[发明专利]一种燃煤电厂脱硝系统数据自动诊断甄别模型

摘要

本发明公开了一种燃煤电厂脱硝系统数据自动诊断甄别模型，运用统计学方法，结合脱硝系统工艺原理，对现场采集脱硝系统数据进行自动辨识，实现了数据不变、数据超限、数据波动异常、参数耦合异常、烟气量、喷氨流量的自动甄别，提高了采集数据的准确性，保证了考核结果的公平性。

主权项

一种燃煤电厂脱硝系统数据自动诊断甄别模型，其特征在于，包括基于统计原理的数据辨识模型和基于工艺原理的数据辨识模型；所述基于统计原理的数据辨识模型是指以小时为单位采集监测点数据，对数据变化异常状态进行自动甄别，数据变化异常状态主要包括数据不变，数据超限，数据波动异常和数据耦合异常四种情况，其中，数据不变的甄别规则为：考核期内监测点数据没有变化且持续时间达到30分钟，则判断为该监测点数据不变异常；所述考核期内测点数据没有变化是指相邻两个数据之间的绝对偏差<0.00001；数据超限的甄别规则为：考核期内监测点数据同时满足以下四个条件则判断该监测点为数据超限异常，分析仪故障＝0；分析仪标定＝0；采集数据<阈值下限或者采集数据>阈值上限；持续时间达到30分钟；数据波动异常的甄别规则为：监测点小时变异系数中，考核时间>0，并且变异系数>阈值上限或者变异系数<阈值下限，则判断该监测点为数据波动异常；数据耦合异常的甄别规则为：相关关系的小时相关系数中，考核时间>0，并且相关系数>阈值上限或者相关系数<阈值下限，则判断该监测点为数据耦合异常；所述基于工艺原理的数据辨识模型是指建立关键指标的预测模型，对关键指标进行自动甄别，所述关键指标包括液氨消耗量；所述液氨消耗量预测模型为：$\begin{array}{c}{Q}_{{\mathrm{NH}}_3,m}^i=(\frac{Q_{\mathrm{gas},\mathrm{SCR},\mathrm{in}}^i\&times;C_{\mathrm{NO},\mathrm{SCR},\mathrm{in}}^i\&times;17}{{30\&times;10}^6}+\frac{Q_{\mathrm{gas},\mathrm{SCR},\mathrm{in}}^i\&times;C_{{\mathrm{NO}}_2,\mathrm{SCR},\mathrm{in}}^i\&times;17\&times;2}{{46\&times;10}^6})\&times;m^i\\ =\frac{Q_{\mathrm{gas},\mathrm{SCR},\mathrm{in}}^i}{{10}^6}\&times;(\frac{C_{\mathrm{NO},\mathrm{SCR},\mathrm{in}}^i\&times;17}{30}+\frac{C_{{\mathrm{NO}}_2,\mathrm{SCR},\mathrm{in}}^i\&times;17\&times;2}{46})\&times;m^i\end{array}$其中，为第i个SCR反应器的液氨消耗量，为第i个SCR反应器入口标态干烟气量，为分别为第i个SCR反应器入口烟气NO、NO₂质量浓度，mⁱ为第i个SCR反应器的氨氮摩尔比。