焦化废气脱硫过程优化控制方法技术领域
本发明涉及工业控制技术领域，尤其涉及一种焦化废气脱硫过程优化控制方法。
背景技术
二氧化硫和氮氧化物是主要的大气污染物，是影响大气质量的主要因素。我国是
世界上最大的炼焦生产国，由于历史的原因，长期以来，国内焦化工业炼焦烟气都没有脱硫
脱硝处理而直接排入大气，成为大气污染的重要源头之一。2015年1月1日起正式实施的《炼
焦化学污染物排放标准》对焦化工业的二氧化硫和氮氧化物的排放指标提出了严格和明确
的量化要求。
某焦化厂于国内率先采用湿式氨法强制湍流脱硫和强制氧化尿素脱硝一体化工
艺装置(简称脱硫脱硝一体化工艺装置)作为处理焦化工业烟气的一种重要手段。该工艺装
置包含的设备有引风机、余热回收锅炉、增压风机、脱硫塔、脱硝塔、硫酸铵循环槽、固液分
离器、尿素溶解槽、管道与辅助泵等相关设备、过程参数检测装置、过程参数调节装置、DCS
系统(Distributed Control System，分布式控制系统或集散控制系统，是一种计算机控制
系统)等(如图1所示)。
上述工艺装置的工艺过程如下：
炼焦过程中的烟气经引风机送入余热回收锅炉，烟气温度由300℃降至160℃左
右，经过增压风机，在进入脱硫塔之前与臭氧输入管道汇合，烟气中的部分NO与臭氧快速反
应生成NO2。烟气进入脱硫塔浓缩段，经过喷淋、洗涤，降温至60℃左右，再经气帽进入到脱
硫塔的吸收段，与顶部喷淋的脱硫吸收液逆流接触；烟气中的SO2与吸收剂中的亚硫酸铵反
应生成亚硫酸氢铵，SO2得以脱除净化。吸收段底部的液体回流到脱硫塔底部的储液槽。为
了恢复吸收液的吸收能力，需补充氨水。脱硫塔顶部喷淋工艺保持储液槽的液位在合理范
围内。储液槽底部鼓入空气，将储液槽中的部分(NH4)2SO3氧化为(NH4)2SO4，供浓缩段中硫酸
铵的喷淋-蒸发-浓缩与后续处理。
脱硫后的烟气管道与臭氧输入管道连接，向脱硫后60℃左右的烟气中混入臭氧，
烟气中的部分NO与臭氧快速反应生成NO2，随后进入脱硝塔下部，与脱硝塔顶部喷淋的尿素
溶液逆流接触，NO、NO2与溶液中的尿素发生还原反应生成N2、CO2和H2O，完成脱硝。达到环保
排放标准的烟气在脱硝塔顶部排入大气，从而完成烟气的全部处理过程。
上述过程可以分为两个子过程，即脱硫过程和脱硝过程。对于脱硫过程，若要获得
较高的脱硫效率，最重要的就是要控制塔内吸收液的pH值，因为它对塔内烟气中SO2的吸收
有着最直接的影响。而现阶段其脱硫过程的控制存在如下几个问题：1、被控变量直接为净
化后烟气中SO2浓度，且仅采用简单的PID(比例-积分-微分控制，P代表比例，I代表积分，D
代表微分)控制，超调与滞后极大，完全无法保证控制的稳定性与精确性；2、炼焦过程具有
十分复杂的生产条件，造成了其多工况特性，不同工况下烟气的温度、流量、浓度等指标差
异很大；3、工艺要求中仅规定了PH值的要求为4.5-6.5，范围过大且没有考虑不同烟气条件
下的差异，造成了原料的大量浪费甚至氨逃逸，不利于脱硫脱硝一体化工艺装置的经济、环
保运行。
有鉴于此，特提出本发明。
发明内容
为了解决现有技术中的上述问题，即为了解决如何确保脱硫过程在最经济环保的
条件下平稳进行的技术问题而提供一种焦化废气脱硫过程优化控制方法。
为了实现上述目的，提供以下技术方案：
一种焦化废气脱硫过程优化控制方法，所述优化控制方法应用于脱硫脱硝一体化
工艺装置，所述控制方法包括：
根据所述脱硫脱硝一体化工艺装置入口的烟气温度、烟气流量、烟气氧含量和二
氧化硫浓度，利用模糊识别算法，确定当前工况；
采用变步长递减的方法，确定所述当前工况下的脱硫吸收液的最优PH值；
