CN105700576B - 基于多变量区间约束预测的scr脱硝优化控制系统及方法 - Google Patents
基于多变量区间约束预测的scr脱硝优化控制系统及方法 Download PDFInfo
- Publication number
- CN105700576B CN105700576B CN201610141791.9A CN201610141791A CN105700576B CN 105700576 B CN105700576 B CN 105700576B CN 201610141791 A CN201610141791 A CN 201610141791A CN 105700576 B CN105700576 B CN 105700576B
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- nox concentration
- umlti
- input terminal
- 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
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D11/00—Control of flow ratio
- G05D11/16—Controlling mixing ratio of fluids having different temperatures, e.g. by sensing the temperature of a mixture of fluids having different viscosities
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Treating Waste Gases (AREA)
Abstract
本发明公开了一种基于多变量区间约束预测的SCR脱硝优化控制系统,包括NOx浓度目标值设置单元、多变量预测控制单元、比例控制单元A、喷氨阀门A、SCR反应器A、反应器A到烟囱入口的过渡烟道、比例控制单元B、喷氨阀门B、SCR反应器B、反应器B到烟囱入口的烟道和烟囱入口。本发明还公开了该系统的控制方法。本发明提高了喷氨量控制对机组负荷变化的响应速度,避免了因执行机构饱和从而影响系统性能,降低了执行机构的执行次数,延长了其寿命,提高了脱硝系统的经济性。
Description
技术领域
本发明涉及热工自动控制领域,特别是涉及基于多变量区间约束预测的SCR脱硝优化控制系统及方法。
背景技术
作为涉及环境问题最多的污染物,氮氧化物成为了燃煤电厂污染物排放治理的一大重点。燃煤电厂控制NOx排放量的方式主要采用燃烧后脱硝。常见的烟气脱硝技术有以下两种:选择性非催化还原法(Selective Non-Catalytic Reduction,SNCR)脱硝及选择性催化还原法(Selective Catalytic Reduction,SCR)脱硝。与SNCR脱硝技术相比,SCR法还原反应温度要求低,可安装在锅炉尾部,对炉膛影响小且脱硝效率高,因此SCR法在工业上得到了广泛应用,也是目前用于固定源NOx治理的一种最好的脱硝工艺。
SCR反应器氨气流量控制方式通常有两种:固定摩尔比控制方式(标准控制方式)和出口NOX定值控制方式。其中出口NOX定值控制方法是保持出口NOX恒定,根据环境空气质量标准,控制反应器NOX为定值比控制固定的脱氮效率更容易监视,同时氨气消耗量更少。现有的出口NOx定值控制方式的控制原理如下:
a)根据入口NOX实际测量值以及出口NOX设定值计算出预脱硝效率;
b)测量SCR反应器出口NOX浓度值,计算当前效率,通过PID(比例-积分-微分)调节器的输出作为修正,最终确定控制系统当前需要的喷氨流量。
c)根据b)中确定的喷氨流量指令,通过PID调节器计算相应的喷氨阀门开度,从而使反应器出口NOx浓度维持在设定值。
然而,SCR脱硝系统是一个典型的大惯性和大迟延对象,目前多数火电机组SCR脱硝系统采用常规PID串级控制方案,往往难以取得满意的控制效果;目前对于燃煤电厂NOx排放的考核取样点在烟囱入口处,从SCR反应器出口到烟囱入口有一段很长的距离,有时候即使反应器出口NOx浓度到达了排放标准,在烟囱处,NOx浓度中也会发生变化;此外,为了将NOx浓度控制在设定值,执行机构频繁动作,难以保证电厂运行的经济性及安全性。
发明内容
发明目的:本发明的目的是提供一种提高经济性的基于多变量区间约束预测的SCR脱硝优化控制系统及方法。
技术方案:为达到此目的,本发明采用以下技术方案:
本发明所述的基于多变量区间约束预测控制的SCR脱硝优化系统,包括NOx浓度目标值设置单元、多变量预测控制单元、比例控制单元A、喷氨阀门A、SCR反应器A、反应器A到烟囱入口的过渡烟道、比例控制单元B、喷氨阀门B、SCR反应器B、反应器B到烟囱入口的烟道和烟囱入口;
