權(quán)利要求書： 1.一種濕法脫硫裝置的全過程智能運行調(diào)控系統(tǒng)，其特征在于：所述系統(tǒng)包括污染物脫除模塊、在線監(jiān)測模塊、優(yōu)化控制模塊和智慧建模模塊；

所述污染物脫除模塊包括脫硫裝置，用于污染物脫除；

所述在線監(jiān)測模塊用于監(jiān)測收集脫硫裝置歷史運行數(shù)據(jù)以及實時運行數(shù)據(jù)并傳輸給智慧建模模塊、優(yōu)化控制模塊；

所述優(yōu)化控制模塊根據(jù)實時運行工況，通過多目標多工況的全局優(yōu)化算法實時評估不同工況下污染物吸收脫除系統(tǒng)的運行成本，計算實現(xiàn)出口濃度穩(wěn)定達標條件下脫硫裝置能耗物耗最優(yōu)的濕法脫硫裝置最佳運行參數(shù)組合，并通過智能控制算法實現(xiàn)對脫硫裝置關(guān)鍵參數(shù)的調(diào)控；

所述智慧建模模塊采用混合建模方法，涵蓋多種污染物、多種吸收劑、多種反應器類型，實現(xiàn)氣態(tài)污染物濃度及關(guān)鍵運行參數(shù)的多斷面準確預測；

所述智慧建模模塊，結(jié)合氣態(tài)污染物的生成?吸收?轉(zhuǎn)化機理，采用機器學習的方法利用實際生產(chǎn)過程中的數(shù)據(jù)，建立氣態(tài)污染物生成?吸收?轉(zhuǎn)化全流程機理與數(shù)據(jù)耦合模型，涵蓋多種污染物、多種吸收劑、多種反應器類型，實現(xiàn)氣態(tài)污染物濃度及關(guān)鍵運行參數(shù)的多斷面準確預測；

所述多種污染物包括SO2、SO3、HCl、HF；所述多種吸收劑包括鈣基吸收劑、鎂基吸收劑、鈉基吸收劑、氨基吸收劑、海水；所述多種反應器類型包括噴淋空塔、強化傳質(zhì)塔、pH值分區(qū)塔；所述多斷面包括鍋爐出口、吸收塔入口和出口；

氣態(tài)污染物生成?吸收?轉(zhuǎn)化全流程機理與數(shù)據(jù)耦合模型的構(gòu)建包括下述步驟：(1)構(gòu)建氣態(tài)污染物生成過程模型，其包括下述步驟：步驟S101：通過機理分析爐內(nèi)二氧化硫生成過程的影響機制，由先驗知識獲得影響爐內(nèi)二氧化硫生成的關(guān)鍵參數(shù)，初步確定爐內(nèi)二氧化硫生成模型的輸入?yún)?shù)；

步驟S102：利用在線監(jiān)測系統(tǒng)采集不同負荷Ai和不同煤種Si下的鍋爐歷史運行數(shù)據(jù)和煤質(zhì)數(shù)據(jù)，其中鍋爐歷史運行數(shù)據(jù)包括鍋爐燃燒溫度T，給煤量B，一次風量G1，二次風量G2；

煤質(zhì)數(shù)據(jù)包括飛灰系數(shù)afh，收到基灰分Aar，收到基低位發(fā)熱量Qnet,ar，灰分中CaO、MgO、Fe2O3物質(zhì)的質(zhì)量分數(shù)a1，a2，a3；

步驟S103：利用步驟S102中收集的歷史運行數(shù)據(jù)，篩選特殊工況點下不同變量的變化規(guī)律，分析關(guān)鍵因素變化到脫硫裝置入口SO2濃度響應的純延遲時間，將不同變量的純延遲時間對齊，并將數(shù)據(jù)異常點去除得到歷史運行數(shù)據(jù)集；

步驟S104：利用步驟S103中處理得到的歷史運行數(shù)據(jù)集，采用機器學習方法，找出不同負荷Ai和不同煤種Si運行參數(shù)與脫硫裝置入口SO2濃度之間的映射關(guān)系，建立脫硫裝置入口SO2濃度預測模型；

步驟S105：在煤質(zhì)數(shù)據(jù)難以連續(xù)獲得的情況下，模型添加自回歸變量吸收塔入口SO2濃度的當前測量值作為輸入來預測未來脫硫裝置SO2濃度；

步驟S106：采用OPC服務(wù)器實現(xiàn)預測服務(wù)器與DCS系統(tǒng)之間的數(shù)據(jù)通信，將訓練好的模型裝載于預測服務(wù)器上并使用實時數(shù)據(jù)進行驗證，進而不斷根據(jù)實際工況進行模型的實時動態(tài)優(yōu)化調(diào)整；

(2)構(gòu)建氣態(tài)污染物吸收過程模型，其包括下述步驟：步驟S201：通過研究多相反應體系中氣態(tài)污染物非穩(wěn)態(tài)吸收機理，綜合考慮液滴的運動、氣體的吸收解吸、液滴內(nèi)部的擴散、電荷守恒以及電離平衡，建立脫硫裝置內(nèi)SO2傳質(zhì)?反應機理模型；

? 2?

步驟S202：研究SO2/HSO3/SO3 的遷移/轉(zhuǎn)化以及溫度、pH、相間速度對氣態(tài)污染物吸收脫除的影響規(guī)律與調(diào)控機制，獲得pH值、循環(huán)泵、負荷、入口SO2濃度、煙氣溫度、漿液密度和液位高度的關(guān)鍵操作變量對SO2吸收速率及脫硫效率的影響規(guī)律，實現(xiàn)出口SO2濃度及脫硫效率的預測，以及對漿液成分、漿液密度、pH關(guān)鍵參數(shù)變化趨勢的預測；

步驟S203：在線監(jiān)測裝置收集脫硫裝置入/出口SO2濃度、漿液pH值、漿液密度、漿液溫度、循環(huán)泵流量的脫硫裝置歷史運行參數(shù)；

步驟S204：結(jié)合步驟S203收集的脫硫裝置歷史運行參數(shù)，通過參數(shù)辨識的方法準確獲得模型參數(shù)，并進一步采用機器學習模型修正機理模型的誤差，進一步構(gòu)建脫硫裝置機理與數(shù)據(jù)協(xié)同驅(qū)動的混合模型；

步驟S205：采用OPC服務(wù)器實現(xiàn)預測服務(wù)器與DCS系統(tǒng)之間的數(shù)據(jù)通信，將訓練好的模型裝載于預測服務(wù)器上并使用實時數(shù)據(jù)進行驗證，進而不斷根據(jù)實際工況進行模型的實時動態(tài)優(yōu)化調(diào)整；

(3)構(gòu)建氣態(tài)污染物轉(zhuǎn)化過程模型，其包括下述步驟：步驟S301：將二氧化硫吸收轉(zhuǎn)化為副產(chǎn)物過程中的氧化過程，分為自然氧化和強制氧化兩個過程，基于在線監(jiān)測裝置收集漿液溫度、pH值、入口煙氣中O2濃度和漿液液滴直徑的脫硫裝置運行數(shù)據(jù)；

步驟S302：基于步驟S301收集的運行數(shù)據(jù)，研究溫度、pH值、入口O2濃度和漿液液滴直徑對亞硫酸鹽氧化過程的影響規(guī)律，構(gòu)建涵蓋氧氣傳質(zhì)?亞硫酸鈣溶解?本征氧化反應過程的氧化速率模型；

步驟S303：基于構(gòu)建的氧化速率模型，根據(jù)現(xiàn)有工況獲得當前工況下脫硫裝置的自然氧化率，并計算剩余所需的強制氧化率，根據(jù)所需強制氧化率獲得氧化系統(tǒng)的運行條件，進而構(gòu)筑氧化量模型，實時計算不同運行工況下氧化風需求量。

2.根據(jù)權(quán)利要求1所述濕法脫硫裝置的全過程智能運行調(diào)控系統(tǒng)，其特征在于：所述脫硫裝置布置在燃煤電廠煙道尾部，涵蓋二氧化硫生成、脫除、副產(chǎn)物處理全流程過程中的相關(guān)設(shè)備，所述設(shè)備包括漿液循環(huán)泵、氧化風機、石灰石漿液供漿閥門、真空皮帶脫水機。

3.根據(jù)權(quán)利要求1所述濕法脫硫裝置的全過程智能運行調(diào)控系統(tǒng)，其特征在于：所述在線監(jiān)測模塊包括煙氣在線監(jiān)測系統(tǒng)，DCS關(guān)鍵元件的就地檢測與反饋系統(tǒng)，DCS的測量系統(tǒng)以及脫硫裝置關(guān)鍵運行參數(shù)數(shù)據(jù)庫；所述關(guān)鍵運行參數(shù)包括給煤量、一次風量、二次風量、鍋爐負荷、煙氣流量、吸收塔入口SO2濃度、吸收塔出口SO2濃度、循環(huán)漿液pH值、循環(huán)漿液泵頻率、吸收漿液液位、漿液密度、氧化風流量、循環(huán)泵流量。

4.根據(jù)權(quán)利要求1所述濕法脫硫裝置的全過程智能運行調(diào)控系統(tǒng)，其特征在于：所述優(yōu)化控制模塊，利用智慧建模模塊建立的污染物生成?吸收?轉(zhuǎn)化全流程機理與數(shù)據(jù)耦合模型，建立變負荷/工況完善的污染物脫除系統(tǒng)能耗、物耗、副產(chǎn)物產(chǎn)出的動態(tài)評價模型，實時準確的評估不同工況下污染物吸收脫除系統(tǒng)的運行成本并計算能耗物耗綜合成本最優(yōu)的參數(shù)組合，并通過智能控制算法實現(xiàn)對脫硫裝置關(guān)鍵參數(shù)的調(diào)控。

5.根據(jù)權(quán)利要求4所述濕法脫硫裝置的全過程智能運行調(diào)控系統(tǒng)，其特征在于：所述智能控制算法為群智能尋優(yōu)算法，所述群智能尋優(yōu)算法包括粒子群優(yōu)化算法、蟻群算法、蜂群算法、遺傳算法。

6.根據(jù)權(quán)利要求4所述濕法脫硫裝置的全過程智能運行調(diào)控系統(tǒng)，其特征在于：動態(tài)評價模型構(gòu)建包括下述步驟：

步驟S401：將脫硫裝置運行費用模型分為電耗和物耗運行費用模型；

步驟S402：采集脫硫裝置的主要耗能設(shè)備包括循環(huán)泵、氧化風機、攪拌器及由于脫硫塔阻力增加而引起的增壓風機能耗，建立電耗運行費用模型；采集原煙氣流量、吸收塔入口和出口SO2濃度根據(jù)脫硫塔物料平衡實時計算石灰石耗量，同時采集工藝水耗量，結(jié)合石灰石和工藝水價格，建立物耗運行費用模型；

其中，COSTbf、COSTscp、COSTsa、COSToab、 COSTWFGD_w、 分別為增壓風機運行費用、漿液循環(huán)泵運行費用、漿液攪拌器運行費用、氧化風機運行費用、石灰石耗量成本、工藝水耗量成本、石膏收益。

7.根據(jù)權(quán)利要求4所述濕法脫硫裝置的全過程智能運行調(diào)控系統(tǒng)，其特征在于：所述優(yōu)化控制模塊分為三部分：吸收子系統(tǒng)優(yōu)化控制、氧化子系統(tǒng)優(yōu)化控制、排漿子系統(tǒng)優(yōu)化控制；

吸收子系統(tǒng)優(yōu)化控制，基于氣態(tài)污染物生成?吸收?轉(zhuǎn)化全流程機理與數(shù)據(jù)耦合模型，采用調(diào)節(jié)噴淋層組合、循環(huán)泵頻率、漿液密度/液位、漿液pH值實現(xiàn)對吸收子系統(tǒng)的優(yōu)化控制；

氧化子系統(tǒng)優(yōu)化控制，基于氣態(tài)污染物生成?吸收?轉(zhuǎn)化全流程機理與數(shù)據(jù)耦合模型，采用調(diào)節(jié)氧化風機頻率、氧化風機啟停、漿液密度/液位、漿液pH值實現(xiàn)對氧化子系統(tǒng)的優(yōu)化控制；

排漿子系統(tǒng)優(yōu)化控制，基于氣態(tài)污染物生成?吸收?轉(zhuǎn)化全流程機理與數(shù)據(jù)耦合模型，采用調(diào)節(jié)漿液pH值、漿液排出泵啟停實現(xiàn)對排漿子系統(tǒng)的優(yōu)化控制。

8.根據(jù)權(quán)利要求7所述濕法脫硫裝置的全過程智能運行調(diào)控系統(tǒng)，其特征在于：基于氣態(tài)污染物生成?吸收?轉(zhuǎn)化全流程機理與數(shù)據(jù)耦合模型，同時結(jié)合電耗和物耗運行費用模型，建立脫硫塔運行成本優(yōu)化模型；在給定pH值、循環(huán)泵開啟范圍中，采用群智能尋優(yōu)算法求解對應的運行參數(shù)組合，從而脫硫系統(tǒng)實現(xiàn)綜合成本最優(yōu)；

其中，load為負荷，pH為吸收塔漿液運行參數(shù)， 為吸收塔入口SO2濃度， 為吸收塔出口SO2濃度，ηSO2為脫硫效率。

說明書： 一種濕法脫硫裝置的全過程智能運行調(diào)控系統(tǒng)技術(shù)領(lǐng)域[0001] 本發(fā)明屬于大氣污染物治理技術(shù)領(lǐng)域，具體地說是涉及一種濕法脫硫裝置的全過程智能運行調(diào)控系統(tǒng)。

背景技術(shù)[0002] 目前，常見的煙氣脫硫裝置可分為干法脫硫、半干法脫硫與濕法脫硫裝置，其中石灰石/石灰?石膏法、鎂法、鈉堿法、氨法及海水法等濕法脫硫裝置由于其效率高、運行效果

好而廣泛應用于燃煤/燃油/燃氣鍋爐、摻燒其他燃料的燃煤鍋爐、生物質(zhì)鍋爐以及鋼鐵、有

色冶煉、建材、化工、船舶等行業(yè)的二氧化硫超低排放治理系統(tǒng)中。濕法脫硫技術(shù)利用堿性

吸收劑溶液或漿液與含硫煙氣接觸從而脫除煙氣中的SO2。隨著國內(nèi)燃煤電廠煙氣超低排

放進程的推進，煙氣脫硫無論從技術(shù)、還是裝備各方面都得到了大力發(fā)展，脫硫效率突破了

3

99％，SO2排放濃度低于35mg/m。

[0003] 但在脫硫裝置完善系統(tǒng)結(jié)構(gòu)、優(yōu)化系統(tǒng)工藝的同時，提升脫硫系統(tǒng)運行水平，提升能量和物料利用效率、提高系統(tǒng)運行穩(wěn)定性與可調(diào)性、實現(xiàn)系統(tǒng)的高可靠低成本運行是亟

需實現(xiàn)目標，目前的濕法脫硫裝置運行主要存在的問題有以下幾點：

[0004] 首先，二氧化硫超低排放治理系統(tǒng)中常采用煙氣連續(xù)監(jiān)測系統(tǒng)(CEMS)測量煙氣中的SO2濃度，并以此作為脫硫裝置調(diào)控的基準。然而，CEMS系統(tǒng)在測量煙氣內(nèi)污染物濃度時

要經(jīng)過抽氣、除塵、加熱、保溫、預處理等環(huán)節(jié)，最后輸送到煙氣分析儀中，煙氣在伴熱導管

的流動以及分析柜內(nèi)濃度的測量均需要一定的時間，這會造成CEMS系統(tǒng)顯示污染物濃度數(shù)

值滯后于煙道內(nèi)真實污染物濃度數(shù)值。因此，無論采用前饋還是反饋控制，都難以實現(xiàn)脫硫

裝置的精準控制。如何根據(jù)鍋爐實時運行參數(shù)，提前獲取相關(guān)信息，預測吸收塔出入口SO2

濃度是解決CEMS濃度測量滯后問題，保證優(yōu)化控制系統(tǒng)的穩(wěn)定性、可靠性的重要手段之一。

[0005] 其次，在濕法脫硫系統(tǒng)中，除了二氧化硫吸收過程，氧化過程也極為重要。氧化過程是吸收塔內(nèi)進行的主要過程之一，對于二氧化硫的吸收過程具有較大的影響，氧化過程

