以某电厂300MW循环流化床机组的SNCR-SCR联合脱硝系统为研究对象,通过分析炉内的NOX生成机理及影响因素,SNCR和SCR脱硝机理及影响因素,并根据当前试验机组脱硝系统的自动控制现状,确定了实现该类机组NOX脱除自动控制的关键是要解决SNCR脱硝系统的自动控制问题。SNCR脱硝系统NOX的脱除过程具有大迟延、大惯性、多因素耦合等特性,同时采用SNCR脱硝系统的CFB锅炉具有NOX生成量不可测的特点,对于这类被控对象往往常规控制方法无法满足其控制要求,而一些先进控制算法因不能建立较准确的被控对象数学模型也很难在现场实际中实施。针对此情况,将多种控制理论与相关领域专家知识相结合提出了一种适合于现场实施的SNCR脱硝智能控制策略,主要内容包括:1.选择具有非线性逼近能力强、易于现场实施等特点的BP神经网络,根据未投SNCR脱硝系统时NOX生成的质量浓度与负荷和风煤比的关系,以及投入SNCR脱硝系统后NOX的实测质量浓度与负荷、风煤比和喷氨量的关系,建立了两种BP神经网络模型,并研究了在新华DCS中实现BP神经网络的具体方法。将经过训练得到的网络模型写入DCS组态程序后,实现了NOX质量浓度的生成量以及发生还原反应所剩NOX质量浓度的在线预测。为解决SNCR系统NOX脱除的自动控制问题提供了较准确的模型,为脱硝自动控制的优化和后续控制策略的实施提供了基础条件。2.设计出基于智能控制的SNCR脱硝控制策略,该控制策略以专家控制为基本结构,结合模糊控制、BP神经网络和无模型自适应控制算法,最终形成了八个独创性的结构:基于专家经验的设定值形成结构、分层优化结构、基于专家控制的区间控制、基于无模型自适应的稳态优化、基于BP神经网络的前馈控制、基于BP神经网络的还原剂低限/高限保护、基于专家控制的还原剂低限保护自适应控制及基于模糊的NOX快速保护。将该智能控制策略与新华DCS系统相结合,经过调试及运行,最终解决了NOX脱除过程所具有的大迟延、非线性、大惯性及多变量耦合等特性所带来的控制难题,实现了试验机组脱硝系统100%的自动投运率,氨水消耗量每300MW·h比原来降低19.8%,并保证了脱硝系统的安全、稳定及经济运行。本课题的研究成果已成功应用于两台300MW CFB机组的脱硝系统,应用效果显著,具有一定的推广应用前景。