煤电是保障我国能源安全和支撑新能源消纳的压舱石，2021 年，我国燃煤发电以47%的装机占比，贡献了超过60%的发电量，支撑了70%以上的高峰负荷需求。2021 年11 月，国家发改委、能源局发布《全国煤电机组改造升级实施方案》，明确提出：“新建机组全部实现灵活性制造”、“现役机组灵活性改造应改尽改”、“深入推进煤电清洁、高效、灵活、低碳、智能化高质量发展”。在前期已开展的部分燃煤机组的灵活性改造中，普遍存在锅炉水动力失配、燃烧失稳、机组安全性恶化、控制系统适应性差等突出问题，机组的变负荷速率和最小发电出力与世界先进水平还有较大差距，亟需探明燃煤机组深度快速变负荷机理，揭示关键技术中的核心原理，结合在智能发电领域的研发优势，提出具有先进性的系统设计方案。

刘吉臻院士团队针对循环流化床(CFB)燃煤机组灵活运行下SO2超低排放控制的技术瓶颈，深入分析CFB锅炉SO2生成与脱除过程机理，考虑床温、过量空气系数、负荷工况对炉内脱硫效率的影响，提出了原烟气SO2排放预测、组合脱硫系统控制优化等关键技术，成功实现了机组各稳态或大范围变负荷过程原烟气SO2浓度的准确预测，并通过炉内脱硫、炉外脱硫的自动控制优化，调整炉内外脱硫比例，显著降低组合脱硫系统的石灰石用料量，为CFB机组高效清洁灵活运行提供关键技术支撑；针对热电联产机组在宽负荷运行时的灵活控制问题，提出了一种基于离线强化学习的机-炉-热协调控制策略，保证了机组的电负荷与热负荷在不同的运行模式下均具备良好的响应与跟踪能力，泛化测试结果表明，系统在多个MLP集成模式下的输出偏差较单一MLP模式提升了55.0%以上。上述研究为不同类型燃煤发电的灵活智能控制提供了基础理论与关键技术支撑。

图1-某300MW循环流化床机组脱硫系统优化先后对比图

图2-基于离线强化学习的热电联产机组机-炉-热系统控制流程

2022年10-12月，该研究的系列成果Dynamic prediction of in-situ SO2 emission and operation optimization of combined desulfurization system of 300 MW CFB boiler和Offline reinforcement learning control for electricity and heat coordination in a supercritical CHP unit连续发表在国际一区TOP期刊Fuel和Energy上，论文的主要贡献者包括刘吉臻院士、高明明副教授、牛玉广教授、王玮教授等。依托近几年的研究成果，团队申报的“燃煤灵活智能发电基础问题研究”项目于2022年12月获批国家重点研发计划项目资助，项目首席科学家是房方教授。

Reference：

Hongfu Zhang, Mingming Gao, Chun Liu, Jizhen Liu, Guangxi Yue, Jiahui Zhang,Dynamic prediction of in-situ SO2 emission and operation optimization of combined desulfurization system of 300MW CFB boiler,Fuel,2022,Volume 324,124421. DOI:10.1016/j.fuel.2022.124421.

Guangming Zhang，Chao Zhang，Wei Wang，Huan Cao，Zhenyu Chen，Yuguang Niu.Offline reinforcement learning control for electricity and heat coordination in a supercritical CHP unit[J].Energy, Online：20 December 2022. DOI:10.1016/j.energy.2022.126485.

初审：王玮

审核：牛玉广

责任编辑：张洪