消耗亞硫酸鹽生成硫酸鹽及石膏副產(chǎn)物等，降低漿液中亞硫酸鹽的濃度，促進二氧化硫的

持續(xù)吸收。倘若氧化不足，一方面會影響二氧化硫的持續(xù)吸收，另一方面還容易生成亞硫酸

鈣，這會導致石膏品質(zhì)下降，同時容易導致塔內(nèi)結(jié)垢，嚴重威脅設(shè)備安全。然而，在實際應用

中，脫硫裝置各個子系統(tǒng)之間獨立控制，缺乏整體的協(xié)同調(diào)控，同樣也會造成資源的浪費，

難以實現(xiàn)對應工況下的成本最優(yōu)。如何提高脫硫裝置的控制水平，降低脫硫裝置的運行成

本是亟待解決的問題。

[0006] 不僅如此，目前循環(huán)泵，氧化風機通常使用PID控制或人工方式進行控制，運行時通常由現(xiàn)場運行人員決定的開關(guān)、開啟臺數(shù)、運行頻率等運行參數(shù)，pH值通常采用設(shè)置限值

的方式進行控制，當漿液pH小于設(shè)定限值時，控制漿液泵進行補漿。這種控制方式難以滿足

日益提高的排放標準，只能采用過量投入能量物料的方式保障出口SO2濃度不超過標準限

值，造成脫硫裝置運行能耗物耗過高。

發(fā)明內(nèi)容[0007] 為了克服現(xiàn)有技術(shù)的缺點和不足，本發(fā)明提供了一種濕法脫硫裝置的全過程智能運行調(diào)控系統(tǒng)，該系統(tǒng)旨在準確預測各操控變量對濕法脫硫系統(tǒng)脫硫效率、運行成本、產(chǎn)品

質(zhì)量的影響，精確調(diào)控pH值、頻率、液位等運行參數(shù)，保障變負荷、變煤質(zhì)工況下出口濃度穩(wěn)

定達標；協(xié)調(diào)循環(huán)泵、氧化風機、石膏脫水機等裝置間的能耗物耗分配，實現(xiàn)濕法脫硫系統(tǒng)

成本最優(yōu)；控制副產(chǎn)品成分，保證目標物質(zhì)純度達標；實現(xiàn)濕法脫硫裝置的安全、穩(wěn)定、經(jīng)

濟、高效運行。

[0008] 為了達到上述目的，本發(fā)明采用如下技術(shù)方案：[0009] 一種濕法脫硫裝置的全過程智能運行調(diào)控系統(tǒng)，所述系統(tǒng)包括污染物脫除模塊、在線監(jiān)測模塊、優(yōu)化控制模塊和智慧建模模塊；

[0010] 所述污染物脫除模塊包括脫硫裝置，用于污染物脫除；脫硫裝置是主要的污染物脫除裝置；

[0011] 所述在線監(jiān)測模塊用于監(jiān)測收集脫硫裝置歷史運行數(shù)據(jù)以及實時運行數(shù)據(jù)并傳輸給智慧建模模塊、優(yōu)化控制模塊，具有信息采集、預處理、整合、存儲、傳輸?shù)纫幌盗兄匾?br />
功能；

[0012] 所述優(yōu)化控制模塊根據(jù)實時運行工況，通過多目標多工況的全局優(yōu)化算法實時評估不同工況下污染物吸收脫除系統(tǒng)的運行成本，計算實現(xiàn)出口濃度穩(wěn)定達標條件下脫硫裝

置能耗物耗最優(yōu)的濕法脫硫裝置最佳運行參數(shù)組合，并通過智能控制算法實現(xiàn)對脫硫裝置

關(guān)鍵參數(shù)的調(diào)控；

[0013] 所述智慧建模模塊采用機理?數(shù)據(jù)?知識耦合驅(qū)動的混合建模方法，涵蓋多種污染物、多種吸收劑、多種反應器類型，實現(xiàn)脫硫裝置出入口SO2等氣態(tài)污染物濃度及關(guān)鍵運行

參數(shù)的多斷面準確預測。

[0014] 作為優(yōu)選，所述脫硫裝置布置在燃煤電廠煙道尾部，涵蓋二氧化硫生成、脫除、副產(chǎn)物處理全流程過程中的相關(guān)設(shè)備，主要由煙風子系統(tǒng)、吸收漿液循環(huán)子系統(tǒng)、強制氧化子

系統(tǒng)及石膏脫水子系統(tǒng)等子系統(tǒng)組成；包括漿液循環(huán)泵、氧化風機、石灰石漿液供漿閥門、

真空皮帶脫水機等主要設(shè)備。

[0015] 作為優(yōu)選，所述在線監(jiān)測模塊主要包括煙氣在線監(jiān)測系統(tǒng)(CEMS)，DCS關(guān)鍵元件的就地檢測與反饋系統(tǒng)，DCS系統(tǒng)所包含的測量系統(tǒng)以及脫硫裝置關(guān)鍵運行參數(shù)數(shù)據(jù)庫等。

[0016] 作為優(yōu)選，所述在線監(jiān)測模塊監(jiān)測的數(shù)據(jù)包括但不限于給煤量、一次風量、二次風量、鍋爐負荷、煙氣流量、吸收塔入口SO2濃度、吸收塔出口SO2濃度、循環(huán)漿液pH值、循環(huán)漿液

泵頻率、吸收漿液液位、漿液密度、氧化風流量、循環(huán)泵流量等關(guān)鍵運行參數(shù)。

[0017] 作為優(yōu)選，所述智慧建模模塊，針對可以吸收脫除的二氧化硫等氣態(tài)污染物，結(jié)合二氧化硫等氣態(tài)污染物的生成?吸收(脫除)?轉(zhuǎn)化機理，采用機器學習的方法利用實際生產(chǎn)

過程中的數(shù)據(jù)，建立二氧化硫等氣態(tài)污染物生成?吸收?轉(zhuǎn)化全流程機理與數(shù)據(jù)耦合模型，

涵蓋多種污染物(SO2、SO3、HCl、HF等)、多種吸收劑(鈣基吸收劑，鎂基吸收劑，鈉基吸收劑，

氨基吸收劑，海水)、多種反應器類型(噴淋空塔、篩板/托盤/湍流管珊等強化傳質(zhì)塔、pH值

分區(qū)塔等)，實現(xiàn)二氧化硫等污染物濃度及關(guān)鍵運行參數(shù)(如漿液pH值等)的多斷面(鍋爐出

口、吸收塔入口和出口等)準確預測。

[0018] 作為優(yōu)選，針對多種類型的鍋爐(煤粉爐，循環(huán)流化床鍋爐)通過機理與數(shù)據(jù)結(jié)合的方式篩選二氧化硫等氣態(tài)污染物生成的關(guān)鍵影響因素并對各個變量進行時序修正，構(gòu)建

機理與數(shù)據(jù)協(xié)同驅(qū)動二氧化硫等污染物生成預測模型，實現(xiàn)二氧化硫等污染物生成濃度的

提前準確預測。

[0019] 作為優(yōu)選，通過研究多相(氣?液?固)反應體系中二氧化硫等氣態(tài)污染物非穩(wěn)態(tài)吸收機理，探究 等的遷移/轉(zhuǎn)化以及溫度、pH、相間速度對SO2等氣態(tài)污染物吸

收脫除的影響規(guī)律與調(diào)控機制，指導設(shè)計SO2等污染物吸收高效脫除系統(tǒng)的同時實現(xiàn)脫硫

系統(tǒng)效率及的準確預測。

[0020] 作為優(yōu)選，探究煙氣/漿液參數(shù)對自然氧化率的影響規(guī)律，實時計算氧化風需求量，研究漿液參數(shù)對副產(chǎn)物結(jié)晶速率及品質(zhì)的影響機制，為污染物吸收脫除系統(tǒng)的優(yōu)化、控

制提供基礎(chǔ)。

[0021] 作為優(yōu)選，二氧化硫等氣態(tài)污染物生成?吸收?轉(zhuǎn)化全流程機理與數(shù)據(jù)耦合模型的構(gòu)建包括下述步驟：

[0022] (1)構(gòu)建二氧化硫等氣態(tài)污染物生成過程模型，其包括下述步驟：[0023] 步驟S101：通過機理分析爐內(nèi)SO2生成過程的影響機制，由先驗知識獲得影響爐內(nèi)SO2生成的關(guān)鍵參數(shù)，初步確定爐內(nèi)二氧化硫生成模型的輸入?yún)?shù)；

