CN109711589A - 一种基于大数据的scr脱硝系统运行优化方法和系统 - Google Patents

一种基于大数据的scr脱硝系统运行优化方法和系统 Download PDF

Info

Publication number
CN109711589A
CN109711589A CN201910104359.6A CN201910104359A CN109711589A CN 109711589 A CN109711589 A CN 109711589A CN 201910104359 A CN201910104359 A CN 201910104359A CN 109711589 A CN109711589 A CN 109711589A
Authority
CN
China
Prior art keywords
data
scr denitration
denitration system
optimization model
big data
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
CN201910104359.6A
Other languages
English (en)
Inventor
张友卫
金保昇
孙栓柱
孙和泰
张勇
周春蕾
朱洁雯
李逗
黄翔
孔志伟
许国强
王明
周志兴
魏威
肖明成
佘国金
孟嘉
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.)
State Grid Corp of China SGCC
Southeast University
State Grid Jiangsu Electric Power Co Ltd
Jiangsu Fangtian Power Technology Co Ltd
Original Assignee
State Grid Corp of China SGCC
Southeast University
State Grid Jiangsu Electric Power Co Ltd
Jiangsu Fangtian Power Technology Co Ltd
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 State Grid Corp of China SGCC, Southeast University, State Grid Jiangsu Electric Power Co Ltd, Jiangsu Fangtian Power Technology Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201910104359.6A priority Critical patent/CN109711589A/zh
Publication of CN109711589A publication Critical patent/CN109711589A/zh
Pending legal-status Critical Current

Links

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Abstract

本发明公开了一种基于大数据的SCR脱硝系统优化方法和系统，该方法充分利用电厂分布式控制系统、厂级信息监控系统及管理信息系统中海量的实际运行数据，基于SCR脱硝系统机理模型，采用人工智能建模理论重构SCR脱硝系统优化模型，为脱硝系统的优化运行提供控制策略，从而实现系统的高效率和低能耗。相对于传统方法，本发明所提及的方法以历史运行数据为参考依据，具有更准确、更智慧和更可靠的优点。

