[发明专利]一种基于APSO的双串联SCR系统尿素喷射规律云计算方法

权利要求书

1.一种基于APSO的双串联SCR系统尿素喷射规律云计算方法，所述PSO为云预测控制和粒子群算法，所述SCR为选择性催化还原技术，其特征在于，所述方法包括步骤：

步骤一、建立双串联SCR系统的控制学模型；

所述控制学模型为：

其中，所述的双串联SCR系统包括SCR₁系统和SCR₂系统，分别具有一个体积相同的反应罐；代表x在第j个反应罐内的物质的量浓度的变化率；x代表NO、NO₂和NH₃；j＝1,2,代表反应罐的序号；i代表某种具体化学反应；r_i,j代表第j个反应罐内的i种化学反应的化学反应速率；K_i,j和E_i,j分别代表阿仑尼乌斯化学反应模型的指前因子以及活化能；R代表理想气体常数；T代表热力学温度；C_y,j代表y在第j个反应罐内的物质的量浓度；y代表NO、O₂、NO₂和NH₃；代表第j个反应罐内催化剂上的NH₃覆盖率，为：表示第j个反应罐内吸附在催化剂上NH₃的摩尔量；Θ_j表示催化剂总的NH₃覆盖率能力，也叫做催化剂表面NH₃存储量，与温度的关系为：S_2j-1，S_2j分别为与j相关的常数；代表第j个反应罐内催化剂上的NH₃覆盖率随时间的变化率；V代表双串联SCR系统中的每一个反应罐的体积；代表催化剂对NH₃的吸收率，P_2k-1,j，P_2k,j分别为与j相关的常数；F代表排气的体积流动速率，为从SCR₁入口输入的尿素的喷射量，C_NO,in分别代表进入SCR₁的反应罐的NO浓度以及NO₂浓度；

步骤二、根据所述双串联SCR系统的控制学模型，在云计算服务器中建立目标函数cost以及约束条件函数constraint；所述目标函数cost用于控制氮氧化物的转化效率，所述约束条件函数constraint用于限制氨气排放量；

步骤三、在云计算服务器中运用基于NMPC算法的APSO算法，求出使目标函数cost函数值最小，且满足约束条件函数constraint的尿素喷射规律。

2.如权利要求1所述的基于APSO的双串联SCR系统尿素喷射规律云计算方法，其特征在于，所述目标函数及约束条件函数的建立过程如下：

将尿素喷射量代入所述双串联SCR系统的控制学模型，计算SCR₂系统所排出待排放气体中NO浓度和NO₂浓度的和值，将所求得的和值对时间做积分运算得到积分值，令得到的积分值为后续优化控制算法的目标函数cost函数值；

将尿素喷射量代入所述双串联SCR系统的控制学模型，计算SCR₂系统所排出待排放气体中的NH₃浓度与已知的NH₃浓度设定阈值的差值，所述差值即为约束条件函数constraint函数值。

3.如权利要求1所述的基于APSO的双串联SCR系统尿素喷射规律云计算方法，其特征在于，将一个预测域内的多个尿素喷射规律分别作为对应的多个粒子，多个粒子组成的粒子群大小N为一个预测域内的多个尿素喷射规律，所有粒子适应值为目标函数值，所述APSO算法流程具体步骤如下：

(1)、设定APSO算法的粒子群大小N和粒子位置维度d，所述粒子位置维度d即为所优化问题的优化变量数目，给出目标函数和约束条件函数；

(2)、初始化粒子群中所有粒子的位置，所述初始化后的所有粒子的位置要求服从随机分布，粒子位置即为需要优化的目标函数的变量值，即尿素喷射规律；

(3)、分别计算初始化后所有粒子适应值，所有粒子适应值即为目标函数值；

(4)、比较所有粒子的适应值令粒子群最优粒子位置为适应值最小的粒子位置；每个粒子分别比较各迭代步的位置，令各粒子最优位置等于该粒子各迭代步中适应值最小的位置；

(5)、按照公式分别更新所有粒子的位置，得到更新后的各粒子新位置；其中，代表第l个粒子在t+1次迭代时的位置，l≤l≤N；表示第t次迭代时的各粒子最优位置，表示第t次迭代时粒子群最优粒子，t为本次迭代次数，t_max为最大迭代次数，α_max为α(t)在迭代过程中的最大值，α_min为α(t)迭代过程中的最小值，β_max为β(t)迭代过程中的最大值，β_min为β(t)迭代过程中的最小值；定义矩阵的行向量为矩阵G^t为N*d的矩阵，每经过一次迭代后更新，矩阵G^t的第v列服从均值为0，标准差为的正态分布，为粒子最优位置矩阵Q^t的第v列的标准差，v＝1,2,…,d，

(6)、分别判断更新后的各粒子新位置是否满足约束条件，所述约束条件为约束条件函数constraint的函数值小于0；若满足约束条件，则各粒子采用步骤(5)更新后的各粒子新位置，若不满足约束条件，则各粒子采用更新前的各粒子位置；

(7)、根据经过步骤(6)后采用的各粒子更新位置，再次计算更新位置后各粒子的适应值；

(8)、比较所有粒子的适应值令粒子群最优粒子位置为适应值最小的粒子位置；每个粒子分别比较各迭代步的位置，令各粒子最优位置等于该粒子各迭代步中适应值最小的位置；

(9)、判断是否满足终止条件，所述终止条件为最大迭代次数限制或最优粒子适应值满足要求，若是，则结束APSO算法；若否，则按照公式继续更新各粒子位置，返回步骤(5)；

所述NMPC算法流程具体步骤如下：

(1)设置NMPC算法的预测域t_p，采样周期t_s；

(2)设置名为test的simulink模型中各状态的初始值；

(3)设定名为test的simulink模型中仿真运行开始时间t_k，k代表本次采样次数，结束时间t_k+t_p；

(4)设置目标函数、约束条件函数和待求变量，运行APSO算法，其中，将名为cost的m函数程序文件作为APSO的目标函数，将名为constraint的m函数程序文件作为APSO的约束条件函数，将t_k到t_k+t_p中的各采样时刻的尿素喷射量作为待求变量，运行APSO算法；

(5)得到经APSO算法运行后的各采样时刻尿素喷射量其中为第k次采样时刻的实际尿素喷射量；

(6)判断是否到达尿素喷射终止时间，若是，执行步骤(7)；若否，将输入名为test的simulink模型中，所述名为test的simulink模型运行时间为[t_k,t_k+t_s]；令k＝k+1；名为test的simulink模型运行后得到双串联SCR系统仿真结束时各状态量,将各状态量作为k+1次优化的初始值，返回步骤(3)；

(7)将所得到的各个采样时刻的实际尿素喷射量保存，得到尿素喷射规律。