[0024] 步驟S102：利用在線監(jiān)測系統(tǒng)采集不同負荷Ai和不同煤種Si下的鍋爐運行歷史數(shù)據(jù)和煤質(zhì)數(shù)據(jù)，其中鍋爐運行數(shù)據(jù)包括但不限于鍋爐燃燒溫度T，給煤量B，一次風量G1，二

次風量G2；煤質(zhì)數(shù)據(jù)包括但不限于飛灰系數(shù)afh，收到基灰分Aar，收到基低位發(fā)熱量Qnet，ar，灰

分中CaO、MgO、Fe2O3物質(zhì)的質(zhì)量分數(shù)a1，a2，a3；

[0025] 步驟S103：利用步驟S102中收集的歷史運行數(shù)據(jù)，篩選包括但不限于給煤機切換等特殊工況點下不同變量的變化規(guī)律，分析關(guān)鍵因素變化到脫硫裝置入口SO2濃度響應的

純延遲時間，將不同變量的純延遲時間對齊，并將吹掃等數(shù)據(jù)異常點去除得到歷史運行數(shù)

據(jù)集，從而有效減少模型的輸入維度，提高模型的收斂性、準確性與泛化性；

[0026] 步驟S104：利用步驟S103中處理得到的歷史運行數(shù)據(jù)集，采用長短期記憶遞歸神經(jīng)網(wǎng)絡(luò)(LSTM)等機器學習方法，找出不同負荷Ai和不同煤種Si等運行參數(shù)與脫硫裝置入口

SO2濃度之間的映射關(guān)系，建立脫硫裝置入口SO2濃度預測模型；

[0027][0028] 步驟S104：在煤質(zhì)數(shù)據(jù)難以連續(xù)獲得的情況下，模型添加自回歸變量吸收塔入口SO2濃度的當前測量值作為輸入來預測未來脫硫裝置SO2濃度，提高模型的適應性，使模型能

夠適應煤質(zhì)或者燃燒狀態(tài)的輕微波動；

[0029] 步驟S105：采用OPC服務(wù)器實現(xiàn)預測服務(wù)器與DCS系統(tǒng)之間的數(shù)據(jù)通信，將訓練好的模型裝載于預測服務(wù)器上并使用實時數(shù)據(jù)進行驗證，進而不斷根據(jù)實際工況進行模型的

實時動態(tài)優(yōu)化調(diào)整；

[0030] (2)構(gòu)建二氧化硫等氣態(tài)污染物吸收過程模型，其包括下述步驟：[0031] 步驟S201：通過研究多相(氣?液?固)反應體系中二氧化硫等氣態(tài)污染物非穩(wěn)態(tài)吸收機理，綜合考慮液滴的運動、氣體的吸收解吸、液滴內(nèi)部的擴散、電荷守恒以及電離平衡，

建立脫硫裝置內(nèi)SO2傳質(zhì)?反應機理模型；

[0032] 步驟S202：研究 等的遷移/轉(zhuǎn)化以及溫度、pH、相間速度對SO2等氣態(tài)污染物吸收脫除的影響規(guī)律與調(diào)控機制，獲得pH值、循環(huán)泵、負荷、入口SO2濃度、煙氣溫

度、漿液密度和液位高度等關(guān)鍵操作變量對SO2吸收速率及脫硫效率的影響規(guī)律，實現(xiàn)出口

SO2濃度及脫硫效率的預測，以及對漿液成分、漿液密度、pH等關(guān)鍵參數(shù)變化趨勢的預測；

[0033] 步驟S203：SO2傳質(zhì)?反應機理模型能夠在趨勢上較好地反映主要影響因素對脫除效率的影響，為進一步考慮各影響因素之間、各設(shè)備之間的耦合關(guān)系與塔內(nèi)流場的不穩(wěn)定

性，基于在線監(jiān)測裝置收集脫硫裝置入/出口SO2濃度、漿液pH值、漿液密度、漿液溫度、循環(huán)

泵流量等脫硫裝置運行參數(shù)；

[0034] 步驟S204：結(jié)合步驟S203收集的脫硫裝置歷史運行參數(shù)，通過參數(shù)辨識的方法準確獲得模型參數(shù)，并進一步采用機器學習模型修正機理模型的誤差，進一步構(gòu)建脫硫裝置

機理與數(shù)據(jù)協(xié)同驅(qū)動的混合模型；

[0035] 步驟S205：采用OPC服務(wù)器實現(xiàn)預測服務(wù)器與DCS系統(tǒng)之間的數(shù)據(jù)通信，將訓練好的模型裝載于預測服務(wù)器上并使用實時數(shù)據(jù)進行驗證，進而不斷根據(jù)實際工況進行模型的

實時動態(tài)優(yōu)化調(diào)整；

[0036] (3)構(gòu)建二氧化硫等氣態(tài)污染物轉(zhuǎn)化過程模型，其包括下述步驟：[0037] 步驟S301：將二氧化硫吸收轉(zhuǎn)化為副產(chǎn)物過程中的氧化過程，分為自然氧化和強制氧化兩個過程，基于在線監(jiān)測裝置收集漿液溫度、pH值、入口煙氣中O2濃度和漿液液滴直

徑等脫硫裝置運行參數(shù)；

[0038] 步驟S302：基于步驟S301收集的運行數(shù)據(jù)，研究溫度、pH值、入口O2濃度和漿液液滴直徑等因素對亞硫酸鹽氧化過程的影響規(guī)律，構(gòu)建涵蓋氧氣傳質(zhì)??亞硫酸鈣溶解?本征

氧化反應過程的氧化速率模型；

[0039] 步驟S303：基于構(gòu)建的氧化速率模型，根據(jù)現(xiàn)有工況獲得當前工況下脫硫裝置的自然氧化率，并計算剩余所需的強制氧化率，根據(jù)所需強制氧化率獲得氧化系統(tǒng)的運行條

件，進而構(gòu)筑氧化量模型，實時計算不同運行工況下氧化風需求量。

[0040] 作為優(yōu)選，所述優(yōu)化控制模塊，利用所述智慧建模模塊建立的二氧化硫等污染物生成?吸收?轉(zhuǎn)化全流程模型，建立變負荷/工況完善的污染物脫除系統(tǒng)能耗、物耗、副產(chǎn)物

產(chǎn)出的動態(tài)評價模型，實時準確的評估不同工況下污染物吸收脫除系統(tǒng)的運行成本并計算

能耗物耗綜合成本最優(yōu)的參數(shù)組合，并通過智能控制算法實現(xiàn)對脫硫裝置關(guān)鍵參數(shù)的調(diào)

控。

[0041] 作為優(yōu)選，所述智能控制算法為群智能尋優(yōu)算法，利用群智能尋優(yōu)算法，進行污染物吸收脫除系統(tǒng)動態(tài)優(yōu)化，實時推薦運行參數(shù)，實現(xiàn)綜合成本最低。

[0042] 進一步優(yōu)選，所述群智能動態(tài)優(yōu)化算法包括但不限于粒子群優(yōu)化算法、蟻群算法、蜂群算法、遺傳算法等。

[0043] 作為優(yōu)選，所述動態(tài)評價模型構(gòu)建包括下述步驟：[0044] 步驟S401：將脫硫裝置運行費用模型分為電耗和物耗運行費用模型；[0045] 步驟S402：采集脫硫裝置的主要耗能設(shè)備包括循環(huán)泵、氧化風機、攪拌器及由于脫硫塔阻力增加而引起的增壓風機能耗，建立電耗運行費用模型；采集原煙氣流量、吸收塔入

口和出口SO2濃度根據(jù)脫硫塔物料平衡實時計算石灰石耗量，同時采集工藝水耗量，結(jié)合石

灰石和工藝水價格，建立物耗運行費用模型。

[0046][0047] 其中，COSTbf、COSTscp、COSTsa、COSToab、 COSTWFGD_w、 分別為增壓風機運行費用、漿液循環(huán)泵運行費用、漿液攪拌器運行費用、氧化風機運行費用、石灰石耗量

