摘 要
传统的污染物排放控制方法控制效果较差，导致控制后的污染物排放量也较多，因此，本文从对喷氨量优化控制的角度出发，首先采用相关度评价方法评价脱硝系统各个工况参数之间的关联性，然后通过比较脱硝后烟气的浓度含量和原始烟气中氮氧化物的浓度含量，计算脱硝效率。确定污染物排放影响参数，并设置脱硝系统报警值，在此基础上，引入 RBF 神经网络建立脱硝系统模型以及混沌离子群算法，进行轧制优化，提高脱硝率，降低氨气逃逸率。以便将喷氨量控制在合理范围内，减少火电厂污染物的排放，以此完成固体废弃物燃烧污染物排放的控制。经实验结果对比，此设计的固体废弃物燃烧污染物排放控制方法，比传统的控制方法控制后的污染物排放量少，具有一定的实际应用价值。
关键词:固体废弃物; 燃烧污染; 控制方法
近年来，由于中国的经济不断发展，燃煤电厂排放的氮氧化物大量增加，造成了严重的大气污染。因此降低火电厂废弃物的排放成为了刻不容缓的问题。我国对环保标准有一定程度的提高，要求火电厂脱硝系统经济稳定运行，垃圾排放也必须达标。因此，对于控制火电厂固体废弃物燃料污染物排放控制方法的研究有一定的实用价值。在火力发电厂的实际控制中，由于 SCR 脱硝系统控制不能达到稳定的效果，负荷的变化不能及时、快速的响应，导致喷氨阀控制的变化，不仅致使喷氨阀的使用寿命降低，也因为过量的喷氨量，增加了脱硝成本和严重的环境污染。不难看出，传统的污染物排放控制方法控制后的污染物排放量也较多，因此对固体废弃物燃烧污染物排放控制方法进行优化设计。
污染物控制方法主要是控制喷氨量，通过确定污染物排放影响参数和污染物排放控制模型构建实现污染物排放的控制，并经实验结果对比，以验证该方法较传统方法对污染物排放的控制效果。
1 污染物排放参数
在对固体废弃物燃烧污染物排放控制之前，先确定污染物排放控制的影响参数，因为火电厂烟气脱硝过程中，会受到多种因素影响，为提高对污染物排放的控制效果，对影响脱硝效的主要参数计算。首先分析火电厂烟气脱硝 SCR 化学反应原理，如下图所示。
图 1 SCR 化学反应原理图
在分析影响脱硝效率之前，对脱硝系统的工况参数关联性分析，为污染物排放影响参数确定提供基础。根据以往火电厂脱硝系统的工程实践，发现脱硝系统运行参数之间的相关性为线性，且相差较大。因此，采用相关度评价方法评价脱硝系统各个工况参数之间的关联性，定义为：
在实际对工况参数关联性计算时，根据下述过程计算：
step1：选取 SCR 系统稳定运行时段的工况数据；
step2：以小时为单位获取前 24 h 系统数据的相关系数；
step3：计算系统期望值与标准差，将以正态分布数据点的区间作为相关性的置信区间；
step4：关联性需要每一个小时计算一次，如果计算结果不在置信区间内，则认为没有过滤异常数据，说明工况数据是异常的，如果计算结果在置信区间内，则认为工况数据的关联性是正常的。
在上述对脱硝系统工况参数关联性的计算的基础上，通过脱硝后烟气和原烟气中比较的氧化氮浓度含量，即可算出脱硝效率。脱硝效率是控制污染物排放的重要因素，其计算公式如下所示：
公式（2）中，NOXE为未经过处理的氮氧化物含量，NOX1代表处理后的烟气中氮氧化物含量。分析可知，反应温度、氨氮比和混合气体的流动速度对脱硝效率都有一定的影响。为减少这些影响，设置脱硝系统报警值，如下表所示：
表 1 脱硝系统报警值设置
通过上述对工况参数关联性的计算，确定污染物排放的影响参数，并设置脱硝系统报警值，从基础操作上减少污染物的排放，为固体废气物燃烧污染物排放控制提供一定的基础。
2 污染物排放控制
模型构建在上述确定污染物排放影响参数的基础上，构建污染物排放控制模型，主要目的是对喷氨量优化控制，以对最终的污染物排放控制。为降低氮氧化物的排放，达到低排放要求，因此提高喷氨量精度，从根本上减少污染物排放。引入 RBF 神经网络建立脱硝系统模型，并利用混沌粒子群进行寻优，以达到精确的喷氨。对脱硝喷氨量控制的过程主要有下：首先利用 RBF 神经网络建立脱硝系统模型，假如设定优化控制中，有 N 个训练的样本，则对全部训练样本的总误差函数将计算为：
