[发明专利]基于智能化KNN机制的燃煤锅炉NOx

说明书

本发明提供了一种基于智能化KNN机制的燃煤锅炉NO_x排放预测方法。本发明基于KNN模型，该模型采用了基于学习的机制和一个知识库，其中使用了空间分割方法、Lebesgue积分思想、聚类算法和其他算法等。首先构建知识库；其次基于KNN模型使用LPBA算法，其中根据输出数据对输入参数进行分区，得到有效的元组聚类；再找到查询t所属的候选聚类，找到t的K个最近邻，并求各最近邻的权重，最终依据相关公式计算出查询t的输出。知识库还需不断更新。通过本发明中方法，燃煤锅炉NO_x排放预测速度在亚秒级，预测误差小于5mg/m³，且实施难度低，对于不同维度锅炉参数兼容性强，易于推广使用。

技术领域

本发明涉及燃煤锅炉运营技术领域，具体地说是一种基于智能化KNN机制的燃煤锅炉NO_x排放预测方法。

背景技术

燃煤发电中氮氧化物(NO_x，例如NO和NO₂)的产生是环境污染的一个重要来源，世界上许多国家都严格控制NO_x排放浓度。例如，中国的发电厂必须确保其锅炉燃烧产生的NO_x排放符合排放标准；否则，他们将受到生态和环境专业部门的严厉惩罚。因此，有必要对燃煤锅炉用户进行NO_x监测和排放浓度控制。

NO_x控制技术主要分为两类：燃烧过程控制和烟气脱硝。燃烧过程控制技术试图通过调整可控变量(如过量空气系数、空气分配模式和一次空气与二次空气的比率)来降低NO_x。燃煤锅炉是一个复杂的强耦合系统，其NO_x排放特性受燃料类型、锅炉负荷、燃烧器类型和运行模式等多种因素的影响，涉及湍流、燃烧、传热传质等过程。因此，很难建立基于燃烧参数的NO_x预测模型。烟气脱硝技术用于通过检测锅炉排放气体中的NO_x含量来控制脱硝系统中还原剂的输出。相比之下，由于中小型锅炉燃烧过程控制中存在许多问题，所以当前主要采用烟气脱硝的方法。

目前，选择性催化还原(Selective Catalytic Reduction,SCR)因其高NO_x去除效率和无二次污染成为烟气脱硝控制系统的核心技术。首先，控制系统设置氨氮摩尔比参数。其次，根据当前烟气的流速、SCR NO_x入口的浓度和氨氮摩尔比参数，系统计算出合适的还原剂流速(如氨)。最后，通过流量比例积分微分(Proportion Integral Differential,PID)改变氨气阀的开度来调整还原剂的实际流量。这种控制方法类似于开环控制，然后脱硝系统根据静态物理性质计算还原剂的需求量。

煤燃烧过程中NO_x的产生和排放与燃烧方式密切相关，特别是燃烧温度和过量空气系数。在实际应用中，锅炉燃烧参数变化较大，导致喷氨系统进出口氧含量和氮氧化物含量变化较大。由于注氨调节响应时间约为3分钟，调节滞后严重；此外，长期在多尘环境中运行的NO_x测量仪器特别容易发生局部畸变，且其定期清洗和校准会使测量值发生突变。因此，即使采用脱硝系统，锅炉出口NO_x仍经常超标。另外，目前的烟气脱硝技术通常采用在线监测NO_x的方法。然而，在线监测仪器价格昂贵，运行和维护成本高，这大大增加了发电厂的负担。

以软件测量代替硬件测量是烟气脱硝的发展趋势。中小型锅炉在世界上占很大比例；因此，建立适合中小型锅炉的实时预测模型是一个重要的课题。

发明内容

本发明的目的就是提供一种基于智能化KNN机制的燃煤锅炉NO_x排放预测方法，该方法以软件测量的方式代替硬件测量，能够准确地预测NO_x的排放量。

本发明是这样实现的：一种基于智能化KNN机制的燃煤锅炉NO_x排放预测方法，包括如下步骤：