Description

一种基于大数据的SCR脱硝系统运行优化方法和系统
技术领域
本发明涉及燃煤锅炉大气污染物控制技术领域，具体而言涉及一种基于大数据的SCR脱硝系统运行优化方法和系统。
背景技术
在当今大数据时代背景下，大数据分析技术已经在社会各领域得到广泛应用。我国燃煤电站信息化、数字化水平已大幅度提高，分布式控制系统(DCS)、厂级信息监控系统(SIS)以及管理信息系统(MIS)等已在燃煤发电厂普遍应用。这些系统产生的大量电厂实际运行数据大多被闲置，数据缺乏深度利用，造成资源浪费。因此，本发明在SCR脱硝系统理论模型的基础上，提出一种基于大数据分析的SCR脱硝系统建模方法，该方法能够充分利用电厂海量的实际运行数据，采用大数据建模理论建立SCR脱硝系统模型，对脱硝系统优化运行具有重要的指导意义。
发明内容
本发明目的在于提供一种基于大数据的SCR脱硝系统优化方法和系统，该方法充分利用电厂分布式控制系统(DCS)、厂级信息监控系统(SIS)及管理信息系统(MIS)中海量的实际运行数据，基于SCR脱硝系统机理模型，采用人工智能建模理论重构SCR脱硝系统优化模型，为脱硝系统的优化运行提供控制策略，从而实现系统的高效率和低能耗。相对于传统方法，本发明所提及的方法以历史运行数据为参考依据，具有更准确、更智慧和更可靠的优点。
为达成上述目的，结合图1，本发明提出一种基于大数据的SCR脱硝系统运行优化方法，所述方法包括：
S1：创建燃煤电站SCR脱硝系统的理论模型，提取燃煤电站SCR脱硝系统的历史运行数据作为模型的输入变量，将SCR反应器出口NOx浓度作为模型的输出变量。
优选的，所述历史运行数据的来源包括电厂分布式控制系统、厂级信息监控系统、管理信息系统。
大量被闲置的电厂历史运行数据作为一种特殊的资源，具有极大的挖掘价值，通过前述方法能够有效利用数据资源，减少数据资源浪费。
进一步的实施例中，所述输入变量包括机组发电功率、喷氨量、SCR反应器入口烟温、入口烟气含氧量、出口烟气含氧量、入口NOx浓度和脱硝效率中的几种或者全部。
S2：对所述历史运行数据进行预处理，提取出稳定工况下的参数数据作为建模数据。
从各个来源处提取的历史运行数据格式不统一、数据内容纷繁杂乱，无法直接应用，需要对其进行预处理。所述对所述历史运行数据进行预处理是指，对历史运行数据进行数据清洗、数据集成、数据变换和数据规约。
相对于不稳定工况下的参数数据，稳定工况下的参数数据对本发明所提及的SCR脱硝运行优化模型的价值更大，为了减少后续建模的运算量，在本步骤中，只提取出稳定工况下的参数数据作为建模数据，并以此删除异常离散值，从而保证数据准确。
优选的，可以将不稳定工况下的参数数据作为测试集的一部分，用来对生成的优化模型进行验证。
S3：对建模数据进行降维处理。
由前述内容可知，预处理后的数据量仍然很大，尤其是燃煤电站设备众多，即使只选取了稳定工况下的参数数据，考虑到后续优化模型在运行过程中需要及时响应实际需求，运算速度越快越好，相应的，运算量越小越好，因此本发明提出对建模数据进行降维处理。在一些例子中，采用主成分分析法对建模数据进行降维处理。
S4：利用降维后的建模数据以创建初始优化模型。
优选的，利用降维后的建模数据，采用支持向量机回归法以创建初始优化模型，通过前述方法创建的初始优化模型能够充分利用历史运行数据。
S5：寻找初始优化模型中参数的全局最优解，获取最终的实际优化模型。
优选的，采用遗传算法以寻找初始优化模型中参数的全局最优解。
其中，约束函数为SCR反应器的能源消耗和物料消耗低于设定损耗阈值，目标函数为SCR反应器出口Nox浓度最小。
S6：采用测试集对实际优化模型进行性能评价。
如果采用测试集对实际优化模型进行性能评价得到的评价分低于设定的性能评价分阈值，判定所述实际优化模型审核未通过，返回至步骤S5以重新寻找初始优化模型中参数的全局最优解，否则，判断所述实际优化模型审核通过，投入实际运行。
在另一些例子中，如果判定所述实际优化模型审核未通过的次数大于设定次数阈值，返回至步骤S1，判断理论模型正确性、以及提取的历史运行数据是否全面。
测试集的数据可以包括不同工况条件下的历史运行数据，也可以另行建立能够代表各种特征工况条件下的系统的实际运行数据。
基于前述方法，本发明还提及一种基于大数据的SCR脱硝系统运行优化系统，所述运行优化系统包括以下几个模块：
1)用于创建燃煤电站SCR脱硝系统的理论模型，提取燃煤电站SCR脱硝系统的历史运行数据作为模型的输入变量，将SCR反应器出口Nox浓度作为模型的输出变量的模块。
2)用于对所述历史运行数据进行预处理，提取出稳定工况下的参数数据作为建模数据的模块。
3)用于对建模数据进行降维处理的模块。
4)用于利用降维后的建模数据以创建初始优化模型的模块。
5)用于寻找初始优化模型中参数的全局最优解，获取最终的实际优化模型的模块。
6)用于采用测试集对实际优化模型进行性能评价的模块。
以上本发明的技术方案，与现有相比，其显著的有益效果在于，
(1)基于大数据分析，充分挖掘大量被闲置的电厂历史运行数据价值，有效利用资源，减少资源浪费。
(2)与其他SCR脱硝系统运行方式相比，该方法基于电厂实际运行数据，更贴近实际运行情况，对精准喷氨具有指导价值。
应当理解，前述构思以及在下面更加详细地描述的额外构思的所有组合只要在这样的构思不相互矛盾的情况下都可以被视为本公开的发明主题的一部分。另外，所要求保护的主题的所有组合都被视为本公开的发明主题的一部分。
结合附图从下面的描述中可以更加全面地理解本发明教导的前述和其他方面、实施例和特征。本发明的其他附加方面例如示例性实施方式的特征和/或有益效果将在下面的描述中显见，或通过根据本发明教导的具体实施方式的实践中得知。
附图说明
附图不意在按比例绘制。在附图中，在各个图中示出的每个相同或近似相同的组成部分可以用相同的标号表示。为了清晰起见，在每个图中，并非每个组成部分均被标记。现在，将通过例子并参考附图来描述本发明的各个方面的实施例，其中：
图1是本发明的基于大数据的SCR脱硝系统运行优化方法的流程图。
具体实施方式
为了更了解本发明的技术内容，特举具体实施例并配合所附图式说明如下。
本实施案例针对某电厂330MW机组锅炉SCR脱硝系统进行模型建立，为下一步脱硝系统优化运行以及喷氨量的精确控制奠定了基础。
本实施案例SCR脱硝模型建立方法步骤如下：
1)根据理论分析与实际运行情况建立理论模型，在燃煤电站机组DCS、MIS、SIS系统中选取实际运行数据为输入变量，具体为：机组发电功率、喷氨量、SCR反应器入口烟温、入口烟气含氧量、出口烟气含氧量、入口NOx浓度以及脱硝效率，选取SCR反应器出口NOx浓度为模型的输出变量。
2)对数据进行数据清洗、数据集成、数据变换、数据规约等数据预处理操作，从选取的大量参数中提取出稳定工况，并以此删除异常离散值，从而保证数据准确。
3)利用主成分分析法对数据进行降维处理。
4)对降维后的数据进行支持向量机回归建模。
5)运用遗传算法等方法对模型参数进行寻优操作。
6)利用测试集对所建立的模型进行性能评价。
在本公开中参照附图来描述本发明的各方面，附图中示出了许多说明的实施例。本公开的实施例不必定义在包括本发明的所有方面。应当理解，上面介绍的多种构思和实施例，以及下面更加详细地描述的那些构思和实施方式可以以很多方式中任意一种来实施，这是因为本发明所公开的构思和实施例并不限于任何实施方式。另外，本发明公开的一些方面可以单独使用，或者与本发明公开的其他方面的任何适当组合来使用。
虽然本发明已以较佳实施例揭露如上，然其并非用以限定本发明。本发明所属技术领域中具有通常知识者，在不脱离本发明的精神和范围内，当可作各种的更动与润饰。因此，本发明的保护范围当视权利要求书所界定者为准。

