王天堃，梁志宏，張金營

?

燃煤鍋爐高效低NOx協(xié)同優(yōu)化系統(tǒng)開發(fā)及應(yīng)用

王天堃，梁志宏，張金營

（國家能源投資集團(tuán)有限責(zé)任公司，北京 100011）

為了達(dá)到大氣污染物近零排放標(biāo)準(zhǔn)，大型燃煤發(fā)電機(jī)組NOx排放質(zhì)量濃度需低于35 mg/m3。在當(dāng)前工程實(shí)踐中應(yīng)用最廣泛的鍋爐低氮燃燒（LNB）與選擇性催化還原（SCR）綜合脫硝技術(shù)存在協(xié)調(diào)問題，很難同時實(shí)現(xiàn)機(jī)組LNB與SCR脫硝的安全、環(huán)保、經(jīng)濟(jì)運(yùn)行。為此，本文建立了燃煤鍋爐LNB運(yùn)行調(diào)整與SCR脫硝協(xié)同模型，采用改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)建立鍋爐燃燒系統(tǒng)模型，利用改進(jìn)的最小二乘支持向量機(jī)建立SCR脫硝系統(tǒng)模型，并進(jìn)一步開展了機(jī)組高效低NOx調(diào)節(jié)與優(yōu)化分析，開發(fā)了燃煤鍋爐高效低NOx協(xié)同優(yōu)化系統(tǒng)。在某機(jī)組的實(shí)際應(yīng)用結(jié)果表明，該協(xié)同優(yōu)化系統(tǒng)可在任何工況下實(shí)時指導(dǎo)運(yùn)行人員調(diào)整機(jī)組運(yùn)行參數(shù)，確保機(jī)組安全、環(huán)保、經(jīng)濟(jì)運(yùn)行。

燃煤鍋爐；NOx排放；高效低NOx控制；綜合脫硝技術(shù)；協(xié)同優(yōu)化；低氮燃燒

伴隨我國能源綠色發(fā)展，化石能源清潔化發(fā)展成為必然趨勢?；鹆Πl(fā)電要實(shí)現(xiàn)綠色清潔，首先要降低NO排放。目前，超低排放火電機(jī)組的NO排放質(zhì)量濃度要求在標(biāo)準(zhǔn)狀態(tài)下小于35 mg/m3[1-2]?，F(xiàn)階段降低NO排放的主要手段是鍋爐低氮燃燒（LNB）技術(shù)與選擇性催化還原（SCR）脫硝技術(shù)[3-4]。如果要實(shí)現(xiàn)良好的脫硝效果，必須統(tǒng)籌考慮鍋爐LNB及SCR技術(shù)的安全性、環(huán)保性和經(jīng)濟(jì)性[5]，而現(xiàn)行優(yōu)化方案均未綜合考慮LNB和SCR技術(shù)。

本文基于大量脫硝改造的工程實(shí)踐，通過對LNB運(yùn)行調(diào)整與SCR脫硝系統(tǒng)特性的分析，設(shè)計了可實(shí)現(xiàn)安全、環(huán)保、經(jīng)濟(jì)的燃煤鍋爐高效低NO協(xié)同優(yōu)化系統(tǒng)，一是實(shí)現(xiàn)LNB系統(tǒng)與SCR脫硝系統(tǒng)的協(xié)同建模，二是達(dá)成安全、環(huán)保、經(jīng)濟(jì)的多目標(biāo)優(yōu)化。首先，分析總結(jié)實(shí)現(xiàn)燃煤鍋爐高效低NO目標(biāo)的關(guān)鍵，即最大限度地降低鍋爐出口NO的生成量與精準(zhǔn)噴氨，減少NO生成不僅能降低爐內(nèi)結(jié)焦與超溫的可能，而且可以減少SCR脫硝系統(tǒng)的還原劑消耗；精準(zhǔn)噴氨節(jié)約了還原劑使用量，減少 了氨逃逸，進(jìn)一步降低了風(fēng)煙系統(tǒng)設(shè)備腐蝕，使 機(jī)組更加安全、經(jīng)濟(jì)。其次，為成功實(shí)現(xiàn)LNB改造以及實(shí)現(xiàn)改造后鍋爐高效低NO運(yùn)行，深入探討了機(jī)組在快速自動發(fā)電控制（AGC）、煤種改變、風(fēng)煙系統(tǒng)運(yùn)行改變等狀況下的配煤、風(fēng)粉比等技術(shù)。最后，為了使上述LNB與SCR脫硝技術(shù)能夠應(yīng)用于生產(chǎn)實(shí)踐，研發(fā)了燃煤機(jī)組高效低NO協(xié)同優(yōu)化系統(tǒng)。

1 燃煤鍋爐高效低NOx協(xié)同建模

針對NO的生成及處理過程，借助于系統(tǒng)歷史運(yùn)行數(shù)據(jù)及人工智能等先進(jìn)建模方式，將包含LNB設(shè)備、SCR煙氣脫硝的燃燒系統(tǒng)分步建模：首先建立鍋爐高效低NO燃燒模型；然后構(gòu)建SCR脫硝效率模型；最后耦合2個模型建立鍋爐高效低NO協(xié)同優(yōu)化模型，實(shí)現(xiàn)對生產(chǎn)過程最大程度的逼近。建模過程結(jié)合機(jī)組分布式控制系統(tǒng)（DCS）、廠級監(jiān)控信息系統(tǒng)（SIS），確保模型實(shí)現(xiàn)可靠。

1.1 基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的鍋爐燃燒系統(tǒng)模型

神經(jīng)網(wǎng)絡(luò)算法具有很強(qiáng)的魯棒性、記憶力及自學(xué)習(xí)能力，其強(qiáng)大的非線性擬合能力可擬合任意復(fù)雜的非線性關(guān)系，但算法訓(xùn)練過程收斂速度慢且易陷入局部最優(yōu)[6]。

本文針對基本BP（back propagation）神經(jīng)網(wǎng)絡(luò)算法進(jìn)行模型算法改進(jìn)[7-9]：1）給待訓(xùn)練參數(shù)的調(diào)整量加動量項，可有效減小震蕩趨勢，改善收斂性，抑制網(wǎng)絡(luò)陷入局部極小值[10]；2）采用自適應(yīng)的學(xué)習(xí)速率，以克服算法網(wǎng)絡(luò)訓(xùn)練速度慢、不易收斂到全局最優(yōu)的缺點(diǎn)。

基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)算法對鍋爐的燃燒與排放特性進(jìn)行建模，所建模型如圖所示。

圖1 鍋爐高效低NOx燃燒模型

模型的數(shù)學(xué)表達(dá)式為

式中，X為第個輸出量，Y為第個輸入量，W為鏈接第個神經(jīng)元刺激的權(quán)重。

對于隱層神經(jīng)元，其激勵函數(shù)一般取S型函數(shù)()=1/(1+e–x)。然而S型函數(shù)的非飽和區(qū)太窄，易導(dǎo)致網(wǎng)絡(luò)訓(xùn)練失敗，為此引入陡度因子，則()=1/(1+e–x/)，從而擴(kuò)大飽和區(qū)，使網(wǎng)絡(luò)訓(xùn)練順利進(jìn)行。

經(jīng)仿真對比，輸入層與中間層之間的傳遞函數(shù)采用帶陡度因子的S型函數(shù)；中間層與輸出層之間的傳遞函數(shù)采用線性函數(shù)()=·+。模型采用改進(jìn)BP神經(jīng)網(wǎng)絡(luò)，包含輸入層、輸出層和1個中間層。輸入層以鍋爐操作量為主，總計84個操作量；中間層從鍋爐工況、設(shè)備狀況、煤質(zhì)、風(fēng)機(jī)功率、風(fēng)量配比6個方面表征鍋爐燃燒狀態(tài)；輸出層從安全、環(huán)保、經(jīng)濟(jì)3個方面10個節(jié)點(diǎn)表征機(jī)組運(yùn)行狀況。

1.2 基于改進(jìn)LS-SVM的SCR脫硝效率模型

最小二乘支持向量機(jī)（LS-SVM）在保持標(biāo)準(zhǔn)支持向量機(jī)（SVM）優(yōu)點(diǎn)基礎(chǔ)上，顯著降低了計算成本，但是以損失SVM解的稀疏性和魯棒性為代價[11]。為此，Suykens提出了稀疏LS-SVM（space LS-SVM）[12]與加權(quán)LS-SVM（weighted LS-SVM）[13]來分別解決稀疏性與魯棒性問題；胡良謀等[14]結(jié)合這2種算法的優(yōu)點(diǎn)，提出了一種改進(jìn)的LS-SVM，同時改善LS-SVM的魯棒性與稀疏性。該算法首先對數(shù)據(jù)開展LS-SVM初始訓(xùn)練，然后運(yùn)用加權(quán)LS-SVM對訓(xùn)練后的數(shù)據(jù)進(jìn)行魯棒性訓(xùn)練，最后采用稀疏LS-SVM對訓(xùn)練后數(shù)據(jù)進(jìn)行稀疏性訓(xùn)練，此改進(jìn)LS-SVM可實(shí)現(xiàn)良好的建模效果。

火電機(jī)組的SCR脫硝系統(tǒng)位于省煤器與空氣預(yù)熱器（空預(yù)器）之間，其工作原理是在催化劑的作用下利用氨氣將NO還原生成氮?dú)馀c水，工藝原理如圖2所示。

圖2 SCR脫硝工藝原理

采用改進(jìn)LS-SVM構(gòu)建SCR脫硝效率模型（圖3），可對SCR脫硝系統(tǒng)的實(shí)際運(yùn)行進(jìn)行精 準(zhǔn)表達(dá)。

圖3 SCR脫硝效率模型

脫硝效率數(shù)學(xué)模型公式為

式中，分別為輸入輸出矩陣，為系數(shù)矩陣。式(3)—式(4)分別為、的列向量，代表選取的第組數(shù)據(jù)。

從機(jī)組DCS采集300組數(shù)據(jù)進(jìn)行訓(xùn)練，其中 50組數(shù)據(jù)進(jìn)行校驗(yàn)。仿真顯示SCR脫硝誤差小于 10–4，證明預(yù)測模型可用于工程實(shí)際。

1.3 鍋爐高效低NOx協(xié)同模型

耦合以上2個模型即可建立鍋爐高效低NO協(xié)同模型，其結(jié)構(gòu)如圖所示。模型包含輸入、輸出、中間狀態(tài)3種類型數(shù)據(jù)，其中、、、、、為目標(biāo)優(yōu)化量。

圖4 鍋爐高效低NOx協(xié)同模型

該模型中：代表SCR脫硝出口NO排放質(zhì)量濃度，是系統(tǒng)的環(huán)保指標(biāo)，近零排放標(biāo)準(zhǔn)為小于35 mg/m3；代表氨逃逸量，在長時間運(yùn)行時應(yīng)小于3×10-6；代表SCR脫硝效率指標(biāo)，要保證4~5年內(nèi)催化劑脫硝效率不小于75%；代表SCR脫硝入口煙溫，為保證SCR脫硝有效運(yùn)行，應(yīng)使位于催化劑反應(yīng)溫度范圍內(nèi)，、為3個安全性指標(biāo)；鍋爐效率與氨耗量為系統(tǒng)的經(jīng)濟(jì)性指標(biāo)。

2 鍋爐高效低NOx協(xié)同模型的多目標(biāo)尋優(yōu)

鍋爐高效低NO協(xié)同模型的控制目標(biāo)是在環(huán)保與安全的前提下，實(shí)現(xiàn)煤耗與氨耗最低，其數(shù)學(xué)表達(dá)式為

式中a、b分別為對應(yīng)時段的燃料和氨氣價格系數(shù)。

式(5)是典型的多目標(biāo)優(yōu)化問題，可采用性能優(yōu)異的粒子群優(yōu)化算法（PSO）[15]尋優(yōu)，該算法較成熟，在此不再贅述。

3 工程應(yīng)用

基于鍋爐高效低NO協(xié)同模型及PSO，本文采用B/S模式，前臺采用AdobeFlex技術(shù)，后臺采用Java、Erlang技術(shù)，開發(fā)了鍋爐高效低NO協(xié)同優(yōu)化系統(tǒng)，該系統(tǒng)包含數(shù)據(jù)引擎、鍋爐及SCR脫硝等設(shè)備狀態(tài)及性能在線軟測量與綜合評估、高效低NO燃燒優(yōu)化、高效低NO協(xié)調(diào)監(jiān)控等4個功能模塊，系統(tǒng)結(jié)構(gòu)如圖5所示。

圖5 鍋爐高效低NOx協(xié)同優(yōu)化系統(tǒng)結(jié)構(gòu)

鍋爐高效低NO協(xié)同優(yōu)化系統(tǒng)通過耗差分析，可實(shí)現(xiàn)氨氣的自動調(diào)節(jié)；通過對歷史數(shù)據(jù)進(jìn)行尋優(yōu)，可實(shí)現(xiàn)高效低NO協(xié)同優(yōu)化。

3.1 優(yōu)化目標(biāo)實(shí)時監(jiān)控與協(xié)同優(yōu)化

圖6為鍋爐高效低NO協(xié)同優(yōu)化系統(tǒng)設(shè)備監(jiān)視界面，該系統(tǒng)結(jié)合機(jī)組DCS，可為運(yùn)行人員提供參考，從而大幅提升鍋爐高效低NO運(yùn)行水平。系統(tǒng)可監(jiān)視設(shè)備參數(shù)與狀態(tài)量，當(dāng)優(yōu)化目標(biāo)偏離優(yōu)化值或越限時，系統(tǒng)設(shè)置的軟光字牌將實(shí)時發(fā)出警報，通過系統(tǒng)自動調(diào)整與運(yùn)行人員的調(diào)節(jié)，使機(jī)組運(yùn)行在安全、環(huán)保、經(jīng)濟(jì)的最優(yōu)狀態(tài)。

3.2 運(yùn)行調(diào)整方案篩選與績效考核

系統(tǒng)的耗差分析與績效考核功能可全程記錄操作人員操作過程，并將機(jī)組運(yùn)行結(jié)果折算為運(yùn)行績效，從而實(shí)現(xiàn)在線考核。另外，優(yōu)化系統(tǒng)充分發(fā)揮LNB與SCR脫硝綜合技術(shù)潛力，可自動篩選不同工況不同運(yùn)行方式下的調(diào)整方案，實(shí)現(xiàn)指標(biāo)的壓紅線運(yùn)行。優(yōu)化系統(tǒng)具備數(shù)據(jù)挖掘功能，可對LNB與SCR脫硝系統(tǒng)多個參數(shù)進(jìn)行相關(guān)性分析，通過不同工況下噴氨量和NO的變化關(guān)系，實(shí)現(xiàn)相關(guān)性分析及優(yōu)化方案的篩選和存儲等功能。

圖6 鍋爐高效低NOx協(xié)同優(yōu)化系統(tǒng)設(shè)備監(jiān)視界面

SCR脫硝在線仿真系統(tǒng)，可模擬實(shí)際運(yùn)行時的氨逃逸、SCR脫硝運(yùn)行效率等情況，作為培訓(xùn)工具實(shí)現(xiàn)運(yùn)行人員的在線仿真與培訓(xùn)功能，提高運(yùn)行人員的操作水平。

3.3 優(yōu)化目標(biāo)實(shí)現(xiàn)情況

1）環(huán)保性目標(biāo) 圖7和圖8分別為在550 MW負(fù)荷下鍋爐效率相同（變化小于0.01%）時，高效低NO協(xié)同優(yōu)化系統(tǒng)投入前后，SCR脫硝出口NO變化曲線。從圖7和圖8可明顯看出，投運(yùn)后脫 硝入口NO質(zhì)量濃度明顯降低，穩(wěn)定在300 mg/m3以下，開展磨煤機(jī)組合調(diào)整優(yōu)化后，還可取得進(jìn)一步優(yōu)化。

2）安全性目標(biāo) 協(xié)同優(yōu)化系統(tǒng)可實(shí)現(xiàn)空預(yù)器差壓壓線運(yùn)行，從而一定程度避免空預(yù)器堵塞問題，提升設(shè)備可靠性。圖9和圖10分別為系統(tǒng)投運(yùn)前后空預(yù)器差壓曲線。對比可見，協(xié)同優(yōu)化系統(tǒng)投用前，空預(yù)器差壓經(jīng)常超過設(shè)計值，特別在高負(fù)荷期間；優(yōu)化系統(tǒng)投用后，在排放達(dá)標(biāo)的前提下，差壓保持了較好的水平。

圖7 協(xié)同優(yōu)化系統(tǒng)投運(yùn)前SCR脫硝入口NOx質(zhì)量濃度

圖8 協(xié)同優(yōu)化系統(tǒng)投運(yùn)后SCR脫硝入口NOx質(zhì)量濃度

圖9 協(xié)同優(yōu)化系統(tǒng)投運(yùn)前空預(yù)器差壓曲線

圖10 協(xié)同優(yōu)化系統(tǒng)投運(yùn)后空預(yù)器差壓曲線

3）經(jīng)濟(jì)性目標(biāo) 通過使用協(xié)同優(yōu)化系統(tǒng)，在保證不低于93.4%的鍋爐效率前提下，對比系統(tǒng)投運(yùn)2周的運(yùn)行結(jié)果，每臺機(jī)組24 h可節(jié)氨1.2~1.5 t，每年運(yùn)行時間以300天計，若氨每噸0.36萬元，每年僅節(jié)氨的經(jīng)濟(jì)效益為129.6萬元。若考慮節(jié)氨后設(shè)備腐蝕的降低、催化劑壽命的延長以及電耗的降低，系統(tǒng)將產(chǎn)生更大的經(jīng)濟(jì)效益。

4 結(jié) 語

本文提出的鍋爐高效低NO協(xié)同優(yōu)化系統(tǒng)模型成功在工程實(shí)踐中應(yīng)用，結(jié)果表明，該系統(tǒng)可指導(dǎo)運(yùn)行人員操作，更好地實(shí)現(xiàn)各負(fù)荷下LNB與SCR協(xié)同優(yōu)化，確保機(jī)組安全、環(huán)保、經(jīng)濟(jì)運(yùn)行，具有十分重要推廣價值。

［1］ 張軍, 鄭成航, 張涌新, 等. 某1 000 MW燃煤機(jī)組超低排放電廠煙氣污染物排放測試及其特性分析[J]. 中國電機(jī)工程學(xué)報, 2016, 36(5): 1310-1314. ZHANG Jun, ZHENG Chenghang, ZHANG Yongxin, et al. Experimental investigation of ultra-low pollutants emission characteristics from a 1 000 MW coal-fired power plant[J]. Proceedings of the CSEE, 2016, 36(5): 1310-1314.

［2］ 王樂樂, 孔凡海, 何金亮, 等. 超低排放形勢下SCR脫硝系統(tǒng)運(yùn)行存在問題與對策[J]. 熱力發(fā)電, 2016, 45(12): 19-24.WANG Lele, KONG Fanhai, HE Jinliang, et al. Difficultiesand countermeasures of SCR denitration system operation in ultra low emission situation[J]. Thermal Power Generation, 2016, 45(12): 19-24.

［3］ 李宗耀. 600 MW機(jī)組低氮燃燒器與SCR改造的研究[D]. 北京: 華北電力大學(xué), 2016: 42. LI Zongyao. Research of low nitrogen burner and SCR reconstruction in 600 MW unit[D]. Beijing: North China Electric Power University, 2016: 42.

［4］ 許昌, 呂劍虹, 鄭源, 等. 以效率和低NO排放為目標(biāo)的鍋爐燃燒整體優(yōu)化[J]. 中國電機(jī)工程學(xué)報, 2006, 26(4): 46-50. XU Chang, LV Jianhong, ZHENG Yuan, et al. A boiler combustion global optimization on efficiency and low NOemissions object[J]. Proceedings of the CSEE, 2006, 26(4): 46-50.

［5］ 邵偉濤. 燃煤電站鍋爐低氮燃燒與SCR脫硝協(xié)同優(yōu)化技術(shù)研究[D]. 上海: 上海電力學(xué)院, 2017: 55. SHAO Weitao. Research on coordinated optimization of low nitrogen combustion and SCR denitrification for coal-fired boilers in power plant[D]. Shanghai: Shanghai University of Electric Power, 2017: 55.

［6］ 楊源杰, 黃道. 人工神經(jīng)網(wǎng)絡(luò)算法研究及應(yīng)用[J]. 華東理工大學(xué)學(xué)報, 2002, 28(5): 551-554. YANG Yuanjie, HUANG Dao. Research and applications of artificial neural networks[J]. Journal of East China University of Science and Technology, 2002, 28(5): 551-554.

［7］ 謝立春. BP神經(jīng)網(wǎng)絡(luò)算法的改進(jìn)及收斂性分析[J]. 計算技術(shù)與自動化, 2007, 26(3): 52-56. XIE Lichun. BP neural algorithm improvements and convergence analysis[J]. Computing Technology and Automation, 2007, 26(3): 52-56.

［8］ DING S, SU C, YU J. An optimizing BP neural network algorithm based on genetic algorithm[J]. Artificial Intelligence Review, 2011, 36(2): 153-162.

［9］ ZHANG L, WU K, ZHONG Y, et al. A new sub-pixel mapping algorithm based on a BP neural network with an observation model[J]. Neurocomputing, 2008, 71(10/12): 2046-2054.

［10］ PAN H. A BP neural networks learning algorithm research based on particle swarm optimizer[J]. Computer Engineering Applications, 2006, 42(16): 41-44.

［11］ ADANKON M M, CHERIET M J P R. Model selection for the LS-SVM[J]. Application to Handwriting Recognition, 2009, 42(12): 3264-3270.

［12］ SUYKENS J A K, LUKAS L, VANDEWALLE J. Sparse least squares support vector machine classifiers[J]. Neural Processing Letters, 2000, 9(3): 293-300.

［13］ SUYKENS J A K, GESTEL T V, BRABANTER J D, et al. Least squares support vector machines[J]. International Journal of Circuit Theory Applications, 2015, 27(6): 605-615.

［14］ 胡良謀, 曹克強(qiáng), 徐浩軍. 基于改進(jìn)LS-SVM的液壓舵機(jī)雙閉環(huán)系統(tǒng)故障診斷[J]. 系統(tǒng)仿真學(xué)報, 2009, 21(17): 5477-5480. HU Liangmou, CAO Keqiang, XU Haojun. Fault diagnosis for hydraulic actuator double closed-loop system based on improved LS-SVM[J]. Journal of System Simulation, 2009, 21(17): 5477-5480.

［15］ 陳如清, 俞金壽. 混沌粒子群混合優(yōu)化算法的研究與應(yīng)用[J]. 系統(tǒng)仿真學(xué)報, 2008, 20(3): 685-688. CHEN Ruqing, YU Jinshou. Study and application of chaos-particle swarm optimization-based hybrid optimi- zation algorithm[J]. Journal of System Simulation, 2008, 20(3): 685-688.

Development and application of efficient cooperative optimization system for low NOxemission control in coal-fired boilers

WANG Tiankun, LIANG Zhihong, ZHANG Jinying

(China Energy Investment Corporation Limited, Beijing 100011, China)

To achieve the new near-zero emission standard of air pollutants, NOxemission from large-scale coal-fired power plants should be lower than 35 mg/m3. In current engineering practice, the most commonly used low NOx burner (LNB) technology and selective catalytic reduction (SCR) denitration technology are difficult to realize safe, environmental and economic operation of both the LNB and SCR denitration system simultaneously. Therefore, this paper establishes the cooperative model of the LNB operation adjustment and SCR denitrification of coal-fired boiler, builds up the boiler combustion system model using the improved BP neural network, sets up the SCR denitraion system model applying the improved least squares support vector machine, and further carries out the efficient low NOxemission control regulation and optimization and develops the cooperative optimization system for efficient low NOxemission control. In addition, this cooperative optimization system was successfully applied in a 600 MW unit, it can guide the operator to adjust the unit’s parameters in real time under any working condition, to ensure the safety, environmental protection and economic operation of the unit.

co-fired boiler, NOxemission, efficient low NOxemission control, comprehensive denitration technology, synergy optimization, low NOx combustion

National Key Research and Development Program (2018YFB0604204)

TP621.2

B

10.19666/j.rlfd.201811208

王天堃, 梁志宏, 張金營. 燃煤鍋爐高效低NOx協(xié)同優(yōu)化系統(tǒng)開發(fā)及應(yīng)用[J]. 熱力發(fā)電, 2019, 48(3): 96-101. WANG Tiankun, LIANG Zhihong, ZHANG Jinying. Development and application of efficient cooperative optimization system for low NOx emission control in coal-fired boilers[J]. Thermal Power Generation, 2019, 48(3): 96-101.

2018-11-07

國家重點(diǎn)研發(fā)計劃項目(2018YFB0604204)

王天堃(1982—)，男，博士，高級工程師，主要研究方向?yàn)榛鹆Πl(fā)電廠先進(jìn)控制技術(shù)、分散控制系統(tǒng)及現(xiàn)場總線控制系統(tǒng)，17000107@chnenergy.com.cn。

（責(zé)任編輯 杜亞勤）