CN104102842B - 基于经济性指标参数的氮氧化物排放预测方法和装置 - Google Patents
基于经济性指标参数的氮氧化物排放预测方法和装置 Download PDFInfo
- Publication number
- CN104102842B CN104102842B CN201410339699.4A CN201410339699A CN104102842B CN 104102842 B CN104102842 B CN 104102842B CN 201410339699 A CN201410339699 A CN 201410339699A CN 104102842 B CN104102842 B CN 104102842B
- Authority
- CN
- China
- Prior art keywords
- economic index
- value
- index parameter
- increment
- parameter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical compound O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 title claims abstract description 140
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000012937 correction Methods 0.000 claims abstract description 39
- GQPLMRYTRLFLPF-UHFFFAOYSA-N Nitrous Oxide Chemical class [O-][N+]#N GQPLMRYTRLFLPF-UHFFFAOYSA-N 0.000 claims description 70
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 22
- 229910052757 nitrogen Inorganic materials 0.000 claims description 20
- 239000003546 flue gas Substances 0.000 claims description 15
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 13
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 7
- 229910002091 carbon monoxide Inorganic materials 0.000 claims description 7
- 239000001301 oxygen Substances 0.000 claims description 7
- 229910052760 oxygen Inorganic materials 0.000 claims description 7
- 230000004907 flux Effects 0.000 claims description 6
- 239000007921 spray Substances 0.000 claims description 6
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 12
- 238000012360 testing method Methods 0.000 description 12
- 238000002485 combustion reaction Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 239000003245 coal Substances 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 3
- 238000010304 firing Methods 0.000 description 3
- 238000013178 mathematical model Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 239000002893 slag Substances 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- DOTMOQHOJINYBL-UHFFFAOYSA-N molecular nitrogen;molecular oxygen Chemical compound N#N.O=O DOTMOQHOJINYBL-UHFFFAOYSA-N 0.000 description 2
- 230000003647 oxidation Effects 0.000 description 2
- 238000007254 oxidation reaction Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000000779 smoke Substances 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 206010002660 Anoxia Diseases 0.000 description 1
- 241000976983 Anoxia Species 0.000 description 1
- 206010021143 Hypoxia Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000007953 anoxia Effects 0.000 description 1
- 230000002421 anti-septic effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000002817 coal dust Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Landscapes
- Treating Waste Gases (AREA)
- Regulation And Control Of Combustion (AREA)
Abstract
本发明公开一种基于经济性指标参数的氮氧化物排放预测方法和装置。其中在基于经济性指标参数的氮氧化物排放预测方法中,以预定的时间间隔采集第i个经济性指标参数的参数值Fci,计算参数值Fci的指标偏差Bi,判断是否存在大于预定偏差值的指标偏差;若存在大于预定偏差值的指标偏差,则利用第i个经济性指标参数的增量与氮氧化物排放增量的对应关系,根据指标偏差Bi确定第i个经济性指标参数的修正值Ci;根据氮氧化物排放基准值R和修正值Ci,预测当前的氮氧化物排放基准值R′。通过在考虑经济性指标参数的前提下预测燃煤锅炉的氮氧化物排放量,从而可在保证锅炉安全高效运行的前提下,实现氮氧化物低排放的目标。
Description
技术领域
本发明涉及锅炉优化燃烧控制领域,特别涉及一种基于经济性指标参数的氮氧化物排放预测方法和装置。
背景技术
目前燃煤锅炉已大量采用空气、燃料分级为基本原理的低氮燃烧技术,多年实践表明,它取得了良好的减排氮氧化物(NOx)的效果。但众所周知其技术原理和高效燃烧、壁区防渣防腐原理是相悖的,因此NOx低排放和炉无渣高效矛盾始终存在,当实施深度脱氮时其影响锅炉安全和经济性的程度是无法接受的,只有强防渣高燃尽高效前提下的超低氮才是适合国情的。
在锅炉进行低氮燃烧器改造之后,炉内主燃烧器区域形成缺氧富燃料环境抑制NOx生成,较常规大三区加大了空气分级程度,属于深度空气分级燃烧,过量空气系数分布的变化容易造成煤粉燃烧不完全、锅炉热效率降低、主再汽温异常、过热/再热器管壁超温等。这就需要实时准确预测在经济因素制约下系统应维持的NOx排放值。
电厂运行过程中对锅炉NOx排放预测控制的常用方法,主要包括基于优化控制的数学模型方法和计算流体力学(Computational Fluid Dynamics,简称:CFD)模拟方法。
1)数学模型方法
目前国内外有相当多的系统采用基于神经网络、支持向量机等人工智能方法对锅炉NOx排放量进行预测,用人工神经网络来预测NOx排放的模型是一种较好的非线性黑箱模型,它不需要详细了解NOx排放与各操作参数之间的关系,就可以预测NOx的排放量。
2)CFD模拟方法
计算CFD模拟是预测电站锅炉燃烧过程和NOx排放量常用方法。因CFD模型可详细考虑炉内的流动、传热、燃烧反应和NOx生成过程,在已知锅炉结构燃烧系统结构和运行输入条件的前提下,理论上可以准确预测不同运行条件下锅炉的NOx排放量及煤质等条件变化的影响。
经过研究分析,发现在数学模型方法中存在以下缺陷:
1)人工神经网络模型缺乏影响NOx排放因素之间的关系和热力学反应机理,难以给出各运行工况参数对输出参数(即NOx排放量)贡献的大小,而这点对于深度降氮而言调整至关重要。虽然可以在建模方面进行一定的改进,如在模型中考虑NOx生成机理和电厂运行实际条件,但其作用在于提高模型的准确性,上述问题仍然难以解决。