成本、工藝水耗量成本、石膏收益。

[0048] 作為優(yōu)選，所述優(yōu)化控制模塊主要功能可分為三部分：吸收子系統(tǒng)優(yōu)化控制，氧化子系統(tǒng)優(yōu)化控制，排漿子系統(tǒng)優(yōu)化控制；

[0049] 吸收子系統(tǒng)優(yōu)化控制，基于上述二氧化硫等氣態(tài)污染物生成?吸收?轉(zhuǎn)化全流程機理與數(shù)據(jù)耦合模型，采用調(diào)節(jié)噴淋層組合、循環(huán)泵頻率、漿液密度/液位、漿液pH值等參數(shù)實

現(xiàn)對吸收子系統(tǒng)的優(yōu)化控制；

[0050] 氧化子系統(tǒng)優(yōu)化控制，基于上述二氧化硫等氣態(tài)污染物生成?吸收?轉(zhuǎn)化全流程機理與數(shù)據(jù)耦合模型，采用調(diào)節(jié)氧化風機頻率、氧化風機啟停、漿液密度/液位、漿液pH值等參

數(shù)實現(xiàn)對氧化子系統(tǒng)的優(yōu)化控制；

[0051] 排漿子系統(tǒng)優(yōu)化控制，基于上述二氧化硫等氣態(tài)污染物生成?吸收?轉(zhuǎn)化全流程機理與數(shù)據(jù)耦合模型，采用調(diào)節(jié)漿液pH值、漿液排出泵啟停等參數(shù)實現(xiàn)對排漿子系統(tǒng)的優(yōu)化

控制。

[0052] 作為優(yōu)選，基于上述二氧化硫等氣態(tài)污染物生成?吸收?轉(zhuǎn)化全流程機理與數(shù)據(jù)耦合模型，同時結(jié)合電耗和物耗等運行費用模型，建立脫硫塔運行成本優(yōu)化模型；在給定pH

值、循環(huán)泵開啟范圍中，采用群智能尋優(yōu)算法求解對應的運行參數(shù)組合，從而脫硫系統(tǒng)實現(xiàn)

綜合成本最優(yōu)；

[0053][0054][0055] 其中，load為負荷，pH為吸收塔漿液運行參數(shù)， 為吸收塔入口SO2濃度，為吸收塔出口SO2濃度，ηSO2為脫硫效率。

[0056] 相對于現(xiàn)有技術(shù)，本發(fā)明的有益效果在于：[0057] (1)針對濕法脫硫吸收?氧化過程是涉及生成?吸收?轉(zhuǎn)化的復雜系統(tǒng)，系統(tǒng)具備輸入和輸出的關(guān)聯(lián)復雜且非線性，僅從機理或者數(shù)據(jù)角度難以準確表述，因此本發(fā)明結(jié)合工

藝機理與機器學習算法，發(fā)明了SO2生成?吸收?轉(zhuǎn)化全流程機理與數(shù)據(jù)耦合模型實現(xiàn)全運

行工況尤其是負荷調(diào)整、工況突變等條件下脫硫裝置入口/出口SO2濃度智能預測，同時對

模型效果進行驗證，驗證表明本發(fā)明可實現(xiàn)對脫硫裝置全過程主要參數(shù)的精準預測，其中

2 2

入口SO2濃度預測值R可達0.99以上，出口SO2濃度預測值R可達0.98以上；

[0058] (2)充分利用在線監(jiān)測裝置獲得實時運行數(shù)據(jù)，通過實時運行數(shù)據(jù)反饋信息對預測控制模型進行實時迭代和參數(shù)尋優(yōu)，保證預測控制模型的輸出參數(shù)與實際值長期匹配，

可靠性高；

[0059] (3)基于群智能動態(tài)優(yōu)化算法，結(jié)合模型預測控制方法，得到濕法脫硫系統(tǒng)最佳運行參數(shù)方案，通過動態(tài)優(yōu)化模塊控制運行設(shè)備，使出口SO2濃度預測值與實際值偏差最小，

且出口SO2濃度分布顯著集中；

[0060] (4)基于建立的脫硫裝置成本動態(tài)評價模型，實時準確的評估不同工況下污染物吸收脫除系統(tǒng)的運行成本，通過比較不同運行參數(shù)下的能耗物耗從而獲得使全局能耗物耗

最低的最優(yōu)運行參數(shù)，執(zhí)行機構(gòu)按得到的優(yōu)化控制參數(shù)進行控制，實現(xiàn)了關(guān)鍵調(diào)節(jié)變量的

提前調(diào)控，在實現(xiàn)實時出口SO2濃度100％達標的情況下，脫硫裝置綜合能耗降低25％以上，

節(jié)能降耗效果明顯。

附圖說明[0061] 圖1是本發(fā)明濕法脫硫系統(tǒng)動態(tài)智能優(yōu)化控制模塊控制流程示意圖；[0062] 圖2是單日SO2生成模型預測效果圖；[0063] 圖3是220t/h燃煤熱電機組脫硫智能調(diào)控前后主要參數(shù)對比圖；[0064] 圖4是220t/h燃煤熱電機組脫硫智能調(diào)控前后出口SO2分布對比圖；[0065] 圖5是130t/h燃煤熱電機組智能脫硫控制前后主要參數(shù)對比圖；[0066] 圖6是130t/h燃煤熱電機組智能脫硫控制前后出口SO2分布對比圖；[0067] 圖7是氧化子系統(tǒng)運行優(yōu)化及智能控制應用結(jié)果圖。具體實施方式[0068] 下面通過實施例，對本發(fā)明的技術(shù)方案作進一步具體的說明，這些實施例是對本發(fā)明的說明而作，不是對本發(fā)明的限制?；诒旧暾堉械膶嵤├?，本領(lǐng)域普通技術(shù)人員在沒

有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本申請保護的范圍。

[0069] 實施例1[0070] 參照圖1，一種濕法脫硫裝置的全過程智能運行調(diào)控系統(tǒng)，所述系統(tǒng)包括污染物脫除模塊、在線監(jiān)測模塊、優(yōu)化控制模塊和智慧建模模塊。所述污染物脫除模塊包括脫硫裝

置，用于污染物脫除；脫硫裝置是主要的污染物脫除裝置。所述在線監(jiān)測模塊用于監(jiān)測收集

脫硫裝置歷史運行數(shù)據(jù)以及實時運行數(shù)據(jù)并傳輸給智慧建模模塊、優(yōu)化控制模塊，具有信

息采集、預處理、整合、存儲、傳輸?shù)纫幌盗兄匾δ?。所述?yōu)化控制模塊根據(jù)實時運行工

況，通過多目標多工況的全局優(yōu)化算法實時評估不同工況下污染物吸收脫除系統(tǒng)的運行成

本，計算實現(xiàn)出口濃度穩(wěn)定達標條件下脫硫裝置能耗物耗最優(yōu)的濕法脫硫裝置最佳運行參

數(shù)組合，并通過智能控制算法實現(xiàn)運行參數(shù)的實時準確調(diào)控。所述智慧建模模塊采用機理?

數(shù)據(jù)?知識耦合驅(qū)動的混合建模方法，涵蓋多種污染物、多種吸收劑、多種反應器類型，實現(xiàn)

脫硫裝置出入口SO2等氣態(tài)污染物濃度及關(guān)鍵運行參數(shù)的多斷面準確預測。

[0071] 脫硫裝置配備的在線監(jiān)測模塊(在線監(jiān)測裝置)通過分布式控制系統(tǒng)(DCS)與優(yōu)化控制模塊相連接，通過智能調(diào)控預測服務(wù)器(智能調(diào)控系統(tǒng))實時監(jiān)測、查詢和導出歷史數(shù)

據(jù)以及實現(xiàn)部分控制功能，所有在線監(jiān)測表計實時監(jiān)測數(shù)據(jù)均與智能調(diào)控系統(tǒng)互聯(lián)互通。

在線監(jiān)測模塊采集的關(guān)鍵設(shè)備包括吸收塔、漿液循環(huán)泵、噴嘴、閥門、增壓風機、氧化風機、

攪拌器等數(shù)據(jù)儲存在智能調(diào)控系統(tǒng)上，形成智慧建模模塊和優(yōu)化控制模塊所需的基本數(shù)據(jù)

庫。

[0072] 所述污染物脫除模塊即濕法脫硫裝置布置在燃煤電廠煙道尾部，涵蓋二氧化硫生成?脫除?副產(chǎn)物處理全流程過程中的相關(guān)設(shè)備，主要由煙風子系統(tǒng)、吸收漿液循環(huán)子系統(tǒng)、

強制氧化子系統(tǒng)及石膏脫水子系統(tǒng)等子系統(tǒng)組成。包括漿液循環(huán)泵、氧化風機、石灰石漿液

供漿閥門、真空皮帶脫水機等主要設(shè)備。

[0073] 所述在線監(jiān)測模塊主要包括煙氣在線監(jiān)測系統(tǒng)(CEMS)，DCS關(guān)鍵元件的就地檢測與反饋系統(tǒng)，DCS系統(tǒng)所包含的測量系統(tǒng)以及脫硫裝置關(guān)鍵運行參數(shù)數(shù)據(jù)庫等。

[0074] 所述在線監(jiān)測模塊監(jiān)測的數(shù)據(jù)包括但不限于給煤量、一次風量、二次風量、鍋爐負荷、煙氣流量、吸收塔入口SO2濃度、吸收塔出口SO2濃度、循環(huán)漿液pH值、循環(huán)漿液泵頻率、吸

收漿液液位、漿液密度、氧化風流量、循環(huán)泵流量等關(guān)鍵運行參數(shù)。

[0075] 所述智慧建模模塊，針對可以吸收脫除的二氧化硫等氣態(tài)污染物，結(jié)合二氧化硫等氣態(tài)污染物的生成?吸收?轉(zhuǎn)化機理，采用機器學習的方法利用實際生產(chǎn)過程中的數(shù)據(jù)，

建立二氧化硫等氣態(tài)污染物生成?吸收?轉(zhuǎn)化全流程機理與數(shù)據(jù)耦合模型，涵蓋多種污染物

(SO2、SO3、HCl、HF等)、多種吸收劑(鈣基吸收劑，鎂基吸收劑，鈉基吸收劑，氨基吸收劑，海

水)、多種反應器類型(噴淋空塔、篩板/托盤/湍流管珊等強化傳質(zhì)塔、pH值分區(qū)塔等)，實現(xiàn)

二氧化硫等污染物濃度及關(guān)鍵運行參數(shù)(如漿液pH值等)的多斷面(鍋爐出口、吸收塔入口

和出口等)準確預測。

[0076] 作為優(yōu)選，針對多種類型的鍋爐(煤粉爐，循環(huán)流化床鍋爐)通過機理與數(shù)據(jù)結(jié)合的方式篩選二氧化硫等氣態(tài)污染物生成的關(guān)鍵影響因素并對各個變量進行時序修正，構(gòu)建

機理與數(shù)據(jù)協(xié)同驅(qū)動二氧化硫等污染物生成預測模型，實現(xiàn)二氧化硫等污染物生成濃度的

提前準確預測。

[0077] 作為優(yōu)選，通過研究多相(氣?液?固)反應體系中二氧化硫等氣態(tài)污染物非穩(wěn)態(tài)吸收機理，探究 等的遷移/轉(zhuǎn)化以及溫度、pH、相間速度對SO2等氣態(tài)污染物吸

收脫除的影響規(guī)律與調(diào)控機制，指導設(shè)計SO2等污染物吸收高效脫除系統(tǒng)的同時實現(xiàn)脫硫

系統(tǒng)效率及的準確預測。

[0078] 作為優(yōu)選，探究煙氣/漿液參數(shù)對自然氧化率的影響規(guī)律，實時計算氧化風需求量，研究漿液參數(shù)對副產(chǎn)物結(jié)晶速率及品質(zhì)的影響機制，為污染物吸收脫除系統(tǒng)的優(yōu)化、控

制提供基礎(chǔ)。

[0079] 二氧化硫等氣態(tài)污染物生成?吸收?轉(zhuǎn)化全流程機理與數(shù)據(jù)耦合模型的構(gòu)建包括下述步驟：

[0080] (1)構(gòu)建二氧化硫等氣態(tài)污染物生成過程模型包括下述步驟：[0081] 步驟S101：通過機理分析爐內(nèi)SO2生成過程的影響機制，由先驗知識獲得影響爐內(nèi)SO2生成的關(guān)鍵參數(shù)，初步確定爐內(nèi)二氧化硫生成模型的輸入?yún)?shù)；

[0082] 步驟S102：利用在線監(jiān)測系統(tǒng)采集不同負荷Ai和不同煤種Si下的鍋爐運行歷史數(shù)據(jù)和煤質(zhì)數(shù)據(jù)，其中鍋爐運行數(shù)據(jù)包括但不限于鍋爐燃燒溫度T，給煤量B，一次風量G1，二

次風量G2；煤質(zhì)數(shù)據(jù)包括但不限于飛灰系數(shù)afh，收到基灰分Aar，收到基低位發(fā)熱量Qnet，ar，灰

分中CaO、MgO、Fe2O3物質(zhì)的質(zhì)量分數(shù)a1，a2，a3；

[0083] 步驟S103：篩選包括但不限于給煤機切換等特殊工況點下不同變量的變化規(guī)律，分析關(guān)鍵因素變化到脫硫裝置入口SO2濃度響應的純延遲時間，將不同變量的純延遲時間

對齊，從而有效減少模型的輸入維度，提高模型的收斂性、準確性與泛化性；

[0084] 步驟S104：利用步驟S103中收集的歷史運行數(shù)據(jù)，采用長短期記憶遞歸神經(jīng)網(wǎng)絡(luò)(LSTM)等機器學習方法，找出不同負荷Ai和不同煤種Si等運行參數(shù)與脫硫裝置入口SO2濃

度之間的映射關(guān)系，建立脫硫裝置入口SO2濃度預測模型；

[0085][0086] 步驟S104：在煤質(zhì)數(shù)據(jù)難以連續(xù)獲得的情況下，模型添加自回歸變量吸收塔入口SO2濃度的當前測量值作為輸入來預測未來脫硫裝置SO2濃度，提高模型的適應性，使模型能

夠適應煤質(zhì)或者燃燒狀態(tài)的輕微波動；

[0087] 步驟S105：采用OPC服務(wù)器實現(xiàn)預測服務(wù)器與DCS系統(tǒng)之間的數(shù)據(jù)通信，將訓練好的模型裝載于預測服務(wù)器上并使用實時數(shù)據(jù)進行驗證，進而不斷根據(jù)實際工況進行模型的

實時動態(tài)優(yōu)化調(diào)整。

[0088] (2)構(gòu)建二氧化硫等氣態(tài)污染物吸收過程模型包括下述步驟：[0089] 步驟S201：通過研究多相(氣?液?固)反應體系中二氧化硫等氣態(tài)污染物非穩(wěn)態(tài)吸收機理，綜合考慮液滴的運動、氣體的吸收解吸、液滴內(nèi)部的擴散、電荷守恒以及電離平衡，

建立脫硫裝置內(nèi)SO2傳質(zhì)?反應機理模型；

[0090] 步驟S202：研究 等的遷移/轉(zhuǎn)化以及溫度、pH、相間速度對SO2等氣態(tài)污染物吸收脫除的影響規(guī)律與調(diào)控機制，獲得pH值、循環(huán)泵、負荷、入口SO2濃度、煙氣溫

度、漿液密度和液位高度等關(guān)鍵操作變量對SO2吸收速率及脫硫效率的影響規(guī)律，實現(xiàn)出口

SO2濃度及脫硫效率的預測，以及對漿液成分、漿液密度、pH等關(guān)鍵參數(shù)變化趨勢的預測；

[0091] 步驟S203：SO2傳質(zhì)?反應機理模型能夠在趨勢上較好地反映主要影響因素對脫除效率的影響，為進一步考慮各影響因素之間、各設(shè)備之間的耦合關(guān)系與塔內(nèi)流場的不穩(wěn)定

性，基于在線監(jiān)測裝置收集脫硫裝置入/出口SO2濃度、漿液pH值、漿液密度、漿液溫度、循環(huán)

泵流量等脫硫裝置運行參數(shù)；

[0092] 步驟S204：結(jié)合步驟S203收集的脫硫裝置歷史運行參數(shù)，通過參數(shù)辨識的方法準確獲得模型參數(shù)，并進一步采用機器學習模型修正機理模型的誤差，進一步構(gòu)建脫硫裝置

機理與數(shù)據(jù)協(xié)同驅(qū)動的混合模型；

[0093] 步驟S205：采用OPC服務(wù)器實現(xiàn)預測服務(wù)器與DCS系統(tǒng)之間的數(shù)據(jù)通信，將訓練好的模型裝載于預測服務(wù)器上并使用實時數(shù)據(jù)進行驗證，進而不斷根據(jù)實際工況進行模型的

實時動態(tài)優(yōu)化調(diào)整。

[0094] (3)構(gòu)建二氧化硫等氣態(tài)污染物轉(zhuǎn)化過程模型包括下述步驟：[0095] 步驟S301：將二氧化硫吸收轉(zhuǎn)化為副產(chǎn)物過程中的氧化過程，分為自然氧化和強制氧化兩個過程，基于在線監(jiān)測裝置收集漿液溫度、pH值、入口煙氣中O2濃度和漿液液滴直

徑等脫硫裝置運行參數(shù)；

[0096] 步驟S302：基于步驟S301收集的運行數(shù)據(jù)，研究溫度、pH值、入口O2濃度和漿液液滴直徑等因素對亞硫酸鹽氧化過程的影響規(guī)律，構(gòu)建涵蓋氧氣傳質(zhì)??亞硫酸鈣溶解?本征

氧化反應過程的氧化速率模型；

[0097] 步驟S303：基于構(gòu)建的氧化速率模型，根據(jù)現(xiàn)有工況獲得當前工況下脫硫裝置的自然氧化率，并計算剩余所需的強制氧化率，根據(jù)所需強制氧化率獲得氧化系統(tǒng)的運行條

件，進而構(gòu)筑氧化量模型，實時計算不同運行工況下氧化風需求量。

[0098] 所述優(yōu)化控制模塊，利用所述智慧建模模塊建立的二氧化硫等污染物生成?脫除?轉(zhuǎn)化全流程模型，建立變負荷/工況完善的污染物脫除系統(tǒng)能耗、物耗、副產(chǎn)物產(chǎn)出的動態(tài)

評價模型，實時準確的評估不同工況下污染物吸收脫除系統(tǒng)的運行成本并計算能耗物耗綜

合成本最優(yōu)的參數(shù)組合，并通過智能控制方法實現(xiàn)對脫硫裝置關(guān)鍵參數(shù)的調(diào)控。

[0099] 所述智能控制算法為群智能尋優(yōu)算法，利用群智能尋優(yōu)算法，進行污染物吸收脫除系統(tǒng)動態(tài)優(yōu)化，實時推薦運行參數(shù)，實現(xiàn)綜合成本最低。

[0100] 所述群智能動態(tài)優(yōu)化算法包括但不限于粒子群優(yōu)化算法、蟻群算法、蜂群算法、遺傳算法等。

[0101] 所述動態(tài)評價模型構(gòu)建包括下述步驟：[0102] 步驟S401：將脫硫裝置運行費用模型分為電耗和物耗運行費用模型；[0103] 步驟S402：采集脫硫裝置的主要耗能設(shè)備包括循環(huán)泵、氧化風機、攪拌器及由于脫硫塔阻力增加而引起的增壓風機能耗，建立電耗運行費用模型；采集原煙氣流量、吸收塔入

口和出口SO2濃度根據(jù)脫硫塔物料平衡實時計算石灰石耗量，同時采集工藝水耗量，結(jié)合石

灰石和工藝水價格，建立物耗運行費用模型。

[0104][0105] 其中，COSTbf、COSTscp、COSTsa、COSToab、 COSTWFGD_w、 分別為增壓風機運行費用、漿液循環(huán)泵運行費用、漿液攪拌器運行費用、氧化風機運行費用、石灰石耗量

成本、工藝水耗量成本、石膏收益。

[0106] 所述優(yōu)化控制模塊主要功能可分為三部分：吸收子系統(tǒng)優(yōu)化控制，氧化子系統(tǒng)優(yōu)化控制，排漿子系統(tǒng)優(yōu)化控制。

[0107] 吸收子系統(tǒng)優(yōu)化控制基于上述二氧化硫等氣態(tài)污染物生成?吸收?轉(zhuǎn)化全流程機理與數(shù)據(jù)耦合模型，采用調(diào)節(jié)噴淋層組合、循環(huán)泵頻率、漿液密度/液位、漿液pH值等參數(shù)實

現(xiàn)對吸收子系統(tǒng)的優(yōu)化控制。

[0108] 氧化子系統(tǒng)優(yōu)化控制基于上述二氧化硫等氣態(tài)污染物生成?吸收?轉(zhuǎn)化全流程機理與數(shù)據(jù)耦合模型，采用調(diào)節(jié)氧化風機頻率、氧化風機啟停、漿液密度/液位、漿液pH值等參

數(shù)實現(xiàn)對氧化子系統(tǒng)的優(yōu)化控制。

[0109] 排漿子系統(tǒng)優(yōu)化控制基于上述二氧化硫等氣態(tài)污染物生成?吸收?轉(zhuǎn)化全流程機理與數(shù)據(jù)耦合模型，采用調(diào)節(jié)漿液pH值、漿液排出泵啟停等參數(shù)實現(xiàn)對排漿子系統(tǒng)的優(yōu)化

控制。

[0110] 作為優(yōu)選，基于上述二氧化硫等氣態(tài)污染物生成?吸收?轉(zhuǎn)化全流程機理與數(shù)據(jù)耦合模型，同時結(jié)合電耗和物耗等運行費用模型，建立脫硫塔運行成本優(yōu)化模型；在給定pH

值、循環(huán)泵開啟范圍中，采用群智能尋優(yōu)算法求解對應的運行參數(shù)組合，從而脫硫系統(tǒng)實現(xiàn)

綜合成本最優(yōu)；

[0111][0112][0113] 其中，load為負荷，pH為吸收塔漿液運行參數(shù)， 為吸收塔入口SO2濃度，為吸收塔出口SO2濃度；ηSO2為脫硫效率。

[0114] 實施例2[0115] 某熱電聯(lián)產(chǎn)機組以煤摻燒污泥為燃料，額定蒸發(fā)量為220t/h，配套1臺50MW背壓汽輪發(fā)電機，應用濕法脫硫裝置的全過程智能運行調(diào)控系統(tǒng)進行工程驗證，濕法脫硫裝置的

全過程智能運行調(diào)控系統(tǒng)包括污染物脫除模塊、在線監(jiān)測模塊、優(yōu)化控制模塊和智慧建模

模塊。該脫硫裝置主體為吸收塔，共四層噴淋，每層噴淋層配備一臺獨立運行的循環(huán)泵。脫

硫裝置配備的在線監(jiān)測模塊(在線監(jiān)測裝置)通過分布式控制系統(tǒng)(DCS)與優(yōu)化控制模塊相

連接，通過智能調(diào)控預測服務(wù)器(智能調(diào)控系統(tǒng))實時監(jiān)測、查詢和導出歷史數(shù)據(jù)以及實現(xiàn)

部分控制功能，所有在線監(jiān)測表計實時監(jiān)測數(shù)據(jù)均與智能調(diào)控系統(tǒng)互聯(lián)互通。在線監(jiān)測模

塊采集的關(guān)鍵設(shè)備包括吸收塔、漿液循環(huán)泵、噴嘴、閥門、增壓風機、氧化風機、攪拌器等數(shù)

據(jù)儲存在智能調(diào)控系統(tǒng)上，形成智慧建模模塊和優(yōu)化控制模塊所需的基本數(shù)據(jù)庫。

[0116] 通過濕法脫硫裝置的初期運行，通過在線監(jiān)測模塊獲得濕法脫硫系統(tǒng)入口SO2濃度、pH值、負荷、循環(huán)泵頻率等參數(shù)變化對脫硫系統(tǒng)出口SO2濃度的影響，采用智慧建模模塊

建立預測控制模型，獲得精準度高的預測控制模型，然后通過優(yōu)化控制模塊指導濕法脫硫

裝置的運行設(shè)備在最優(yōu)參數(shù)條件下運行。

[0117] 如圖2所示，SO2生成模型在具有較好的預測效果的同時也具有較高的預測精度，2 3 2

前13天預測R 值可達0.98以上，RMSE為30.1mg/m ，第14天預測R 值可達0.99，RMSE小于

3

20mg/m。不僅如此，模型具有很好的提前預測效果，可以提前吸收塔入口CEMS系統(tǒng)90秒給

出吸收塔入口SO2濃度的預測值。同時快速升降給煤量時模型能夠在快速變工況下提前預

測SO2的變化趨勢。

[0118] 分別使用原DCS控制和智能調(diào)控系統(tǒng)對此機組的典型工況進行控制，并分析48h內(nèi)各主要參數(shù)的變化趨勢。圖3展現(xiàn)了兩種控制方式下，蒸汽量、入口SO2濃度、漿液pH值和出

口SO2濃度的變化趨勢。由圖3可見，原DCS控制工況入口負荷較為平穩(wěn)，蒸汽量在100～

3

200t/h間波動、入口SO2濃度在500mg/m附近波動；智能調(diào)控系統(tǒng)應用時在入口負荷波動較

大，蒸汽量在80～250t/h間波動、入口SO2濃度有明顯上升趨勢。而兩者的漿液pH值無較大

差異，并且智能調(diào)控下的出口SO2濃度更為穩(wěn)定，證明了在入口條件更為惡劣的前提下，智

能調(diào)控可以不影響其他參數(shù)的變化趨勢，并有更為穩(wěn)定的SO2出口濃度。為SO2的穩(wěn)定控制提

供了方案，并有助于降低減排成本。如圖4所示，通過對比出口SO2濃度的分布曲線，發(fā)現(xiàn)原

3

DCS低濃度區(qū)域分布較多，這會造成物耗能耗增大，而智能調(diào)控主要分布集中在22mg/m附

近，可以在穩(wěn)定達標的前提下靠近排放限值，有效避免因過度控制而造成的高能耗的問題。

[0119] 為驗證所研發(fā)的脫硫智能調(diào)控系統(tǒng)的能量消耗情況，選取一周的典型工況對其漿液循環(huán)泵和氧化風機的能耗進行分析。在220t/h燃煤熱電機組中，原DCS控制下漿液循環(huán)泵

單位脫硫量的能耗為0.0121kW/mg，而智能調(diào)控下能耗降低至0.0089kW/mg，單位脫硫量的

能耗下降26.4％，平均能耗降低26.2％；選取一周的典型工況進行分析氧化風機的能量消

耗情況，原DCS控制下氧化風機的平均功率為48kW，而智能調(diào)控下平均功率降低至30kW，長

期運行能耗下降37.5％，兩風機的平均運行能耗降低34.1％。

[0120] 實施例3[0121] 某熱電聯(lián)產(chǎn)機組以煤摻燒污泥為燃料，額定蒸發(fā)量為130t/h，配套1臺25MW背壓汽輪發(fā)電機，應用濕法脫硫裝置的全過程智能運行調(diào)控系統(tǒng)及方法進行工程驗證。在130t/h

燃煤熱電機組中，蒸汽量、入口SO2濃度和出口SO2濃度的變化趨勢如圖5所示。由5圖可見，兩

者入口負荷基本相同，而智能調(diào)控的入口SO2濃度波動較大，但原DCS控制下的出口SO2濃度

波動大、多次超出二氧化硫排放標準，而智能調(diào)控下的出口濃度控制平穩(wěn)，證明了智能調(diào)控

可有效改善原DCS控制的短板，為智能管控、降低能耗提供了幫助。

[0122] 如圖6所示，通過對比出口SO2濃度的分布曲線，可以發(fā)現(xiàn)原DCS控制后的濃度分布不均勻，分布在各濃度區(qū)間且有較多的出口濃度超出指定范圍，而智能調(diào)控下的濃度分布

3

在25mg/m周圍，可以在穩(wěn)定達標的前提下靠近排放限值，有助于降低能耗。

[0123] 為驗證所研發(fā)的脫硫智能調(diào)控系統(tǒng)的能量消耗情況，選取一周的典型工況對其漿液循環(huán)泵和氧化風機的能耗進行分析。在130t/h燃煤熱電機組中，原DCS控制下漿液循環(huán)泵

單位脫硫量的能耗為0.0174kW/mg，而智能調(diào)控下能耗降低至0.0129kW/mg，單位脫硫量的

能耗下降25.9％。選取一周的典型工況進行分析氧化風機的能量消耗情況，原DCS控制下氧

化風機的平均功率為36kW，而智能調(diào)控下平均功率降低至25kW，長期運行能耗下降30.6％；

[0124] 實施例4[0125] 為驗證濕法脫硫裝置的全過程智能運行調(diào)控系統(tǒng)及方法的有效性和安全性，于130t/h和220t/h機組上開展了工程試驗研究，采用控制氧化風機啟停的方式實現(xiàn)氧化風機

的優(yōu)化控制，并對脫硫漿液進行了采樣分析，主要分析了溶解氧、pH、亞硫酸鹽濃度三個指

標，結(jié)果如圖7所示。

[0126] 如圖7所示，當風機關(guān)閉后，漿液中的溶解氧快速消耗，由5mg/L左右降低至0.5mg/L左右，這說明在氧化風機停止后短時間內(nèi)，吸收塔內(nèi)亞硫酸鹽的氧化速率大于氧氣的傳質(zhì)

速率從而導致漿液中溶解氧量的降低。當氧化風機停運時，漿液的pH值會有略微的下降，原

因在于氧化風機關(guān)閉會導致一定量的亞硫酸鹽累積，亞硫酸鹽會影響石灰石的活性，減慢

石灰石的溶解速率，因此漿液的pH會略有降低。在130t/h機組上，亞硫酸鹽濃度在風機由關(guān)

閉轉(zhuǎn)為開啟時達到了最高的6.1mmol/L，在220t/h機組上，風機關(guān)閉后亞硫酸鹽濃度由

2.6mmol/L逐漸上升至3.6～5.4mmol/L，在風機開啟后，又降回至2.8～3.1mmol/L?，F(xiàn)場測

試結(jié)果表明，在風機關(guān)閉周期內(nèi)漿液中會有一定的亞硫酸鹽累積，會在一定程度上影響漿

液的pH值，但由于亞硫酸鹽累積量不高，不會對脫硫過程產(chǎn)生很大的影響。而風機開啟周期

內(nèi)，亞硫酸鹽濃度也能夠最終降到上一個風機關(guān)閉周期前的亞硫酸鹽濃度水平，對石膏品

質(zhì)不會有太大的影響。

[0127] 綜合以上，本發(fā)明提出了一種濕法脫硫裝置的全過程智能運行調(diào)控系統(tǒng)，實現(xiàn)變負荷、變?nèi)剂系葪l件下濕法脫硫裝置全過程主要參數(shù)的精確調(diào)節(jié)和優(yōu)化調(diào)控，實現(xiàn)脫硫裝

置“高可靠性卡邊控制”顯著降低出口污染物濃度波動，進而保證濕法脫硫系統(tǒng)安全、穩(wěn)定、

經(jīng)濟、高效運行。本發(fā)明建立的SO2生成?吸收?轉(zhuǎn)化全流程機理與數(shù)據(jù)耦合模型可實現(xiàn)對脫

2

硫裝置全過程主要參數(shù)的精準預測，其中入口SO2濃度預測值R 可達0.99以上，出口SO2濃度

2

預測值R 可達0.98以上?；诮⒌拿摿蜓b置成本動態(tài)評價模型，實時準確的評估不同工

況下污染物吸收脫除系統(tǒng)的運行成本，通過比較不同運行參數(shù)下的能耗物耗從而獲得使全

局能耗物耗最低的最優(yōu)運行參數(shù)，執(zhí)行機構(gòu)按得到的優(yōu)化控制參數(shù)進行控制，實現(xiàn)了關(guān)鍵

調(diào)節(jié)變量的提前調(diào)控，在實現(xiàn)實時出口SO2濃度100％達標的情況下，脫硫裝置綜合能耗降

低25％以上，節(jié)能降耗效果明顯。

[0128] 以上結(jié)合實施例對本發(fā)明進行了詳細說明，但所述內(nèi)容僅為本發(fā)明的具體實施方式，但并不能因此而理解為對本發(fā)明專利范圍的限制。應當指出的是，對于本領(lǐng)域的普通技

術(shù)人員來說，在不脫離本發(fā)明構(gòu)思的前提下，凡依本發(fā)明申請范圍所做出的若干變形與改

進等，均應仍屬于本發(fā)明的專利涵蓋范圍之內(nèi)。