CN110263395A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN110263395A CN110263395A CN201910490849.4A CN201910490849A CN110263395A CN 110263395 A CN110263395 A CN 110263395A CN 201910490849 A CN201910490849 A CN 201910490849A CN 110263395 A CN110263395 A CN 110263395A
- Authority
- CN
- China
- Prior art keywords
- denitration
- data
- power plant
- numerical simulation
- flue gas
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000004088 simulation Methods 0.000 title claims abstract description 32
- 238000005265 energy consumption Methods 0.000 claims abstract description 30
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 238000013528 artificial neural network Methods 0.000 claims abstract description 8
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 7
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 35
- 239000003546 flue gas Substances 0.000 claims description 35
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 claims description 26
- 241001269238 Data Species 0.000 claims description 17
- 239000003054 catalyst Substances 0.000 claims description 16
- 229910021529 ammonia Inorganic materials 0.000 claims description 13
- 239000012895 dilution Substances 0.000 claims description 12
- 238000010790 dilution Methods 0.000 claims description 12
- 238000005507 spraying Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 11
- 239000003245 coal Substances 0.000 claims description 8
- 230000003044 adaptive effect Effects 0.000 claims description 7
- 238000002485 combustion reaction Methods 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 230000003252 repetitive effect Effects 0.000 claims description 5
- 238000012098 association analyses Methods 0.000 claims description 3
- 230000006872 improvement Effects 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 abstract description 5
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 21
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000005457 optimization Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 238000006555 catalytic reaction Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 235000019504 cigarettes Nutrition 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 206010017472 Fumbling Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
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
- B01D53/8621—Removing nitrogen compounds
- B01D53/8625—Nitrogen oxides
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Abstract
本发明公开了一种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，该方法包括：采集燃煤电厂实际运行数据，并进行预处理；采用灰色关联分析法计算实际运行数据之间的关系，将得到的灰色加权关联度进行排序；采用基于神经网络建立预测模型，以强关联的实际运行数据为输入，脱硝能耗与脱硝效率为预测模型的输出；采用另一段时间的历史实际运行数据对预测模型进行验证；利用人工蜂群算法寻找脱硝效率与能耗达到最优平衡点时，实际运行数据中可调整变量的最优取值；该方法将数值模拟方法与大数据分析方法有效结合，综合考虑脱硝效率与脱硝成本，解决了人工调节实时性差、误差大，均匀入口条件下脱硝效率低下，脱硝效率高带来的能耗上升的问题。
Description
技术领域
本发明涉及燃煤锅炉大气污染控制技术领域，具体涉及一种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。
背景技术
随着工业飞速发展，大气污染愈演愈烈，国家对污染物排放量控制越来越严格，对燃煤机组氮氧化物(NOx)的排放也不例外。低浓度的排放限值意味着燃煤机组环保系统需长期、高效、稳定运行，而目前全国脱硝超低排放设施改造、运行及检修专业建立时间较短，各种运行、检修、技术改造等工作经验尚在摸索阶段，国内可供借鉴的成熟经验又很少，很多已投运的超低排放脱硝设施也暴露出设计裕量过大、改造过度、运行能耗过高等问题，所以脱硝装置的长期安全稳定和高效运行面临着较大困难。因此，脱硝设备运行优化亟需进行。
传统的电站运行优化方法是建立精确的机理模型，计算复杂，变工况下应用受限。优化目标值通常采用设计值、试验值或变工况计算值，但随着机组运行时间的延长及运行状态的变化，优化目标值往往难以达到。而电力系统积累了大量的历史数据和实时数据，这些数据大都闲置，被利用的部分较少。大数据技术则可以综合利用机组设备运行状态、运行参数、操作记录等各类数据，从中发现规律，挖掘出最优运行工况，确定优化目标值，进行能耗分析与耗差诊断，指导机组运行调整，及时采取优化控制，为电厂机组经济运行、节能降耗提供指导。综上所述，传统电站运行优化方案有诸多弊端，如实时性差。
发明内容
发明目的：为了克服现有技术的不足，本发明提供一种基于数值模拟和数据分析的电厂脱硝运行优化方法，该方法解决了人工调节实时性差、误差大，均匀入口条件下脱硝效率低下，脱硝效率高带来的能耗上升的问题，另一方面，本发明还提供一种基于数值模拟和数据分析的电厂脱硝运行优化系统。
技术方案：本发明所述的基于数值模拟和数据分析的电厂脱硝运行优化方法，该方法包括：
(1)对燃煤电厂实际运行数据进行数值模拟计算得到炉膛出口烟气非均匀系数以及SCR催化剂入口烟气非均匀系数，并选择其他运行数据；
(2)对所述炉膛出口烟气非均匀系数、SCR催化剂入口烟气非均匀系数以及其他运行数据进行预处理；
(3)采用灰色关联分析法计算炉膛出口烟气非均匀系数、SCR催化剂入口烟气非均匀系数以及其他运行数据与脱硝能耗及脱硝效率之间的关系，将得到的灰色加权关联度进行排序，选择有强关联的运行数据；
(4)采用神经网络建立数学预测模型，以所述强关联的运行数据为输入，脱硝能耗与脱硝效率为预测模型的输出，并迭代训练直至预测模型的输出符合设定的期望值；
(5)采用另一段时间的历史实际运行数据对所述预测模型进行验证，若所得输出在可接受误差范围内，则进入步骤(6)，否则，回归步骤(4)；
(6)利用人工蜂群算法寻找所述脱硝效率与能耗的最优平衡点，当达到平衡时，所述运行数据中可调整变量取得最优取值，进而实现对电厂脱硝系统的改进。
进一步地，包括：
所述步骤(2)中，其他运行数据包括：机组负荷、炉膛负压、各风门挡板开度、煤低位发热量、给煤量、喷氨量、稀释风流量、炉膛出口NOx浓度以及SCR出口NOx 浓度。
进一步地，包括：
所述步骤(6)中，可调整变量包括各风门挡板开度、给煤量、喷氨量、稀释风流量。
进一步地，包括：
该方法还包括：利用滑动窗口法，自适应更新所述预测模型的参数。
一种基于数值模拟和数据分析的电厂脱硝运行优化方法实现的系统，所述系统包括：
数值模拟模块，用于对燃煤电厂实际运行数据进行数值模拟计算得到炉膛出口烟气非均匀系数以及SCR催化剂入口烟气非均匀系数；
数据预处理模块，用于对所述炉膛出口烟气非均匀系数、SCR催化剂入口烟气非均匀系数以及其他运行数据进行预处理；
关联分析模块，用于采用灰色关联分析法计算炉膛出口烟气非均匀系数、SCR催化剂入口烟气非均匀系数以及其他运行数据与脱硝能耗及脱硝效率之间的关系，将得到的灰色加权关联度进行排序，选择有强关联的运行数据；
模型建立模块，用于采用神经网络建立数学预测模型，以所述强关联的运行数据为输入，脱硝能耗与脱硝效率为预测模型的输出，并迭代训练直至预测模型的输出符合设定的期望值；
模型验证模块，用于采用另一段时间的历史实际运行数据对所述预测模型进行验证，若所得输出在可接受误差范围内，则进入变量调整模块，否则，回归模型建立模块；
变量调整模块，用于利用人工蜂群算法寻找所述脱硝效率与能耗的最优平衡点，当达到平衡时，所述运行数据中可调整变量取得最优取值，进而实现对电厂脱硝系统的改进。
进一步地，包括：
所述数据预处理模块中，其他运行数据包括：机组负荷、炉膛负压、各风门挡板开度、煤低位发热量、给煤量、喷氨量、稀释风流量、炉膛出口NOx浓度以及SCR出口 NOx浓度。
进一步地，包括：
所述参数调整模块中，可调整变量包括各风门挡板开度、给煤量、喷氨量、稀释风流量。
进一步地，包括：
该系统还包括：更新模块，其用于利用滑动窗口法，自适应更新所述预测模型的参数。
有益效果：本发明与现有技术相比，其显著优点是：1、本发明利用实际运行数据数值模拟得到炉膛出口与催化剂入口烟气非均匀系数，考虑SCR脱硝系统入口烟气非均匀性影响，更符合实际运行情况，有效解决因此带来的脱硝效率低下及氨逃逸过量等问题，降低对空气预热器的损害；2、本发明采用自适应更新模型参数，提高模型泛化能力，使该方法应用更广，相比于模型重构，大大减小计算量及模型更新所用时间；3、相比于传统的人工调节，本发明方法更加快速准确，对提高燃煤发电机组经济性，降低能耗，减少污染物排放，进而实现国家节能降耗减排目标，具有十分重要的意义；4、本方法综合考虑脱硝能耗及脱硝效率的优化问题，在提高脱硝效率的同时降低脱硝能耗，真正做到节能减排。
附图说明
图1为本发明其中一实施例所述的方法流程图；
图2为本发明其中一实施例所述的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图及具体实施例对本发明进行详细描述。
本发明以燃煤电厂锅炉脱硝效率与脱硝能耗为研究对象，借助大数据分析相关方法进行数学模型构造，并通过数值模拟得到的SCR催化剂入口烟气非均匀系数及电厂实际运行数据对其检验，若模型输出结果与实际运行结果的误差在可接受范围内，则可根据模型预测分析对电厂脱硝系统提出运行中能耗与效率的多目标优化方法。该方法将数值模拟方法与大数据分析方法有效结合，综合考虑脱硝效率与脱硝成本，解决了人工调节实时性差、误差大，均匀入口条件下脱硝效率低下，脱硝效率高带来的能耗上升的问题，综合利用机组设备运行状态、运行参数、操作记录等各类数据，挖掘出最优运行工况，确定优化目标值，及时调整机组运行，采取优化控制，为电厂机组经济运行、节能降耗提供指导。提供一种基于数值模拟和数据分析的电厂脱硝运行优化方法，如图1所示，具体包括：
S100建立燃煤电厂SCR脱硝系统理论模型并采集相关数据；
S110利用电厂实际运行数据进行数值模拟计算，得到炉膛出口烟气非均匀系数以及 SCR催化剂入口烟气非均匀系数，并选定其他实际运行数据，其他运行数据具体为：机组负荷、煤低位发热量、给煤量、炉膛负压、各风门挡板开度、喷氨量、稀释风流量、炉膛出口NOx浓度、SCR出口NOx浓度等脱硝参数；
利用Gambit软件，根据锅炉结构及尺寸，建立锅炉炉膛、水平烟道及尾部烟道物理模型；利用Fluent软件，选取锅炉实际运行数据作为入口边界条件，通过数值模拟计算得到各时刻炉膛出口烟气非均匀系数以及SCR入口烟气非均匀系数，充分考虑非均匀流场问题。
S120对上述所选运行数据进行数据预处理：剔除实时数据流中的异常数据以保证建模数据的准确性，有必要对数据进行去噪和不完整数据补充处理，并完成数据归一化处理；
S130进行数据关联分析：利用灰色关联分析法对数据之间的相互关系进行深度挖掘，结合脱硝系统优化实际问题，保留有强关联规则的特征参数，删除非频繁项集的参数。
采用灰色关联分析法计算所述实际运行数据之间的关系，具体包括：
(21)根据分析指标确定分析指标矩阵，记为：X＝(x1,x2,...,xn)，其中，n为指标的个数；
(22)根据各指标的最优值构成参考数据列，记作：xi＝{xi(k)|k＝1,2,...,n}；
(23)采用均值化法对各指标进行无量纲化后，记为：x0＝(x(1),x(2),...,x(n))，逐个计算每个被评价对象指标序列与参考数据列对应元素的绝对差值；
(24)计算灰色关联系数，表示为：
其中，ρ为分辨系数，0<ρ<1，k＝1,2,...,n，i＝1,2,...,m，m为评价对象的个数；
(25)计算灰色加权关联度，计算公式为：
其中，w为权重。
S140建立数学预测模型：运用神经网络在计算机上建立数学预测模型，确定上述所筛选出的有强关联的特征参数为模型的输入，脱硝能耗与脱硝效率为模型的输出；
在本发明的其中一个实施例中，可采用RBF神经网络或BP神经网络。
S150验证预测模型：采用另一段时间的历史实际运行数据对该预测模型进行验证，若所得结果在可接受误差范围内，则进入S160，否则回归第S140；
S160参数寻优：利用人工蜂群算法，寻找SCR脱硝效率与脱硝能耗达到平衡时，即脱硝效率较高同时脱硝能耗较低时，各可调输入变量在允许调整范围内的最优值；可调整变量包括各风门挡板开度、给煤量、喷氨量、稀释风流量。
S170模型更新：当模型精度低于设定值时，利用滑动窗口法，自适应更新模型参数的动态模型。
这里的更新模型，是指随着机组运行时间的推移，输入输出之间的数学关系参数改变，所建立的数学模型误差增大，这时就需要选取最新的实际运行参数对模型进行训练，更新模型参数。
另一方面，本发明还提供一种基于数值模拟和数据分析的电厂脱硝运行优化系统，如图2所示，所述系统包括：
数值模拟模块，用于对燃煤电厂实际运行数据进行数值模拟计算得到炉膛出口烟气非均匀系数以及SCR催化剂入口烟气非均匀系数；
数据预处理模块，用于对所述炉膛出口烟气非均匀系数、SCR催化剂入口烟气非均匀系数以及其他运行数据进行预处理；
关联分析模块，用于采用灰色关联分析法计算炉膛出口烟气非均匀系数、SCR催化剂入口烟气非均匀系数以及其他运行数据与脱硝能耗及脱硝效率之间的关系，将得到的灰色加权关联度进行排序，选择有强关联的运行数据；
模型建立模块，用于采用神经网络建立数学预测模型，以所述强关联的运行数据为输入，脱硝能耗与脱硝效率为预测模型的输出，并迭代训练直至预测模型的输出符合设定的期望值；
模型验证模块，用于采用另一段时间的历史实际运行数据对所述预测模型进行验证，若所得输出在可接受误差范围内，则进入变量调整模块，否则，回归模型建立模块；
变量调整模块，用于利用人工蜂群算法寻找所述脱硝效率与能耗的最优平衡点，当达到平衡时，所述运行数据中可调整变量取得最优取值，进而实现对电厂脱硝系统的改进。
进一步地，包括：
所述数据预处理模块中，其他运行数据包括：机组负荷、炉膛负压、各风门挡板开度、煤低位发热量、给煤量、喷氨量、稀释风流量、炉膛出口NOx浓度以及SCR出口 NOx浓度。
进一步地，包括：
所述参数调整模块中，可调整变量包括各风门挡板开度、给煤量、喷氨量、稀释风流量。
进一步地，包括：
该系统还包括：更新模块，其用于利用滑动窗口法，自适应更新所述预测模型的参数。
以下参照附图详细说明本发明实施。本实施案例在以本技术方法为前提下进行实施，给出了详细的实施方式和操作过程，但本发明的保护范围不仅限于下述的实施例。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。
Claims (8)
1.一种基于数值模拟和数据分析的电厂脱硝运行优化方法，其特征在于，该方法包括：
(1)对燃煤电厂实际运行数据进行数值模拟计算得到炉膛出口烟气非均匀系数以及SCR催化剂入口烟气非均匀系数，并选择其他运行数据；
(2)对所述炉膛出口烟气非均匀系数、SCR催化剂入口烟气非均匀系数以及其他运行数据进行预处理；
(3)采用灰色关联分析法计算炉膛出口烟气非均匀系数、SCR催化剂入口烟气非均匀系数以及其他运行数据与脱硝能耗及脱硝效率之间的关系，将得到的灰色加权关联度进行排序，选择有强关联的运行数据；
(4)采用神经网络建立数学预测模型，以所述强关联的运行数据为输入，脱硝能耗与脱硝效率为预测模型的输出，并迭代训练直至预测模型的输出符合设定的期望值；
(5)采用另一段时间的历史实际运行数据对所述预测模型进行验证，若所得输出在可接受误差范围内，则进入步骤(6)，否则，回归步骤(4)；
(6)利用人工蜂群算法寻找所述脱硝效率与能耗的最优平衡点，当达到平衡时，所述运行数据中可调整变量取得最优取值，进而实现对电厂脱硝系统的改进。
2.根据权利要求1所述的基于数值模拟和数据分析的电厂脱硝运行优化方法，其特征在于，所述步骤(2)中，其他运行数据包括：机组负荷、炉膛负压、各风门挡板开度、煤低位发热量、给煤量、喷氨量、稀释风流量、炉膛出口NOx浓度以及SCR出口NOx浓度。
3.根据权利要求1所述的基于数值模拟和数据分析的电厂脱硝运行优化方法，其特征在于，所述步骤(6)中，可调整变量包括各风门挡板开度、给煤量、喷氨量、稀释风流量。
4.根据权利要求1所述的基于数值模拟和数据分析的电厂脱硝运行优化方法，其特征在于，该方法还包括：利用滑动窗口法，自适应更新所述预测模型的参数。
5.一种根据权利要求1-4任一项所述的基于数值模拟和数据分析的电厂脱硝运行优化方法实现的系统，其特征在于，所述系统包括：
数值模拟模块，用于对燃煤电厂实际运行数据进行数值模拟计算得到炉膛出口烟气非均匀系数以及SCR催化剂入口烟气非均匀系数；
数据预处理模块，用于对所述炉膛出口烟气非均匀系数、SCR催化剂入口烟气非均匀系数以及其他运行数据进行预处理；
关联分析模块，用于采用灰色关联分析法计算炉膛出口烟气非均匀系数、SCR催化剂入口烟气非均匀系数以及其他运行数据与脱硝能耗及脱硝效率之间的关系，将得到的灰色加权关联度进行排序，选择有强关联的运行数据；
模型建立模块，用于采用神经网络建立数学预测模型，以所述强关联的运行数据为输入，脱硝能耗与脱硝效率为预测模型的输出，并迭代训练直至预测模型的输出符合设定的期望值；
模型验证模块，用于采用另一段时间的历史实际运行数据对所述预测模型进行验证，若所得输出在可接受误差范围内，则进入变量调整模块，否则，回归模型建立模块；
变量调整模块，用于利用人工蜂群算法寻找所述脱硝效率与能耗的最优平衡点，当达到平衡时，所述运行数据中可调整变量取得最优取值，进而实现对电厂脱硝系统的改进。
6.根据权利要求5所述的基于数值模拟和数据分析的电厂脱硝运行优化系统，其特征在于，所述数据预处理模块中，其他运行数据包括：机组负荷、炉膛负压、各风门挡板开度、煤低位发热量、给煤量、喷氨量、稀释风流量、炉膛出口NOx浓度以及SCR出口NOx浓度。
7.根据权利要求5所述的基于数值模拟和数据分析的电厂脱硝运行优化系统，其特征在于，所述参数调整模块中，可调整变量包括各风门挡板开度、给煤量、喷氨量、稀释风流量。
8.根据权利要求5所述的基于数值模拟和数据分析的电厂脱硝运行优化系统，其特征在于，该系统还包括：更新模块，其利用滑动窗口法，自适应更新所述预测模型的参数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910490849.4A CN110263395A (zh) | 2019-06-06 | 2019-06-06 | 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 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910490849.4A CN110263395A (zh) | 2019-06-06 | 2019-06-06 | 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 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110263395A true CN110263395A (zh) | 2019-09-20 |
Family
ID=67917010
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910490849.4A Pending CN110263395A (zh) | 2019-06-06 | 2019-06-06 | 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 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110263395A (zh) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111077869A (zh) * | 2019-12-31 | 2020-04-28 | 国电九江发电有限公司 | 一种大数据智能控制布袋除尘器优化控制方法及系统 |
| 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 |
| CN111581581A (zh) * | 2020-04-23 | 2020-08-25 | 大唐环境产业集团股份有限公司 | 多边界条件下SCR入口NOx浓度的检测方法和系统 |
| CN112926765A (zh) * | 2021-01-22 | 2021-06-08 | 湖南大唐先一科技有限公司 | 一种脱硫系统运行优化方法以及信息物理融合系统 |
| CN113426264A (zh) * | 2021-07-15 | 2021-09-24 | 国电环境保护研究院有限公司 | 一种烟气净化岛智慧运行管控方法及管控平台 |
| CN113485111A (zh) * | 2021-07-13 | 2021-10-08 | 浙江菲达环保科技股份有限公司 | 制浆系统的寻优控制方法及系统 |
| CN113941251A (zh) * | 2021-11-08 | 2022-01-18 | 西安热工研究院有限公司 | 一种烟气脱硝流场模拟校核方法和系统 |
| CN114183760A (zh) * | 2021-12-01 | 2022-03-15 | 广州环投从化环保能源有限公司 | 一种基于多模型加权预测的垃圾焚烧炉脱硝控制方法 |
| CN114534466A (zh) * | 2020-11-11 | 2022-05-27 | 台泥资讯股份有限公司 | 控制系统控制氮氧化物排放的方法 |
| CN115309129A (zh) * | 2022-10-11 | 2022-11-08 | 华电电力科学研究院有限公司 | 一种scr脱硝效能自动寻优调控方法和系统 |
| CN116736713A (zh) * | 2023-06-13 | 2023-09-12 | 天津国能津能滨海热电有限公司 | 基于narx预测模型的电厂燃烧控制系统及方法 |
| US11853023B2 (en) | 2020-11-11 | 2023-12-26 | Tcc Information Systems Corp. | Method of controlling coal management system for reducing coal usage |
-
2019
- 2019-06-06 CN CN201910490849.4A patent/CN110263395A/zh active Pending
Non-Patent Citations (2)
| Title |
|---|
| 乐明非: "BP神经网络预测模型在SCR脱硝系统中应用的研究", 《中国优秀硕士学位论文全文数据库》 * |
| 基于灰色关联分析的GA-BP网络需水预测模型研究: "基于灰色关联分析的GA-BP网络需水预测模型研究", 《水电能源科学》 * |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111077869A (zh) * | 2019-12-31 | 2020-04-28 | 国电九江发电有限公司 | 一种大数据智能控制布袋除尘器优化控制方法及系统 |
| 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 |
| CN111581581A (zh) * | 2020-04-23 | 2020-08-25 | 大唐环境产业集团股份有限公司 | 多边界条件下SCR入口NOx浓度的检测方法和系统 |
| CN111581581B (zh) * | 2020-04-23 | 2021-02-02 | 大唐环境产业集团股份有限公司 | 多边界条件下SCR入口NOx浓度的检测方法和系统 |
| CN114534466A (zh) * | 2020-11-11 | 2022-05-27 | 台泥资讯股份有限公司 | 控制系统控制氮氧化物排放的方法 |
| CN114534466B (zh) * | 2020-11-11 | 2024-03-22 | 台泥资讯股份有限公司 | 控制系统控制氮氧化物排放的方法 |
| US11853023B2 (en) | 2020-11-11 | 2023-12-26 | Tcc Information Systems Corp. | Method of controlling coal management system for reducing coal usage |
| CN112926765A (zh) * | 2021-01-22 | 2021-06-08 | 湖南大唐先一科技有限公司 | 一种脱硫系统运行优化方法以及信息物理融合系统 |
| CN113485111A (zh) * | 2021-07-13 | 2021-10-08 | 浙江菲达环保科技股份有限公司 | 制浆系统的寻优控制方法及系统 |
| CN113485111B (zh) * | 2021-07-13 | 2024-02-20 | 浙江菲达环保科技股份有限公司 | 制浆系统的寻优控制方法及系统 |
| CN113426264A (zh) * | 2021-07-15 | 2021-09-24 | 国电环境保护研究院有限公司 | 一种烟气净化岛智慧运行管控方法及管控平台 |
| CN113941251A (zh) * | 2021-11-08 | 2022-01-18 | 西安热工研究院有限公司 | 一种烟气脱硝流场模拟校核方法和系统 |
| CN114183760A (zh) * | 2021-12-01 | 2022-03-15 | 广州环投从化环保能源有限公司 | 一种基于多模型加权预测的垃圾焚烧炉脱硝控制方法 |
| CN114183760B (zh) * | 2021-12-01 | 2024-03-12 | 广州环投从化环保能源有限公司 | 一种基于多模型加权预测的垃圾焚烧炉脱硝控制方法 |
| CN115309129A (zh) * | 2022-10-11 | 2022-11-08 | 华电电力科学研究院有限公司 | 一种scr脱硝效能自动寻优调控方法和系统 |
| CN116736713A (zh) * | 2023-06-13 | 2023-09-12 | 天津国能津能滨海热电有限公司 | 基于narx预测模型的电厂燃烧控制系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| 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 | |
| CN107243257B (zh) | 适合全负荷的智能喷氨控制系统 | |
| CN105629738B (zh) | Scr烟气脱硝系统控制方法及设备 | |
| CN112580250A (zh) | 基于深度学习的火电机组脱硝系统及优化控制方法 | |
| CN104534507B (zh) | 一种锅炉燃烧优化控制方法 | |
| CN108664006A (zh) | 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 | |
| CN103440528B (zh) | 基于耗差分析的火电机组运行优化方法及装置 | |
| CN101498457A (zh) | 一种锅炉燃烧优化的方法 | |
| CN108837698A (zh) | 基于先进测量仪表和先进控制算法的scr脱硝喷氨优化方法及系统 | |
| KR102094288B1 (ko) | 보일러의 연소 최적화 연산을 위한 시스템 및 방법 | |
| 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 | |
| CN104613468A (zh) | 基于模糊自适应推理的循环流化床锅炉燃烧优化控制方法 | |
| CN105305468B (zh) | 基于粒子群算法的火力发电机组一次调频参数优化方法 | |
| CN110188383A (zh) | 一种基于选择性集成模型的电站scr脱硝建模方法 | |
| CN103839110A (zh) | 一种锅炉炉内氮氧化物生成量预测建模方法 | |
| CN113094988A (zh) | 一种基于数据驱动的浆液循环泵运行优化方法及系统 | |
| CN111460726A (zh) | 一种煤泥流化床锅炉脱硝系统氨逃逸的优化方法 | |
| 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 | |
| CN113440990A (zh) | 基于emd-lstm的出口so2浓度预测方法 | |
| CN105823080B (zh) | 基于数值优化极值搜索的无模型锅炉燃烧优化控制方法 | |
| CN108734419B (zh) | 一种基于知识迁移的高炉煤气调度系统建模方法 | |
| CN110619409A (zh) | 一种自适应扰动量子粒子群的泛能站调度方法及装置 | |
| CN110888401B (zh) | 火力发电机组燃烧控制优化方法、装置及可读存储介质 | |
| CN109882883B (zh) | 一种基于人工智能优化锅炉燃煤效率的方法及装置 | |
| CN115755624A (zh) | 一种基于进化算法的燃煤锅炉多目标优化方法 |
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: 20190920 |