利用神经网络模型确定所述当前工况下的氨水补偿量；
基于所述脱硫脱硝一体化工艺装置出口的二氧化硫浓度，采用内膜控制方法确定
所述当前工况下的氨水控制量；
基于所述脱硫吸收液的最优PH值，结合所述氨水补偿量和所述氨水控制量，来控
制所述脱硫吸收液的PH值。
优选地，所述根据所述脱硫脱硝一体化工艺装置入口的烟气温度、烟气流量、烟气
氧含量和二氧化硫浓度，利用模糊识别算法，确定当前工况，具体包括：
将所述烟气温度、所述烟气流量、所述烟气氧含量和所述二氧化硫浓度设定为状
态向量；
基于所述状态向量进行聚类，确定分类准则，并通过所述分类准则得到状态集；
通过加权模糊识别算法，求出所述状态向量与所述状态集的模糊隶属度关系矩
阵；
基于所述模糊隶属度关系矩阵，通过最大隶属度原则确定所述当前工况。
优选地，所述采用变步长递减的方法，确定所述当前工况下的脱硫吸收液的最优
PH值，具体包括：
采用变步长递减方法根据下式确定所述当前工况下所述脱硫吸收液的最优PH值：
式中，所述n表示迭代次数，n>＝2；所述PHn表示第n次迭代时的PH值；所述PHn-1表
示第n-1次迭代时的PH值；所述Wmax和所述Wmin分别表示步长的最大和最小值；所述kn表示当
前迭代次数；所述kmax表示最大迭代次数；t0表示所述脱硫脱硝一体化工艺装置稳定运行后
的起始时间；所述P(t0)表示所述脱硫脱硝一体化工艺装置出口烟气二氧化硫浓度值；所述
P限表示限定的二氧化硫浓度值；所述T表示采样周期；所述ε表示终止阈值。
优选地，所述神经网络模型为多个径向基函数神经网络并联的模型。
优选地，所述基于脱硫脱硝一体化工艺装置出口的二氧化硫浓度，采用内膜控制
方法确定当前工况下的氨水控制量，具体包括：
采用闭环双通道继电反馈频域辨识方法，来建立脱硫脱硝过程传递函数模型；
利用所述脱硫脱硝过程传递函数模型，基于所述脱硫脱硝一体化工艺装置出口的
二氧化硫浓度，采用内模控制方法，确定氨水控制量。
优选地，所述采用闭环双通道继电反馈频域辨识方法，来建立脱硫脱硝过程传递
函数模型，具体包括：
根据所述脱硫脱硝过程中的氨水加入量和极限环振荡的输出，利用傅立叶变换估
计得到所述脱硫脱硝过程的频率响应估计；
根据所述脱硫过程的频率响应估计，利用辨识算法及非线性优化算法，估计出脱
硫脱硝过程传递函数模型。
优选地，所述根据所述脱硫过程的频率响应估计，利用辨识算法及非线性优化算
法，估计出脱硫脱硝过程传递函数模型，具体包括：
根据脱硫过程的频率响应估计，确定如下目标函数：
其中，所述ci表示权值；所述m表示选定的相位个数；所述表示通过双通道继
电特性测试的、在ωi下的多点频率特性估计；所述G(jω0)表示待估计的频率特性；所述J表
示所述目标函数；
基于目标函数，利用辨识算法，得到传递函数；
采用非线性优化算法，求解所述传递函数中的常数，从而确定所述脱硫脱硝过程
传递函数模型。
优选地，所述传递函数为一阶惯性加滞后传递函数；
所述采用非线性优化算法，求解所述传递函数中的常数，从而确定所述脱硫脱硝
过程传递函数模型，具体包括：采用非线性优化算法，求解所述传递函数中的比例常数、惯
性常数和滞后常数，从而确定所述脱硫脱硝过程的一阶惯性加滞后传递函数模型。
本发明实施例提供一种应用于脱硫脱硝一体化工艺装置的焦化废气脱硫过程优
化控制方法。该方法包括：根据脱硫脱硝一体化工艺装置入口的烟气温度、烟气流量、烟气
氧含量和二氧化硫浓度，利用模糊识别算法，确定当前工况；采用变步长递减的方法，确定
当前工况下的脱硫吸收液的最优PH值；利用神经网络模型确定当前工况下的氨水补偿量；
基于脱硫脱硝一体化工艺装置出口的二氧化硫浓度，采用内膜控制方法确定当前工况下的
