[发明专利]SCR烟气脱硝系统控制方法及设备

权利要求书

1.一种选择性催化还原法SCR烟气脱硝系统控制方法，其特征在于，包括：

根据锅炉运行参数和SCR烟气脱硝系统的氮氧化物NOx的采样浓度，使用第一径向基函数RBF神经网络获得锅炉燃烧后生成的NOx的预测值；

根据所述NOx的预测值和所述SCR烟气脱硝系统的运行参数，使用第二径向基函数RBF神经网络获得用于进行SCR烟气脱硝的各喷氨阀的喷氨量设定值；

使用基于动态矩阵控制DMC的喷氨量控制器，按照各喷氨阀的喷氨量设定值控制总喷氨量，进行SCR烟气脱硝处理，

其中，根据所述NOx的预测值和所述SCR烟气脱硝系统的运行参数，使用第二径向基函数RBF神经网络获得用于进行SCR烟气脱硝的各喷氨阀的喷氨量设定值的步骤包括：

根据所述NOx的预测值和所述SCR烟气脱硝系统的运行参数，建立正向的SCR烟气脱硝系统的运行特性模型；以及

根据所述运行特性模型，使用遗传算法确定各喷氨阀的喷氨量设定值，包括以下步骤：使用遗传算法搜索径向基函数网络的连接权值和神经元的偏置值；根据所述连接权值和神经元的偏置值，确定各喷氨阀的喷氨量设定值，

其中，所述径向基函数网络为根据代价函数，使用遗传算法训练后的径向基函数网络；其中，所述代价函数为所述锅炉的实际脱硝效率和所述径向基函数网络的输出间的最小均方误差函数。

2.根据权利要求1所述的方法，其特征在于，所述根据锅炉运行参数和SCR烟气脱硝系统的氮氧化物NOx的采样浓度，使用第一径向基函数RBF神经网络获得锅炉燃烧后生成的NOx的预测值的步骤包括：

通过所述第一径向基函数RBF神经网络的输入层获取锅炉运行参数和SCR烟气脱硝系统的NOx的采样浓度；

通过所述第一径向基函数RBF神经网络的隐含层，使用径向基函数对所述输入层接收的所述锅炉运行参数和所述NOx的采样浓度进行变换处理；

通过所述第一径向基函数RBF神经网络的输出层输出所述变换处理的结果，获得锅炉燃烧后生成的NOx的预测值。

3.根据权利要求2所述的方法，其特征在于，在通过所述第一径向基函数RBF神经网络的输出层输出所述变换处理的结果，获得锅炉燃烧后生成的NOx的预测值的步骤之后，还包括：

使用往期NOx测量值对所述NOx的预测值进行修正。

4.根据权利要求1至3任一项所述的方法，其特征在于，所述锅炉运行参数包括：机组负荷、煤质测量值、一次总风量，各层二次风量、磨煤机出口风温、烟气含氧量、给煤机各层偏置信号、和前次实测的滞后NOx浓度。

5.根据权利要求1所述的方法，其特征在于，所述SCR烟气脱硝系统的运行参数包括：脱硝反应器入口NOx浓度、氨气流量、氨空比、喷氨调节阀、脱硝反应器差压、脱硝反应器出口氧量、反应器入口烟气温度。

6.根据权利要求1所述的方法，其特征在于，所述使用基于动态矩阵控制DMC的喷氨量控制器，按照各喷氨阀的喷氨量设定值控制总喷氨量的步骤包括：

根据往期喷氨总量的采样值及往期各喷氨阀的喷氨量设定值的采样值，使用动态矩阵控制DMC确定各喷氨阀的喷氨量设定值的偏差和偏差变化率；

根据各喷氨阀的喷氨量设定值的偏差和偏差变化率，按照使用第二径向基函数RBF神经网络获得的各喷氨阀的喷氨量设定值控制总喷氨量。

7.一种选择性催化还原法SCR烟气脱硝系统控制设备，其特征在于，包括：

第一RBF神经网络模块，用于根据锅炉运行参数和SCR烟气脱硝系统的氮氧化物NOx的采样浓度，使用第一径向基函数RBF神经网络获得锅炉燃烧后生成的NOx的预测值；

第二RBF神经网络模块，用于根据所述NOx的预测值和所述SCR烟气脱硝系统的运行参数，使用第二径向基函数RBF神经网络获得用于进行SCR烟气脱硝的各喷氨阀的喷氨量设定值；

DMC控制模块，用于使用基于动态矩阵控制DMC的喷氨量控制器，按照各喷氨阀的喷氨量设定值控制总喷氨量，进行SCR烟气脱硝处理，

其中，所述第二RBF神经网络模块，根据所述NOx的预测值和所述SCR烟气脱硝系统的运行参数，建立正向的SCR烟气脱硝系统的运行特性模型，并根据所述运行特性模型，使用遗传算法确定各喷氨阀的喷氨量设定值，在所述使用遗传算法确定各喷氨阀的喷氨量设定值中，使用遗传算法搜索径向基函数网络的连接权值和神经元的偏置值，并根据所述连接权值和神经元的偏置值，确定各喷氨阀的喷氨量设定值，

其中，所述径向基函数网络为根据代价函数，使用遗传算法训练后的径向基函数网络；其中，所述代价函数为所述锅炉的实际脱硝效率和所述径向基函数网络的输出间的最小均方误差函数。