[0095] 下面通过具体实施例，并结合附图，对本发明的技术方案作进一步的具体说明。
[0096] 一种燃煤电厂污染物低成本协同脱除建模及优化方法，针对燃煤电厂脱硝装置SCR、干式静电除尘装置ESP、湿法烟气脱硫装置WFGD及湿式静电除尘装置WESP，采集各污染物脱除装置的运行参数及相关变量，分析各污染物脱除过程中的能源消耗和/或产生的收益，建立脱硝运行成本模型、脱硫运行成本模型以及除尘运行成本模型；建立污染物协同脱除模型，包括三个子学科级模型和一个系统级模型；所述三个子学科级模型为：脱硝子学科模型、脱硫子学科模型以及除尘子学科模型；所述系统级模型的目标函数在追求脱硝、脱硫、除尘三部分成本之和最小的基础上，将各子学科级目标函数作为惩罚项，加入到系统级目标函数中；采用动态罚函数协同优化算法对所述污染物协同脱除模型进行优化，求解在满足排放标准的情况下，使得系统运行成本最低的各装置运行参数。
[0097] a.脱硝过程中的能源消耗包括脱硝能耗与脱硝物耗；脱硝能耗包括：引风机电耗、吹灰风机电耗与稀释风机电耗；
[0098] a1)COSTidf_SCR为脱硝装置引风机运行成本：
[0099]
[0100] a2)COSTsb为脱硝装置吹灰风机运行成本：
[0101]
[0102] a3)COSTadf为脱硝装置稀释风机运行成本：
[0103]
[0104] 式中
[0105] nidf，nsb，nadf分别为引风机，吹灰风机与稀释风机的运行数目；
[0106] Ui，Ii分别为第i台设备的电压与电流；
[0107] 为功率因数；
[0108] PE为电价；
[0109] q为锅炉实时负荷；
[0110] Psteam是经验蒸汽能耗；
[0111] CVs是经验参考催化剂用量；
[0112] CV是催化剂实际用量；
[0113] αSCR表示脱硝反应器阻力占前半段总阻力的比例，计算方法为：
[0114]
[0115] 脱硝物耗包括液氨成本与催化剂成本；
[0116] a4) 为脱硝装置液氨使用成本：
[0117]
[0118] 式中
[0119] δ2为氨氮比；
[0120] 为液氮价格；
[0121] V为烟气流量。
[0122] 烟气流量与锅炉负荷成正相关，可通过下式计算得到：
[0123] V＝m×q×Vtc (2‑13)
[0124] 式中
[0125] m为供电原煤耗量；
[0126] Vtc为单位燃煤产生的烟气量。
[0127] a5)催化剂损耗成本的计算方法为：
[0128]
[0129] 式中
[0130] Pc为催化剂价格，本研究取30000元/吨；
[0131] Q为机组容量，本研究取1000MW；
[0132] h为机组年运行小时数，根据2016我国火电利用时间[25]，本研究中h取值4000小时。
[0133] 建立脱硝运行成本模型：
[0134]
[0135] b.脱硫过程中的能源消耗包括：增压风机电耗、氧化风机电耗、浆液循环泵电耗、浆液搅拌器电耗、发电量成本以及脱硫工艺水消耗成本；湿法烟气脱硫装置WFGD在脱除烟气中SO2的同时，产生副产物石膏，石膏作为脱硫系统运行过程中的收益部分被纳入成本计算：
[0136] 建立脱硫运行成本模型：
[0137]
[0138] 式中
[0139] b1)COSTbf为脱硫装置增压风机运行成本：
[0140]
[0141] b2)COSTsa为脱硫装置氧化风机运行成本；
[0142]
[0143] b3)COSTscp为脱硫装置液浆循环泵运行成本；
[0144]
[0145] b4)COSToab为脱硫装置也将搅拌器运行成本；
[0146]
[0147] 式中
[0148] nbf，nsa，nscp，noab分别表示增压风机、氧化风机、浆液循环泵、浆液搅拌器的运行台数；
[0149] pdt，pWESP，pgd2分别是脱硫塔压降，湿式电除尘器的阻力压降与烟道部分阻力压降；
[0150] αWFGD表示脱硫塔阻力占后半段总阻力的比例，其计算方法如下：
[0151]
[0152] 其中，
[0153] b5) 为脱硫装置石灰石使用成本；石灰石‑石膏湿法脱硫系统的脱硫吸收剂为石灰石浆液，根据物料平衡，其单位发电量成本消耗为：
[0154]
[0155] 式中
[0156] δ1为钙硫比；
[0157] λ为石灰石纯度；
[0158] 为石灰石价格。
[0159] b6)COSTW为脱硫装置脱硫工艺水使用成本，其计算方法为：
[0160]
[0161] b7)石灰石‑石膏湿法脱硫系统在脱除烟气中SO2的同时，产生副产物石膏，石膏作为脱硫系统运行过程中的收益部分被纳入成本计算，其收益计算方法为：
[0162]
[0163] 式中
[0164] 为石膏价格。
[0165] c.除尘过程中的能源消耗包括：静电除尘器的运行成本和湿式电除尘器运行成本；干式静电除尘器的能源消耗包括：第一引风机电耗与干式静电除尘器电场电耗；
[0166] c1)静电除尘器的运行成本为：COSTESP＝COSTidf_ESP+COSTe；
[0167] 式中
[0168] COSTidf_ESP为干式静电除尘器引风机运行成本；
[0169] COSTe为干式静电除尘器电场电耗成本；
[0170]
[0171]
[0172] 式中
[0173] ne表示电场数量；
[0174] αESP为静电除尘器阻力占前半段总阻力的比例，其计算方法为：
[0175]
[0176] c2)湿式电除尘器的能源消耗包括：第二引风机电耗、湿式电除尘器电场电耗、除尘工艺水消耗、碱消耗以及水循环系统电耗；
[0177] 湿式电除尘器运行成本为：COSTWESP＝COSTidf_WESP+COSTe+COSTw+COSTNa+COSTwc；
[0178] 式中
[0179] COSTidf_WESP为湿式电除尘器引风机运行成本；
[0180] COSTe为湿式电除尘器电场电耗成本；
[0181] COSTW为湿式电除尘器除尘工艺水使用成本；
[0182] COSTW为湿式电除尘器碱使用成本；
[0183] COSTe为湿式电除尘器水循环系统电耗成本；
[0184] 且：
[0185]
[0186] 式中
[0187] ne表示电场数量；
[0188] αESP为静电除尘器阻力占前半段总阻力的比例，其计算方法为：
[0189]
[0190] 湿式电除尘器引风机电耗与其阻力所占前半段阻力比例相关，计算方法为：
[0191]
[0192]
[0193] 相较于干式静电除尘器，湿式静电除尘器增加了电耗成本以及物料成本，增加的电耗成本以水循环系统电耗为主，其计算公式为：
[0194]
[0195] 湿式电除尘器的物料成本主要包括工艺水成本以及碱消耗成本，计算方法如下：
[0196]
[0197]
[0198] 湿电除尘系统的运行成本可以表示为：
[0199] COSTWESP＝COSTidf_WESP+COSTe+COSTw+COSTNa+COSTwc (2‑34)
[0200] 建立除尘运行成本模型：
[0201] COST除尘＝COSTESP+COSTWESP。
[0202] 建立污染物协同脱除模型，如图1所示
[0203] (1)系统级模型为：
[0204]
[0205] s.t.50＜z1＜150
[0206] 40≤z2，z3，z4，z5≤80
[0207] 5.0≤z6≤5.6
[0208] z7＝2，3，4
[0209] 30≤z8≤40
[0210] 在上述式中的z1～z8为系统级设计变量，z1表示脱硝装置SCR中的喷氨量，z2～z5分别表示干式静电除尘装置ESP中的四个电场的电压，z6、z7分别表示湿法烟气脱硫装置WFGD中的石膏浆pH值和循环泵台数，z8表示湿式静电除尘装置WESP中的电场电压，z1～z8中每个变量的变量范围约束均源自其各自的工艺约束；
[0211] 其中γ＝b+m*kα
[0212] 式中，b、m和α为常数，m和α是控制学科间一致性约束的权重，根据系统级目标函数和设计变量的数量级进行选择，k为学科间不一致信息。
[0213] 当子学科间不一致信息很小时，利用b的取值保持学科间的一致性，使目标函数的优化过程仍受各学科一致性约束的限制，从而防止学科间不一致信息再次变大。同时，当系统级分配的设计向量期望值在可行域内时，通过b值来控制系统级优化在可行域内进行，可有效增强协同优化算法的鲁棒性。
