[发明专利]一种全工况电站SCR脱硝系统的控制方法及系统

说明书

本发明公开了一种全工况电站SCR脱硝系统的控制方法及系统，所述控制方法：将脱硝成本加入优化目标函数，采用预测控制结构，结合神经网络和遗传算法进行模型建立和控制量寻优，实现了喷氨量的优化控制。通过构建神经网络模型预测SCR反应器的出口NO_x浓度未来的变化趋势，通过采用遗传算法寻优确定SCR脱硝系统的喷氨流量，并对喷氨阀门的阀门开度进行调整，该方法能够较好地克服SCR脱硝系统大惯性、大迟延的缺点，提高喷氨量控制对机组负荷变化的响应速度，改善SCR脱硝系统的动态调节品质。

技术领域

本发明涉及燃煤电站优化控制技术领域，特别涉及一种全工况电站SCR脱硝系统的控制方法及系统。

背景技术

在能源结构转型的过程中，新能源电力规模化接入电网对燃煤机组提出了运行灵活性要求。快速深度变负荷意味着机组运行工况大范围快速变化，锅炉工况的变化会使得燃烧产生的NO_x波动加剧，这无疑加大了机组实现NO_x超低排放的难度。SCR(SelectiveCatalytic Reduction)——选择性催化还原法是目前国际上技术最成熟、应用最广泛的烟气脱硝技术。SCR是在催化剂的作用下，利用还原剂NH₃等来有选择性地与烟气中的NO_x反应并生成无毒无污染的N₂和H₂O。SCR脱硝是目前主流的烟气脱硝技术，其反应是一个复杂的物理化学过程，喷氨量较多可以降低NO_x排放，但会增加经济成本，并导致氨逃逸增大，影响机组安全运行。

目前现场应用的SCR控制系统主要分为两种，一种是固定摩尔比控制方式，这种方式属开环控制，无法满足超低排放要求；另一种是固定出口NO_x浓度控制方式，目前现场多采用串级PID控制系统，其参数是针对设计(额定)工况下的反应器特性整定得到的，当机组工况发生较大变化时，若不能对SCR系统进行有效控制，就会造成脱硝效率低或氨逃逸现象严重，难以实现最优控制，对火电厂经济环保运行极为不利。因此，采用开环控制以及串级PID的控制方式往往难以取得较好的控制效果。

因此，如何对脱硝系统进行优化控制，在保证达标排放的同时实现机组经济运行是燃煤电站亟待解决的问题。

发明内容

本发明的目的是提供一种全工况电站SCR脱硝系统的控制方法及系统，以实现对脱硝系统进行优化控制，在保证达标排放的同时实现机组经济运行。

为实现上述目的，本发明提供了如下方案：

一种全工况电站SCR脱硝系统的控制方法，所述控制方法包括如下步骤：

获取SCR脱硝系统的历史运行数据；

采用聚类算法将历史运行数据划分至多个负荷区间，获得多个负荷区间的历史运行数据；

分别利用每个负荷区间的历史运行数据训练神经网络模型，获得每个负荷区间的SCR脱硝系统输出预测模型；SCR脱硝系统输出预测模型用于根据SCR脱硝系统当前的工作状态数据和预测时间段内的每个控制时间点的喷氨量，预测SCR脱硝系统在预测时间段内的每个预测时间点的出口NO_x浓度和出口氨逃逸；所述工作状态数据包括机组负荷、SCR脱硝系统入口的NO_x浓度和烟气流量；

根据SCR脱硝系统的负荷指令，获取负荷指令对应的机组负荷所在的负荷区间的SCR脱硝系统输出预测模型；

根据负荷指令对应的机组负荷所在的负荷区间的SCR脱硝系统输出预测模型，采用遗传算法确定使多目标优化函数最优的喷氨量，作为最优喷氨量；

根据所述最优喷氨量对SCR脱销系统进行控制。

可选的，所述神经网络模型包括输入层、输出层和隐含层，所述输入层包括4个神经元，所述输出层包括2个神经元，所述输出层包括5个神经元。