所述NOx浓度目标值设置单元与多变量预测控制单元相连,多变量预测控制单元有两路输出端,其中第一路输出端连接比例控制单元A的输入端,比例控制单元A的输出端连接喷氨阀门A的输入端、喷氨阀门A的输出端连接SCR反应器A的输入端,SCR反应器A的输出端连接反应器A到烟囱入口的过渡烟道的输入端;第二路输出端连接比例控制单元B的输入端、比例控制单元B的输出端连接喷氨阀门B的输入端,喷氨阀门B的输出端连接SCR反应器B输入端,SCR反应器B输出端连接反应器B到烟囱入口的过渡烟道的输入端;SCR反应器A输出端的输出NOx浓度与多变量预测控制单元的第一路输出端的输出控制量求和之后连接比例控制单元A的输入端,SCR反应器B输出端的输出NOx浓度与多变量预测控制单元的第二路输出端的输出控制量求和之后连接比例控制单元B的输入端;反应器A到烟囱入口的过渡烟道输出端的输出NOx浓度与SCR反应器B到烟囱入口的过渡烟道输出端的输出NOx浓度求和之后连接烟囱入口的输入端,求和得到的NOx浓度值与NOx浓度目标值设置单元输出端的输出NOx浓度目标值经过求和之后连接多变量预测控制单元的输入端。
进一步,以烟囱入口输入端的NOx浓度值为被控量,喷氨阀门A和喷氨阀门B的开度为控制量,设计多变量预测控制单元中的多变量预测控制器,利用预测模型提前预测未来时刻烟囱入口输入端的NOx浓度值,计算求解最优控制量。
本发明所述的基于多变量区间约束预测的SCR脱硝优化控制方法,包括以下步骤:
1)在稳态工况下,设置所述SCR脱硝优化控制系统为手动控制状态,保持喷氨阀门B的开度不变,以喷氨阀门A的阀门开度为输入进行NOx浓度的开环阶跃响应试验,得到喷氨阀门A的模型W01(s)、SCR反应器A的模型W02(s)以及反应器A到烟囱的模型W03(s);保持喷氨阀门A的开度不变,以喷氨阀门B的开度为输入进行NOx浓度的开环阶跃响应试验,得到喷氨阀门B的模型W11(s)、SCR反应器B的模型W12(s)以及反应器B到烟囱入口的过渡烟道的模型W13(s);
2)在比例控制单元A和比例控制单元B中,确定比例调节器的参数KPa和KPb, 计算多变量预测控制单元到烟囱入口输入端的NOx浓度值的总模型W(s),并得到总模型的阶跃响应系数为a11(1),a11(2),…,a11(N1)以及a12(1),a12(2),...,a12(N2),其中,N1,N2为阶跃响应的时域长度;
3)设置多变量预测控制单元中的多变量预测控制器的相关参数,包括采样时间Ts、预测步数P、控制步数M、输出误差权矩阵Q和控制权矩阵R;
4)在k时刻,检测实际烟囱入口输入端的NOx浓度值y1(k),在多变量预测控制单元中,将所述NOx浓度测量值y(k)与所述NOx浓度预测值进行比较,计算输出误差e(k);用输出误差e(k)修正NOx浓度预测初值向量得到修正后的出口NOx浓度预测值向量采用公式对烟囱入口输入端的NOx浓度值进行预测:
其中,表示在k时刻对未来P时刻烟囱入口输入端的NOx浓度的预测值向量,表示在k时刻对未来P时刻烟囱入口输入端的NOx浓度的预测初值向量;ΔUj,M(k)为多变量预测控制增量向量,也即在k时刻对未来时刻的控制量增量向量;A1,j为单位阶跃响应系数组成的动态矩阵;
5)计算ΔUj,M(k)的约束;
6)选取性能指标函数J(k),将性能指标转化成二次型目标函数的形式,求解二次型目标函数最优解,得到多变量预测控制增量向量ΔUj,M(k);
7)取多变量预测控制单元计算得到的多变量预测控制增量向量ΔUj,M(k)中的即时控制增量Δuj(k)构成实际控制,计算得到最优控制量uj(k)=uj(k-1)+Δuj(k),j=1,2将最优控制量uj(k)传递到比例控制单元A和比例控制单元B;计算并更新控制后的烟囱入口输入端的NOx浓度预测初值
8)在之后的周期中反复执行步骤4)至步骤7),得到相应的控制量,实现区间控制。
进一步,所述步骤3)中,采样时间Ts的选取规则为T95/Ts=5~15,其中,T95为多变量预测控制单元到烟囱入口输入端的NOx浓度值的总模型W(s)单位阶跃响应过程上升到95%的调节时间;所述预测步数P的选取规则为PTs=tp,其中tp为多变量预测控制单元到烟囱入口输入端的NOx浓度值的总模型W(s)的阶跃响应上升 时间;
所述控制步数M取值为2~5;
所述输出误差权矩阵Q为:Q=diag(q(1),...,q(P));
所述控制权矩阵R为:R=[diag(r1(1),...,r1(M));diag(r2(1),...,r2(M))]。
进一步,在所述步骤6)中,所述性能指标函数J(k)为:
其中,u1min为多变量预测控制单元第一路输出控制量的最小值,u1max为多变量预测控制单元第一路输出控制量的最大值,u2min为多变量预测控制单元第二路输出控制量的最小值,u2max为多变量预测控制单元第二路输出控制量的最大值,Δu1min为多变量预测控制单元第一路输出控制量变化速率的最小值,Δu1max为多变量预测控制单元第一路输出控制量变化速率的最大值,Δu2min为多变量预测控制单元第二路输出控制量变化速率的最小值,Δu2max为多变量预测控制单元第二路输出控制量变化速率的最大值,ymin为烟囱入口输入端的NOx浓度值区间下限,y(k)为k时刻烟囱入口输入端的NOx浓度值,ymax为烟囱入口输入端的NOx浓度值区间上限,ε(k)为k时刻烟囱入口输入端的NOx浓度值允许超过上下限的值,Δu1,M(k)为k时刻多变量预测控制单元第一路输出控制量增量,Δu2,M(k)为k时刻多变量预测控制单元第二路输出控制量增量。
有益效果:与现有技术相比,本发明具有以下优点:通过采用预测-比例串级控制策略控制SCR脱硝系统的喷氨流量,通过预测烟囱入口输入端的NOx浓度未来的变化趋势并提前调整喷氨量,能较好地克服系统大惯性、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;同时考虑了喷氨阀门开度上、下限制、速率限制等实际约束,避免因执行机构饱和从而影响系统性能;在对烟囱入口输入端 的NOx浓度值的控制中,控制要求不是强制使烟囱入口输入端的NOx浓度在设定值,而是将其控制在一定的区间范围内,当烟囱入口输入端的NOx浓度值在设定范围变化,控制器不产生新的控制作用,从而降低了执行机构的执行次数,延长了其寿命,提高了脱硝系统的经济性。
附图说明
图1为本发明的SCR脱硝系统结构图;
图2为采用本发明方法与采用PID控制器得到的烟囱入口输入端的Nox浓度的对比图;
图3为采用本发明方法与采用PID控制器得到的A侧喷氨阀门开度的对比图;
图4为采用本发明方法与采用PID控制器得到的B侧喷氨阀门开度的对比图;
图5为本发明的SCR脱硝系统优化控制在输出扰动下的烟囱入口输入端的Nox浓度的控制效果图;
图6为本发明的SCR脱硝系统优化控制在输出扰动下的A侧喷氨阀门开度的控制效果图;
图7为本发明的SCR脱硝系统优化控制在输出扰动下的B侧喷氨阀门开度的控制效果图。
具体实施方式
下面结合具体实施方式对本发明的技术方案作进一步的介绍。
本发明公开了一种基于多变量区间约束预测的SCR脱硝优化控制系统,如图1所示,包括NOx浓度目标值设置单元1、多变量预测控制单元2、比例控制单元A3、喷氨阀门A4、SCR反应器A5、反应器A到烟囱入口的过渡烟道6、比例控制单元B7、喷氨阀门B8、SCR反应器B9、反应器B到烟囱入口的烟道10和烟囱入口11。
NOx浓度目标值设置单元1与多变量预测控制单元2相连,多变量预测控制单元2有两路输出端,其中第一路输出端连接比例控制单元A3的输入端,比例控制单元A3的输出端连接喷氨阀门A4的输入端、喷氨阀门A4的输出端连接SCR反应器A5的输入端,SCR反应器A5的输出端连接反应器A到烟囱入口的过渡烟道6的输入端;第二路输出端连接比例控制单元B7的输入端、比例控制单元B7的输出端连接喷氨阀门B8的输入端,喷氨阀门B8的输出端连接SCR反应器B9输入端,SCR反应器B9输出端连接反应器B到烟囱入口的过渡烟道10的输入端;SCR反应器A5输出端的输出NOx浓度与多变量预测控制单元2的第一路输出端的输出 控制量求和之后连接比例控制单元A3的输入端,SCR反应器B9输出端的输出NOx浓度与多变量预测控制单元2的第二路输出端的输出控制量求和之后连接比例控制单元B7的输入端;反应器A到烟囱入口的过渡烟道6输出端的输出NOx浓度与SCR反应器B到烟囱入口的过渡烟道10输出端的输出NOx浓度求和之后连接烟囱入口11的输入端,求和得到的NOx浓度值与NOx浓度目标值设置单元1输出端的输出NOx浓度目标值经过求和之后连接多变量预测控制单元2的输入端。
本发明还公开了一种基于多变量区间约束预测的SCR脱硝优化控制方法,包括以下的步骤:
1)在稳态工况下,设置SCR脱硝优化控制系统为手动控制状态,保持喷氨阀门B8的开度不变,以喷氨阀门A4的阀门开度为输入进行NOx浓度的开环阶跃响应试验,得到喷氨阀门A4的模型W01(s)、SCR反应器A5的模型W02(s)以及反应器A到烟囱6的模型W03(s);保持喷氨阀门A4的开度不变,以喷氨阀门B8的开度为输入进行NOx浓度的开环阶跃响应试验,得到喷氨阀门B8的模型W11(s)、SCR反应器B9的模型W12(s)以及反应器B到烟囱入口的过渡烟道10的模型W13(s);
2)在比例控制单元A3和比例控制单元B7中,确定比例调节器的参数KPa和KPb,计算多变量预测控制单元2到烟囱入口11输入端的NOx浓度值的总模型W(s),并得到总模型的阶跃响应系数为a11(1),a11(2),...,a11(N1)以及a12(1),a12(2),...,a12(N2),其中,N1,N2为阶跃响应的时域长度;
3)设置多变量预测控制单元2中的多变量预测控制器的相关参数,包括采样时间Ts、预测步数P、控制步数M、输出误差权矩阵Q和控制权矩阵R;其中,采样时间Ts的选取规则为T95/Ts=5~15,T95为过渡过程上升到95%的调节时间;预测步数P的选取规则为PTs=tp,tp为出口NOx浓度阶跃响应的上升时间;控制步数M取值为3~5;输出误差权矩阵Q为Q=diag(q(1),...,q(P));控制权矩阵R为R=[diag(r1(1),...,r1(M));diag(r2(1),...,r2(M))];
4)在k时刻,检测实际烟囱入口11输入端的NOx浓度值y1(k),在多变量预测控制单元2中,将NOx浓度测量值y(k)与所述NOx浓度预测值进行比较,计算输出误差e(k);用输出误差e(k)修正NOx浓度预测初值向量 得到修正后的出口NOx浓度预测值向量采用公式(1)对烟囱入口11输入端的NOx浓度值进行预测:
其中,表示在k时刻对未来P时刻烟囱入口11输入端的NOx浓度的预测值向量,表示在k时刻对未来P时刻烟囱入口11输入端的NOx浓度的预测初值向量;ΔUj,M(k)为多变量预测控制增量向量,也即在k时刻对未来时刻的控制量增量向量;A1,j为单位阶跃响应系数组成的动态矩阵;
5)计算ΔUj,M(k)的约束;
6)选取性能指标函数J(k)
s.t u1min≤u1(k)≤u1max,u2min≤u2(k)≤u2max
Δu1min≤Δu1(k)≤Δu1max,Δu2min≤Δu2(k)≤Δu2max
ymin-ε(k)≤y(k)≤ymax+ε(k)
ε(k)≥0
其中,ε(k)为被控量允许超过的程度;将性能指标转化成二次型的形式,可以得到:
其中,b=[0,...0],f0表示与ΔU(k)无关的常数项;
在上述约束条件下,求解二次型目标函数最优解,得到多变量预测控制增量向量ΔUj,M(k);
7)取多变量预测控制单元2计算得到的多变量预测控制增量向量ΔUj,M(k)中的即时控制增量Δuj(k)构成实际控制,计算得到最优控制量uj(k)=uj(k-1)+Δuj(k),j=1,2将最优控制量uj(k)传递到比例控制单元A3和比例控制单元B7;计算并更新控制后的烟囱入口11输入端的NOx浓度预测初值
8)在之后的周期中反复执行步骤4)至步骤7),得到相应的控制量,实现区间控制。
下面以一个具体实施方式为例,介绍本发明的方法。
具体实施方式包括以下的步骤:
1)在稳态工况下,通过阶跃响应试验获取喷氨阀门A4的模型W01(s),SCR反应器A5的模型W02(s),以及反应器A到烟囱出口的模型W03(s),即:
2)确定比例调节器的参数KPa=-0.3,KPb=-0.3,计算多变量预测控制单元2到烟囱入口11输入端的NOx浓度值的总模型W(s)=[W1(s),W2(s)]T:
B侧模型的计算方法与A侧相同;
并得到总模型W(s)的阶跃响应系数:
a11(1),a11(2),...,a11(N1)=[0 0 … 0.3811];
a12(1),a12(2),...,a12(N2)=[0 0 … 0.3811];
3)设置变量预测控制器相关参数,采样时间Ts=4s,预测步数P=75,控制步数M=2,输出误差权矩阵Q=1I75,控制权矩阵R=[I2;I2];
4)控制器参数确定后,可以得到:
5)根据稳态时喷氨阀门的开度UP确定实际约束的范围,阀门开度的上、下限分别为UVmax=100-UP、UVmin=0-UP;根据阀门动作速率以及火电厂运行安全的需要,分别确定阀门动作速率的上、下限为uVmax、uVmin;
6)令烟囱入口11输入端的NOx浓度值控制目标区间为[ymax,ymin]=[90,80],在k时刻,检测实际烟囱入口11输入端的NOx浓度值y1(k),计算误差 用输出误差e(k)修正NOx浓度预测初值向量即取反馈校正系数hi=1,i=1,…,75,求解带约束的二次规划问题,求得Δuj(k),j=1,2;
7)计算最优控制量uj(k)=uj(k-1)+Δuj(k),j=1,2计算并更新出口NOx浓度预测值
8)重复上述4)~7)的步骤;
实施例1所得的本发明基于多变量区间约束预测控制的SCR脱硝系统控制效果与PID控制器控制效果的对比如图2、图3和图4所示,本发明的NOx控制点在烟囱入口处,而一般的PID控制以SCR脱硝系统出口的NOx为被控量,从SCR出口到烟囱入口输入端的NOx浓度会发生变化,因此由图可以看到,PID控制下烟囱入口输入端的NOx没有达到设定值,而本发明的多变量区间约束预测控制能将烟囱入口输入端的NOx控制在给定范围;相比之下,本发明能在更短时间内实现控烟囱入口输入端的NOx浓度的控制,响应速度快,喷氨阀门的阀门开度也更合理,在保证烟囱入口输入端的NOx浓度达标排放的基础上,大大减少了喷氨量,能有效降低运行费用和氨逃逸率。
实施例1所得的本发明基于多变量区间约束预测控制的SCR脱硝系统控制方法在存在输出扰动下的控制效果如图5、图6和图7所示,区间预测控制所控制的烟囱入口输入端的NOx浓度目标为一定范围,由图可以看到,当扰动在区间允许范围内时,控制量将不发生作用,这样可以大大降低阀门动作的频率,延长执行机构的寿命,同时又可以保证烟囱入口输入端的NOx浓度在合理范围内。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术 人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (3)
1.基于多变量区间约束预测的SCR脱硝优化控制系统的优化控制方法,其特征在于:基于多变量区间约束预测的SCR脱硝优化控制系统包括NOx浓度目标值设置单元(1)、多变量预测控制单元(2)、比例控制单元A(3)、喷氨阀门A(4)、SCR反应器A(5)、反应器A到烟囱入口的过渡烟道(6)、比例控制单元B(7)、喷氨阀门B(8)、SCR反应器B(9)、反应器B到烟囱入口的烟道(10)和烟囱入口(11);
所述NOx浓度目标值设置单元(1)与多变量预测控制单元(2)相连,多变量预测控制单元(2)有两路输出端,其中第一路输出端连接比例控制单元A(3)的输入端,比例控制单元A(3)的输出端连接喷氨阀门A(4)的输入端、喷氨阀门A(4)的输出端连接SCR反应器A(5)的输入端,SCR反应器A(5)的输出端连接反应器A到烟囱入口的过渡烟道(6)的输入端;第二路输出端连接比例控制单元B(7)的输入端、比例控制单元B(7)的输出端连接喷氨阀门B(8)的输入端,喷氨阀门B(8)的输出端连接SCR反应器B(9)输入端,SCR反应器B(9)输出端连接反应器B到烟囱入口的过渡烟道(10)的输入端;SCR反应器A(5)输出端的输出NOx浓度与多变量预测控制单元(2)的第一路输出端的输出控制量求和之后连接比例控制单元A(3)的输入端,SCR反应器B(9)输出端的输出NOx浓度与多变量预测控制单元(2)的第二路输出端的输出控制量求和之后连接比例控制单元B(7)的输入端;反应器A到烟囱入口的过渡烟道(6)输出端的输出NOx浓度与SCR反应器B到烟囱入口的过渡烟道(10)输出端的输出NOx浓度求和之后连接烟囱入口(11)的输入端,求和得到的NOx浓度值与NOx浓度目标值设置单元(1)输出端的输出NOx浓度目标值经过求和之后连接多变量预测控制单元(2)的输入端;
基于多变量区间约束预测的SCR脱硝优化控制系统的优化控制方法包括以下步骤:
1)在稳态工况下,设置所述SCR脱硝优化控制系统为手动控制状态,保持喷氨阀门B(8)的开度不变,以喷氨阀门A(4)的阀门开度为输入进行NOx浓度的开环阶跃响应试验,得到喷氨阀门A(4)的模型W01(s)、SCR反应器A(5)的模型W02(s)以及反应器A到烟囱(6)的模型W03(s);保持喷氨阀门A(4)的开度不变,以喷氨阀门B(8)的开度为输入进行NOx浓度的开环阶跃响应试验,得到喷氨阀门B(8)的模型W11(s)、SCR反应器B(9)的模型W12(s)以及反应器B到烟囱入口的过渡烟道(10)的模型W13(s);
2)在比例控制单元A(3)和比例控制单元B(7)中,确定比例调节器的参数KPa和KPb,计算多变量预测控制单元(2)到烟囱入口(11)输入端的NOx浓度值的总模型W(s),并得到总模型的阶跃响应系数为a11(1),a11(2),...,a11(N1)以及a12(1),a12(2),...,a12(N2),其中,N1,N2为阶跃响应的时域长度;
3)设置多变量预测控制单元(2)中的多变量预测控制器的相关参数,包括采样时间Ts、预测步数P、控制步数M、输出误差权矩阵Q和控制权矩阵R;
4)在k时刻,检测实际烟囱入口(11)输入端的NOx浓度值y1(k),在多变量预测控制单元(2)中,将所述NOx浓度测量值y(k)与所述NOx浓度预测值进行比较,计算输出误差e(k);用输出误差e(k)修正NOx浓度预测初值向量得到修正后的出口NOx浓度预测值向量采用公式(1)对烟囱入口(11)NOx浓度值进行预测:
<mrow>
<msub>
<mover>
<mi>y</mi>
<mo>~</mo>
</mover>
<mrow>
<mn>1</mn>
<mo>,</mo>
<mi>P</mi>
<mi>M</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mover>
<mi>y</mi>
<mo>~</mo>
</mover>
<mrow>
<mn>1</mn>
<mo>,</mo>
<mi>P</mi>
<mn>0</mn>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>2</mn>
</munderover>
<msub>
<mi>A</mi>
<mrow>
<mn>1</mn>
<mi>j</mi>
</mrow>
</msub>
<msub>
<mi>&Delta;U</mi>
<mrow>
<mi>j</mi>
<mo>,</mo>
<mi>M</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,表示在k时刻对未来P时刻烟囱入口(11)输入端的NOx浓度的预测值向量,表示在k时刻对未来P时刻烟囱入口(11)输入端的NOx浓度的预测初值向量;ΔUj,M(k)为多变量预测控制增量向量,也即在k时刻对未来时刻的控制量增量向量;A1,j为单位阶跃响应系数组成的动态矩阵;
5)计算ΔUj,M(k)的约束;
6)选取性能指标函数J(k),将性能指标转化成二次型目标函数的形式,求解二次型目标函数最优解,得到多变量预测控制增量向量ΔUj,M(k);
7)取多变量预测控制单元(2)计算得到的多变量预测控制增量向量ΔUj,M(k)中的即时控制增量Δuj(k)构成实际控制,计算得到最优控制量uj(k)=uj(k-1)+Δuj(k),j=1,2将最优控制量uj(k)传递到比例控制单元A(3)和比例控制单元B(7);计算并更新控制后的烟囱入口(11)输入端的NOx浓度预测初值
8)在之后的周期中反复执行步骤4)至步骤7),得到相应的控制量,实现区间控制。
2.根据权利要求1所述的基于多变量区间约束预测的SCR脱硝优化控制系统的优化控制方法,其特征在于:所述步骤3)中,采样时间Ts的选取规则为T95/Ts=5~15,其中,T95为多变量预测控制单元(2)到烟囱入口(11)输入端的NOx浓度值的总模型W(s)单位阶跃响应过程上升到95%的调节时间;所述预测步数P的选取规则为PTs=tp,其中tp为多变量预测控制单元(2)到烟囱入口(11)输入端的NOx浓度值的总模型W(s)的阶跃响应上升时间;
所述控制步数M取值为2~5;
所述输出误差权矩阵Q为:Q=diag(q(1),...,q(P));
所述控制权矩阵R为:R=[diag(r1(1),...,r1(M));diag(r2(1),...,r2(M))]。
3.根据权利要求1所述的基于多变量区间约束预测的SCR脱硝优化控制系统的优化控制方法,其特征在于:在所述步骤6)中,所述性能指标函数J(k)为:
<mrow>
<mtable>
<mtr>
<mtd>
<mtable>
<mtr>
<mtd>
<mi>min</mi>
</mtd>
<mtd>
<mrow>
<mi>J</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mo>|</mo>
<mo>|</mo>
<msub>
<mi>&epsiv;</mi>
<mi>P</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
<msubsup>
<mo>|</mo>
<mi>Q</mi>
<mn>2</mn>
</msubsup>
<mo>+</mo>
<mo>|</mo>
<mo>|</mo>
<msub>
<mi>&Delta;U</mi>
<mi>M</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
<msubsup>
<mo>|</mo>
<mi>R</mi>
<mn>2</mn>
</msubsup>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>s</mi>
<mo>.</mo>
<mi>t</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>u</mi>
<mrow>
<mn>1</mn>
<mi>min</mi>
</mrow>
</msub>
<mo>&le;</mo>
<msub>
<mi>u</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>&le;</mo>
<msub>
<mi>u</mi>
<mrow>
<mn>1</mn>
<mi>max</mi>
</mrow>
</msub>
<mo>,</mo>
<msub>
<mi>u</mi>
<mrow>
<mn>2</mn>
<mi>min</mi>
</mrow>
</msub>
<mo>&le;</mo>
<msub>
<mi>u</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>&le;</mo>
<msub>
<mi>u</mi>
<mrow>
<mn>2</mn>
<mi>max</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>&Delta;u</mi>
<mrow>
<mn>1</mn>
<mi>min</mi>
</mrow>
</msub>
<mo>&le;</mo>
<msub>
<mi>&Delta;u</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>&le;</mo>
<msub>
<mi>&Delta;u</mi>
<mrow>
<mn>1</mn>
<mi>max</mi>
</mrow>
</msub>
<mo>,</mo>
<msub>
<mi>&Delta;u</mi>
<mrow>
<mn>2</mn>
<mi>min</mi>
</mrow>
</msub>
<mo>&le;</mo>
<msub>
<mi>&Delta;u</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>&le;</mo>
<msub>
<mi>&Delta;u</mi>
<mrow>
<mn>2</mn>
<mi>max</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>y</mi>
<mi>min</mi>
</msub>
<mo>-</mo>
<mi>&epsiv;</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>&le;</mo>
<mi>y</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>&le;</mo>
<msub>
<mi>y</mi>
<mi>max</mi>
</msub>
<mo>+</mo>
<mi>&epsiv;</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>&epsiv;</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>&GreaterEqual;</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,u1min为多变量预测控制单元(2)第一路输出控制量的最小值,u1max为多变量预测控制单元(2)第一路输出控制量的最大值,u2min为多变量预测控制单元(2)第二路输出控制量的最小值,u2max为多变量预测控制单元(2)第二路输出控制量的最大值,Δu1min为多变量预测控制单元(2)第一路输出控制量变化速率的最小值,Δu1max为多变量预测控制单元(2)第一路输出控制量变化速率的最大值,Δu2min为多变量预测控制单元(2)第二路输出控制量变化速率的最小值,Δu2max为多变量预测控制单元(2)第二路输出控制量变化速率的最大值,ymin为烟囱入口(11)输入端的NOx浓度值区间下限,y(k)为k时刻烟囱入口(11)输入端的NOx浓度值,ymax为烟囱入口(11)输入端的NOx浓度值区间上限,ε(k)为k时刻烟囱入口(11)输入端的NOx浓度值允许超过上下限的值,Δu1,M(k)为k时刻多变量预测控制单元(2)第一路输出控制量增量,Δu2,M(k)为k时刻多变量预测控制单元(2)第二路输出控制量增量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610141791.9A CN105700576B (zh) | 2016-03-11 | 2016-03-11 | 基于多变量区间约束预测的scr脱硝优化控制系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610141791.9A CN105700576B (zh) | 2016-03-11 | 2016-03-11 | 基于多变量区间约束预测的scr脱硝优化控制系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105700576A CN105700576A (zh) | 2016-06-22 |
CN105700576B true CN105700576B (zh) | 2018-05-04 |
Family
ID=56220469
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610141791.9A Active CN105700576B (zh) | 2016-03-11 | 2016-03-11 | 基于多变量区间约束预测的scr脱硝优化控制系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105700576B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106931453B (zh) * | 2017-02-27 | 2018-02-16 | 浙江大学 | 循环流化床生活垃圾焚烧锅炉NOx排放的预测系统及方法 |
CN106842962A (zh) * | 2017-04-13 | 2017-06-13 | 东南大学 | 基于变约束多模型预测控制的scr脱硝控制方法 |
CN107168055B (zh) * | 2017-05-15 | 2020-03-31 | 东南大学 | 一种基于多变量预测控制的氨法脱硫优化控制方法 |
CN109828459B (zh) * | 2017-11-23 | 2020-05-26 | 中国科学院沈阳自动化研究所 | 一种基于多变量约束区间预测控制的平稳控制实现方法 |
CN107952353A (zh) * | 2017-12-04 | 2018-04-24 | 烟台龙源电力技术股份有限公司 | 一种烟气净化系统及其控制方法 |
CN108319146B (zh) * | 2018-03-09 | 2020-08-11 | 西安西热控制技术有限公司 | 一种径向基神经网络基于离散粒子群训练的方法 |
CN109062053B (zh) * | 2018-08-31 | 2022-11-29 | 江苏国信靖江发电有限公司 | 一种基于多变量校正的脱硝喷氨控制方法 |
CN109224815A (zh) * | 2018-10-18 | 2019-01-18 | 中国石化扬子石油化工有限公司 | 一种基于多变量约束区间预测控制的氨法脱硫优化控制方法 |
CN111399458B (zh) * | 2020-03-30 | 2022-03-11 | 东南大学 | 基于扰动抑制广义预测控制的scr脱硝系统控制方法 |
CN111624876B (zh) * | 2020-04-23 | 2021-06-15 | 大唐环境产业集团股份有限公司 | 一种智能的喷氨优化控制系统 |
CN111897373B (zh) * | 2020-08-05 | 2022-11-01 | 海南创实科技有限公司 | 一种基于模型预测的scr脱硝装置喷氨流量调节方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102207015A (zh) * | 2011-05-20 | 2011-10-05 | 潍柴动力股份有限公司 | 一种scr催化器的温度预测装置和方法 |
CN103599699A (zh) * | 2013-07-31 | 2014-02-26 | 广东电网公司电力科学研究院 | Scr脱硝系统的催化剂更新方法及其系统 |
