CN105955017A - 一种基于专家模糊的脱硝系统分层优化自适应智能控制方法 - Google Patents

一种基于专家模糊的脱硝系统分层优化自适应智能控制方法 Download PDF

Info

Publication number
CN105955017A
CN105955017A CN201610402070.9A CN201610402070A CN105955017A CN 105955017 A CN105955017 A CN 105955017A CN 201610402070 A CN201610402070 A CN 201610402070A CN 105955017 A CN105955017 A CN 105955017A
Authority
CN
China
Prior art keywords
reducing agent
value
controlled volume
fuzzy
load
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.)
Granted
Application number
CN201610402070.9A
Other languages
English (en)
Other versions
CN105955017B (zh
Inventor
白建云
朱竹军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
SHANXI PINSHUO WASTE COAL POWER GENERATION Co Ltd
Shanxi University
Original Assignee
SHANXI PINSHUO WASTE COAL POWER GENERATION Co Ltd
Shanxi University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by SHANXI PINSHUO WASTE COAL POWER GENERATION Co Ltd, Shanxi University filed Critical SHANXI PINSHUO WASTE COAL POWER GENERATION Co Ltd
Priority to CN201610402070.9A priority Critical patent/CN105955017B/zh
Publication of CN105955017A publication Critical patent/CN105955017A/zh
Application granted granted Critical
Publication of CN105955017B publication Critical patent/CN105955017B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G05B13/0295Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using fuzzy logic and expert systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)
  • Treating Waste Gases (AREA)

Abstract

本发明属于火电厂脱硝系统NOX脱除自动控制技术领域,解决了脱硝系统长期以来不能实现自动控制以及经济运行的问题。针对火电厂脱硝系统被控对象具有大迟延、大惯性等特点,以及多种干扰因素导致所建模型准确度无法保证的问题,设计了一种基于专家模糊的脱硝系统分层优化自适应智能控制方法。该控制方法包括的主要步骤有:数据的预处理、基于专家经验的区间控制、基于专家经验的稳态优化、基于解耦规则的前馈控制、基于专家经验的动态叠加、基于模糊的还原剂低限/高限保护、基于专家经验的还原剂低限保护自适应控制、基于模糊的被控量NOX快速保护。该控制方法与DCS系统相结合实现了火电厂脱硝系统的稳定及经济运行。

