[发明专利]基于经济性指标参数的氮氧化物排放预测方法和装置

说明书

技术领域

本发明涉及锅炉优化燃烧控制领域，特别涉及一种基于经济性指标参数的氮氧化物排放预测方法和装置。

背景技术

目前燃煤锅炉已大量采用空气、燃料分级为基本原理的低氮燃烧技术，多年实践表明，它取得了良好的减排氮氧化物(NOx)的效果。但众所周知其技术原理和高效燃烧、壁区防渣防腐原理是相悖的，因此NOx低排放和炉无渣高效矛盾始终存在，当实施深度脱氮时其影响锅炉安全和经济性的程度是无法接受的，只有强防渣高燃尽高效前提下的超低氮才是适合国情的。

在锅炉进行低氮燃烧器改造之后，炉内主燃烧器区域形成缺氧富燃料环境抑制NOx生成，较常规大三区加大了空气分级程度，属于深度空气分级燃烧，过量空气系数分布的变化容易造成煤粉燃烧不完全、锅炉热效率降低、主再汽温异常、过热/再热器管壁超温等。这就需要实时准确预测在经济因素制约下系统应维持的NOx排放值。

电厂运行过程中对锅炉NOx排放预测控制的常用方法，主要包括基于优化控制的数学模型方法和计算流体力学(Computational Fluid Dynamics，简称：CFD)模拟方法。

1)数学模型方法

目前国内外有相当多的系统采用基于神经网络、支持向量机等人工智能方法对锅炉NOx排放量进行预测，用人工神经网络来预测NOx排放的模型是一种较好的非线性黑箱模型，它不需要详细了解NOx排放与各操作参数之间的关系，就可以预测NOx的排放量。

2)CFD模拟方法

计算CFD模拟是预测电站锅炉燃烧过程和NOx排放量常用方法。因CFD模型可详细考虑炉内的流动、传热、燃烧反应和NOx生成过程，在已知锅炉结构燃烧系统结构和运行输入条件的前提下，理论上可以准确预测不同运行条件下锅炉的NOx排放量及煤质等条件变化的影响。

经过研究分析，发现在数学模型方法中存在以下缺陷：

1)人工神经网络模型缺乏影响NOx排放因素之间的关系和热力学反应机理，难以给出各运行工况参数对输出参数(即NOx排放量)贡献的大小，而这点对于深度降氮而言调整至关重要。虽然可以在建模方面进行一定的改进，如在模型中考虑NOx生成机理和电厂运行实际条件，但其作用在于提高模型的准确性，上述问题仍然难以解决。

2)人工神经网络方法建模本身还存在许多问题有待于进一步的研究解决，特别是建模所必需的样本数量多，而目前的研究中采用实炉测试工况数据数量很有限，且实际测量数据在统计意义上的准确性和可靠性也可能存在不确定性。由于试验条件限制而不可能进行大量工况的试验,又不可能进行经常性的现场试验,这也是基于试验工况所建立的模型难以适应实际工况的重要原因。

此外，CFD模拟方法也存在如下缺陷：

1)目前CFD技术不能进行实时的在线计算，只能被应用于锅炉设备改造时估算NOx排放量以预测设计、改造方案的效果，或者应用于锅炉运行性能和NOx排放特性的离线研究和分析中。

2)锅炉燃烧过程是一个非线性、强耦合、时变的复杂系统，涉及到燃烧学、热力学、流体力学、传热学等多个学科。CFD技术因受各基础模型在理论上的准确性的限制，对NOx排放预测的准确性也有待商榷。

发明内容

本发明实施例提供一种基于经济性指标参数的氮氧化物排放预测方法和装置。通过在考虑经济性指标参数的前提下，预测燃煤锅炉氮氧化物排放量，从而可兼顾经济性和氮氧化物低排放这两方面，便于实现低氮燃烧优化闭环控制。

根据本发明的一个方面，提供一种基于经济性指标参数的氮氧化物排放预测方法，包括：

以预定的时间间隔采集第i个经济性指标参数的参数值Fc_i，其中1≤i≤N，N为经济性指标参数总数；

计算参数值Fc_i的指标偏差B_i，其中B_i＝Fc_i－FcL_i，FcL_i为与第i个经济性指标参数相对应的参数阈值；

判断是否存在大于预定偏差值的指标偏差；

若存在大于预定偏差值的指标偏差，则利用第i个经济性指标参数的增量与氮氧化物排放增量的对应关系，根据指标偏差B_i确定第i个经济性指标参数的修正值C_i；

根据氮氧化物排放基准值R和修正值C_i，预测当前的氮氧化物排放基准值R′。

在一个实施例中，在预测当前的氮氧化物排放基准值R′的步骤之后，还包括：