[发明专利]一种基于时延预估的SCR系统NOx排放浓度预测方法

权利要求书

1.一种基于时延预估的SCR系统NO_x排放浓度预测方法，其特征在于，包括：

步骤1，对燃煤机组烟气产生和SCR系统机理分析，确定NO_x排放浓度预测模型的输入变量X；

步骤2，采集燃煤机组和SCR系统相关变量的运行数据并预处理，利用相关系数迭代法计算输入变量X与输出变量Y间的相关系数值，估计输入变量时延，并对样本进行相空间重构；

步骤3，在重构后的样本上，采用核偏最小二乘法建立NO_x排放浓度预测的动态模型，并对动态模型的参数寻优和动态更新；

步骤4，将动态模型得到的NO_x浓度值提前反馈至控制器，并在运行过程中，利用滞后的即k+1时刻的出口NO_x浓度测量值对动态模型的输出进行反馈校正，将校正后的输出作为NO_x浓度预测值。

2.根据权利要求1所述的SCR系统NO_x排放浓度预测方法，其特征在于，步骤1中，确定NO_x排放浓度预测的输入变量为：机组负荷、总燃料量、喷氨开度、入口NO_x浓度、入口O₂含量、入口烟气温度和入口烟气流量。

3.根据权利要求1所述的SCR系统NO_x排放浓度预测方法，其特征在于，步骤2中，相关系数迭代法具体为：设空间Z＝(X,Y)，输入变量X和输出变量Y均为1列n个的样本，则输入变量X和输出变量Y间的相关系数为：

式中，E(X)、E(Y)分别为输入变量X与输出Y的期望；D(X)、D(Y)分别为输入变量X与输出Y的方差；

如果变量X和Y相关性越小，则相关系数ρ_XY越小；如果变量X和Y相关性越大，则相关系数ρ_XY越大；

每个输入变量x_j(t)与输出变量Y(t)之间的时延都是不同的，所以对每个输入变量x_j(t)进行相空间重构，嵌入不同时延τ_j∈[τ_min,τ_max]，得到嵌入不同时延的输入变量为：

X＝[x₁(t-τ₁),x_.2(t-τ₂),…,x_.m(t-τ_m)]；

根据上式分别迭代计算在嵌入不同时延时，各变量x_.j(t-τ_j)与Y之间的相关系数，j为1至m，当相关系数值最大时，对应的τ即为该输入变量的时延。