2)人工神经网络方法建模本身还存在许多问题有待于进一步的研究解决,特别是建模所必需的样本数量多,而目前的研究中采用实炉测试工况数据数量很有限,且实际测量数据在统计意义上的准确性和可靠性也可能存在不确定性。由于试验条件限制而不可能进行大量工况的试验,又不可能进行经常性的现场试验,这也是基于试验工况所建立的模型难以适应实际工况的重要原因。
此外,CFD模拟方法也存在如下缺陷:
1)目前CFD技术不能进行实时的在线计算,只能被应用于锅炉设备改造时估算NOx排放量以预测设计、改造方案的效果,或者应用于锅炉运行性能和NOx排放特性的离线研究和分析中。
2)锅炉燃烧过程是一个非线性、强耦合、时变的复杂系统,涉及到燃烧学、热力学、流体力学、传热学等多个学科。CFD技术因受各基础模型在理论上的准确性的限制,对NOx排放预测的准确性也有待商榷。
发明内容
本发明实施例提供一种基于经济性指标参数的氮氧化物排放预测方法和装置。通过在考虑经济性指标参数的前提下,预测燃煤锅炉氮氧化物排放量,从而可兼顾经济性和氮氧化物低排放这两方面,便于实现低氮燃烧优化闭环控制。
根据本发明的一个方面,提供一种基于经济性指标参数的氮氧化物排放预测方法,包括:
以预定的时间间隔采集第i个经济性指标参数的参数值Fci,其中1≤i≤N,N为经济性指标参数总数;
计算参数值Fci的指标偏差Bi,其中Bi=Fci-FcLi,FcLi为与第i个经济性指标参数相对应的参数阈值;
判断是否存在大于预定偏差值的指标偏差;
若存在大于预定偏差值的指标偏差,则利用第i个经济性指标参数的增量与氮氧化物排放增量的对应关系,根据指标偏差Bi确定第i个经济性指标参数的修正值Ci;
根据氮氧化物排放基准值R和修正值Ci,预测当前的氮氧化物排放基准值R′。
在一个实施例中,在预测当前的氮氧化物排放基准值R′的步骤之后,还包括:
根据当前的氮氧化物排放基准值R′对燃煤锅炉的二次风门进行调整,以降低氮氧化物的排放。
在一个实施例中,根据氮氧化物排放基准值R和修正值Ci,预测当前的氮氧化物排放基准值R′的步骤包括:
利用公式
R′=R+ψ1C1+…+ψiCi+…+ψNCN
预测当前的氮氧化物排放基准值R′,其中ψi为修正值Ci的权重值。
在一个实施例中,权重值ψi均为1。
在一个实施例中,利用第i个经济性指标参数的增量与氮氧化物排放增量的对应关系,根据指标偏差Bi确定第i个经济性指标参数的修正值Ci的步骤包括:
利用公式B′i=F(Bi)对指标偏差Bi进行过滤以得到经过修正的指标偏差B′i,其中F为滤波函数,用于去除外界干扰对指标偏差计算的影响;
利用第i个经济性指标参数的增量与氮氧化物排放增量的对应关系,根据指标偏差B′i确定第i个经济性指标参数的修正值Ci。
在一个实施例中,经济性指标参数包括减温水量、锅炉省煤器出口氧量、尾部烟气中一氧化碳含量、主再热汽温。
在一个实施例中,在以预定的时间间隔检测第i个经济性指标参数的参数值Fci的步骤之前,还包括:
建立第i个经济性指标参数的增量与氮氧化物排放增量之间的对应关系。
根据本发明的另一方面,提供一种基于经济性指标参数的氮氧化物排放预测装置,包括采集单元、偏差计算单元、识别单元、修正值确定单元和预测单元,其中:
采集单元,用于以预定的时间间隔采集第i个经济性指标参数的参数值Fci,其中1≤i≤N,N为经济性指标参数总数;
偏差计算单元,用于计算参数值Fci的指标偏差Bi,其中Bi=Fci-FcLi,FcLi为与第i个经济性指标参数相对应的参数阈值;
识别单元,用于判断是否存在大于预定偏差值的指标偏差;
修正值确定单元,用于根据识别单元的判断结果,若存在大于预定偏差值的指标偏差,则利用第i个经济性指标参数的增量与氮氧化物排放增量的对应关系,根据指标偏差Bi确定第i个经济性指标参数的修正值Ci;
预测单元,用于根据氮氧化物排放基准值R和修正值Ci,预测当前的氮氧化物排放基准值R′。
在一个实施例中,装置还包括调整单元,其中:
调整单元,用于根据当前的氮氧化物排放基准值R′对燃煤锅炉的二次风门进行调整,以降低氮氧化物的排放。
在一个实施例中,预测单元具体利用公式
R′=R+ψ1C1+…+ψiCi+…+ψNCN
预测当前的氮氧化物排放基准值R′,其中ψi为修正值Ci的权重值。
在一个实施例中,权重值ψi均为1。
在一个实施例中,修正值确定单元具体利用公式B′i=F(Bi)对指标偏差Bi进行过滤以得到经过修正的指标偏差B′i,其中F为滤波函数,用于去除外界干扰对指标偏差计算的影响;利用第i个经济性指标参数的增量与氮氧化物排放增量的对应关系,根据指标偏差B′i确定第i个经济性指标参数的修正值Ci。
在一个实施例中,经济性指标参数包括减温水量、锅炉省煤器出口氧量、尾部烟气中一氧化碳含量、主再热汽温。