氨水控制量；基于脱硫吸收液的最优PH值，结合氨水补偿量和氨水控制量，来控制脱硫吸收
液的PH值。本发明实施例将PH值作为被控变量，采用带有前馈神经网络补偿的内模控制结
构，大大提高了控制的快速性与精确性，保证烟气的SO2含量控制在限定指标下；采用变步
长递减改变PH设定值的策略对脱硫过程进行优化，既能使烟气SO2浓度达到限定指标下，还
可以最小化氨水消耗量，避免了氨逃逸的现象出现，使脱硫脱硝一体化工艺装置运行在最
经济环保的状态下，实现了脱硫过程的控制与优化，降低了运行成本。
附图说明
图1是脱硫脱硝一体化工艺装置的示意图；
图2为根据本发明实施例示出的焦化废气脱硫过程优化控制方法的流程示意图；
图3为根据本发明实施例示出的闭环双通道继电反馈的结构示意图；
图4为根据本发明实施例示出的双通道继电特性的结构示意图。
具体实施方式
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这
些实施方式仅仅用于解释本发明的技术原理，并非旨在限制本发明的保护范围。
本发明实施例的基本思想是：以脱硫吸收液PH值作为被控变量，氨水溶液加入流
量作为控制变量，采用带有前馈补偿的内模控制结构，同时，通过相应的优化策略，控制脱
硫吸收液的PH值，找到当前工况下最优PH值，从而保证脱硫脱硝一体化工艺装置在最经济
环保的条件(出口二氧化硫浓度在指标范围内且脱硫吸收液PH值在中性范围内)下平稳运
行。
本发明实施例提出一种焦化废气脱硫过程优化控制方法。该方法应用于脱硫脱硝
一体化工艺装置，如图2所示，该方法可以包括：
S100：根据脱硫脱硝一体化工艺装置入口的烟气温度、烟气流量、烟气氧含量和二
氧化硫浓度，利用模糊识别算法，确定当前工况。
本步骤将脱硫过程分为不同工况，比如工况S1、工况S2、工况S3。其中，工况S1可以
包括第一入口烟气温度、第一入口烟气流量、第一入口烟气氧含量和第一入口二氧化硫浓
度。工况S2可以包括第二入口烟气温度、第二入口烟气流量、第二入口烟气氧含量和第二入
口二氧化硫浓度。以此类推，可以确定其他工况。本发明实施例将工况用类别代号来代替。
在不同工况下烟气的流速、浓度特性不同，具体类别数视实际情况而定。
上述模糊识别算法优选为加权模糊识别算法。
以加权模糊识别算法为例，确定当前工况的步骤可以包括：
S101：将脱硫脱硝一体化工艺装置入口的烟气温度、烟气流量、烟气氧含量和二氧
化硫浓度设定为状态向量。
S102：基于状态向量进行聚类确定分类准则，通过分类准则得到状态集。
本步骤将状态向量作为状态样本集进行聚类。聚类方法可以为诸如K-均值等算
法。
下面以k-均值聚类算法为例详细说明聚类过程。
先随机选取K(其取正整数)个对象作为初始的聚类中心。然后，计算每个对象与各
个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。如此不断重复，直
到满足终止条件。
将聚类结果作为分类准则，也即设定工况种类的依据。举例来说，若当前历史数据
按聚类算法划分为4类，则可确定总工况类别为S1，S2，S3，S4类。本步骤可以将将工况分为S1，
S2……类，得到状态集S，S＝{S1，S2……Sn}。通过工况划分及识别方法，根据不同工况下烟
气特性的不同将控制问题“分而治之”。
S103：通过加权模糊识别算法，求出状态向量与状态集的模糊隶属度关系矩阵。
作为示例，模糊隶属度关系矩阵可以如下：
其中，式中，rij＝λR{ei，sj}，0≤rij≤1(i,j＝1,2,3…n)表示状态向量中的状态被
评为Sj工况的概率；λR表示状态向量与状态集的概率函数。定义ri＝w1×r1j+w2×r2j+...+wn
