[发明专利]基于机理与数据驱动的SCR脱硝喷氨控制方法及系统

说明书

本公开一个或多个实施例提供了一种基于机理与数据驱动的SCR脱硝喷氨控制方法及系统，包括：获取选择性催化还原SCR脱硝反应器的运行数据；基于预先建立的机理模型根据所述运行数据得到所述SCR脱硝反应器出口的氮氧化物浓度的第一预测值；基于训练完成的神经网络模型根据所述运行数据计算得到所述SCR脱硝反应器出口的氮氧化物浓度的第二预测值；利用所述第二预测值对所述第一预测值进行校正，得到校正后的氮氧化物浓度值，计算校正后的氮氧化物浓度值与所述SCR脱硝反应器中设定的氮氧化物浓度值之间的差值；根据所述差值控制SCR脱硝反应器的喷氨。该方法可从大量事件数据中精准识别出故障事件以及定位故障源，保证了系统的可靠性。

技术领域

本公开涉及数据处理技术领域，尤其是涉及一种基于机理与数据驱动的SCR脱硝喷氨控制方法及系统。

背景技术

目前，燃煤电厂的大气污染物排放已纳入严格监管，各电厂陆续开展了烟气超低排放改造。超低排放改造后要求燃煤电厂NOx（氮氧化物）排放浓度须低于50mg/m³。目前，较为常见的脱硝技术是SCR（Selective Catalytic Reduction，选择性催化还原）烟气脱硝技术，其中喷氨量的控制是其重要过程。当喷氨量过少时，导致SCR反应器出口NOx排放超标；当喷氨量过量时，不仅影响脱硝效率，而且过量的氨气与烟气中的SO₃反应生成硫酸氢铵和硫酸铵降低催化剂活性，造成空预器堵塞和腐蚀，同时过量的氨逃逸造成运行成本浪费和环境污染。所以，氨量的控制对脱硝系统至关重要。

传统的喷氨量控制方式主要采单回路的出口NOx定值控制策略、固定摩尔比控制策略、串级PID（Proportion Integral Differential，比例、积分、微分）控制策略或者智能预测方法，出现了“唯机理论”或“唯数据论”的特点，但对于脱硝系统而言，由于其存在着大惯性、大延迟、非线性的特征，这些控制方式都较难以控制SCR反应器出口NOx浓度，尤其对于变工况状态下更难以实现较好的控制。因此，一种SCR脱硝喷氨控制方法有待被提出。

发明内容

本公开一个或多个实施例提供了一种基于机理与数据驱动的SCR脱硝喷氨控制方法及系统，用以解决相关技术中SCR反应器出口氮氧化物浓度难以控制的问题。

本公开的一个或多个实施例提供了一种基于机理与数据驱动的SCR脱硝喷氨控制方法，包括：获取选择性催化还原SCR脱硝反应器的运行数据；基于预先建立的机理模型根据所述运行数据得到所述SCR脱硝反应器出口的氮氧化物浓度的第一预测值；基于训练完成的神经网络模型根据所述运行数据计算得到所述SCR脱硝反应器出口的氮氧化物浓度的第二预测值；利用所述第二预测值对所述第一预测值进行校正，得到校正后的氮氧化物浓度值；计算校正后的氮氧化物浓度值与所述SCR脱硝反应器中设定的氮氧化物浓度值之间的差值；根据所述差值控制SCR脱硝反应器的喷氨量。

可选的，训练所述神经网络模型，包括：获取SCR脱硝反应器的历史运行数据；从所述历史运行数据中提取影响SCR脱硝反应器出口的氮氧化物浓度的时间序列数据，以及所述时间序列数据对应的SCR脱硝反应器出口的氮氧化物浓度历史数值；将所述时间序列数据以及所述氮氧化物浓度历史数值作为训练数据，对神经网络模型进行训练，得到训练完成的所述神经网络模型。

可选的，所述SCR脱硝反应器出口氮氧化物浓度的影响因素至少包括以下一种：燃煤机组负荷、总风量、总煤量、SCR脱硝反应器入口氮氧化物浓度、喷氨量以及磨煤机给煤量。

可选的，建立所述机理模型，包括：根据所述运行数据确定Langmuir等温吸附方程以及Eley-Rideal机理方程中参数，得到所述机理模型，其中，所述参数至少包括以下一种：催化剂吸附能力、吸附速率指数系数、解吸附速率指数系数、脱硝反应速率常数的指前系数、氨气氧化速率常数、初始解吸附活化能以及脱硝反应活化能。