在此基础上，确定隐含层神经元径向基函数的中心，设定 RBF 网络输入为：
通过上述过程完成脱硝系统模型的建立，针对喷氨量控制问题，可引入混沌离子群算法，进行轧制优化，提高脱硝系统脱硝率，并降低氨气逸出率。在对脱硝喷氨量控制过程中，为避免一些粒子在迭代中发生停滞的现象，基于全局最优位置，迭代后产生一个混沌序列。最后，将存在于混沌序列中最优的粒子位置，随机替换为当前粒子群中任意粒子的位置。根据上述定义，通过对喷氨量的优化控制，能够有效减少污染物的排放，从而实现对污染物排放的控制。同时，为了证明上述方法的有效性，下一步将进行实验论证。
3 实验对比
实验对比是为了证明上述设计的排放控制方法的有效性，为了保证实验的准确性，将传统的污染物排放控制方法和传统方法进行对比，查看两种污染物排放控制方法的控制后的污染物排放量。
3.1 实验方案
监测火电厂污染物排放浓度的采样方法依据《固定污染源中颗粒物测定与气态污染物采样方法》，排放浓度的表示与折算依据《锅炉大气污染排放标准》。选取某火电厂作为实验地点，分别使用两种方法对该火电厂的污染物排放控制。在实验之前，对实验所需的脱硝系统的调试，确保烟道和氨喷射格中不存在杂质及堵塞等状况，并测试传感器和控制系统正常。确认脱硝系统各个模块能够正常工作后进行喷氨。
同时，手动调节氨节流阀支管，使空气和氨气的气体混合，确定机组处于高负荷点的运行状态，确定实验锅炉稳定运行后，先后在 SCR 系统出口检查杨气质和氨气值，并仔细查看烟气温度及烟速。
采集污染物的过程中，因为当测量不同的气体成分和压力时，玻璃转子流量计需要修正指示，其方法如下所示：
公式（5）中，Qc 代表在标定状态下，空气的绝对温度，简称：标定介质，即，σPt、ha 均代表了被测量的污染物在实际测量时的绝对温度，Q 代表空气在标定状态下的密度。
通过上述过程，完成对采集污染物示数的修正，在此基础上，采用 DU-56JK 软件实时对实验数据采样，并对采样结果分析。
3.2 实验结果分析
测试两种方法的污染物排放量，以验证两种方法的控制效果，实验对比结果如下所示：
图 2 实验对比结果
分析上图可知，此次设计的污染物排放控制方法控制后的污染物排放量较少，因为此次设计的控制方法有效解决了火电厂污染物排放的影响因素，以及提高喷氨量优化控制脱硝的效率，降低氨气逃逸率，避免二次空气污染。因此减少了污染物的排放量。而传统的控制方法控制后的污染物排量较多，6 次实验的污染物排放量均比此次设计的污染物排放控制方法的污染物排放量多，说明传统控制方法控制效果较差，不能达到污染物排放量控制需求。
因此，通过上述实验，能够证明此次设计的污染物控制方法比传统方法的污染物控制方法控制后的污染物排放量少，能够合理将火电厂的污染物控制在合理范围内，有效减少固体废气燃烧污染物的排放。
4 结 语
针对传统的污染物控制方法控制后的污染物排放量多的问题，设计了一种固体废气物燃烧污染物排放控制方法。首先对对脱硝系统的工况参数关联性分析，通过比较脱硝后烟气的浓度和原始烟气中氮氧化物的浓度，计算脱硝效率。确定污染物控制的影响因素，然后利用 RBF 神经网络建立脱硝系统模型，对喷氨量进行优化控制，提高脱硝系统的脱硝率与减少氨气的逃逸率，目的是将喷氨量控制在合理范围内，以减少污染物的排放，以此完成对污染物排放的控制。实验对比结果表明，此次设计的污染物控制方法比传统的控制方法控制后的污染物排放量少，具有一定的实际应用意义。但是随着脱硝系统的不断发展，需要对脱硝系统的控制方面深入研究，在日后研究中，可以引入更多的被控对象，以提高污染物排放的控制效果。