×rnj，其中w1、w2……wn表示权重。
S104：基于模糊隶属度关系矩阵，通过最大隶属度原则确定当前工况。
下面以一优选实施例来详细说明确定工况的过程。
设定状态向量E＝{e1，e2，e3，e4}，式中，e1至e4分别表示入口烟气温度、入口烟气流
速、入口SO2浓度和入口烟气氧含量。
基于状态样本集的聚类确定分类准则，通过分类准则得到状态集S；将工况分为
S1，S2，S3，S4类。S＝{S1，S2，S3，S4}。
通过加权模糊识别，求出状态向量与状态集的模糊隶属度关系矩阵R，即：
式中，rij＝λR{ei，sj}，0≤rij≤1(i,j＝1,2,3,4)表示状态向量中的ei维度指标被
评为Sj工况的概率；λR表示状态向量与状态集的概率函数。定义ri＝w1×r1j+w2×r2j+w3×r13
+wn×rnj(其中w表示权重，优选地，可分别取0.15、0.1、0.7、0.05)为该状态属于Sj工况的概
率。
基于状态向量与状态集的模糊隶属度关系矩阵R，通过最大隶属度原则可以确定
当前工况。
举例来说，比较当前状态与工况1、2、3、4、5的不同隶属度分别为0.2、0.3、0.4、
0.5、0.6，其中最大隶属度为0.6，则确定当前状态对应于工况5，将工况5确定为当前工况。
S110：采用变步长递减的方法，确定当前工况下的脱硫吸收液的最优PH值。
具体地，本步骤可以包括：采用变步长递减方法根据下式确定当前工况下脱硫吸
收液的最优PH值：
式中，n表示迭代次数(n>＝2)；PHn表示第n次迭代时的PH值；PHn-1表示第n-1次迭
代时的PH值；Wmax和Wmin分别表示步长的最大和最小值；kn表示当前迭代次数；kmax表示最大
迭代次数，优选地取5。
由于工艺中要求，PH在4.5到6.5之间，一般选择PH1＝6；
其中，为迭代终止条件。
式中，t0表示改变设定值后，脱硫脱硝一体化工艺装置稳定运行后的起始时间；t0
可以根据实际情况而定。其中，稳定运行的条件为：脱硫脱硝过程中，在调节变量后经过至
少2小时以上才可保证装置进入平稳运行期的条件。P(t0)表示脱硫脱硝一体化工艺装置出
口烟气SO2浓度值；P限表示限定的SO2浓度值，优选地为为50(mg/m3)；n＝60/T+1，其中T为采
样周期，即n为一小时内采样求差次数；ε表示终止阈值，优选地取10％，即当稳态下一小时
内的平均误差达到限定浓度的10％以内。
当达到迭代终止条件时，认为此时PH值为最优PH值。
在得到最优PH值后，由于存在不可测扰动因素，例如：氨水溶液浓度、检测误差以
及由于脱硫脱硝一体化工艺装置老化、天气变化等等原因产生的无法测量无法控制的扰动
等，该最优PH值会发生微小变化。由此，本发明实施例进一步采取下文所述的补偿措施。
S120：利用神经网络模型确定当前工况下的氨水补偿量。
其中，神经网络模型可以采用多个神经网络并联的结构。优选地，神经网络为径向
基函数神经网络(RBFNN)。通过采用并联神经网络结构，可以提高对复杂工况处理的精度，
增强神经网络(模型)的泛化能力。
以RBF神经网络为例，在实际应用中，可以选择三层RBF神经网络。其中，可以将输
入层配置为包含脱硫吸收液循环量、烟气温度、入口烟气流速、入口烟气二氧化硫浓度、脱
硫吸收液PH值和入口烟气含氧量及可测扰动的数据集合；可以采用高斯函数作为中间层；
然后乘以权值，即可得到输出，在本发明实施例中，输出为氨水补偿量，即氨水溶液加入量。
氨水溶液加入量的多少直接影响着PH值。
本发明实施例通过得到氨水补偿量，当有扰动发生或者工况进行变化时，神经网
络立刻计算得出氨水补偿量，而不是等到控制系统反馈之后再计算得到氨水控制量。这样
可以防止控制滞后，使氨水加入量更加及时地发挥作用。
S130：基于脱硫脱硝一体化工艺装置出口的二氧化硫浓度，采用内膜控制方法确
定当前工况下的氨水控制量。
具体地，本步骤可以包括：
S131：采用闭环双通道继电反馈频域辨识方法，来建立脱硫脱硝过程传递函数模
型。
PH值的调节过程是一个典型的非线性过程，比如，在本发明的实施过程中，PH可以
为4.5-6.5，在这个范围内，根据PH值的特性，可以将PH调节过程近似为一个线性过程。例
如：如果PH值在7左右，则其调节过程有着很明显的非线性，PH值离7越远，PH值的调节过程
的非线性越弱。在实际工业过程中，PH通常均在4-5左右，PH值离7较远，所以，PH值的调节过
程的非线性很弱。故，PH值的调节过程可以用传递函数进行表示。
又由于炼焦烟气脱硫脱硝是一个带有强扰动的大惯性和大滞后的过程，开环辨识
过程模型将不可避免地受到强扰动的影响而出现烟气排放超标的情况出现。所以，本发明
实施例采用闭环双通道继电反馈频域辨识方法来建立脱硫脱硝过程传递函数模型。
图3示例性地示出了闭环双通道继电反馈的结构示意图。其中，TR表示双通道继电
特性；R表示脱硫吸收液目标PH值；Ud表示氨水控制量；D表示不可测扰动(如：氨水溶液浓
度、检测误差、脱硫脱硝一体化工艺装置老化、天气变化等原因产生的无法测量无法控制的
扰动等)；Yp表示实测PH值。其中，实测PH值可由安装在脱硫塔底向塔顶运输吸收液的管道
中的传感器测量，并通过该传感器将测量值传输到DCS系统中而得到。双通道继电特性TR的
结构如图4所示。其中，TR的输入为e。其中，e＝R-Yp，|e|≤ε。ε表示阈值，比如其可以设定为
0.1。
脱硫脱硝过程存在一个稳定的工作点(也即稳态工作点)，该工作点为当前状态，
能使脱硫脱硝过程稳定的一系列变量的值。例如：在工业过程中，某一时刻下各变量或参数
的设定值，比如当前时刻，氨水加入量为50立方米/秒、脱硫吸收液循环量为150立方米/秒，
该工作点即可视为稳态工作点。设定稳态工作点的意义是当工况变化时，能够立刻将各个
变量设定到变化后工况所需要的状态值，有利于脱硫脱硝一体化工艺装置运行的稳定性。
由于闭环双通道继电反馈的结构中引入了非线性环节，所以，TR结构会在当前工作点附近
出现极限环振荡。由于极限环振荡的过程近似为线性过程，所以，可以利用线性过程的叠加
原理，得到极限环振荡的输出，即其中，表示极限环振荡的输出；Yp表示实
测PH值；R表示脱硫吸收液目标PH值。由于极限环振荡是一种受控振荡，所以，频率特性测试
过程中出现的不可测扰动会得到控制。
通过调整TR的增益可控制PH值，故而排放烟气浓度在要求限值以内。TR的增益即
为上述图4中的hp和hi，增益不同，进行辨识时，PH的最大-最小值就不同。举例来说，可以设
置hp和hi都为2，那么PH的变化范围是2-9，这个范围在实际应用中是无法接受的。若设置hp
和hi均为0.5，则PH变化范围是4-5，这个范围在实际应用中是可以接受。通过调整TR的增益
来控制PH值，这样在辨识传递函数模型的时候，PH值振幅不会过大。
S1311：根据脱硫脱硝过程中的氨水加入量和极限环振荡的输出，利用傅立叶变换
估计得到脱硫脱硝过程的频率响应估计。
为了克服安装在脱硝塔顶，且位于烟气出口处的烟气在线成分分析仪表的测量噪
声，提高估计的精度，本发明实施例采用傅立叶变换的方法计算过程的频率特性。其中，烟
气在线成分分析仪表用来测量出口烟气浓度，即用于测量二氧化硫浓度。烟气在线成分分
析仪表将测量的二氧化硫浓度上传至DCS系统。
作为示例，根据下式确定输入输出信号的傅立叶变换：
其中，u(t)表示输入信号；y(t)表示输出信号；F表示傅立叶变换；T0表示时域信号
是周期为T0的周期信号；ω0表示基波频率，n取整数。
可以取基波分量，即n＝1、ω＝ω0的情况，则可确定脱硫过程的频率响应估计为：
上式中的G(jω0)表示传递函数中待估计的频率特性。
举例来说，在实际应用中，可以得到频率特性估计其
中，表示通过双通道继电特性测试的、在ωi下的频率特性估计(优选为多点频率特性
估计)。
S1312：根据脱硫过程的频率响应估计，利用辨识算法及非线性优化算法，估计出
脱硫脱硝过程传递函数模型。
在一些优选地实施方式中，本步骤具体可以包括：
S13121：根据脱硫过程的频率响应估计，确定如下目标函数：
其中ci表示权值；m表示选定的相位个数；表示通过双通道继电特性测试的、
在ωi下的多点频率特性估计；G(jω0)表示待估计的频率特性；J表示目标函数。
通过上述目标函数，估计成为一个非线性优化问题。
S13122：基于目标函数，利用辨识算法，得到传递函数。
S13123：采用非线性优化算法，求解上述传递函数中的常数，从而确定传递函数模
型。
下面以一优选实施例来详细说明确定传递函数模型的过程。
步骤A：基于目标函数，利用辨识算法，得到如下一阶惯性加滞后传递函数：
其中，Gp(s)表示输出与输入之比的拉普拉斯变换；K表示比例常数；T表示惯性常
数；τ表示滞后常数。
其中，辨识算法包括但不限于最小二乘法、粒子群优化算法。
步骤B：采用非线性优化算法，求解上述传递函数中的比例常数、惯性常数和滞后
常数，从而确定脱硫脱硝过程的一阶惯性加滞后传递函数模型。
上述非线性优化算法包括但不限于粒子群算法、遗传算法。
通过采用闭环双通道继电反馈(简记为TRF)频域辨识方法，本发明实施例能够以
闭环受控的方式按照指定的相位得到脱硫过程的多点频率特性，进而估计得到脱硫过程的
传递函数模型。
S132：利用脱硫脱硝过程传递函数模型，基于脱硫脱硝一体化工艺装置出口的二
氧化硫浓度，采用内模控制方法，确定氨水控制量。
其中，内膜控制方法可以参见《内模控制及其应用》，电子工业出版社，在此不再赘
述。
本步骤基于脱硫脱硝过程传递函数模型，采用内模控制方法，构建反馈滤波器和
内模控制器。利用反馈滤波器和内模控制器可以将脱硫脱硝一体化工艺装置出口的二氧化
硫浓度控制在指标内。
其中，反馈滤波器采用一阶形式：α表示常数。反馈滤波
器在内模控制中用来反馈滤波，可以提高鲁棒性。
S140：基于脱硫吸收液的最优PH值，结合氨水补偿量和氨水控制量，来控制脱硫吸
收液的PH值。
由于存在不可测扰动因素，例如：氨水溶液浓度、检测误差以及由于脱硫脱硝一体
化工艺装置老化、天气变化等等原因产生的无法测量无法控制的扰动等，本步骤在得到脱
硫吸收液的最优PH值的基础上，加入氨水补偿量和氨水控制量，从而来控制脱硫吸收液的
PH值，进而实现对焦化废气脱硫过程的优化控制。
上述实施例中虽然将各个步骤按照上述先后次序的方式进行了描述，但是本领域
技术人员可以理解，为了实现本实施例的效果，不同的步骤之间不必按照这样的次序执行，
其可以同时(并行)执行或以颠倒的次序执行，这些简单的变化都在本发明的保护范围之
内。
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域
技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本
发明的原理的前提下，本领域技术人员可以对相关技术特征作出等同的更改或替换，这些
更改或替换之后的技术方案都将落入本发明的保护范围之内。