放”下SCR脱硝系统改造后性能试验研究