Claims (10)

1.一种基于大数据的SCR脱硝系统运行优化方法，其特征在于，所述方法包括：
S1：创建燃煤电站SCR脱硝系统的理论模型，提取燃煤电站SCR脱硝系统的历史运行数据作为模型的输入变量，将SCR反应器出口NOx浓度作为模型的输出变量；
S2：对所述历史运行数据进行预处理，提取出稳定工况下的参数数据作为建模数据；
S3：对建模数据进行降维处理；
S4：利用降维后的建模数据以创建初始优化模型；
S5：寻找初始优化模型中参数的全局最优解，获取最终的实际优化模型；
S6：采用测试集对实际优化模型进行性能评价。
2.根据权利要求1所述的基于大数据的SCR脱硝系统运行优化方法，其特征在于，所述历史运行数据的来源包括电厂分布式控制系统、厂级信息监控系统和管理信息系统。
3.根据权利要求1所述的基于大数据的SCR脱硝系统运行优化方法，其特征在于，所述输入变量包括机组发电功率、喷氨量、SCR反应器入口烟温、入口烟气含氧量、出口烟气含氧量、入口NOx浓度和脱硝效率中的几种或者全部。
4.根据权利要求1所述的基于大数据的SCR脱硝系统运行优化方法，其特征在于，所述对所述历史运行数据进行预处理是指，
对历史运行数据进行数据清洗、数据集成、数据变换和数据规约。
5.根据权利要求1所述的基于大数据的SCR脱硝系统运行优化方法，其特征在于，所述方法还包括：
采用主成分分析法对建模数据进行降维处理。
6.根据权利要求1所述的基于大数据的SCR脱硝系统运行优化方法，其特征在于，所述方法还包括：
采用遗传算法以寻找初始优化模型中参数的全局最优解。
7.根据权利要求1所述的基于大数据的SCR脱硝系统运行优化方法，其特征在于，所述方法还包括：
利用降维后的建模数据，采用支持向量机回归法以创建初始优化模型。
8.根据权利要求1所述的基于大数据的SCR脱硝系统运行优化方法，其特征在于，所述方法还包括：
响应于采用测试集对实际优化模型进行性能评价得到的评价分低于设定的性能评价分阈值，判定所述实际优化模型审核未通过，返回至步骤S5。
9.根据权利要求8所述的基于大数据的SCR脱硝系统运行优化方法，其特征在于，所述方法还包括：
如果判定所述实际优化模型审核未通过的次数大于设定次数阈值，返回至步骤S1。
10.一种基于大数据的SCR脱硝系统运行优化系统，其特征在于，所述运行优化系统包括：
用于创建燃煤电站SCR脱硝系统的理论模型，提取燃煤电站SCR脱硝系统的历史运行数据作为模型的输入变量，将SCR反应器出口NOx浓度作为模型的输出变量的模块；
用于对所述历史运行数据进行预处理，提取出稳定工况下的参数数据作为建模数据的模块；
用于对建模数据进行降维处理的模块；
用于利用降维后的建模数据以创建初始优化模型的模块；
用于寻找初始优化模型中参数的全局最优解，获取最终的实际优化模型的模块；
用于采用测试集对实际优化模型进行性能评价的模块。
CN201910104359.6A 2019-02-01 2019-02-01 一种基于大数据的scr脱硝系统运行优化方法和系统 Pending CN109711589A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910104359.6A CN109711589A (zh) 2019-02-01 2019-02-01 一种基于大数据的scr脱硝系统运行优化方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910104359.6A CN109711589A (zh) 2019-02-01 2019-02-01 一种基于大数据的scr脱硝系统运行优化方法和系统

Publications (1)

Publication Number Publication Date
CN109711589A true CN109711589A (zh) 2019-05-03

Family

ID=66264140

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910104359.6A Pending CN109711589A (zh) 2019-02-01 2019-02-01 一种基于大数据的scr脱硝系统运行优化方法和系统

Country Status (1)

Country Link
CN (1) CN109711589A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110263988A (zh) * 2019-06-06 2019-09-20 东南大学 一种基于电厂脱硫系统的数据运行优化方法
CN111068518A (zh) * 2019-12-31 2020-04-28 国电九江发电有限公司 一种scr脱硝装置的非均匀喷氨系统及方法
CN111242469A (zh) * 2020-01-08 2020-06-05 济南达能动力技术有限责任公司 锅炉或窑炉超低排放与高效节能耦合运行的方法及系统
CN112364562A (zh) * 2020-11-11 2021-02-12 福建龙净环保股份有限公司 一种烟气环保岛协同控制方法及系统
CN112933952A (zh) * 2021-02-02 2021-06-11 东莞市科伟环保电力有限公司 一种基于大数据的pncr脱硝优化系统
CN113808679A (zh) * 2021-08-19 2021-12-17 山西大学 一种基于煤中活性矿物质预测活性焦低温脱硫脱硝性能的方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106681381A (zh) * 2017-01-03 2017-05-17 华北电力大学 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) * 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

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106681381A (zh) * 2017-01-03 2017-05-17 华北电力大学 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) * 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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
步丽华等: "混合SPSS-PSO-SVM模型在电厂NOx排放预测中的应用", 《电力科学与工程》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110263988A (zh) * 2019-06-06 2019-09-20 东南大学 一种基于电厂脱硫系统的数据运行优化方法
CN110263988B (zh) * 2019-06-06 2023-06-30 东南大学 一种基于电厂脱硫系统的数据运行优化方法
CN111068518A (zh) * 2019-12-31 2020-04-28 国电九江发电有限公司 一种scr脱硝装置的非均匀喷氨系统及方法
CN111242469A (zh) * 2020-01-08 2020-06-05 济南达能动力技术有限责任公司 锅炉或窑炉超低排放与高效节能耦合运行的方法及系统
CN111242469B (zh) * 2020-01-08 2023-09-12 济南达能动力技术有限责任公司 锅炉或窑炉超低排放与高效节能耦合运行的方法及系统
CN112364562A (zh) * 2020-11-11 2021-02-12 福建龙净环保股份有限公司 一种烟气环保岛协同控制方法及系统
CN112933952A (zh) * 2021-02-02 2021-06-11 东莞市科伟环保电力有限公司 一种基于大数据的pncr脱硝优化系统
CN113808679A (zh) * 2021-08-19 2021-12-17 山西大学 一种基于煤中活性矿物质预测活性焦低温脱硫脱硝性能的方法
CN113808679B (zh) * 2021-08-19 2023-07-21 山西大学 一种基于煤中活性矿物质预测活性焦低温脱硫脱硝性能的方法

Similar Documents

Publication Publication Date Title
CN109711589A (zh) 一种基于大数据的scr脱硝系统运行优化方法和系统
CN107243257B (zh) 适合全负荷的智能喷氨控制系统
CN101965544B (zh) 控制与优化系统
CN1694025A (zh) 基于人工智能的火电厂自动控制系统
CN112467807A (zh) 一种多能源电力系统日前优化调度方法及系统
CN108603417B (zh) 用于混合动力装置的最佳性能的操作调度
Du et al. Analysis of the synergistic effects of air pollutant emission reduction and carbon emissions at coal‐fired power plants in China
CN111598308B (zh) 基于回归和二重pso算法解决浆液循环泵组合优化方法
CN111242469B (zh) 锅炉或窑炉超低排放与高效节能耦合运行的方法及系统
CN112232373A (zh) 一种锅炉飞灰含碳量预测方法及系统
CN107991991B (zh) 一种数控机床智能控制系统的工作方法
Fu et al. Control strategy for denitrification efficiency of coal-fired power plant based on deep reinforcement learning
CN105305501A (zh) 实时负荷变化下水电站多模式时空嵌套出力动态调整方法
CN110829484B (zh) 一种基于时空分解的全球能源互联电力平衡优化方法
CN115146871A (zh) 基于数据智能脱硫系统
CN107944739A (zh) 一种发电机组启动过程评价方法及装置
CN203355592U (zh) Sncr模块化氮氧化物烟气处理装置
Chen et al. Prediction model of scr outlet NOx based on LSTM algorithm
CN111639742A (zh) 一种脱硫脱硝循环泵状态故障诊断系统及方法
CN112564100B (zh) 基于空预器差压实时评估火电机组最大出力的方法及系统
CN111219733A (zh) 用于对燃烧优化进行管理的装置及其方法
CN114977235B (zh) 一种基于变速抽水蓄能的多能源电力优化调度方法及系统
CN113824116B (zh) 一种基于混合时间尺度drl的综合能源在线调度方法
Mao et al. Study on key technologies of optimization of big data for thermal power plant performance
CN113485258B (zh) 一种燃煤电厂的控制逻辑最长执行时间的预测方法及系统

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: 20190503

RJ01 Rejection of invention patent application after publication