在一个实施例中,装置还包括对应关系建立单元,其中:
对应关系建立单元,用于建立第i个经济性指标参数的增量与氮氧化物排放增量之间的对应关系。
本发明通过兼顾经济性和氮氧化物低排放这两方面,可在保证锅炉安全高效运行的前提下,实现氮氧化物低排放的目标。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明氮氧化物排放预测方法一个实施例的示意图。
图2为本发明氮氧化物排放预测方法另一实施例的示意图。
图3为本发明氮氧化物排放预测装置一个实施例的示意图。
图4为本发明氮氧化物排放预测装置另一实施例的示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为授权说明书的一部分。
在这里示出和讨论的所有示例中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它示例可以具有不同的值。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
图1为本发明基于经济性指标参数的氮氧化物排放预测方法一个实施例的示意图。如图1所示,本实施例的方法步骤如下:
步骤101,以预定的时间间隔采集第i个经济性指标参数的参数值Fci。
其中1≤i≤N,N为经济性指标参数总数。
这里需要说明的是,经济性指标参数可包括尾部烟气中一氧化碳(CO)的含量、主再热汽温和减温水等参数。由于减温水是汽温调节控制的主要手段之一,减温水喷水量的多少可以间接反应汽温的高低。此外,若煤质波动范围不大,则NOx排放值除受配风影响外,主要受风煤当量比、燃烧器投运层数组合形式、煤粉细度等因素影响。这其中,影响最直接的因素为风煤当量比,实际运行中可以用锅炉省煤器出口氧量来表示。所以,经济性指标参数主要可包括减温水量、锅炉省煤器出口氧量、尾部烟气中一氧化碳含量、主再热汽温。还可以根据当时电厂的实际情况确定经济性指标参数。
步骤102,计算参数值Fci的指标偏差Bi,其中Bi=Fci-FcLi,FcLi为与第i个经济性指标参数相对应的参数阈值。
步骤103,判断是否存在大于预定偏差值的指标偏差。
步骤104,若存在大于预定偏差值的指标偏差,则利用第i个经济性指标参数的增量与氮氧化物排放增量的对应关系,根据指标偏差Bi确定第i个经济性指标参数的修正值Ci。
例如,Ci=fi(Bi),fi为第i个经济性指标参数的增量与氮氧化物排放增量的对应关系。
步骤105,根据氮氧化物排放基准值R和修正值Ci,预测当前的氮氧化物排放基准值R′。
在一个实施例中,可利用公式
R′=R+ψ1C1+…+ψiCi+…+ψNCN
预测当前的氮氧化物排放基准值R′,其中ψi为修正值Ci的权重值。
由于不同的经济指标所反映出的对经济性的重要程度是不同的,因此当考虑的经济性指标较多时,需要衡量不同经济性指标的权重。特别是电厂对某一经济性指标较为重视,对其超限的幅度及时间有严格要求时,需要增加此经济性指标的权重。
例如,若系统选取过热器减温水、再热器减温水、尾部烟气CO含量等三个经济性指标参数,而电厂对于再热器减温水很重视,对其超限较为敏感,则增加此项的权重,取其权重系数为1.2,其他的权重系数则变为0.9。权重系统的具体取值需要参考热态试验结果。
在一个实施例中,权重值ψi均为1。这也就意味着各经济性指标参数同等重要。
基于本发明上述实施例提供的基于经济性指标参数的氮氧化物排放预测方法,通过在考虑经济性指标参数的前提下预测燃煤锅炉的氮氧化物排放量,从而可在保证锅炉安全高效运行的前提下,实现氮氧化物低排放的目标。
优选的,在上述以预定的时间间隔检测第i个经济性指标参数的参数值Fci的步骤之前,还包括:
建立第i个经济性指标参数的增量与氮氧化物排放增量之间的对应关系。
经济性指标参数与NOx排放量之间关系的确立,是建立在热态试验数据的基础上,通过对试验数据的分析,总结出锅炉NOx排放量与各经济性指标参数之间的经验关系式。通过分析可以得知,经济性指标参数通常与NOx燃烧调整方向呈反向关系,例如,当减温水流量增大时,需要提高NOx排放量换取减温水流量的减少。在此基础上,只需要记录并得到热态试验数据中经济性指标参数的变化量与NOx排放量的变化量之间的关系即可。
以尾部烟气中CO的含量为例,简单说明确定经济性指标参数与NOx排放量之间的函数关系的步骤。
首先,通过与电厂沟通确定尾部烟气中CO含量的限值。由于尾部烟气中CO含量越多,说明不完全燃烧热损失越大,经济性越不好,所以需要确定电厂能够接受的CO含量最高值,即CO的含量不能超过此限定值,若是超出了,需要进行燃烧调整,降低尾部烟气中CO的含量。
其次,在热态试验中,通过一些特定的燃烧调整操作,获得一段时间内尾部烟气中CO含量与NOx排放量的波动曲线。需要注意的是,热态试验数据中应该包含尾部烟气CO的含量在约定的限值上下波动的数据,并得到相应的NOx排放量。
再次,分析热态试验数据,得到函数关系式。记录CO的含量每次波动的峰值与限值之差,以及相应的这次波动中NOx排放量的变化量。用回归统计的方法得到尾部烟气中CO的增量与NOx排放增量的函数关系式。
通过同样的方法,可以得到其他经济性指标参数与NOx排放量的关系式。
图2为本发明氮氧化物排放预测方法另一实施例的示意图。如图2所示,本实施例的方法步骤如下:
步骤201,以预定的时间间隔采集第i个经济性指标参数的参数值Fci。
其中1≤i≤N,N为经济性指标参数总数。
步骤202,计算参数值Fci的指标偏差Bi,其中Bi=Fci-FcLi,FcLi为与第i个经济性指标参数相对应的参数阈值。
步骤203,判断是否存在大于预定偏差值的指标偏差。
步骤204,若存在大于预定偏差值的指标偏差,则利用公式
B′i=F(Bi)
对指标偏差Bi进行过滤以得到经过修正的指标偏差B′i,其中F为滤波函数,用于去除外界干扰对指标偏差计算的影响。
优选的,可选择易于工程实现的滤波器结构形式,滤波器的传递函数为G(s)=1/(Ts+1)。其中G(s)为滤波器的传递函数,s为拉氏变换的复变量,T为惯性时间(s)。
步骤205,利用第i个经济性指标参数的增量与氮氧化物排放增量的对应关系,根据指标偏差B′i确定第i个经济性指标参数的修正值Ci。
例如,Ci=fi(B′i),fi为第i个经济性指标参数的增量与氮氧化物排放增量的对应关系。
步骤206,根据氮氧化物排放基准值R和修正值Ci,预测当前的氮氧化物排放基准值R′。
步骤207,根据当前的氮氧化物排放基准值R′对燃煤锅炉的二次风门进行调整,以降低氮氧化物的排放。
通过利用修正后的氮氧化物排放基准值对燃煤锅炉的二次风门进行调整,特别是对分离式燃尽风(Separate Over Fire Air,简称:SOFA)风门进行调整,可有效降低氮氧化物的排放。
图3为本发明氮氧化物排放预测装置一个实施例的示意图。如图3所示,氮氧化物排放预测装置可包括采集单元301、偏差计算单元302、识别单元303、修正值确定单元304和预测单元305。其中:
采集单元301,用于以预定的时间间隔采集第i个经济性指标参数的参数值Fci,其中1≤i≤N,N为经济性指标参数总数。
在一个实施例中,经济性指标参数包括减温水量、锅炉省煤器出口氧量、尾部烟气中一氧化碳含量、主再热汽温。
偏差计算单元302,用于计算参数值Fci的指标偏差Bi,其中Bi=Fci-FcLi,FcLi为与第i个经济性指标参数相对应的参数阈值。
识别单元303,用于判断是否存在大于预定偏差值的指标偏差。
修正值确定单元304,用于根据识别单元303的判断结果,若存在大于预定偏差值的指标偏差,则利用第i个经济性指标参数的增量与氮氧化物排放增量的对应关系,根据指标偏差Bi确定第i个经济性指标参数的修正值Ci。
优选的,修正值确定单元304具体利用公式B′i=F(Bi)对指标偏差Bi进行过滤以得到经过修正的指标偏差B′i,其中F为滤波函数,用于去除外界干扰对指标偏差计算的影响;利用第i个经济性指标参数的增量与氮氧化物排放增量的对应关系,根据指标偏差B′i确定第i个经济性指标参数的修正值Ci。
预测单元305,用于根据氮氧化物排放基准值R和修正值Ci,预测当前的氮氧化物排放基准值R′。
在一个实施例中,预测单元305具体利用公式
R′=R+ψ1C1+…+ψiCi+…+ψNCN
预测当前的氮氧化物排放基准值R′,其中ψi为修正值Ci的权重值。
优选的,权重值ψi均为1。
基于本发明上述实施例提供的基于经济性指标参数的氮氧化物排放预测装置,通过在考虑经济性指标参数的前提下预测燃煤锅炉的氮氧化物排放量,从而可在保证锅炉安全高效运行的前提下,实现氮氧化物低排放的目标。
图4为本发明氮氧化物排放预测装置另一实施例的示意图。与图3所示实施例相比,在图4所示实施例中,氮氧化物排放预测装置还可包括调整单元401。其中:
调整单元401,用于根据当前的氮氧化物排放基准值R′对燃煤锅炉的二次风门进行调整,以降低氮氧化物的排放。
通过利用修正后的氮氧化物排放基准值对燃煤锅炉的二次风门进行调整,可有效降低氮氧化物的排放。
在另一实施例中,氮氧化物排放预测装置还包括对应关系建立单元402,用于建立第i个经济性指标参数的增量与氮氧化物排放增量之间的对应关系。其中对应关系的建立可通过上述试验得到。
通过实施本发明,可以得到以下有益效果:
1)经济性好。在不影响锅炉经济性的前提下,减低NOx排放量的控制目标。
2)准确度高。NOx预测方法的基础数据源于热态试验,具有较强的准确度和对当前机组的适应性。
3)稳定可靠。相比于人工智能的方法,此预测方法具有算法简单、鲁棒性好、可靠性高的特点。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
本发明的描述是为了示例和描述起见而给出的,而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本发明的原理和实际应用,并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。
Claims (12)
1.一种基于经济性指标参数的氮氧化物排放预测方法,其特征在于,包括:
以预定的时间间隔采集第i个经济性指标参数的参数值Fci,其中1≤i≤N,N为经济性指标参数总数;
计算参数值Fci的指标偏差Bi,其中Bi=Fci-FcLi,FcLi为与第i个经济性指标参数相对应的参数阈值;
判断是否存在大于预定偏差值的指标偏差;
若存在大于预定偏差值的指标偏差,则利用第i个经济性指标参数的增量与氮氧化物排放增量的对应关系,根据指标偏差Bi确定第i个经济性指标参数的修正值Ci;
根据氮氧化物排放基准值R和修正值Ci,预测当前的氮氧化物排放基准值R′,其中利用公式R′=R+ψ1C1+…+ψiCi+…+ψNCN预测当前的氮氧化物排放基准值R′,ψi为修正值Ci的权重值。
2.根据权利要求1所述的方法,其特征在于,
在预测当前的氮氧化物排放基准值R′的步骤之后,还包括:
根据当前的氮氧化物排放基准值R′对燃煤锅炉的二次风门进行调整,以降低氮氧化物的排放。
3.根据权利要求1所述的方法,其特征在于,
权重值ψi均为1。
4.根据权利要求1所述的方法,其特征在于,
利用第i个经济性指标参数的增量与氮氧化物排放增量的对应关系,根据指标偏差Bi确定第i个经济性指标参数的修正值Ci的步骤包括:
利用公式
B′i=F(Bi)
对指标偏差Bi进行过滤以得到经过修正的指标偏差B′i,其中F为滤波函数,用于去除外界干扰对指标偏差计算的影响;
利用第i个经济性指标参数的增量与氮氧化物排放增量的对应关系,根据指标偏差B′i确定第i个经济性指标参数的修正值Ci。
5.根据权利要求1所述的方法,其特征在于,
经济性指标参数包括减温水量、锅炉省煤器出口氧量、尾部烟气中一氧化碳含量和主再热汽温。
6.根据权利要求1所述的方法,其特征在于,
在以预定的时间间隔检测第i个经济性指标参数的参数值Fci的步骤之前,还包括:
建立第i个经济性指标参数的增量与氮氧化物排放增量之间的对应关系。
7.一种基于经济性指标参数的氮氧化物排放预测装置,其特征在于,包括采集单元、偏差计算单元、识别单元、修正值确定单元和预测单元,其中:
采集单元,用于以预定的时间间隔采集第i个经济性指标参数的参数值Fci,其中1≤i≤N,N为经济性指标参数总数;
偏差计算单元,用于计算参数值Fci的指标偏差Bi,其中Bi=Fci-FcLi,FcLi为与第i个经济性指标参数相对应的参数阈值;
识别单元,用于判断是否存在大于预定偏差值的指标偏差;
修正值确定单元,用于根据识别单元的判断结果,若存在大于预定偏差值的指标偏差,则利用第i个经济性指标参数的增量与氮氧化物排放增量的对应关系,根据指标偏差Bi确定第i个经济性指标参数的修正值Ci;
预测单元,用于根据氮氧化物排放基准值R和修正值Ci,预测当前的氮氧化物排放基准值R′,其中利用公式R′=R+ψ1C1+…+ψiCi+…+ψNCN预测当前的氮氧化物排放基准值R′,ψi为修正值Ci的权重值。
8.根据权利要求7所述的装置,其特征在于,还包括调整单元,其中:
调整单元,用于根据当前的氮氧化物排放基准值R′对燃煤锅炉的二次风门进行调整,以降低氮氧化物的排放。
9.根据权利要求7所述的装置,其特征在于,
权重值ψi均为1。
10.根据权利要求7所述的装置,其特征在于,
修正值确定单元具体利用公式
B′i=F(Bi)
对指标偏差Bi进行过滤以得到经过修正的指标偏差B′i,其中F为滤波函数,用于去除外界干扰对指标偏差计算的影响;利用第i个经济性指标参数的增量与氮氧化物排放增量的对应关系,根据指标偏差B′i确定第i个经济性指标参数的修正值Ci。
11.根据权利要求7所述的装置,其特征在于,
经济性指标参数包括减温水量、锅炉省煤器出口氧量、尾部烟气中一氧化碳含量和主再热汽温。
12.根据权利要求7所述的装置,其特征在于,还包括对应关系建立单元,其中:
对应关系建立单元,用于建立第i个经济性指标参数的增量与氮氧化物排放增量之间的对应关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410339699.4A CN104102842B (zh) | 2014-07-17 | 2014-07-17 | 基于经济性指标参数的氮氧化物排放预测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410339699.4A CN104102842B (zh) | 2014-07-17 | 2014-07-17 | 基于经济性指标参数的氮氧化物排放预测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104102842A CN104102842A (zh) | 2014-10-15 |
CN104102842B true CN104102842B (zh) | 2017-02-15 |
Family
ID=51670987
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410339699.4A Active CN104102842B (zh) | 2014-07-17 | 2014-07-17 | 基于经济性指标参数的氮氧化物排放预测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104102842B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105867132B (zh) * | 2016-04-19 | 2018-08-10 | 东南大学 | 稳态追踪自矫正的联合循环机组排烟含氧量在线测量方法 |
KR102078242B1 (ko) * | 2019-07-19 | 2020-04-07 | 대림로얄이앤피(주) | 질소산화물 배출량 자동측정장치를 구비한 산업용 보일러 |
CN110645592A (zh) * | 2019-10-12 | 2020-01-03 | 西安康桥能源技术有限责任公司 | 一种基于多相分区耦合的燃烧系统改进方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101676631A (zh) * | 2008-09-17 | 2010-03-24 | 华东电力试验研究院有限公司 | 燃煤锅炉低氮燃烧闭环控制方法 |
CN101893877A (zh) * | 2009-05-20 | 2010-11-24 | 中国国电集团公司九江发电厂 | 一种发电厂基于能耗分析的优化运行方法及其系统 |
US8301352B2 (en) * | 2009-03-27 | 2012-10-30 | Fujitsu Limited | Transmission power control parameter calculation method and device |
CN103148473A (zh) * | 2013-03-12 | 2013-06-12 | 华北电力科学研究院有限责任公司 | 一种基于co的电站锅炉优化运行方法及系统 |
CN103334946A (zh) * | 2013-05-31 | 2013-10-02 | 广东电网公司电力科学研究院 | 一种火电厂汽动引风机在线节能诊断控制系统 |
-
2014
- 2014-07-17 CN CN201410339699.4A patent/CN104102842B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101676631A (zh) * | 2008-09-17 | 2010-03-24 | 华东电力试验研究院有限公司 | 燃煤锅炉低氮燃烧闭环控制方法 |
US8301352B2 (en) * | 2009-03-27 | 2012-10-30 | Fujitsu Limited | Transmission power control parameter calculation method and device |
CN101893877A (zh) * | 2009-05-20 | 2010-11-24 | 中国国电集团公司九江发电厂 | 一种发电厂基于能耗分析的优化运行方法及其系统 |
CN103148473A (zh) * | 2013-03-12 | 2013-06-12 | 华北电力科学研究院有限责任公司 | 一种基于co的电站锅炉优化运行方法及系统 |
CN103334946A (zh) * | 2013-05-31 | 2013-10-02 | 广东电网公司电力科学研究院 | 一种火电厂汽动引风机在线节能诊断控制系统 |
Non-Patent Citations (3)
Title |
---|
单元机组低NOX排放的研究;沙亚红;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20070915;C042-189 * |
基于主设备优化运行的火电厂节能方法与应用研究;刘进雄;《中国博士学位论文全文数据库 工程科技II辑》;20101015;C042-9 * |
火电厂NOX排放特性分析及总量估算方法探讨;马风哪等;《广州化工》;20110823;第39卷(第16期);第17-19、30页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104102842A (zh) | 2014-10-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shi et al. | On-line monitoring of ash fouling and soot-blowing optimization for convective heat exchanger in coal-fired power plant boiler | |
WO2023065719A1 (zh) | 一种锅炉炉膛数值模拟与水动力协同集成计算方法 | |
US7109446B1 (en) | Method and apparatus for improving steam temperature control | |
CN101839795B (zh) | 锅炉承压管的泄漏诊断系统和方法 | |
CN102621945B (zh) | 基于火力发电机组最优工况的效率动态寻优运行闭环优化控制方法 | |
CN103759277B (zh) | 燃煤电站锅炉智能吹灰闭环控制方法、装置和系统 | |
CN104075341B (zh) | 基于反馈的低氮燃烧控制方法和系统 | |
CN103115356A (zh) | 超临界cfb锅炉燃烧信号的监测方法及优化控制方法 | |
CN113418207B (zh) | 一种电站炉膛燃烧监测诊断装置及方法 | |
CN104102842B (zh) | 基于经济性指标参数的氮氧化物排放预测方法和装置 | |
Wang et al. | Flexibility and efficiency co-enhancement of thermal power plant by control strategy improvement considering time varying and detailed boiler heat storage characteristics | |
CN103699780B (zh) | 煤质参数在线计算的混沌优化方法 | |
CN107831651A (zh) | 煤粉电站锅炉scr与sncr脱硝系统协同控制方法 | |
Peña et al. | Towards soot-blowing optimization in superheaters | |
CN110390420A (zh) | 基于粒子群优化人工神经网络的过热器结渣预测方法 | |
CN105318348A (zh) | 基于风煤比煤质校正的火电机组给煤量反馈校正方法 | |
CN110298502B (zh) | 基于能效最优的锅炉最佳氧量计算方法 | |
CN116776770B (zh) | 基于cfd数值模拟耦合bp神经网络缓解锅炉高温腐蚀的方法 | |
CN103728055B (zh) | 一种火电机组锅炉炉膛出口烟气能量的实时估计方法 | |
CN211854055U (zh) | 一种用于控制锅炉吹灰器的控制系统 | |
Li et al. | Prediction of pollution state of heating surface in coal-fired utility boilers | |
CN103697958A (zh) | 燃煤机组汽包出口饱和蒸汽质量流量的实时计量方法 | |
CN103423763A (zh) | 一种修正辐射能信号静态偏差的方法 | |
CN206958958U (zh) | 二次风门开度调节系统 | |
Xu et al. | Soot blowing optimization for platen superheater of coal‐fired power plant boiler based on heat loss analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |