脱硫脱硝智能化控制：如何从达标排放走向系统最优

1. 烟气治理的“达标困局”：为什么越保险越浪费

我在不少改造项目现场看到过这样的操作画面：脱硫出口SO₂浓度一旦抬头，运行人员的第一反应就是多投一台浆液循环泵、把pH设定值往上抬；脱硝出口NOx超一点，就赶紧加氨。单看每一个动作都没问题，用“保达标”来衡量甚至算果断。但站在整个烟气治理系统面前看，这种基于单指标、单设备的应激式调节，恰恰是智能化要解决的第一块硬骨头。

这里要先说清楚一个观念问题：达标排放从来不是工艺终点，它只是优化问题里的约束条件。 我以前跟很多业主聊智能化时，大家第一反应都是“我们环保设施已经达标了，还要智能化干什么？”这句话背后藏着一个很常见的误解——把环保设施等同于“为了验收而存在的设备”，而不是把它当成一个有能耗、有物耗、有磨损、需要随时参与动态优化的工业装置。

1.1 传统控制模式其实是一种“默契式控制”

我经常跟团队里年轻工程师讲，现在绝大多数脱硫脱硝控制，靠的不是精确计算，而是运行经验和操作默契。操作员盯着曲线图，心里有一套长期磨合出来的“经验规则”：负荷高了要提pH，煤含硫量高了要多补浆液，NOx快超了就先加两格氨。这套规则有效，但它本质上是把复杂的多变量优化问题，简化成了几个“条件触发动作”的逻辑组合。

问题就出在这个简化上。经验规则只能保证“大多数时候不出事”，不能保证“成本最低”。举个例子，同样是为了把出口SO₂从30 mg/Nm³压到25 mg/Nm³，你可以靠提高吸收塔浆液pH、增加循环泵数量做到，也可以靠更精细地匹配入口烟气量和浆液循环量做到。前者的代价是石灰石多加、电耗猛涨、浆液密度和石膏品质一起波动；后者的代价是前期要把模型、测点和控制逻辑都想明白。没有智能化手段时，所有人都会选择前者，因为前者肉眼可见地“稳”，哪怕它一直在浪费。

我把这种浪费称为“达标安全裕量下的系统冗余”。每个运行班组都希望在自己当班时别出超标，于是一层一层往上加余量。加完之后，出口浓度离限值确实还有很大空间，但系统长期运行在经济性很差的工况上，却没有人能准确说出“我们到底多花了多少钱”。

1.2 达标与最优之间藏着三个隐性亏损

如果细分下去，传统模式下至少有三种亏损很难被发现。

第一种是药剂过量投加。脱硝喷氨量偏大、脱硫石灰石浆液投加量偏大，是最常见的情况。尤其是在负荷波动大的机组，操作员为了避免NOx瞬时升高，会把氨流量一直维持在一个比较高的水平。结果排放是稳住了，氨逃逸上升了，下游空预器堵了，脱硫浆液里也混进了一堆本来不该有的铵盐。这些账不会直接体现在CEMS数据上，但会体现在设备检修周期和维护成本上。

第二种是电耗浪费。脱硫岛里的浆液循环泵、氧化风机、增压风机都是耗电大户，尤其是浆液循环泵，一开就是大功率设备。很多电厂的逻辑是按“最不利工况”来配置泵组合，而不是按“当前实际工况”动态调整。负荷已经降了一半，还在按满负荷配置运行，电耗怎么可能不高。智能化改造里最有价值的收益项，往往不是省了多少石灰石和氨，而是把这些大功率设备的运行组合算明白。

第三种是设备寿命损耗。频繁大幅调整、长期在腐蚀性偏高的浆液环境里高负荷运转，对浆液循环泵叶轮、喷淋层喷嘴、除雾器和催化剂的损伤是累积的。系统最优不只是算当天的药剂和电费，还要把设备健康度作为一个约束放进去。这个在传统操作模式下几乎没人会主动考虑，因为它的代价是延迟的、分摊到几个月甚至几年里的。

1.3 “系统最优”到底指的是什么

我一直觉得“系统最优”这四个字被说太泛了，落到工程上其实很具体。它是指在满足排放限值、设备约束和安全边界的前提下，让整个烟气治理链条的综合运行成本最小。排放浓度是约束条件，不是被无限压低的目标。

打个比方：开车时，你不用为了让车速永远低于限速而一路开 20 km/h，那样油耗和时间成本都爆炸。你要做的是在限速以下，根据路况把油门、刹车、挡位综合协调好，既安全又省油。烟气治理也一样，出口SO₂和NOx并不是越低越好，越低往往意味着上游投入的气态污染物被转移到水相或固相，消耗了大量药剂和能量，还可能带来腐蚀、磨损、堵塞等二次问题。

所以从“达标排放”走到“系统最优”，第一步不是上一堆AI算法，而是先把整个系统的目标函数、变量边界、约束条件想明白。这恰恰是很多智能化项目最容易走偏的地方：跑过来先聊神经网络、聊数字孪生，却说不清楚自己到底要优化什么、省什么钱、守住哪些边界。这种情况下建的模型再好看，也落不了地。

2. 智能化的地基：数据不是越多越好，而是要对、要快、要够用

我参加过不少“看起来很美”的智能化改造项目，前期做了很多数据分析，模型也跑得像模像样，真正部署到现场之后却频繁失效。最后复盘，绝大多数问题都出在最基础的数据上。

决定脱硫脱硝智能化的天花板不是模型有多先进，而是数据质量。这里说的数据质量不只是“仪表准不准”，还包括测点位置是否合理、采样周期是否匹配控制需求、信号是否经过正确的量程和工况折算、以及现场维护是否跟得上。很多