Description

一种基于专家模糊的脱硝系统分层优化自适应智能控制方法
技术领域
本发明属于火电厂脱硝系统NOX脱除自动控制方法技术领域,具体涉及一种基于专家模糊的脱硝系统分层优化自适应智能控制方法。
背景技术
在国内外,大多学者对大型火力发电机组脱硝系统的相关研究主要集中在氮氧化物控制机理和工艺的研究上,还有少部分学者对火力发电机组脱硝系统控制的研究集中在控制方法的设计和仿真,但是在设计时并没有考虑到实际运行中的各种复杂多变的因素,从而所设计的控制方法不适用于现场实施。加之火力发电机组脱硝系统脱除过程的大迟延、大惯性、多因素耦合等特性常规控制方法无法满足其控制要求,而一些先进控制因不能建立较准确的模型等问题也很难在现场实际中实施,因此加大了在生产现场实现脱硝系统自动控制的难度,导致了现有的火力发电机组脱硝系统多为运行人员手动进行调节,而手动调节带来的问题为一是运行人员工作量大,同时NOX也容易超环保指标,二是还原剂消耗量大,与此同时氨逃逸量也大。
发明内容
本发明的目的是解决现有火电厂脱硝系统NOX脱除自动控制方法存在无法满足控制要求的技术问题,提供一种基于专家模糊的脱硝系统分层优化自适应智能控制方法。
为解决上述技术问题,本发明采用的技术方案为:
一种基于专家模糊的脱硝系统分层优化自适应智能控制方法,包括以下步骤:
1)数据的预处理:将生产现场测量回来的带有随机扰动的被控量NOX、负荷、氧量、煤粉炉炉膛温度、循环流化床锅炉石灰石的测量值及其微分进行滤波处理,来消除干扰对控制的影响;
2)基于专家经验的区间控制:设定一个区域范围或者死区范围,忽略被控量NOX在区域范围或者死区范围内的变化,增强鲁棒性:当被控量NOX测量值在所设定区域范围或者死区范围内时,则还原剂设定值不进行调整,当被控量NOX测量值不在所设定区域范围或者死区范围内时,还原剂设定值则按偏离区域的程度采取相应的专家算法来进行调整;
3)基于专家经验的稳态优化:如果被控量NOX在所设定区域范围或者死区范围内且NOX设定值大于NOX测量值时,对还原剂设定值进行微调,进一步减少还原剂消耗量,被控量NOX测量值在所设定区域范围或者死区范围内的条件下,最终使被控量NOX设定值小于NOX测量值;
4)基于解耦规则的前馈控制:当负荷、氧量、煤粉炉炉膛温度或循环流化床锅炉石灰石的任一项或几项测量值发生变化时,通过专家经验算法得到所需的还原剂量,提前喷入还原剂进行超前调节,从而抑制被控制量NOX的升高或降低;当负荷测量值变化时,氧量、煤粉炉炉膛温度、循环流化床锅炉石灰石量的测量值也随之发生变化,针对彼此之间的耦合关系,对其进行了解耦;
5)基于专家经验的动态叠加:将步骤2)、3)、4)中每次脉冲信号发出后触发的还原剂计算值在原来还原剂设定值动态平衡的基础上进行一次叠加,最后得到还原剂的设定值;
6)基于模糊的还原剂低限/高限保护:在步骤5)的基础上,选取负荷和氧量信号作为模糊输入,根据历史数据以及运行人员的经验分别建立了模糊规则,根据输入的数值、模糊规则库分别计算出还原剂的低限值和还原剂的高限值;
7)基于专家经验的还原剂低限保护自适应控制:在步骤6)的基础上,当还原剂量为当前工况下对应还原剂的的低限值且被控量NOX设定值大于被控量NOX测量值5mg/Nm3以上时,经过一段时间的判断,如果这种情况一直没有变化,则此时在还原剂低限值的基础上进一步减少还原剂量,然后再进行判断,直到被控量NOX测量值大于被控量NOX设定值2mg/Nm3以上时,逐步恢复到原来的还原剂的低限值;
8)基于模糊的被控量NOX快速保护:当被控量NOX超过设定的上限值时,将步骤6)的程序出口自动切换至基于模糊的被控量NOX快速保护方法,取被控量NOX测量值和被控量NOX变化率作为模糊块的输入,根据历史数据以及运行人员的经验建立模糊规则,根据输入的大小来计算出NOX所需的还原剂保护量。
本发明采用以上技术方案,与背景技术相比,本发明具有以下优点:
1)作为一种经过实践检验的智能控制方法,解决了火力发电机组脱硝系统不能实现自动控制的问题,弥补了火电厂在脱硝系统自动控制方面的空白;
2)解决了因NOX突然大幅升高而出现环保数据超标的问题,使NOX排放得到了有效控制;
3)不仅减少了运行人员的工作量,而且减少了还原剂消耗量,同时氨逃逸大幅下降,即提高了经济性,又减少了氨逃逸带来的环保问题,为火电厂的节能降耗的做出了贡献。
附图说明
附图是本发明的控制流程图。
具体实施方式
如附图所示,本实施例中的一种基于专家模糊的脱硝系统分层优化自适应智能控制方法,包括以下步骤:
1)数据的预处理:由于现场测量回来的数据往往带有随机的扰动,可以通过滤波来消除干扰对控制的影响,考虑到控制方法中需要用到的测量信号,选取了将生产现场测量回来的带有随机扰动的被控量NOX、负荷、氧量、煤粉炉炉膛温度、循环流化床锅炉石灰石的测量值及其微分进行滤波处理,来消除干扰对控制的影响;实际组态中可以通过调节微分时间或加入惯性环节实现滤波,同时需要设置合适的参数,将随机扰动导致的数值变化与NOX、负荷和氧量等是否确实发生变化区分出来;在数据处理时,对参数进行调整,将NOX、负荷和氧量等随机干扰导致的变化率限制在±0.1之内,即±0.1之内时认为是随机干扰导致的波动,超过±0.1时,认为NOX、负荷和氧量等确实发生了变化;
2)基于专家经验的区间控制:设定一个区域范围或者死区范围,忽略被控量NOX在区域范围或者死区范围内的变化,增强鲁棒性:当被控量NOX测量值在所设定区域范围或者死区范围内时,则还原剂设定值不进行调整,当被控量NOX测量值不在所设定区域范围或者死区范围内时,还原剂设定值则按偏离区域的程度采取相应的专家算法来进行调整:
①当被控量NOX超过所设区域范围或者死区范围时,还原剂调节量的多少按照一定的专家经验算法确定,具体计算方法如下:
ΔY=K1X1+K2X2+K3X3+K4X4 (1)
其中,ΔY-控制器的叠加值,X1-负荷,X2-氧量,X3-NOX偏差,X4-NOX变化率,K1,K2,K3,K4-权重,根据负荷、氧量、NOX偏差值、NOX变化率的变化来决定增减控制器指令的多少;
②当被控量NOX超过区域范围或者死区范围时,将会判断是否应该进行控制量的增减,具体判断方法如下:
当被控量NOX变化率大于-0.1且NOX偏差大于正死区时进行指令的累加,当NOX变化率小于0.1且NOX偏差小于负死区时进行指令的递减;当满足这些增减条件时,将会发一个扫描周期的脉冲来增减由式(1)计算得到的还原剂量,给其喷入的还原剂一定的反应时间,经过一段时间反应后再次进行判定来决定是否增减还原剂量;
3)基于专家经验的稳态优化:为了使还原剂消耗量较少,在到达NOX设定区间的情况下,进一步对还原剂消耗量进行优化,如果被控量NOX在所设定区域范围或者死区范围内且NOX设定值大于NOX测量值时,对还原剂设定值进行微调,进一步减少还原剂消耗量,被控量NOX测量值在所设定区域范围或者死区范围内的条件下,最终使被控量NOX设定值小于NOX测量值时停止调节;
具体调节规则如下:
①将负荷经函数F(x)折算成所需要的还原剂量;
②当NOX实测值在所设定区域范围或者死区范围内时,并且NOX没有上升趋势即NOX变化率小于0.1时,则经过判断减少由式(1)计算得到的还原剂量,经过一定的反应时间后,再进行判断是否应该进行进一步优化;
当达到一定条件时,优化作用消失,具体条件如下:
①负荷、氧量等前馈微分信号大于0.1时,此时优化作用消失,待稳定后进行条件判定;
②还原剂量小于各工况下的最低值时优化作用消失;
4)基于解耦规则的前馈控制:通过研究分析,发现负荷和氧量、煤粉炉炉膛温度、循环流化床锅炉石灰石对NOX的生成影响最大,负荷、氧量、煤粉炉炉膛温度以及石灰石对NOX的生成起正相关作用,所以采用负荷、氧量、炉膛温度和循环流化床锅炉石灰石作为前馈调节;当负荷、氧量、煤粉炉炉膛温度或循环流化床锅炉石灰石的任一项或几项测量值发生变化时,通过专家经验算法得到所需的还原剂量,提前喷入还原剂进行超前调节,从而抑制被控制量NOX的升高或降低;
(1)前馈控制的经验算法
负荷、氧量、煤粉炉炉膛温度和循环流化床锅炉石灰石的任一项或几项测量值上升/下降时,通过增加/减少还原剂量进行超前调节,而调节量的多少,多长时间进行一次判定具有一定规则。
①负荷前馈调节规则
a、将负荷经函数F(x1)折算成所需要的还原剂基准量,同时将氧量经函数F(x2)折算成修正量对还原剂基准量进行修正,即
ΔY=F(x1)F(x2) (2)
其中,ΔY为控制器的叠加值,x1-负荷,x2-氧量;
b、根据历史数据分析,负荷的变化相对较慢,选择每分钟进行一次判断,到达判定时间,如果负荷没有变化即负荷变化率在±0.1之内时,不进行还原剂量调整,如果负荷发生变化,则按照式(2)得到叠加量进行还原剂量调整;
②氧量前馈调节规则
a、将负荷经函数F(x1)折算成所需要的还原剂基准量,将氧量变化率经函数F(x2)折算成还原剂基准量的修正值,即
ΔY=F(x1)F(x2) (3)
其中,ΔY为控制器的叠加值,x1-负荷,x2-氧量变化率
b、根据历史数据分析,氧量的变化相对较快,所以选择每30秒进行一次判断,到达判定时间,如果氧量没有变化即氧量变化率在±0.1之内时,不进行还原剂量调整,如果氧量发生变化,则按照式(3)得到叠加量进行还原剂量调整;
③炉膛温度前馈调节规则
如果火力发电机组的炉型为煤粉炉,则此时需要考虑煤粉炉炉膛温度对NOX生成量的影响,
a、将负荷经函数F(x1)折算成所需要的还原剂基准量,同时将氧量经函数F(x2)折算成还原剂基准量的修正值,即
ΔY=F(x1)F(x2) (4)
其中,ΔY为控制器的叠加值,x1-负荷,x2-氧量;
b、根据历史数据分析,煤粉炉炉膛温度的变化相对较慢,选择每分钟进行一次判断,到达判定时间,如果煤粉炉炉膛温度没有变化即煤粉炉炉膛温度变化率在±0.1之内时,不进行还原剂量调整,如果煤粉炉炉膛温度发生变化,则按照式(4)得到叠加量进行还原剂量调整;
④石灰石前馈调节规则
如果火力发电机组的炉型为循环流化床锅炉,则此时需要考虑循环流化床锅炉石灰石对被控量NOX生成量的影响;
a、将负荷经函数F(x1)折算成所需要的还原剂基准量,同时将石灰石变化率经函数F(x2)折算成还原剂基准量的修正值,即
ΔY=F(x1)F(x2) (5)
其中,ΔY为控制器的叠加值,x1-负荷,x2-石灰石变化率;
b、根据历史数据,循环流化床锅炉石灰石的变化相对较快,选择每30秒进行一次判断,到达判定时间,如果循环流化床锅炉石灰石量没有变化即循环流化床锅炉石灰石量变化率在±0.1之内时,不进行还原剂量调整,如果循环流化床锅炉石灰石量发生变化,则按照式(5)得到叠加量进行还原剂量调整;
(2)前馈控制的解耦规则
当负荷测量值变化时,氧量、煤粉炉炉膛温度、循环流化床锅炉石灰石量的测量值也随之发生变化,针对彼此之间的耦合关系,例如当负荷增大时,如果氧量下降幅度不是很大,则此时负荷对NOX的影响比氧量大,当负荷减小,如果氧量上升幅度较大时,则此时氧量的变化对NOX的影响比负荷大,因此在控制方法对其进行了解耦;
具体解耦方法如下:
①负荷作为前馈
允许增加还原剂量的条件有:
a、负荷变化率大于等于0.1;
b、NOX实测值大于等于NOX设定值;
c、NOX变化率大于等于0;
d、氧量变化率大于等于-0.1;
当同时满足以上条件时,发一个脉冲增加一定量的还原剂;
允许减少还原剂量的条件有:
a、负荷变化率小于等于-0.1;
b、NOX实测值小于等于NOX设定值;
c、NOX变化率小于等于0;
d、氧量变化率小于等于0.1;
当同时满足以上条件时,发一个脉冲减少一定量的还原剂;
②氧量作为前馈
允许增加还原剂量的条件有:
a、氧量变化率大于等于0.1;
b、NOX实测值大于等于NOX设定值;
c、NOX变化率大于等于0;
d、负荷变化率大于等于-0.1;
当同时满足以上条件时,发一个脉冲增加一定量的还原剂;
允许减少还原剂量的条件有:
a、氧量变化率小于等于-0.1;
b、NOX实测值小于等于NOX设定值;
c、NOX变化率小于等于0;
d、负荷变化率小于等于0.1;
当同时满足以上条件时,发一个脉冲减少一定量的还原剂;
③煤粉炉炉膛温度作为前馈
允许增加还原剂量的条件有:
a、煤粉炉炉膛温度变化率大于等于0.1;
b、NOX实测值大于等于NOX设定值;
c、NOX变化率大于等于0;
当同时满足以上条件时,发一个脉冲增加一定量的还原剂;
允许减少还原剂量的条件有:
a、煤粉炉炉膛温度变化率小于等于-0.1;
b、NOX实测值小于等于NOX设定值;
c、NOX变化率小于等于0;
当同时满足以上条件时,发一个脉冲减少一定量的还原剂;
④循环流化床锅炉石灰石作为前馈
允许增加还原剂量的条件有:
a、循环流化床锅炉石灰石变化率大于等于0.1:
b、NOX实测值大于等于NOX设定值:
c、NOX变化率大于等于0:
当同时满足以上条件时,发一个脉冲增加一定量的还原剂;
允许减少还原剂量的条件有:
a、循环流化床锅炉石灰石变化率小于等于-0.1;
b、NOX实测值小于等于NOX设定值;
c、NOX变化率小于等于0;
当同时满足以上条件时,发一个脉冲减少一定量的还原剂;
5)基于专家经验的动态叠加:还原剂设定值的形成是通过步骤2)、3)、4)中的条件判断来发一个计算机扫描周期的脉冲信号将根据专家经验计算得到还原剂累加值进行叠加,然后经过一定的时间(即一个判定周期)再次进行判断是否满足还原剂量变化的条件,将步骤2)、3)、4)中每次脉冲信号发出后触发的还原剂计算值在原来还原剂设定值动态平衡的基础上进行一次叠加,最后得到还原剂的设定值;
在还原剂量设定值形成中,没有使用常规的PID控制器,而是借鉴了PID的部分功能与专家控制相结合形成的动态叠加方法,在PID控制中如果被控量有下降的趋势时,控制量仍在进行累加,而采用基于专家经验的动态叠加方法,在有下降趋势时,会进行判定不再继续进行控制量的累加,其它情况与此类似;
6)基于模糊的还原剂低限/高限保护:在步骤5)的基础上,提出了基于模糊的还原剂低限/高限保护方法,在逐步降低还原剂量的同时要给其设置一个最低流量限制,目的是要有一定的还原剂余量,使NOX的变化不太敏感;在逐步增加还原剂量的同时要给其设置一个最高流量限制,防止喷入过量的还原剂,目的是要保证经济效益以及降低氨逃逸;选取负荷和氧量信号作为模糊输入,根据历史数据以及运行人员的经验分别建立了模糊规则,根据输入的数值、模糊规则库分别计算出还原剂的低限值和还原剂的高限值;
7)基于专家经验的还原剂低限保护自适应控制:在步骤6)的基础上提出了基于专家经验的还原剂低限保护自适应控制方法,而建立模糊规则时最低限值选取的是正常运行工况下的一般值,为了提高经济性,在出现特殊情况时需要采用自适应的方法进一步减少还原剂量,当还原剂量为当前工况下对应还原剂的的低限值且被控量NOX设定值大于被控量NOX测量值5mg/Nm3以上时,经过一段时间的判断,如果这种情况一直没有变化,则此时在还原剂低限值的基础上进一步减少还原剂量,然后再进行判断,直到被控量NOX测量值大于被控量NOX设定值2mg/Nm3以上时,逐步恢复到原来的还原剂的低限值;
8)基于模糊的被控量NOX快速保护:当燃烧工况大幅度变化导致NOX急剧变化时,所述步骤6)程序出口的还原剂设定值已不能满足控制要求,当被控量NOX超过设定的上限值时,将步骤6)的程序出口自动切换至基于模糊的被控量NOX快速保护方法,取被控量NOX测量值和被控量NOX变化率作为模糊块的输入,根据历史数据以及运行人员的经验建立模糊规则,根据输入的大小来计算出NOX所需的还原剂保护量。
本发明要求保护的范围不限于以上具体实施方式,对于本领域技术人员而言,本发明可以有多种变形和更改,凡在本发明的构思与原则之内所作的任何修改、改进和等同替换都应包含在本发明的保护范围之内。

Claims (1)

1.一种基于专家模糊的脱硝系统分层优化自适应智能控制方法,其特征在于:包括以下步骤:
1)数据的预处理:将生产现场测量回来的带有随机扰动的被控量NOX、负荷、氧量、煤粉炉炉膛温度、循环流化床锅炉石灰石的测量值及其微分进行滤波处理,来消除干扰对控制的影响;
2)基于专家经验的区间控制:设定一个区域范围或者死区范围,忽略被控量NOX在区域范围或者死区范围内的变化,增强鲁棒性:当被控量NOX测量值在所设定区域范围或者死区范围内时,则还原剂设定值不进行调整,当被控量NOX测量值不在所设定区域范围或者死区范围内时,还原剂设定值则按偏离区域的程度采取相应的专家算法来进行调整;
3)基于专家经验的稳态优化:如果被控量NOX在所设定区域范围或者死区范围内且NOX设定值大于NOX测量值时,对还原剂设定值进行微调,进一步减少还原剂消耗量,被控量NOX测量值在所设定区域范围或者死区范围内的条件下,最终使被控量NOX设定值小于NOX测量值;
4)基于解耦规则的前馈控制:当负荷、氧量、煤粉炉炉膛温度或循环流化床锅炉石灰石的任一项或几项测量值发生变化时,通过专家经验算法得到所需的还原剂量,提前喷入还原剂进行超前调节,从而抑制被控制量NOX的升高或降低;当负荷测量值变化时,氧量、煤粉炉炉膛温度、循环流化床锅炉石灰石量的测量值也随之发生变化,针对彼此之间的耦合关系,对其进行了解耦;
5)基于专家经验的动态叠加:将步骤2)、3)、4)中每次脉冲信号发出后触发的还原剂计算值在原来还原剂设定值动态平衡的基础上进行一次叠加,最后得到还原剂的设定值;
6)基于模糊的还原剂低限/高限保护:在步骤5)的基础上,选取负荷和氧量信号作为模糊输入,根据历史数据以及运行人员的经验分别建立了模糊规则,根据输入的数值、模糊规则库分别计算出还原剂的低限值和还原剂的高限值;
7)基于专家经验的还原剂低限保护自适应控制:在步骤6)的基础上,当还原剂量为当前工况下对应还原剂的的低限值且被控量NOX设定值大于被控量NOX测量值5mg/Nm3以上时,经过一段时间的判断,如果这种情况一直没有变化,则此时在还原剂低限值的基础上进一步减少还原剂量,然后再进行判断,直到被控量NOX测量值大于被控量NOX设定值2mg/Nm3以上时,逐步恢复到原来的还原剂的低限值;
8)基于模糊的被控量NOX快速保护:当被控量NOX超过设定的上限值时,将步骤6)的程序出口自动切换至基于模糊的被控量NOX快速保护方法,取被控量NOX测量值和被控量NOX变化率作为模糊块的输入,根据历史数据以及运行人员的经验建立模糊规则,根据输入的大小来计算出NOX所需的还原剂保护量。
CN201610402070.9A 2016-06-08 2016-06-08 一种基于专家模糊的脱硝系统分层优化自适应智能控制方法 Expired - Fee Related CN105955017B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610402070.9A CN105955017B (zh) 2016-06-08 2016-06-08 一种基于专家模糊的脱硝系统分层优化自适应智能控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610402070.9A CN105955017B (zh) 2016-06-08 2016-06-08 一种基于专家模糊的脱硝系统分层优化自适应智能控制方法

Publications (2)

Publication Number Publication Date
CN105955017A true CN105955017A (zh) 2016-09-21
CN105955017B CN105955017B (zh) 2018-08-24

Family

ID=56908898

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610402070.9A Expired - Fee Related CN105955017B (zh) 2016-06-08 2016-06-08 一种基于专家模糊的脱硝系统分层优化自适应智能控制方法

Country Status (1)

Country Link
CN (1) CN105955017B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106773652A (zh) * 2017-01-25 2017-05-31 北京鸿智电通科技有限公司 一种pid系统及其参数自动调整方法
CN109821392A (zh) * 2019-03-05 2019-05-31 南京西普环保科技有限公司 一种干法水泥回转窑的脱硝系统及其控制方法
CN109917641A (zh) * 2017-12-12 2019-06-21 南京凯盛国际工程有限公司 一种基于智能模型预测控制的脱硝优化控制算法
CN111766777A (zh) * 2020-07-30 2020-10-13 北京环境特性研究所 一种pid控制器及pid控制方法
CN113485106A (zh) * 2021-07-07 2021-10-08 山西大学 一种火电厂氮氧化物浓度的控制方法
CN114053865A (zh) * 2021-11-03 2022-02-18 华能铜川照金煤电有限公司 适用于燃煤锅炉scr脱硝控制系统的广义预测控制方法
CN114135898A (zh) * 2021-09-30 2022-03-04 华电电力科学研究院有限公司 一种燃煤电厂锅炉氧量优化控制方法
CN114609896A (zh) * 2022-02-25 2022-06-10 中国大唐集团科学技术研究院有限公司西北电力试验研究院 基于模糊规则及控制强度自适应的火电厂脱硝控制方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006026479A2 (en) * 2004-08-27 2006-03-09 Neuco, Inc. Method and system for sncr optimization
CN104932265A (zh) * 2015-06-07 2015-09-23 陈亮 一种基于数学模型的烟气脱硝的控制系统
CN105485664A (zh) * 2015-12-07 2016-04-13 山西大学 一种复合脱硝的方法及装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006026479A2 (en) * 2004-08-27 2006-03-09 Neuco, Inc. Method and system for sncr optimization
CN104932265A (zh) * 2015-06-07 2015-09-23 陈亮 一种基于数学模型的烟气脱硝的控制系统
CN105485664A (zh) * 2015-12-07 2016-04-13 山西大学 一种复合脱硝的方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘静伟,等: "循环流化床机组烟气脱硝控制系统改进", 《广东电力》 *
吴敏,等: "配煤过程基于神经网络和数学模型的专家控制", 《控制理论与应用》 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106773652A (zh) * 2017-01-25 2017-05-31 北京鸿智电通科技有限公司 一种pid系统及其参数自动调整方法
CN109917641A (zh) * 2017-12-12 2019-06-21 南京凯盛国际工程有限公司 一种基于智能模型预测控制的脱硝优化控制算法
CN109821392A (zh) * 2019-03-05 2019-05-31 南京西普环保科技有限公司 一种干法水泥回转窑的脱硝系统及其控制方法
CN111766777A (zh) * 2020-07-30 2020-10-13 北京环境特性研究所 一种pid控制器及pid控制方法
CN111766777B (zh) * 2020-07-30 2023-06-16 北京环境特性研究所 一种pid控制器及pid控制方法
CN113485106A (zh) * 2021-07-07 2021-10-08 山西大学 一种火电厂氮氧化物浓度的控制方法
CN113485106B (zh) * 2021-07-07 2023-03-24 山西大学 一种火电厂氮氧化物浓度的控制方法
CN114135898A (zh) * 2021-09-30 2022-03-04 华电电力科学研究院有限公司 一种燃煤电厂锅炉氧量优化控制方法
CN114135898B (zh) * 2021-09-30 2023-06-27 华电电力科学研究院有限公司 一种燃煤电厂锅炉氧量优化控制方法
CN114053865A (zh) * 2021-11-03 2022-02-18 华能铜川照金煤电有限公司 适用于燃煤锅炉scr脱硝控制系统的广义预测控制方法
CN114609896A (zh) * 2022-02-25 2022-06-10 中国大唐集团科学技术研究院有限公司西北电力试验研究院 基于模糊规则及控制强度自适应的火电厂脱硝控制方法
CN114609896B (zh) * 2022-02-25 2024-05-14 中国大唐集团科学技术研究院有限公司西北电力试验研究院 基于模糊规则及控制强度自适应的火电厂脱硝控制方法

Also Published As

Publication number Publication date
CN105955017B (zh) 2018-08-24

Similar Documents

Publication Publication Date Title
CN105955017B (zh) 一种基于专家模糊的脱硝系统分层优化自适应智能控制方法
CN103322547B (zh) 一种锅炉控制与燃烧优化方法
CN107420874B (zh) 一种超超临界火力发电机组协调控制系统
CN107023825A (zh) 流化床锅炉控制与燃烧优化系统
CN101488022A (zh) 火电机组锅炉汽轮机协调系统的先进控制方法
CN101338892A (zh) 一种火电机组再热汽温控制方法
CN107368049B (zh) 基于电厂dcs系统的机组变负荷下给煤量的控制方法
CN111570093B (zh) 一种基于锅炉煤量风量的电除尘节能控制方法及系统
CN106681381A (zh) 一种基于智能前馈信号的scr脱硝系统喷氨量优化控制系统及方法
CN108628177A (zh) 一种基于模型自适应pid的scr脱硝智能喷氨优化方法及系统
CN108837699A (zh) 一种基于软测量和预测控制的scr脱硝智能喷氨优化方法及系统
CN107728464B (zh) 基于积分参数动态调整的锅炉优化控制系统及方法
CN108803309A (zh) 一种基于软测量和模型自适应的scr脱硝智能喷氨优化方法及系统
CN110989466B (zh) 一种火电机组脱硝的动态前馈带内模控制方法及系统
CN104154545B (zh) 用于焚烧炉的自动燃烧控制方法和自动燃烧控制系统
CN111142377B (zh) 顾及磨煤机运行状态的协调控制系统燃料量前馈控制方法
CN112286057A (zh) 一种基于火电厂agc优化的煤量寻优预测控制方法
CN105135409A (zh) 基于一次调频动作幅值的超临界机组锅炉主控控制方法
CN104456513B (zh) 一种火力发电厂主汽温预估优化控制方法
CN105955373A (zh) 高炉煤气、焦炉煤气和转炉煤气混合控制方法及系统
CN111045321B (zh) 一种深度调峰下的协调控制带嵌入式内模控制器的方法
CN105318349B (zh) 基于电网调频调峰的火电机组一次风量控制方法
CN115025616B (zh) 一种火电机组尿素法scr脱硝技术自动控制方法
CN106247815A (zh) 一种超临界火电机组小机直排大机空冷系统的控制方法
CN103870877A (zh) 一种基于神经网络的锅炉燃烧智能控制系统及方法

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20180824

Termination date: 20200608

CF01 Termination of patent right due to non-payment of annual fee