CN104607042A (zh) * | 2014-12-26 | 2015-05-13 | 东南大学 | 一种基于约束预测控制的scr脱硝系统及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8454916B2 (en) * | 2010-06-18 | 2013-06-04 | GM Global Technology Operations LLC | Selective catalytic reduction (SCR) catalyst depletion control systems and methods |
-
2016
- 2016-03-11 CN CN201610141791.9A patent/CN105700576B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102207015A (zh) * | 2011-05-20 | 2011-10-05 | 潍柴动力股份有限公司 | 一种scr催化器的温度预测装置和方法 |
CN103599699A (zh) * | 2013-07-31 | 2014-02-26 | 广东电网公司电力科学研究院 | Scr脱硝系统的催化剂更新方法及其系统 |
CN104607042A (zh) * | 2014-12-26 | 2015-05-13 | 东南大学 | 一种基于约束预测控制的scr脱硝系统及方法 |
Non-Patent Citations (2)
Title |
---|
BP神经网络预测模型在SCR脱硝系统中应用的研究;乐明非;《全国优秀硕士学位论文》;20150430;全文 * |
一种新型线性约束系统预测控制算法;邹志云等;《化工学报》;20100228;第61卷(第2期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN105700576A (zh) | 2016-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105700576B (zh) | 基于多变量区间约束预测的scr脱硝优化控制系统及方法 | |
CN104607042B (zh) | 一种基于约束预测控制的scr脱硝系统及方法 | |
CN107561941B (zh) | 一种火电机组脱硝系统的全工况达标排放控制方法 | |
CN104826493B (zh) | 一种选择性催化还原法烟气脱硝系统的控制方法 | |
CN104826492B (zh) | 一种选择性催化还原法烟气脱硝喷氨控制系统的改进方法 | |
US10006330B2 (en) | System and method for emissions control in gas turbine systems | |
CN105404145B (zh) | 基于指数预测和时滞预估补偿的脱硝新型串级控制方法 | |
CN107526292B (zh) | 一种基于入口NOx浓度预测的调控喷氨量的方法 | |
CN112580250A (zh) | 基于深度学习的火电机组脱硝系统及优化控制方法 | |
US9631776B2 (en) | Model-based controls for selective catalyst reduction systems | |
CN105786035B (zh) | 基于试探式预测控制技术的火电机组scr脱硝优化控制系统 | |
CN107952353A (zh) | 一种烟气净化系统及其控制方法 | |
CN107544288A (zh) | 一种脱硝优化控制方法和系统 | |
CN106268239B (zh) | 火电厂脱硝控制系统的积分分离的控制方法 | |
JPH06205935A (ja) | 脱硝制御装置 | |
CN109343349A (zh) | 一种基于喷氨量补偿器的scr烟气脱硝优化控制系统和方法 | |
CN111966060B (zh) | 一种scr喷氨控制优化方法、装置、设备及存储介质 | |
CN111841276B (zh) | 循环流化床机组sncr脱硝控制方法及装置、存储介质 | |
CN109766596A (zh) | 一种脱硝经济运行的专家系统构建方法 | |
CN111968708B (zh) | 一种基于随机森林和lstm神经网络的scr脱硝喷氨量预测方法 | |
CN110501901A (zh) | 基于全负荷精准脱硝要求的scr喷氨调节优化的方法 | |
CN111897373A (zh) | 一种基于模型预测的scr脱硝装置喷氨流量调节方法 | |
CN106362561A (zh) | 一种基于炉内流场的集群sncr控制方法 | |
CN114307627B (zh) | 一种基于理论氨耗量的脱硝调节方法 | |
JP6761368B2 (ja) | 脱硝制御装置および脱硝制御方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |