CN106842962A - 基于变约束多模型预测控制的scr脱硝控制方法 - Google Patents

基于变约束多模型预测控制的scr脱硝控制方法 Download PDF

Info

Publication number
CN106842962A
CN106842962A CN201710239768.8A CN201710239768A CN106842962A CN 106842962 A CN106842962 A CN 106842962A CN 201710239768 A CN201710239768 A CN 201710239768A CN 106842962 A CN106842962 A CN 106842962A
Authority
CN
China
Prior art keywords
model
nox concentration
ammonia
algorithm
scr denitration
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.)
Pending
Application number
CN201710239768.8A
Other languages
English (en)
Inventor
吕剑虹
周帆
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.)
Southeast University
Original Assignee
Southeast 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 Southeast University filed Critical Southeast University
Priority to CN201710239768.8A priority Critical patent/CN106842962A/zh
Publication of CN106842962A publication Critical patent/CN106842962A/zh
Pending legal-status Critical Current

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
    • G05B13/04Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance

Landscapes

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

Abstract

本发明公开了一种基于变约束多模型预测控制的SCR脱硝控制方法,所述方法将多模型预测控制算法、智能模型加权算法和变约束条件相结合,包括如下步骤:(A)由智能模型加权算法得到精确NOx预测模型;(B)由多模型预测控制算法不断滚动优化;辅以与工况随动的约束条件计算出最佳的实时氨需量。本发明解决了现有预测控制策略在SCR脱硝系统中应用的模型精度与控制算法复杂度之间的矛盾;首先,与传统的多个线性模型简单的线性加权方法相比,提高了算法的模型精度;其次,将传统的定约束条件改为,与工况随动的变约束条件,约束调节更加准确,以此减小求解控制指令的计算负担,易于工程实现,克服SCR系统的大滞后特性,显著改善了NOx浓度的调节品质。

Description

基于变约束多模型预测控制的SCR脱硝控制方法
技术领域
本发明涉及热能动力工程和自动控制,尤其涉及一种基于变约束多模型预测控制技术的火电机组SCR脱硝优化控制方法。
背景技术
我国是煤炭大国,火电机组的装机重量占了约70%,在电力行业中发挥着主导作用。高效、节能、环保的火电发电技术研究也是关系到国民经济发展的重中之重。而随着雾霾等环境问题的不断突出,环保部门对火电机组的NOx排放标准提出了更高的要求(50mg/Nm3)。传统的SCR出口NOx浓度控制方式为PID+前馈的调节方式,而SCR脱硝这一化学反应过程具有较强的非线性和大滞后特性,而且随着催化剂的消耗,SCR反应区的特性会发生较大的变化。采用传统的控制策略,SCR出口NOx波动较大。若要达到环保考核要求,则必须降低NOx浓度的设定值,平均氨蒸汽消耗量增加,这会造成:(1)制氨的尿素耗量增加,经济性不佳;(2)易造成烟道后期的空预器堵塞,危害机组安全;(3),氨逃逸率增加,造成环境的二次污染。因此,研究设计新型的SCR出口NOx浓度控制方法具有特别重大的意义。
前人在这些方面做出过很多努力,尝试通过预测控制算法来处理SCR反应的的大滞后特性,提升出口NOx的抗扰动能力。已公开的这方面专利存在以下两个问题:1、预测控制算法对所用模型的精度要求较高,而SCR的特性随负荷区段的变化而变化剧烈。若采用非线性预测控制算法方法,在仿真过程中呈现出较好的结果。然而却因为算法复杂、计算量大等问题,很难在工程应用中实现。而后人们采用多模型切换预测控制算法,这种方法虽然降低了算法的复杂度,但模型切换时采用的是对多个模型线性加权,模型的精度有限,这容易造成调节的不稳定。2、约束条件的范围设置的过于宽泛。在已公布专利中,直接根据设备的实际最大供氨能力,和实际氨蒸汽流量最大变化速率作为全工况下的约束条件。约束条件的宽泛,增加了求解控制指令的计算量。
发明内容
发明目的:本发明的目的是针对燃煤发电机组中SCR脱硝过程的大滞后和非线性的对象特征,提供一种基于变约束多模型预测控制的火电机组SCR脱硝优化控制方法。
技术方案:本发明所述的一种基于变约束多模型预测控制的SCR脱硝控制方法,所述方法将多模型预测控制算法、智能模型加权算法和变约束条件相结合,包括如下步骤:
(A)由智能模型加权算法得到精确NOx预测模型;
(B)由多模型预测控制算法不断滚动优化;辅以与工况随动的约束条件计算出最佳的实时氨需量。
步骤(A)中,具体包括:
(A1)在高、中、低三个负荷点通过喷氨流量的扰动实验,并记录试验数据;将100%MCR选为高负荷点、75%MCR选为中负荷点、50%MCR选为低负荷点;采用常规的最小二乘拟合算法对试验数据处理,得到喷氨流量对反应器出口NOx浓度的三个基本模型。
其中,MCR为机组最大连续出力。
(A2)在每个计算周期内,根据实际NOx浓度与模型预测NOx浓度的偏差程度来决定,每个模型的权值表述如下
λ=(Y(k)-Y1(k))/(Y2(k)-Y1(k))
其中,Y(k)为当前NOx浓度实际值,Y1(k)为高负荷段模型的输出值,Y2(k)为中负荷段模型的输出值,λ为模型权值。这样可以利用有限的三个线性模型,得到精确地全工况NOx预测模型,提高预测精度。
步骤(B)中,具体包括:
(B1)通过全工况的NOx模型,根据过去的模型输出值和未来的输入值来预测未来各个采样周期的过程输出值;
(B2)通过最小化性能指标J,得到最优的控制率,性能指标J表述如下:
J=E{(Y-Yr)T(Y-Yr)+ΔUTΓΔU}
其中:Y为NOx浓度设定值曲线,Yr为NOx浓度预测值,Γ为控制权值;通过求解该带约束的二次优化的解,即得最终的氨汽流量指令。
采用与工况随动的变约束条件,约束条件有上下限与变化速率的双重限制,具体如下
其中,U(k)为第k时刻的氨汽流量指令,Umin为氨汽流量指令下限,Umax为喷氨汽流量指令上限,各自表述为:
Umin=(cin-csp)×Q-A;Umin=(cin-csp)×Q+A
其中,cin为反应器入口NOx浓度,csp为反应器出口NOx浓度设定值,Q为烟气流量,A为正的常数;
其中,ΔUmin为氨汽流量变化速率的下限,ΔUmax为氨汽流量变化速率的上限。更小的约束范围能大幅度降低控制率求解的计算量和复杂度。
有益效果:与现有技术相比,本发明的优点为:本发明解决了现有预测控制策略在SCR脱硝系统中应用的突出问题模型精度与控制算法复杂度之间的矛盾;首先基于多模型预测控制算法,使用的对象模型有别于传统的多个线性模型简单的线性加权方法,通过实时判断当前被控对象的输出值与各个线性模型之间的偏差,决定各个模型的加权权值,提高了算法的模型精度;其次,将传统的定约束条件改为,与工况随动的变约束条件,约束调节更加准确,以此减小求解控制指令的计算负担,易于工程实现,克服SCR系统的大滞后特性,显著改善了NOx浓度的调节品质。
附图说明
图1为本发明实施例的系统原理示意图。
具体实施方式
下面结合实施例和附图对本发明的技术方案作进一步详细说明。
具体的实施步骤如下:
步骤1:在SCR脱硝系统投用的100%MCR、75%MCR、50%MCR三个负荷点下,分别进行喷氨流量的阶跃扰动试验。试验过程中,机组燃料主控切入手动方式保持恒定,所有的二次风小风门也切至手动方式保持恒定,以防止实验过程中的扰动;SCR的喷氨调门至于手动,运行人员手动操作调门,给予阶跃信号,采集实验数据通过最小二乘法拟合出反应器出口NOx浓度与喷氨流量之间的传递函数模型。并离散化,得到三个基准模型,写成标准的CARIMA模型。
其中,Y(k)为第k个采样周期的NOx浓度,U(k)为第k个采样周期的氨蒸汽流量,ξ(k)(i=1,2,3)为均值为0的白噪声。Ai(z-1)和Bi(z-1)表述如下:
其中,z-k为时间算子,ai,k、bi,k分别为Ai(z-1)、Bi(z-1)多项式中z-k的系数,nai、nbi分别为多项式Ai(z-1)、Bi(z-1)的阶次(i=1,2,3);
步骤2:根据当前采样周期计算当前共所处的负荷段,选取相邻的两个基准对象模型,计算当前对象输出与相邻两个基准模型输出的偏差,并依据偏差对相邻基准模型加权得到当前采样时刻的计算模型。以当前负荷处于高、中负荷之间为例,算式如下:
A(z-1)Y(k)=B(z-1)U(k)+ξ(k)/Δ
其中:
λ=(Y(k)-Y1(k))/(Y2(k)-Y1(k))
式中ak、bk分别为A(z-1)、B(z-1)多项式中z-k的系数,Y(k)为当前反应器出口NOx浓度实际值,Y1(k)为高负荷段模型的输出值,Y2(k)为中负荷段模型的输出值,λ为模型权值。
步骤3:以加权后的计算模型为基础,预测未来一段时间的对象的输出,可表示为
Yr(k+j)=FjΔU(k+j-1)+GjY(k)+Ejξ(k+j)
其中Yr(k+j)为未来第j时刻的预测值;Fj、Gj和Ej为多项式,须满足下述丢番方程:
其中
其中ej,k、gj,k、fj,k分别为Ej(z-1)、Gj(z-1)、Fj(z-1)多项式中z-k的系数。预测表达式说明,在预测模型的基础上,可以根据过去ng个时刻的模型输出值和未来nf个时刻的模型输入值来预测未来的模型输出值。由于步骤2所建模型拥有较高的模型精度,所以预测准确性亦很高。
步骤4:根据即定的性能指标和约束条件求解控制指令。控制的目标是最小化反应器出口NOx浓度与NOx浓度设定值之间的偏差。同时喷氨流量是不可能无穷大或无穷小,所以也要对喷氨流量的变化进行限制。
二次型性能指标表述如下:
J=E{(Y-Yr)T(Y-Yr)+ΔUTΓΔU}
其中:Y为NOx浓度设定值,Yr为NOx浓度预测值,ΔU为控制量增量,Γ为控制权值。该性能指标中的(Y-Yr)T(Y-Yr)表征了NOx浓度的预测值Yr与NOx设定值Y之间的偏差,ΔUTΓΔU表征了喷氨流量的变化量,Γ表征了该性能指标中对喷氨流量的参考程度。通过最小化该性能指标,即可得到无约束状态下的控制率ΔU。然而本发明讨论的对象因设备本身的限制存在约束,需要对该二次型性能指标增加约束条件。约束条件表达如下:
其中,U(k)为第k时刻的氨汽流量指令,Umin为氨汽流量指令下限,Umax为喷氨汽流量指令上限,各自可表述为:
Umin=A(cin-csp)×Q-B;Umin=A(cin-csp)×Q+B
其中,cin为反应器入口NOx浓度(mg/Nm3),csp为反应器出口NOx浓度设定值(mg/Nm3),Q为烟气流量(t/h),A和B为正的常数。(cin-csp)×Q表征是烟气通过SCR反应器后总的NOx变化量,乘以系数A后可表示的是喷氨流量的基准值,B表示的是喷氨流量的动态调节范围。本文的约束条件不同于传统定约束条件,这样处理后喷氨流量的约束范围与SCR运行工况随动而大大缩小。这样能较大程度的缩小控制率求解时的时间成本。此外,约束条件还包含变化速率的约束,如下:
其中,ΔUmin为氨汽流量变化速率的下限,ΔUmax为氨汽流量变化速率的上限。变化速率的约束取决于设备本体的实际动作速率,可由喷氨调门的阶跃扰动实验得到。结合性能指标与约束条件,通过求解该带约束的二次优化问题,即可得到喷氨流量指令。
步骤5:将氨流量指令做为喷氨流量控制回路的设定值,该回路的控制器采用PI调节器,根据喷氨流量指令与实际喷氨流量指令的偏差计算出最终的喷氨调开度指令。由于喷氨流量与喷氨调门的开度之间是一个快过程,用简单的PI调节器即可保证较好的喷氨流量跟踪性能。
实施例:
某电厂1000MW超临界机组,采用本发明的控制方法,基于本应用场景,上式的相关参数选为:
在1000MW、750MW、500MW三个负荷点上,进行了喷氨调门开度对烟囱入口NOx浓度的阶跃特性试验,通过模型拟合获得相关的数学模型。
以5s为采样周期,离散化上述模型;选择最大预测步数N=40,控制量权值Γ=(0.6 … 0.6)T;约束条件中,喷氨流量上下限的计算系数A=0.001,B=15t/h,喷氨流量变化速率的上下限为ΔUmin=-5t/h,ΔUmax=5t/h;喷氨流量回路的PI控制器参数,比例Kp=2.0,积分Ti=60sec。
应用结果显示:在负荷稳定的工况下,反应器出口NOx浓度动态偏差控制在5mg/Nm3之内;在大幅度快速变负荷工况下,反应器出口NOx浓度动态偏差控制在10mg/Nm3以内;在启停磨煤机计这种扰动剧烈的工况下,反应器出口NOx浓度动态偏差控制在15mg/Nm3以内。NOx的排放值在全工况下能满足环保考核要求。由于反应器出口NOx浓度波动的大幅减小,平均运行设定值由25mg/Nm3提升至35mg/Nm3,氨气使用量减少了约15%,空预器差压降低5%,堵塞情况减小。证明本发明所述方法能有效提高SCR脱硝系统运行的稳定性,经济性和安全性。

Claims (4)

1.一种基于变约束多模型预测控制的SCR脱硝控制方法,其特征在于,所述方法将多模型预测控制算法、智能模型加权算法和变约束条件相结合,包括如下步骤:
(A)由智能模型加权算法得到精确NOx浓度预测模型;
(B)由多模型预测控制算法不断滚动优化;辅以与工况随动的约束条件计算出最佳的实时氨需量;
所述工况包括机组当前负荷、总风量、反应器入口NOx浓度和反应器出口NOx浓度设定值。
2.根据权利要求1所述的SCR脱硝控制方法,其特征在于,步骤(A)具体包括:
(A1)将100%MCR选为高负荷点、75%MCR选为中负荷点、50%MCR选为低负荷点,在高、中、低三个负荷点通过喷氨流量的扰动实验,并记录试验数据;采用常规的最小二乘拟合算法对试验数据处理,得到喷氨流量对反应器出口NOx浓度的三个基本模型;
其中,MCR为机组最大连续出力。
(A2)在每个计算周期内,根据实际NOx浓度与模型预测NOx浓度的偏差程度来决定,每个模型的权值表述如下
λ=(Y(k)-Y1(k))/(Y2(k)-Y1(k))
其中,Y(k)为当前NOx浓度实际值,Y1(k)为高负荷段模型的输出值,Y2(k)为中负荷段模型的输出值,λ为模型权值。
3.根据权利要求1所述的SCR脱硝控制方法,其特征在于,步骤(B)具体包括:
(B1)通过全工况的NOx模型,根据过去的模型输出值和未来的模型输入值来预测未来各个采样周期的过程输出值;
(B2)通过最小化性能指标J,得到最优的控制率,性能指标J表述如下:
J=E{(Y-Yr)T(Y-Yr)+ΔUTΓΔU}
其中:Y为NOx浓度设定值曲线,Yr为NOx浓度预测值,Γ为控制权值;通过求解该带约束的二次优化的解,即得最终的氨汽流量指令。
4.根据权利要求3所述的SCR脱硝控制方法,其特征在于:采用与工况随动的变约束条件,约束条件有上下限与变化速率的双重限制,具体如下:
U ( k ) = U min ( U ( k ) &le; U m i n ) U ( k ) ( U m a x < U ( k ) < U m i n ) U m a x ( U ( k ) &GreaterEqual; U max )
其中,U(k)为第k时刻的氨汽流量指令,Umin为氨汽流量指令下限,Umax为喷氨汽流量指令上限,各自表述为:
Umin=(cin-csp)×Q-A;Umin=(cin-csp)×Q+A
其中,cin为反应器入口NOx浓度,csp为反应器出口NOx浓度设定值,Q为烟气流量,A为正的常数;
U ( k ) = U ( k - 1 ) + &Delta;U min ( U ( k ) - U ( k - 1 ) &le; &Delta;U m i n ) U ( k ) ( &Delta;U min < U ( k ) - U ( k - 1 ) < &Delta;U m a x ) U ( k - 1 ) + &Delta;U m a x ( U ( k ) - U ( k - 1 ) &GreaterEqual; &Delta;U m a x )
其中,ΔUmin为氨汽流量变化速率的下限,ΔUmax为氨汽流量变化速率的上限。
CN201710239768.8A 2017-04-13 2017-04-13 基于变约束多模型预测控制的scr脱硝控制方法 Pending CN106842962A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710239768.8A CN106842962A (zh) 2017-04-13 2017-04-13 基于变约束多模型预测控制的scr脱硝控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710239768.8A CN106842962A (zh) 2017-04-13 2017-04-13 基于变约束多模型预测控制的scr脱硝控制方法

Publications (1)

Publication Number Publication Date
CN106842962A true CN106842962A (zh) 2017-06-13

Family

ID=59146777

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710239768.8A Pending CN106842962A (zh) 2017-04-13 2017-04-13 基于变约束多模型预测控制的scr脱硝控制方法

Country Status (1)

Country Link
CN (1) CN106842962A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107450325A (zh) * 2017-09-06 2017-12-08 东南大学 一种燃烧后co2捕集系统的多模型预测控制方法
CN108159881A (zh) * 2018-01-10 2018-06-15 中国大唐集团科学技术研究院有限公司华东分公司 一种基于优化运行的scr脱硝随动控制系统及方法
CN109062053A (zh) * 2018-08-31 2018-12-21 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
CN109395549A (zh) * 2018-11-26 2019-03-01 广东电网有限责任公司 一种喷氨控制方法、装置及计算机可读存储介质
CN109426144A (zh) * 2017-08-22 2019-03-05 邢台国泰发电有限责任公司 基于随机森林模型的电站锅炉烟气脱硝方法
CN112631127A (zh) * 2020-11-11 2021-04-09 华能国际电力股份有限公司营口电厂 一种scr氮氧化物含量预测控制方法和系统
CN113433911A (zh) * 2021-06-30 2021-09-24 浙江大学 基于浓度精准预测的脱硝装置喷氨精准控制系统与方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1758161A (zh) * 2005-11-11 2006-04-12 燕山大学 基于非线性约束预测控制的最优化控制方法
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
CN104826492A (zh) * 2015-04-23 2015-08-12 华北电力大学(保定) 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
CN105629736A (zh) * 2016-03-22 2016-06-01 东南大学 数据驱动的火电机组scr脱硝扰动抑制预测控制方法
CN105700576A (zh) * 2016-03-11 2016-06-22 东南大学 基于多变量区间约束预测的scr脱硝优化控制系统及方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1758161A (zh) * 2005-11-11 2006-04-12 燕山大学 基于非线性约束预测控制的最优化控制方法
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
CN104826492A (zh) * 2015-04-23 2015-08-12 华北电力大学(保定) 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
CN105700576A (zh) * 2016-03-11 2016-06-22 东南大学 基于多变量区间约束预测的scr脱硝优化控制系统及方法
CN105629736A (zh) * 2016-03-22 2016-06-01 东南大学 数据驱动的火电机组scr脱硝扰动抑制预测控制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
郑志豪: "SCR脱硝系统的多模型约束预测控制方法与应用研究", 《万方学术论文》 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109426144A (zh) * 2017-08-22 2019-03-05 邢台国泰发电有限责任公司 基于随机森林模型的电站锅炉烟气脱硝方法
CN109426144B (zh) * 2017-08-22 2021-07-16 邢台国泰发电有限责任公司 基于随机森林模型的电站锅炉烟气脱硝方法
CN107450325A (zh) * 2017-09-06 2017-12-08 东南大学 一种燃烧后co2捕集系统的多模型预测控制方法
CN108159881A (zh) * 2018-01-10 2018-06-15 中国大唐集团科学技术研究院有限公司华东分公司 一种基于优化运行的scr脱硝随动控制系统及方法
CN108159881B (zh) * 2018-01-10 2020-03-06 中国大唐集团科学技术研究院有限公司华东分公司 一种基于优化运行的scr脱硝随动控制系统及方法
CN109062053A (zh) * 2018-08-31 2018-12-21 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
CN109395549A (zh) * 2018-11-26 2019-03-01 广东电网有限责任公司 一种喷氨控制方法、装置及计算机可读存储介质
CN109395549B (zh) * 2018-11-26 2020-04-21 广东电科院能源技术有限责任公司 一种喷氨控制方法、装置及计算机可读存储介质
CN112631127A (zh) * 2020-11-11 2021-04-09 华能国际电力股份有限公司营口电厂 一种scr氮氧化物含量预测控制方法和系统
CN112631127B (zh) * 2020-11-11 2022-11-04 华能国际电力股份有限公司营口电厂 一种scr氮氧化物含量预测控制方法和系统
CN113433911A (zh) * 2021-06-30 2021-09-24 浙江大学 基于浓度精准预测的脱硝装置喷氨精准控制系统与方法
CN113433911B (zh) * 2021-06-30 2022-05-20 浙江大学 基于浓度精准预测的脱硝装置喷氨精准控制系统与方法

Similar Documents

Publication Publication Date Title
CN106842962A (zh) 基于变约束多模型预测控制的scr脱硝控制方法
WO2020088485A1 (zh) 一种智能化多种污染物超低排放系统及全局优化方法
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
CN112580250A (zh) 基于深度学习的火电机组脱硝系统及优化控制方法
CN107243257B (zh) 适合全负荷的智能喷氨控制系统
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
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
WO2021189739A1 (zh) 一种基于生产计划的钢铁企业氧气负荷预测方法
CN105629738B (zh) Scr烟气脱硝系统控制方法及设备
CN107526292B (zh) 一种基于入口NOx浓度预测的调控喷氨量的方法
CN106873381B (zh) 喷氨控制系统
CN109062053A (zh) 一种基于多变量校正的脱硝喷氨控制方法
CN113433911B (zh) 基于浓度精准预测的脱硝装置喷氨精准控制系统与方法
CN110368808A (zh) 一种scr烟气脱硝系统的喷氨量控制方法及系统
KR20130089283A (ko) 산소 연료 연소 파워 플랜트를 위한 최적화된 통합 제어
CN110263395A (zh) 基于数值模拟和数据分析的电厂脱硝运行优化方法及系统
CN110263452A (zh) 一种烟道内烟气时间分布特性分析方法、系统及脱硝系统
CN107544288A (zh) 一种脱硝优化控制方法和系统
CN113175678B (zh) 垃圾焚烧的监控方法及装置
CN113094986B (zh) 垃圾焚烧炉烟气中污染物排放量预测模型构建方法及应用
CN109224815A (zh) 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
CN111841276A (zh) 循环流化床机组sncr脱硝控制方法及装置、存储介质
Chen et al. Variations on billet gas consumption intensity of reheating furnace in different production states
CN106054608A (zh) 用于垃圾焚烧烟气脱硝sncr的模糊控制方法及系统
CN110038426A (zh) 一种调频式智能控氨系统及方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20170613

RJ01 Rejection of invention patent application after publication