[0214] 惩罚项 由下面三个等式约束构成：
[0215] J1(z)＝(x11*‑z1)2+(x16*‑z6)2+(x17*‑z7)2；
[0216] J2(z)＝(x26*‑z6)2+(x27*‑z7)2+(x28*‑z8)2；
[0217] J3(z)＝(x32*‑z2)2+(x33*‑z3)2+(x34*‑z4)2+(x35*‑z5)2
[0218] +(x36*‑z6)2+(x37*‑z7)2+(x38*‑z8)2；
[0219] 式中，xij*(i＝1，2，3；j＝1，2...8)为各学科级传回系统级的最优解；
[0220] (2)脱硝子学科模型：
[0221] Min J1(x1)＝(x11‑z1*)2+(x16‑z6*)2+(x17‑z7*)2+β*COST脱硝；
[0222] s.t.CNOx_out≤5
[0223] 50≤x11≤150
[0224] 5.0≤x16≤5.6
[0225] x17＝2，3，4
[0226] 其中，x11，x16，x17为脱硝子学科的设计变量，z1*，z6*，z7*为系统级分配给脱硝子学科的设计变量期望值；脱硝子学科的目标函数追求其学科级设计变量与系统级分配的设计变量期望值之间的差异最小，同时考虑到了脱硝子学科的最优设计点，将系统目标函数中与脱硝子学科相关的部分以加权的方式加入到脱硝子学科的目标函数中；
[0227] (3)脱硫子学科模型：
[0228] Min J2(x2)＝(x26‑z6*)2+(x27‑z7*)2+(x28‑z8*)2+β*COST脱硫；
[0229] s.t.
[0230] 5.0≤x26≤5.6
[0231] x27＝2，3，4
[0232] 30≤x28≤40
[0233] 其中，x26，x27，x28为脱硫子学科的设计变量，z6*，z7*，z8*为系统级分配给脱硫子学科的设计变量期望值；脱硫子学科的目标函数追求其学科级设计变量与系统级分配的设计变量期望值之间的差异最小，同时考虑到了脱硫子学科的最优设计点，将系统目标函数中与脱硫子学科相关的部分以加权的方式加入到脱硫子学科目标函数中；
[0234] (4)除尘子学科模型：
[0235]
[0236] s.t.CPM_out≤5
[0237] 40≤x32，x33，x34，x35≤80
[0238] 5.0≤x36≤5.6
[0239] x37＝2，3，4
[0240] 30≤x38≤40
[0241] 其中，x32，x33，x34，x35，x38为除尘子学科的设计变量，z2*，z3*，z4*，z5*，z8*为系统级分配给除尘子学科的设计变量期望值；除尘子学科的目标函数追求其学科级设计变量与系统级分配的设计变量期望值之间的差异最小，同时考虑到了除尘子学科的最优设计点，将系统目标函数中与除尘子学科相关的部分以加权的方式加入到除尘子学科目标函数中。
[0242] 上述子学科表达式中β为权重因子，β的取值方法为：
[0243] β＝(zk‑zk‑1)2；
[0244] 其中zk表示当前次系统级设计变量，zk‑1表示前一次系统级设计变量。
[0245] 采用动态罚函数协同优化算法对所述污染物协同脱除模型进行优化的流程如图2所示，包括：
[0246] Stepl初始化系统级设计变量以及各子学科级设计变量初值；
[0247] Step2将系统级设计变量分配给各个子学科，并结合对应子学科级设计变量初值，用各自的学科级优化器对其子学科模型求解；
[0248] Step3将各学科级最优解传回系统级，利用系统级优化器协调各子学科不一致性并求得最优解；
[0249] Step4判断是否满足优化结束条件，若满足，则优化终止，将当前的优化结果作为全局最优解；否则将当前系统级中设计变量的最优解分配给各子学科开始新一轮优化，重复Step2～Step4，直至满足优化中止的条件。
[0250] 在优化流程中，协同优化算法收敛条件是|zk‑zk‑1|≤θ，|zk‑zk‑1|≤θ表示(zk(1)‑k‑1 2 k k‑1 2 k k‑1 2z (1)) +(z (2)‑z (2))+...+(z (1)‑z (1)) ≤θ，即系统级k次优化结果与k‑1次优化结果差值小于θ，表示系统级在k次优化后，可优化的空间很小，当前的优化结果可当作全局最优解。
[0251] 以1000MW机组容量的锅炉为研究对象，取负荷50％，75％，100％情况，依据本发明提供的方法，在MATLAB2017a中进行仿真实验。为了突出本发明技术手段是实质效果，针对同一研究对象，在同样的仿真条件下，分别采用三种优化方法：本发明技术方案(ICO)、基于松弛因子的协同优化(RCO)算法以及粒子群优化算法，进行仿真实验，并对仿真结果进行对比。
[0252] 首先对本发明技术方案(ICO)同基于松弛因子的协同优化算法进行对比，进而对基于本发明技术方案(ICO)的环保岛进行了分析，最后将协同优化同整体粒子群优化进行仿真对比。
[0253] 本研究中的仿真实验均以表0‑中的9类工况为例。
[0254] 表0‑1工况条件对照表
[0255]
[0256]
[0257] 本次仿真，协同优化的系统级和子学科级求解器均采用MATLAB中的fmincon函数，系统级求解器和子学科级求解器均采用序列二次规划法(NPQL)。
[0258] 图3展示了高负荷高污染物浓度条件下，各污染物在环保岛系统内的脱除过程。3
NOx的浓度在经过SCR系统后降低至55.7mg/m ，在WFGD系统的协同脱除作用下被脱除至
3
50mg/m。绝大部分PM在经过ESP系统时被脱除，ESP的PM脱除效率达到99％以上，其出口处
3
的PM浓度仅为43.7mg/m ，最终在WFGD与WESP的脱除作用下，烟气中PM浓度被控制在5.0mg/
3 3
m。SO2主要在WFGD中被脱除，当烟气通过WFGD系统后，SO2浓度为26.2mg/m ，后续在WESP的
3
协同脱除作用下，SO2浓度被控制在18.3mg/m。
[0259] 图4比较了9类工况下的基于本发明技术方案(ICO)的环保岛整体运行成本。结果显示，低负荷高污染物浓度的工况3对应的运行成本最高，为0.028383元/千瓦时；高负荷低污染物浓度的工况7对应的运行成本最低，为0.022742元/千瓦时。总体来说，燃煤电厂环保岛单位发电量运行成本随负荷提升而下降，随污染物浓度提升而上升。
[0260] 为了证明本发明的优势，将子系统间不考虑协同脱除，独立优化求最优运行成本及考虑设备间协同脱除，运用整体粒子群优化同本发明技术方案(ICO)做对比，实验结果如下表0‑2所示：
[0261] 表0‑2环保岛各类型优化结果对比
[0262]
[0263] 为了宏观地得各种优化运行成本上的差别，对每种工况进行了年度成本估算，如下表0‑3所示。机组年度运行小时数同先前取值，即h为4000小时。
[0264] 表0‑3机组年度运行成本对比(万元)
[0265]
[0266] 从表0‑3中可以得出，各种工况下，环保岛子系统间独立优化所得的运行成本明显高于粒子群优化同本发明技术方案(ICO)，平均年度运行成本差额约为20万元。同时，每种工况的运行成本均为改进的协同优化更低，虽然整体粒子群优化在多种工况中和本发明技术方案(ICO)优化系统所得运行成本差额较小，但工况2中，可以看出粒子群优化结果显著高于其他工况的差额，优化结果较差，甚至比独立优化结果更差，经研究分析所得，由于粒子群算法固有的特性，是基于一组随机初始解开始迭代寻优过程，由此会存在不确定性，因此对工况2中的整体粒子群优化进行了三次重复实验，如下表0‑4所示
[0267] 表0‑4工况2整体粒子群优化多次实验对比
[0268]
[0269] 从表0‑4中可以看出，粒子群优化存在较大波动性。且三次重复试验虽然均比原先的试验得到了更优解，但效果仍均不如本发明技术方案(ICO)的优化结果。利用协同优化对系统进行优化的优势相对于整体优化也将更加明显，不仅将在寻优过程中体现出更大的优势，更能以其独特的学科结构，使各个学科在后期更新维护上更为方便、快捷。
[0270] 以上所述实施例只是本发明的一种较佳的方案，并非对本发明作任何形式上的限制，在不超出权利要求所记载的技术方案的前提下还有其他的变体及改型。
