CN109304086B - 一种电站锅炉scr脱硝精细化喷氨控制方法 - Google Patents
一种电站锅炉scr脱硝精细化喷氨控制方法 Download PDFInfo
- Publication number
- CN109304086B CN109304086B CN201811290036.2A CN201811290036A CN109304086B CN 109304086 B CN109304086 B CN 109304086B CN 201811290036 A CN201811290036 A CN 201811290036A CN 109304086 B CN109304086 B CN 109304086B
- Authority
- CN
- China
- Prior art keywords
- scr
- ammonia injection
- nox
- value
- outlet
- 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
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D53/00—Separation of gases or vapours; Recovering vapours of volatile solvents from gases; Chemical or biological purification of waste gases, e.g. engine exhaust gases, smoke, fumes, flue gases, aerosols
- B01D53/34—Chemical or biological purification of waste gases
- B01D53/74—General processes for purification of waste gases; Apparatus or devices specially adapted therefor
- B01D53/86—Catalytic processes
- B01D53/90—Injecting reactants
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D53/00—Separation of gases or vapours; Recovering vapours of volatile solvents from gases; Chemical or biological purification of waste gases, e.g. engine exhaust gases, smoke, fumes, flue gases, aerosols
- B01D53/34—Chemical or biological purification of waste gases
- B01D53/74—General processes for purification of waste gases; Apparatus or devices specially adapted therefor
- B01D53/86—Catalytic processes
- B01D53/8621—Removing nitrogen compounds
- B01D53/8625—Nitrogen oxides
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive 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
- G05B13/042—Adaptive 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D2251/00—Reactants
- B01D2251/20—Reductants
- B01D2251/206—Ammonium compounds
- B01D2251/2062—Ammonia
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D2258/00—Sources of waste gases
- B01D2258/02—Other waste gases
- B01D2258/0283—Flue gases
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Health & Medical Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Analytical Chemistry (AREA)
- General Chemical & Material Sciences (AREA)
- Oil, Petroleum & Natural Gas (AREA)
- Biomedical Technology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Treating Waste Gases (AREA)
Abstract
本发明属于烟气脱硝相关技术领域,并具体公开了一种电站锅炉SCR脱硝精细化喷氨控制方法,该方法包括将长短时神经记忆网络模型和智能优化算法相结合实现主阀门开度的控制,并根据多个NOx检测点的检测情况对分阀门开度进行控制。本发明通过预测下一时刻出口NOx浓度,并获得最优喷氨策略,从而弥补电站锅炉SCR脱硝喷氨系统中PID控制器造成的大滞后缺陷,使得喷氨量控制更加及时准确,提高电厂运行的环保性和安全性;此外,本发明提出分区检测、分区喷氨的方法,使得SCR出口NOx浓度更加均匀,测量值更具有代表性。
Description
技术领域
本发明属于烟气脱硝相关技术领域,更具体地,涉及一种电站锅炉SCR脱硝精细化喷氨控制方法。
背景技术
随着环保要求的不断提高,选择性催化还原技术(SCR)在燃煤电站得到了广泛应用,而迅速精细化的喷氨控制是保证SCR系统高效稳定运行的关键。
控制喷氨量是SCR系统中的主要环节,喷氨量过少会导致出口NOx浓度超标,喷氨量过大则会导致氨逃逸,增加运行成本,并且会增加硫酸氢氨的生成,造成空预器堵塞,降低设备使用寿命,并对电厂安全性造成威胁。
目前,燃煤电厂已经完成脱硝系统改造,然而从已投运的SCR脱硝系统的实际运行情况来看,多数的控制效果并不理想。一方面在喷氨量控制上,由于机组负荷频繁变动,导致入口NOx浓度、烟气温度、烟气量等参数频繁大幅变化,而电站SCR脱硝系统又具有大延迟的特点,现有的喷氨控制方法难以达到较好的控制效果,导致出口NOx随时间频繁、大幅波动,使得NOx排放超标或者氨逃逸过量,影响机组运行;另一方面,现有的SCR系统氮氧化物测量和控制方式比较粗糙,特别是出口NOx的测量,通常只采用一个测点值来替代整个截面的NOx浓度值,然而由于烟气分布的不均匀性,截面上各区域的NOx浓度其实有较大的区别,在低负荷情况下更显著,这样会造成仅通过出口NOx浓度值对喷氨量进行调节不准确,若该测点位于NOx浓度较低的区域,则反馈值会偏小,导致喷氨量不足,若位于浓度较高区域,则反馈值偏大,喷氨量过多。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种电站锅炉SCR脱硝精细化喷氨控制方法,该方法通过利用主阀门子控制系统实现主阀门开度的控制和利用分阀门子控制系统实现分阀门开度的控制,相应的可有效解决SCR出口NOx随时间频繁、大幅波动和出口截面NOx分布不均匀的问题,因而尤其适用于电站锅炉SCR脱硝系统。
为实现上述目的,本发明提出了一种电站锅炉SCR脱硝精细化喷氨控制方法,其特征在于,该方法包括利用主阀门子控制系统实现主阀门开度的控制以及利用分阀门子控制系统实现分阀门开度的控制,其中对于主阀门开度的控制采用长短时神经记忆网络模型和智能优化算法相结合的方法进行,对于分阀门开度的控制则根据多个NOx检测点的检测情况进行开度调节。
作为进一步优选地,所述利用主阀门子系统实现主阀门开度的控制具体包括:
S1根据前k个时刻SCR系统的工况参数,利用长短时神经记忆网络模型对未来p个时刻SCR出口NOx的值进行预测;
S2根据步骤S1中SCR出口NOx的预测值构建优化指标,计算得到使该优化指标取得最小值或达到最大迭代次数的最优喷氨策略u={u(t)∣t=k+1,k+2,…,k+p,其中u(t)表示第t个时刻的喷氨量;
S3在k+1时刻执行步骤S2中最优喷氨策略的第一步,即uk+1;
S4根据前k+1时刻的工况参数重复步骤S1~步骤S3,从而实现滚动优化。
作为进一步优选地,所述步骤S1中的工况参数包括机组电负荷、SCR入口NOx浓度、SCR入口O2浓度、SCR入口烟气温度、烟气流量、喷氨量的历史值和当前值、SCR出口NOx浓度和氨逃逸的历史值,所述历史值包括过去十分钟内的参数值。
作为进一步优选地,所述步骤S1具体包括:
S11将前k个时刻的工况参数F={ft∣t=1,2,…,k}输入到长短时记忆神经网络模型中,得到k+1时刻SCR出口NOx的预测值,其中ft表示第t个时刻的工况参数;
S12将前k+1个时刻的工况参数F={ft∣t=2,3,…,k+1}输入到所述长短时记忆神经网络模型中,得到k+2时刻SCR出口NOx的预测值;k+1时刻的工况参数中,SCR出口NOx浓度为所述步骤S11得到的预测值,喷氨量的当前值为喷氨策略中的uk+1,其他工况参数为k时刻的工况参数;
S13重复步骤S12,得到从k+1时刻开始p个时刻SCR出口NOx的预测值。
作为进一步优选地,所述步骤S2具体包括:
S21将未来p个时刻SCR出口NOx的预测值代入优化指标中计算J(k),所述优化指标为:
式中,yg(k+h)为k+h时刻SCR出口NOx的预测值,yr(k+h)为k+h时刻SCR出口NOx的设定值,h为1~p;
然后判断J(k)是否取得最小值或达到最大迭代次数,若是,则结束,若否,转入步骤S22;
S22更新获得新喷氨策略,并获得在该新喷氨策略下未来p个时刻SCR出口NOx的预测值;
S23重复步骤S21~S22,直至J(k)取得最小值或达到最大迭代次数,从而得到最优喷氨策略。
作为进一步优选地,步骤S22中优选采用智能优化算法更新获得新喷氨策略。
作为进一步优选地,所述J(k)的最小值优选为0~2,所述最大迭代次数优选为100步~1000步。
作为进一步优选地,所述利用分阀门子控制系统实现分阀门开度的控制具体包括:
A1在SCR出口截面上设置n个检测点,分别对该n个检测点处的NOx浓度值进行m个采样时刻的均值滤波和限幅滤波,从而得到各检测点滤波后的NOx浓度值,并求取这n个检测点的NOx浓度平均值;
A2将所述各检测点滤波后的NOx浓度值与所述NOx浓度平均值做差求得偏差值,将所述偏差值与设定值进行对比,当所述偏差值小于等于所述设定值时无动作,当所述偏差值大于所述设定值时将偏差输入到分阀的比例控制器中,从而对所述分阀的开度进行调节。
作为进一步优选地,所述步骤A1中m个采样时刻优选为10个。
作为进一步优选地,所述步骤A2中比例控制器的执行周期优选为1分钟。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,主要具备以下的技术优点:
1.本发明通过长短时记忆神经网络模型预测下一时刻出口NOx浓度,并采用优化指标迭代更新获得最优喷氨策略,并通过不断优化提高喷氨量的准确和平稳,从而弥补电站锅炉SCR脱硝喷氨系统中PID控制器造成的大滞后缺陷,使得喷氨量控制更加及时,SCR出口NOx浓度波动更平稳,同时可减少氨逃逸,提高电厂运行的环保性和安全性;
2.此外,本发明提出分区检测、分区喷氨的方法,通过在SCR出口处设置多个NOx检测点,并以滤波后的测点值与平均值进行比较从而控制分区喷氨支阀的开关,使得SCR出口NOx浓度更加均匀,测量值更具有代表性。
附图说明
图1是本发明所涉及的系统布置和数据传输图。
在所有附图中,相同的附图标记用来表示相同的元件或结构,其中:
1:NOx测量仪表;2:喷氨支阀;3:控制器;4:交换机;5:现场控制柜;6:电子间机柜;7:交换机;8:控制器;9:工控机;10:光纤;11:屏蔽双绞线;12:DCS;13:屏蔽电缆。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明提出了一种电站锅炉SCR脱硝精细化喷氨控制方法,其特征在于,该方法包括利用主阀门子控制系统实现主阀门开度的控制以及利用分阀门子控制系统实现分阀门开度的控制,其中对于主阀门开度的控制采用长短时神经记忆网络模型和智能优化算法相结合的方法进行,对于分阀门开度的控制则根据多个NOx检测点的检测情况进行开度调节。
进一步,所述利用主阀门子系统实现主阀门开度的控制具体包括:
S1根据前k个时刻SCR系统的工况参数,利用长短时神经记忆网络模型对未来p个时刻SCR出口NOx的值进行预测;
更具体地,对电站锅炉SCR脱硝系统的两个烟道分开建模,其中所述工况参数包括机组电负荷、SCR入口NOx浓度、SCR入口O2浓度、SCR入口烟气温度、烟气流量、喷氨量的历史值和当前值、SCR出口NOx浓度和氨逃逸的历史值,所述历史值包括过去十分钟内的参数值;
S2根据步骤S1中SCR出口NOx的预测值构建优化指标,计算得到使该优化指标取得最小值或达到最大迭代次数的最优喷氨策略u={u(t)∣t=k+1,k+2,…,k+p},其中u(t)表示第t个时刻的喷氨量;
S3在k+1时刻执行步骤S2中最优喷氨策略的第一步,即uk+1;
S4根据前k+1时刻的工况参数重复步骤S1~步骤S3,从而实现滚动优化。
进一步,所述步骤S1具体包括:
S11将前k个时刻的工况参数F={ft∣t=1,2,…,k}输入到长短时记忆神经网络模型中,得到k+1时刻SCR出口NOx的预测值,其中ft表示第t个时刻的工况参数;
S12将前k+1个时刻的工况参数F={ft∣t=2,3,…,k+1}输入到所述长短时记忆神经网络模型中,得到k+2时刻SCR出口NOx的预测值;k+1时刻的工况参数中,SCR出口NOx浓度为所述步骤S11得到的预测值,喷氨量的当前值为喷氨策略中的uk+1(即上一时刻计算得到的新喷氨策略),其他工况参数(即机组电负荷、SCR入口NOx浓度、SCR入口O2浓度、SCR入口烟气温度、烟气流量、喷氨量的历史值和氨逃逸的历史值)为k时刻的工况参数;
S13将前k+2个时刻的工况参数F={ft∣t=3,4,…,k+2}输入到所述长短时记忆神经网络模型中,得到k+3时刻SCR出口NOx的预测值;k+2时刻的工况参数中,SCR出口NOx浓度为所述步骤S11得到的预测值,喷氨量的当前值为喷氨策略中的uk+2(初始计算时该喷氨量为k时刻的喷氨量),其他工况参数(即机组电负荷、SCR入口NOx浓度、SCR入口O2浓度、SCR入口烟气温度、烟气流量、喷氨量的历史值和氨逃逸的历史值)为k时刻的工况参数;以此方法重复步骤S12,通过复制p个相同的神经网络,得到从k+1时刻开始p个时刻SCR出口NOx的预测值。
进一步,所述步骤S2具体包括:
S21将步骤S1计算得到的未来p个时刻SCR出口NOx的预测值代入优化指标中计算J(k),所述优化指标为:
式中,yg(k+h)为步骤S1计算得到的k+h时刻SCR出口NOx的预测值,yr(k+h)为k+h时刻SCR出口NOx的设定值,h为1~p;
然后判断J(k)是否取得最小值或达到最大迭代次数,若是,则结束,若否,转入步骤S22;
更具体地,所述J(k)的最小值优选为0~2,所述最大迭代次数优选为100步~1000步;
S22优选采用智能优化算法更新获得新喷氨策略,重复步骤S1获得在该新喷氨策略下未来p个时刻SCR出口NOx的预测值;
S23以此方法重复步骤S21~S22,即将步骤S22获得的未来p个时刻SCR出口NOx的预测值作为步骤S21的输入计算J(k),直至J(k)取得最小值或达到最大迭代次数,从而得到最优喷氨策略。
进一步,所述利用分阀门子控制系统实现分阀门开度的控制具体包括:
A1在SCR出口截面上设置n个检测点,分别对该n个检测点处的NOx浓度值进行m个采样时刻的均值滤波和限幅滤波,从而得到各检测点滤波后的NOx浓度值,并求取这n个检测点的NOx浓度平均值;
进一步,步骤A1中所述m个采样时刻优选为10个;
A2将所述各检测点滤波后的NOx浓度值与所述NOx浓度平均值做差求得偏差值,将所述偏差值与设定值进行对比,当所述偏差值小于等于所述设定值时无动作,当所述偏差值大于所述设定值时将偏差输入到分阀的比例控制器中,从而对所述分阀的开度进行调节;
进一步,步骤A2中所述比例控制器的执行周期优选为1分钟。
进一步,所述主阀门子控制系统布置在分布式控制系统(DCS)电子间的外挂服务器上;所述工况参数的具体数据传输方式为:DCS将相关参数通过Modbus协议发送到电子间控制器,外挂服务器进一步通过Modbus协议从电子间控制器读取数据并存储到数据库。
进一步,所述支阀门子控制系统布置在现场控制柜上,实现就地控制;数据的传输方式为:通过屏蔽电缆将NOx浓度传输至现场控制柜,经该现场控制柜计算后将控制信号通过所述屏蔽电缆发送到对应区域的喷氨支阀阀门,并采用Modbus协议发送到DCS电子间的控制器进一步转发到DCS和外挂服务器。
图1是所述电站锅炉SCR脱硝精细化喷氨控制方法的原件布置及数据传输示意图,NOx测量仪表1实时测量烟道内NOx浓度与氧浓度,并将测量结果转换为4mA~20mA的电流通过屏蔽电缆13传输到现场控制柜5,该现场控制柜5中控制器3的AI模块接受电流信号转换为NOx浓度与氧浓度的数字信号,并通过逻辑计算得到各分区的喷氨调整方案,通过控制器3的AO模块发送到各喷氨支阀2,该喷氨支阀2通过所述屏蔽电缆13将4mA~20mA的电流将所述喷氨支阀2的开度回传至所述控制器3;现场控制柜5采集的数据通过交换机4由光纤10传输至电子间机柜6的交换机7中,该电子间机柜6的工况机9通过控制器8采集DCS12和现场控制柜5中的数据,并计算得到喷氨总阀的控制指令,由所述电子间的控制器8通过屏蔽双绞线11回传至所述DCS12从而实现对主阀门的控制。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种电站锅炉SCR脱硝精细化喷氨控制方法,其特征在于,该方法包括利用主阀门子控制系统实现主阀门开度的控制以及利用分阀门子控制系统实现分阀门开度的控制,其中对于主阀门开度的控制采用长短时神经记忆网络模型和智能优化算法相结合的方法进行,对于分阀门开度的控制则根据多个NOx检测点的检测情况进行开度调节,其中所述利用主阀门子系统实现主阀门开度的控制具体包括如下步骤:
S1根据前k个时刻SCR系统的工况参数,利用长短时神经记忆网络模型对未来p个时刻SCR出口NOx的值进行预测;
S2根据步骤S1中SCR出口NOx的预测值构建优化指标,计算得到使该优化指标取得最小值或达到最大迭代次数的最优喷氨策略u={u(t)∣t=k+1,k+2,…,k+p},其中u(t)表示第t个时刻的喷氨量;具体包括如下子步骤:
S21将未来p个时刻SCR出口NOx的预测值代入优化指标中计算J(k),所述优化指标为:
式中,yg(k+h)为k+h时刻SCR出口NOx的预测值,yr(k+h)为k+h时刻SCR出口NOx的设定值,h为1~p;
然后判断J(k)是否取得最小值或达到最大迭代次数,若是,则结束,若否,转入步骤S22;
S22更新获得新喷氨策略,并获得在该新喷氨策略下未来p个时刻SCR出口NOx的预测值;
S23重复步骤S21~S22,直至J(k)取得最小值或达到最大迭代次数,从而得到最优喷氨策略;
S3在k+1时刻执行步骤S2中最优喷氨策略的第一步,即uk+1;
S4根据前k+1时刻的工况参数重复步骤S1~步骤S3,从而实现滚动优化。
2.如权利要求1所述的电站锅炉SCR脱硝精细化喷氨控制方法,其特征在于,所述步骤S1中的工况参数包括机组电负荷、SCR入口NOx浓度、SCR入口O2浓度、SCR入口烟气温度、烟气流量、喷氨量的历史值和当前值、SCR出口NOx浓度和氨逃逸的历史值,所述历史值包括过去十分钟内的参数值。
3.如权利要求1所述的电站锅炉SCR脱硝精细化喷氨控制方法,其特征在于,所述步骤S1具体包括:
S11将前k个时刻的工况参数F={ft∣t=1,2,…,k}输入到长短时记忆神经网络模型中,得到k+1时刻SCR出口NOx的预测值,其中ft表示第t个时刻的工况参数;
S12将前k+1个时刻的工况参数F={ft∣t=2,3,…,k+1}输入到所述长短时记忆神经网络模型中,得到k+2时刻SCR出口NOx的预测值;k+1时刻的工况参数中,SCR出口NOx浓度为所述步骤S11得到的预测值,喷氨量的当前值为喷氨策略中的uk+1,其他工况参数为k时刻的工况参数;
S13重复步骤S12,得到从k+1时刻开始p个时刻SCR出口NOx的预测值。
4.如权利要求1所述的电站锅炉SCR脱硝精细化喷氨控制方法,其特征在于,步骤S22中采用智能优化算法更新获得新喷氨策略。
5.如权利要求1所述的电站锅炉SCR脱硝精细化喷氨控制方法,其特征在于,所述J(k)的最小值为0~2,所述最大迭代次数为100步~1000步。
6.如权利要求1~5任一项所述的电站锅炉SCR脱硝精细化喷氨控制方法,其特征在于,所述根据多个NOx检测点的检测情况进行开度调节的具体步骤包括:
A1在SCR出口截面上设置n个检测点,分别对该n个检测点处的NOx浓度值进行m个采样时刻的均值滤波和限幅滤波,从而得到各检测点滤波后的NOx浓度值,并求取这n个检测点的NOx浓度平均值;
A2将所述各检测点滤波后的NOx浓度值与所述NOx浓度平均值做差求得偏差值,将所述偏差值与设定值进行对比,当所述偏差值小于等于所述设定值时无动作,当所述偏差值大于所述设定值时将偏差输入到分阀的比例控制器中,从而对所述分阀的开度进行调节。
7.如权利要求6所述的电站锅炉SCR脱硝精细化喷氨控制方法,其特征在于,所述步骤A1中m个采样时刻为10个。
8.如权利要求6所述的电站锅炉SCR脱硝精细化喷氨控制方法,其特征在于,所述步骤A2中比例控制器的执行周期为1分钟。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811290036.2A CN109304086B (zh) | 2018-10-31 | 2018-10-31 | 一种电站锅炉scr脱硝精细化喷氨控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811290036.2A CN109304086B (zh) | 2018-10-31 | 2018-10-31 | 一种电站锅炉scr脱硝精细化喷氨控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109304086A CN109304086A (zh) | 2019-02-05 |
CN109304086B true CN109304086B (zh) | 2020-11-24 |
Family
ID=65222526
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811290036.2A Active CN109304086B (zh) | 2018-10-31 | 2018-10-31 | 一种电站锅炉scr脱硝精细化喷氨控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109304086B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110188383B (zh) * | 2019-04-23 | 2021-01-05 | 华中科技大学 | 一种基于选择性集成模型的电站scr脱硝建模方法 |
CN112717689B (zh) * | 2019-10-28 | 2022-07-08 | 国家电投集团远达环保工程有限公司重庆科技分公司 | 选择性催化还原脱硝设备和方法 |
CN110908351B (zh) * | 2019-11-25 | 2022-11-18 | 东南大学 | 一种融合支持向量机的scr脱硝系统扰动抑制预测控制方法 |
CN110935311B (zh) * | 2019-11-28 | 2021-08-24 | 国家电投集团远达环保工程有限公司重庆科技分公司 | 脱硝出口氮氧化物测量方法 |
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 |
CN112221347A (zh) * | 2020-08-11 | 2021-01-15 | 华电电力科学研究院有限公司 | 一种scr脱硝系统精准喷氨控制方法 |
CN111880504A (zh) * | 2020-08-17 | 2020-11-03 | 大唐环境产业集团股份有限公司 | 一种智能的动态分区喷氨控制方法和系统 |
CN112596474B (zh) * | 2020-11-23 | 2022-07-26 | 山东微立方信息技术股份有限公司 | 一种scr脱硝系统均匀性优化方法 |
CN113360844B (zh) * | 2021-04-27 | 2024-06-18 | 国能南京电力试验研究有限公司 | 加权系数法计算复合烟囱NOx浓度小时均值的方法 |
CN113731166A (zh) * | 2021-08-30 | 2021-12-03 | 南京佛莱斯特环保科技有限公司 | 电站锅炉scr脱硝装置超级精准喷氨系统及方法 |
CN113856457B (zh) * | 2021-09-27 | 2024-04-02 | 京能(锡林郭勒)发电有限公司 | 一种用于低热值褐煤的NOx排放控制系统 |
CN116832614B (zh) * | 2023-05-24 | 2024-05-24 | 华能国际电力股份有限公司上海石洞口第二电厂 | 一种scr脱硝系统喷氨量控制方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101290661B1 (ko) * | 2012-05-15 | 2013-07-30 | 인하대학교 산학협력단 | 습식 전기집진 방식에 의한 암모니아 제거방법 |
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 |
CN106599586A (zh) * | 2016-12-19 | 2017-04-26 | 北京国能中电节能环保技术股份有限公司 | 基于神经网络的scr智能喷氨优化方法及装置 |
CN106647610A (zh) * | 2017-02-04 | 2017-05-10 | 华北电力大学(保定) | 一种智能的scr脱硝控制系统及其控制方法 |
CN107243257A (zh) * | 2017-05-08 | 2017-10-13 | 浙江大学 | 适合全负荷的智能喷氨控制系统 |
CN107526292A (zh) * | 2017-09-18 | 2017-12-29 | 华中科技大学 | 一种基于入口NOx浓度预测的调控喷氨量的方法 |
CN107694337A (zh) * | 2017-11-03 | 2018-02-16 | 吉林省电力科学研究院有限公司 | 基于神经网络预测控制的燃煤机组scr烟气脱硝控制方法 |
CN108628177A (zh) * | 2018-07-02 | 2018-10-09 | 大唐环境产业集团股份有限公司 | 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 |
CN108664006A (zh) * | 2018-07-02 | 2018-10-16 | 大唐环境产业集团股份有限公司 | 一种基于分区控制和先进控制的scr脱硝智能喷氨优化方法及系统 |
-
2018
- 2018-10-31 CN CN201811290036.2A patent/CN109304086B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101290661B1 (ko) * | 2012-05-15 | 2013-07-30 | 인하대학교 산학협력단 | 습식 전기집진 방식에 의한 암모니아 제거방법 |
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 |
CN106599586A (zh) * | 2016-12-19 | 2017-04-26 | 北京国能中电节能环保技术股份有限公司 | 基于神经网络的scr智能喷氨优化方法及装置 |
CN106647610A (zh) * | 2017-02-04 | 2017-05-10 | 华北电力大学(保定) | 一种智能的scr脱硝控制系统及其控制方法 |
CN107243257A (zh) * | 2017-05-08 | 2017-10-13 | 浙江大学 | 适合全负荷的智能喷氨控制系统 |
CN107526292A (zh) * | 2017-09-18 | 2017-12-29 | 华中科技大学 | 一种基于入口NOx浓度预测的调控喷氨量的方法 |
CN107694337A (zh) * | 2017-11-03 | 2018-02-16 | 吉林省电力科学研究院有限公司 | 基于神经网络预测控制的燃煤机组scr烟气脱硝控制方法 |
CN108628177A (zh) * | 2018-07-02 | 2018-10-09 | 大唐环境产业集团股份有限公司 | 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 |
CN108664006A (zh) * | 2018-07-02 | 2018-10-16 | 大唐环境产业集团股份有限公司 | 一种基于分区控制和先进控制的scr脱硝智能喷氨优化方法及系统 |
Non-Patent Citations (3)
Title |
---|
基于神经网络的鱼群寻优和反馈线性化烟气脱硝控制;牛玉广等;《系统仿真学报》;20180731;第30卷(第7期);2707-2714 * |
燃煤电站SCR烟气脱硝系统建模与喷氨量优化控制;秦天牧;《中国博士学位论文全文数据库工程科技Ⅱ辑》;20171231;77-82 * |
牛玉广等.基于神经网络的鱼群寻优和反馈线性化烟气脱硝控制.《系统仿真学报》.2018,第30卷(第7期),2707-2714. * |
Also Published As
Publication number | Publication date |
---|---|
CN109304086A (zh) | 2019-02-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109304086B (zh) | 一种电站锅炉scr脱硝精细化喷氨控制方法 | |
CN109062053B (zh) | 一种基于多变量校正的脱硝喷氨控制方法 | |
CN105597537B (zh) | 基于预测控制技术的脱硝控制方法 | |
CN103513632B (zh) | 能源管理系统 | |
CN105700504B (zh) | 基于喷氨敏感阀锁定的scr系统自动控制方法 | |
CN111522290A (zh) | 一种基于深度学习方法的脱硝控制方法和系统 | |
CN115355447A (zh) | 一种基于物联网的智慧燃气门站调压优化方法和系统 | |
CN112461995A (zh) | 一种预测火电厂氨逃逸的方法 | |
CN106362561A (zh) | 一种基于炉内流场的集群sncr控制方法 | |
CN118210332B (zh) | 控制气体排放的方法、装置、设备和存储介质 | |
CN112221347A (zh) | 一种scr脱硝系统精准喷氨控制方法 | |
CN111489605B (zh) | 基于Simulink与WinCC的喷氨优化控制仿真系统 | |
CN107561944A (zh) | 一种基于拉盖尔模型的脱硝系统自适应预测控制方法 | |
CN111144639A (zh) | 一种基于alln算法的地铁设备故障预测方法及系统 | |
CN109046021B (zh) | 一种强自适应能力的scr系统精确喷氨控制方法 | |
CN107247994B (zh) | 一种托盘塔脱硫装置脱硫效率的模糊建模方法 | |
JP2007249767A (ja) | プロセス制御システム | |
CN117346129A (zh) | 锅炉高温过热器外包低温受热面的温度调控系统 | |
CN114021819B (zh) | 基于分数阶灰色延时模型的火电厂氮氧化物含量预测方法 | |
CN112257278B (zh) | 机组耗差计算模型获取方法、耗差获取方法及系统 | |
CN111210060B (zh) | 一种工作日期间机房温度预测方法 | |
CN105402764A (zh) | 一种基于风粉在线监测的煤粉流速浓度调平方法 | |
CN202647189U (zh) | 基于动态平衡调度的煤气系统 | |
CN115513950B (zh) | 一种基于安全操作系统的数据智能监控系统 | |
CN117871771B (zh) | 一种基于大数据的燃气能源监测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |