CN109917641A - 一种基于智能模型预测控制的脱硝优化控制算法 - Google Patents
一种基于智能模型预测控制的脱硝优化控制算法 Download PDFInfo
- Publication number
- CN109917641A CN109917641A CN201711315194.4A CN201711315194A CN109917641A CN 109917641 A CN109917641 A CN 109917641A CN 201711315194 A CN201711315194 A CN 201711315194A CN 109917641 A CN109917641 A CN 109917641A
- Authority
- CN
- China
- Prior art keywords
- control
- model
- mind
- denitration system
- system optimizing
- 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
Links
Landscapes
- Treating Waste Gases (AREA)
- Feedback Control In General (AREA)
Abstract
一种基于智能模型预测控制的脱硝优化控制算法,分别针对被控制对象和操纵对象采集历史数据,采用自学习算法分析当前工况,自动计算被控对象的目标值和上、下限值;建立预测模型,预测系统在未来一段时间内的变化趋势;根据学习得到的约束条件和性能要求滚动地求解最优控制作用,并实施当前控制;检测实时信息,修正未来预测趋势,进行反馈校正,该算法可以直观查看预测优化趋势,该算法配套云分析平台,可以自行组态界面、图形、自定义数据分析,并支持PC、移动端访问,该算法明显减少氨水使用量,提高NOx排放标准,达到节能降耗、提升经济效益的目的;可以实时自动调整控制效果,减少人工干预;维护简单,部署方便的效果,该算法为脱硝优化控制开辟了新的途径。
Description
技术领域
本专利涉及工业过程优化控制技术、预测控制技术以及智能控制领域,特别是水泥行业脱硝优化控制中,一种基于智能模型预测控制的脱硝优化控制算法。
背景技术
目前,水泥制造企业的脱硝产业中,其NOX排放量占整个工业NOX排放量10%以上,其对环境污染造成的直接影响非常大;当前水泥脱硝主要采用非催化还原技术(SNCR),即通过在高温区喷入氨水对NOX含量进行控制;从2013年开始,环保要求日益严格,未来NOX排放标准将从400mg/m3提高到100mg/m3;
现有技术中,脱硝控制主要存在以下三种方式:人工控制、自动控制和专家优化控制三种方式,这三种现有脱硝控制都存在较大的技术缺陷和不足,其中:
1.人工控制存在操作员工作量大,NOX控制时无法稳定控制和单位氨水使用量过高等问题;
2.自动控制存在扰动大、控制滞后和难以适应多个工况的问题;
3.专家优化控制存在投资成本高、部署复杂和维护困难的问题。
发明内容
为了克服现有技术的不足,本发明提供一种基于智能模型预测控制的脱硝优化控制算法(以下简称Smart MPC算法),该算法结合自学习和模型预测控制(MPC)算法形成一种新的智能控制算法,可以有效解决目前脱硝控制中存在的氨水耗费量大、人工成本高、扰动大、控制滞后、部署困难、维护复杂等问题,而且工作效率高,过程操控稳定方便;
为实现上述目的,本发明提供一种基于智能模型预测控制的脱硝优化控制算法,包括如下步骤:
步骤一、分别针对被控制对象和操纵对象采集历史数据,采用自学习算法分析当前工况,自动计算被控对象的目标值和上、下限值,无需人工参与设定;
该算法利用历史数据分析当前工况,根据工况智能计算出氮氧化物(NOx)的浓度目标值与上、下限值;
步骤二、建立预测模型,预测系统在未来一段时间内的变化趋势;
步骤三、根据给定的(步骤一计算得到的)约束条件和性能要求滚动地求解最优控制作用,并实施当前控制;
步骤四、检测实时信息,修正未来预测趋势,进行反馈校正。
进一步的,该算法可以直观查看预测优化趋势;
进一步的,该算法可以同时处理稳定系统和含有积分环节的不稳定系统,可以处理多输入、多输出以及带有前馈的模型;
进一步的,该算法大大降低NOx排放浓度标准方差,使排放值稳定在目标值附近,在保证NOx排放值合格的前提下降低氨水用量;
进一步的,该算法无需对现场工艺及设备进行更改即可使用,其对应软件运行为绿色化运行方式;
进一步的,该算法可以兼容任何windows平台,无需增加硬件投资;
进一步的,该算法兼容市面上所有工业通讯协议;
该算法兼容南京凯盛国际工程有限公司的云端分析平台,可以自行组态界面、图形、自定义数据分析,并支持PC、移动端访问。
在应用方面,该专利配套云分析平台,允许授权人员在云端自定义可视化视图,并利用集成的分析函数自定义数据分析,可实时查看预测优化趋势;该专利的实施可以大量节约水泥熟料生产过程脱硝中氨水的使用量和人工成本,明显提升经济效益;并且可以减少污染排放,节约能源耗费,以达到节能降耗的目的。
进一步的,一种基于智能模型预测控制的脱硝优化控制算法通过预测模型、滚动优化和反馈校正三个环节对被控对象进行实时优化控制。
有益效果:
与现有技术相比,本专利的技术进步之处在于:
首先,该算法明显减少氨水使用量,提高NOx排放标准,达到节能降耗、提升经济效益的目的;
其次,通过自学习计算被控对象目标值和控制范围,可以实时自动调整控制效果,减少人工干预;
最后,通过本公司云端系统部署实现该算法,达到维护简单,部署方便的效果,该算法为脱硝优化控制开辟了新的途径。
附图说明
图1是本发明一种基于智能模型预测控制的脱硝优化控制算法之Smart MPC优化控制中的动态调整目标值状态参考图
图2是本发明一种基于智能模型预测控制的脱硝优化控制算法之脱硝Smart MPC优化控制中实施效果图
图3是本发明一种基于智能模型预测控制的脱硝优化控制算法之南方某水泥生产线实施Smart MPC,前后氨水用量对比图(图中横坐标为时间,纵坐标为氨水用量,2017/06/01至2017/06/11对应柱形图为使用Smart MPC前的手动控制氨水用量,2017/06/12至2017/06/30对应柱形图为使用Smart MPC后的氨水用量)
图4是本发明一种基于智能模型预测控制的脱硝优化控制算法之Smart MPC在云端可视化平台应用效果图
图5是本发明一种基于智能模型预测控制的脱硝优化控制算法之脱硝Smart MPC优化控制算法的框架图
具体实施方式
下面结合附图对本发明的优选实施例进行详细说明,参照图1至图5所示,其中:
图1为脱硝Smart MPC优化控制中,图中的SP为目标值,被控对象的目标值动态调整的过程;从图中可以看出,当工况发生扰动时,Smart MPC自动重新调整目标值,使得输出能够跟踪目标值动态变化,当扰动去除后,目标值自动重新回到原来位置,输出也随之发生相应变化;
图2为脱硝Smart MPC优化控制中实施效果图。图中的SP为目标值,HL和LL分别为上限值和下限值。图中黑色竖线代表当前时刻,黑色竖线左侧为历史数据,黑色竖线右侧为预测数据。从图中可以看出,使用Smart MPC对被控对象进行预测控制,可以较准确的将输出控制在目标值附近,并且在上下限值之间;
图3为南方某水泥生产线使用Smart MPC前后对比图。在2017/06/12日之前为手动控制形式,每吨熟料的氨水平均单耗为2.5kg;在2017/06/12日之后实施Smart MPC控制,每吨熟料的氨水平均单耗为1.5kg。实施Smart MPC控制之后,氨水的单耗环比节约量为40%,大大节约了氨水的使用量;
图4为Smart MPC部署在云端可视化平台上的效果图。部署时无需更改任何工厂网络结构,无需公网地址,可以实时查看对应预测优化趋势,并且支持自行组态界面、图形或编辑、分析数据。
图5是脱硝Smart MPC优化控制算法的框架图,图中的SP为目标值,HL和LL分别为上限值和下限值;
一种基于智能模型预测控制的脱硝优化控制算法,包括如下步骤:
步骤一、分别针对被控制对象和操纵对象采集历史数据,采用自学习算法分析当前工况,自动计算被控对象的目标值和上、下限值,无需人工参与设定;
该算法利用历史数据分析当前工况,根据工况智能计算出氮氧化物(NOx)的浓度目标值与上、下限值;
步骤二、建立预测模型,预测系统在未来一段时间内的变化趋势;
步骤三、根据给定的(步骤一计算得到的)约束条件和性能要求滚动地求解最优控制作用,并实施当前控制;
步骤四、检测实时信息,修正未来预测趋势,进行反馈校正。
进一步的,该算法可以直观查看预测优化趋势;
进一步的,该算法可以同时处理稳定系统和含有积分环节的不稳定系统,可以处理多输入、多输出以及带有前馈的模型;
进一步的,该算法大大降低NOx排放浓度标准方差,使排放值稳定在目标值附近,在保证NOx排放值合格的前提下降低氨水用量;
进一步的,该算法无需对现场工艺及设备进行更改即可使用,其对应软件运行为绿色化运行方式;
进一步的,该算法可以兼容任何windows平台,无需增加硬件投资;
进一步的,该算法兼容市面上所有工业通讯协议;
该算法兼容南京凯盛国际工程有限公司的云端分析平台,可以自行组态界面、图形、自定义数据分析,并支持PC、移动端访问。
在应用方面,该专利配套云分析平台,允许授权人员在云端自定义可视化视图,并利用集成的分析函数自定义数据分析,可实时查看预测优化趋势;该专利的实施可以大量节约水泥熟料生产过程脱硝中氨水的使用量和人工成本,明显提升经济效益;并且可以减少污染排放,节约能源耗费,以达到节能降耗的目的。
进一步的,一种基于智能模型预测控制的脱硝优化控制算法通过预测模型、滚动优化和反馈校正三个环节对被控对象进行实时优化控制。
本发明之算法明显减少氨水使用量,提高NOx排放标准,达到节能降耗、提升经济效益的目的;通过自学习计算被控对象目标值和控制范围,可以实时自动调整控制效果,减少人工干预;最后通过本公司云端系统部署实现该算法,达到维护简单,部署方便的效果,该算法为脱硝优化控制开辟了新的途径。
以上所述的仅为本发明的优选实施例,所应理解的是,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想,并不用于限定本发明的保护范围,凡在本发明的思想和原则之内所做的任何修改、等同替换等等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于智能模型预测控制的脱硝优化控制算法,其特征在于,包括如下步骤:
步骤一、分别针对被控制对象和操纵对象采集历史数据,采用自学习算法分析当前工况,自动计算被控对象的目标值和上、下限值,无需人工参与设定;该算法利用历史数据分析当前工况,根据工况智能计算出氮氧化物的浓度目标值与上、下限值;
步骤二、建立预测模型,预测系统在未来一段时间内的变化趋势;
步骤三、根据给定的约束条件和性能要求滚动地求解最优控制作用,并实施当前控制;
步骤四、检测实时信息,修正未来预测趋势,进行反馈校正。
2.根据权利要求1所述的一种基于智能模型预测控制的脱硝优化控制算法,其特征在于,一种基于智能模型预测控制的脱硝优化控制算法无需对现场工艺及设备进行更改即可使用,其对应软件运行为绿色化运行方式。
3.根据权利要求2所述的一种基于智能模型预测控制的脱硝优化控制算法,其特征在于,一种基于智能模型预测控制的脱硝优化控制算法可以兼容任何windows平台,无需增加硬件投资。
4.根据权利要求3所述的一种基于智能模型预测控制的脱硝优化控制算法,其特征在于,一种基于智能模型预测控制的脱硝优化控制算法兼容市面上所有工业通讯协议。
5.根据权利要求4所述的一种基于智能模型预测控制的脱硝优化控制算法,其特征在于,一种基于智能模型预测控制的脱硝优化控制算法容南京凯盛国际工程有限公司的云端分析平台,可以自行组态界面、图形、自定义数据分析,并支持PC、移动端访问。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711315194.4A CN109917641A (zh) | 2017-12-12 | 2017-12-12 | 一种基于智能模型预测控制的脱硝优化控制算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711315194.4A CN109917641A (zh) | 2017-12-12 | 2017-12-12 | 一种基于智能模型预测控制的脱硝优化控制算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109917641A true CN109917641A (zh) | 2019-06-21 |
Family
ID=66957422
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711315194.4A Pending CN109917641A (zh) | 2017-12-12 | 2017-12-12 | 一种基于智能模型预测控制的脱硝优化控制算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109917641A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110826767A (zh) * | 2019-09-29 | 2020-02-21 | 中国人民解放军陆军防化学院 | 一种基于排放源监测数据的空气污染追溯方法和装置 |
CN110836952A (zh) * | 2019-09-29 | 2020-02-25 | 北京众蓝科技有限公司 | 利用排放源监测数据调整排放源清单的空气质量预报方法和装置 |
CN112130494A (zh) * | 2020-09-22 | 2020-12-25 | 杭州坤法环保科技有限公司 | 一种基于外挂式炉排炉燃烧自动优化装置 |
CN115598974A (zh) * | 2022-09-02 | 2023-01-13 | 南京天洑软件有限公司(Cn) | 基于线性系统辨识的脱硝系统模型预测控制方法和装置 |
CN117452829A (zh) * | 2023-12-25 | 2024-01-26 | 北京可视化智能科技股份有限公司 | 一种脱硝智能决策方法、系统、终端及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003323201A (ja) * | 2002-04-26 | 2003-11-14 | Bailey Japan Co Ltd | 非線形動特性モデルの構造とそのモデルパラメータ推定計算手段 |
CN202075597U (zh) * | 2010-12-09 | 2011-12-14 | 上海智企信息技术有限公司 | 用于火力发电厂的智能优化控制系统 |
CN102566551A (zh) * | 2012-02-03 | 2012-07-11 | 北京华电天仁电力控制技术有限公司 | 一种基于数据挖掘的火电厂运行指标最优目标值的分析方法 |
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 |
CN105597537A (zh) * | 2015-10-26 | 2016-05-25 | 烟台龙源电力技术股份有限公司 | 基于预测控制技术的脱硝控制方法及脱硝系统 |
CN105955017A (zh) * | 2016-06-08 | 2016-09-21 | 山西大学 | 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 |
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 |
CN107145981A (zh) * | 2017-05-05 | 2017-09-08 | 张勇 | 一种电厂锅炉排烟温度的寻优方法及装置 |
-
2017
- 2017-12-12 CN CN201711315194.4A patent/CN109917641A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003323201A (ja) * | 2002-04-26 | 2003-11-14 | Bailey Japan Co Ltd | 非線形動特性モデルの構造とそのモデルパラメータ推定計算手段 |
CN202075597U (zh) * | 2010-12-09 | 2011-12-14 | 上海智企信息技术有限公司 | 用于火力发电厂的智能优化控制系统 |
CN102566551A (zh) * | 2012-02-03 | 2012-07-11 | 北京华电天仁电力控制技术有限公司 | 一种基于数据挖掘的火电厂运行指标最优目标值的分析方法 |
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 |
CN105597537A (zh) * | 2015-10-26 | 2016-05-25 | 烟台龙源电力技术股份有限公司 | 基于预测控制技术的脱硝控制方法及脱硝系统 |
CN105955017A (zh) * | 2016-06-08 | 2016-09-21 | 山西大学 | 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 |
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 |
CN107145981A (zh) * | 2017-05-05 | 2017-09-08 | 张勇 | 一种电厂锅炉排烟温度的寻优方法及装置 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110826767A (zh) * | 2019-09-29 | 2020-02-21 | 中国人民解放军陆军防化学院 | 一种基于排放源监测数据的空气污染追溯方法和装置 |
CN110836952A (zh) * | 2019-09-29 | 2020-02-25 | 北京众蓝科技有限公司 | 利用排放源监测数据调整排放源清单的空气质量预报方法和装置 |
CN112130494A (zh) * | 2020-09-22 | 2020-12-25 | 杭州坤法环保科技有限公司 | 一种基于外挂式炉排炉燃烧自动优化装置 |
CN115598974A (zh) * | 2022-09-02 | 2023-01-13 | 南京天洑软件有限公司(Cn) | 基于线性系统辨识的脱硝系统模型预测控制方法和装置 |
CN115598974B (zh) * | 2022-09-02 | 2024-02-20 | 南京天洑软件有限公司 | 基于线性系统辨识的脱硝系统模型预测控制方法和装置 |
CN117452829A (zh) * | 2023-12-25 | 2024-01-26 | 北京可视化智能科技股份有限公司 | 一种脱硝智能决策方法、系统、终端及存储介质 |
CN117452829B (zh) * | 2023-12-25 | 2024-02-27 | 北京可视化智能科技股份有限公司 | 一种脱硝智能决策方法、系统、终端及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109917641A (zh) | 一种基于智能模型预测控制的脱硝优化控制算法 | |
EP3244271B1 (en) | Ore dressing multi-production-index optimization decision making system and method based on cloud and mobile terminal | |
CN109143923A (zh) | 大数据人工智能控制系统 | |
CN103994553A (zh) | 一种制冷系统冷却水节能控制方法、系统及装置 | |
CN110658791A (zh) | 基于物联网的建筑施工智能管理方法及系统 | |
CN109617975A (zh) | 一种基于窄带物联网天线技术的云加工平台技术及方法 | |
CN103558756B (zh) | 基于组态元件的单神经元pid控制器的实现方法 | |
CN110056941A (zh) | 一种燃气炉供热项目智能化管理控制方法 | |
CN103023019B (zh) | 电网备用容量分析方法及系统 | |
CN104917185B (zh) | 对照明负荷功率智能调控的方法 | |
CN116755404A (zh) | 一种基于边缘计算的离散制造车间管理系统及方法 | |
CN104597851A (zh) | 一种果园环境智能调控系统 | |
CN105425732A (zh) | 一种螺丝锁附力矩的自适应调整方法 | |
CN104122878B (zh) | 工业节能减排控制装置的控制方法 | |
CN112859798B (zh) | 一种基于智能型控制器的管控一体化系统 | |
CN109062121A (zh) | 一种基于云服务器的农业大棚监控系统及其工作方法 | |
CN114135995A (zh) | 一种ffu控制方法、系统、装置及计算机可读存储介质 | |
CN105425644A (zh) | 小型泵站智能控制装置及其控制方法 | |
CN113672425A (zh) | 一种智慧照明系统的综合运行态势实时分析系统 | |
CN101860027B (zh) | 供电分析与运行方式相结合的电网运行时模型建立方法 | |
CN110717238A (zh) | 一种拧紧机用扣螺纹拧接拐点自动识别方法 | |
CN205016061U (zh) | 皮带机系统吨耗监控设备以及系统 | |
CN216561431U (zh) | 一种自来水厂恒压供水系统 | |
CN214427812U (zh) | 一种喷涂车间scada系统 | |
CN203982179U (zh) | 工业节能减排控制装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190621 |