[发明专利]一种电站锅炉SCR脱硝精细化喷氨控制方法有效
申请号: | 201811290036.2 | 申请日: | 2018-10-31 |
公开(公告)号: | CN109304086B | 公开(公告)日: | 2020-11-24 |
发明(设计)人: | 谭鹏;张成;孙路石;曹楠;饶德备;李胜男;方庆艳;陈刚 | 申请(专利权)人: | 华中科技大学 |
主分类号: | B01D53/90 | 分类号: | B01D53/90;B01D53/86;B01D53/56;G05B13/04 |
代理公司: | 华中科技大学专利中心 42201 | 代理人: | 曹葆青;李智 |
地址: | 430074 湖北*** | 国省代码: | 湖北;42 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 电站 锅炉 scr 精细 化喷氨 控制 方法 | ||
1.一种电站锅炉SCR脱硝精细化喷氨控制方法,其特征在于,该方法包括利用主阀门子控制系统实现主阀门开度的控制以及利用分阀门子控制系统实现分阀门开度的控制,其中对于主阀门开度的控制采用长短时神经记忆网络模型和智能优化算法相结合的方法进行,对于分阀门开度的控制则根据多个NOx检测点的检测情况进行开度调节,其中所述利用主阀门子系统实现主阀门开度的控制具体包括如下步骤:
S1根据前k个时刻SCR系统的工况参数,利用长短时神经记忆网络模型对未来p个时刻SCR出口NOx的值进行预测;
S2根据步骤S1中SCR出口NOx的预测值构建优化指标,计算得到使该优化指标取得最小值或达到最大迭代次数的最优喷氨策略u={u(t)∣t=k+1,k+2,…,k+p},其中u(t)表示第t个时刻的喷氨量;具体包括如下子步骤:
S21将未来p个时刻SCR出口NOx的预测值代入优化指标中计算J(k),所述优化指标为:
式中,yg(k+h)为k+h时刻SCR出口NOx的预测值,yr(k+h)为k+h时刻SCR出口NOx的设定值,h为1~p;
然后判断J(k)是否取得最小值或达到最大迭代次数,若是,则结束,若否,转入步骤S22;
S22更新获得新喷氨策略,并获得在该新喷氨策略下未来p个时刻SCR出口NOx的预测值;
S23重复步骤S21~S22,直至J(k)取得最小值或达到最大迭代次数,从而得到最优喷氨策略;
S3在k+1时刻执行步骤S2中最优喷氨策略的第一步,即uk+1;
S4根据前k+1时刻的工况参数重复步骤S1~步骤S3,从而实现滚动优化。
2.如权利要求1所述的电站锅炉SCR脱硝精细化喷氨控制方法,其特征在于,所述步骤S1中的工况参数包括机组电负荷、SCR入口NOx浓度、SCR入口O2浓度、SCR入口烟气温度、烟气流量、喷氨量的历史值和当前值、SCR出口NOx浓度和氨逃逸的历史值,所述历史值包括过去十分钟内的参数值。
3.如权利要求1所述的电站锅炉SCR脱硝精细化喷氨控制方法,其特征在于,所述步骤S1具体包括:
S11将前k个时刻的工况参数F={ft∣t=1,2,…,k}输入到长短时记忆神经网络模型中,得到k+1时刻SCR出口NOx的预测值,其中ft表示第t个时刻的工况参数;
S12将前k+1个时刻的工况参数F={ft∣t=2,3,…,k+1}输入到所述长短时记忆神经网络模型中,得到k+2时刻SCR出口NOx的预测值;k+1时刻的工况参数中,SCR出口NOx浓度为所述步骤S11得到的预测值,喷氨量的当前值为喷氨策略中的uk+1,其他工况参数为k时刻的工况参数;
S13重复步骤S12,得到从k+1时刻开始p个时刻SCR出口NOx的预测值。
4.如权利要求1所述的电站锅炉SCR脱硝精细化喷氨控制方法,其特征在于,步骤S22中采用智能优化算法更新获得新喷氨策略。
5.如权利要求1所述的电站锅炉SCR脱硝精细化喷氨控制方法,其特征在于,所述J(k)的最小值为0~2,所述最大迭代次数为100步~1000步。
6.如权利要求1~5任一项所述的电站锅炉SCR脱硝精细化喷氨控制方法,其特征在于,所述根据多个NOx检测点的检测情况进行开度调节的具体步骤包括:
A1在SCR出口截面上设置n个检测点,分别对该n个检测点处的NOx浓度值进行m个采样时刻的均值滤波和限幅滤波,从而得到各检测点滤波后的NOx浓度值,并求取这n个检测点的NOx浓度平均值;
A2将所述各检测点滤波后的NOx浓度值与所述NOx浓度平均值做差求得偏差值,将所述偏差值与设定值进行对比,当所述偏差值小于等于所述设定值时无动作,当所述偏差值大于所述设定值时将偏差输入到分阀的比例控制器中,从而对所述分阀的开度进行调节。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华中科技大学,未经华中科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811290036.2/1.html,转载请声明来源钻瓜专利网。