一种基于在线学习的湿法脱硫系统CaSO3软测量方法
技术领域
本发明属于火电厂变量软测量技术领域,特别是涉及一种基于在线学习的湿法脱硫系统CaSO3软测量方法。
背景技术
吸收塔CaSO3浓度是判断吸收塔内氧化反应好坏的评价标准,也是氧化风系统氧化风机按需启停的判断依据,但受限于CaSO3在线实时测量系统价格昂贵,火电厂一般采用每天采样化验的方式粗略了解吸收塔内氧化反应的效果,且为防止CaSO3浓度超限,需采用氧化风机持续运行的方式,该运行方式产生了极大的能源浪费,因此实现吸收塔内CaSO3浓度实时在线软测量对氧化风系统运行状态判断及脱硫系统节能降耗具有重要意义。
当前,CaSO3浓度的测量方式主要有2种,分别为:1、人工采样化验;2、安装CaSO3浓度实时在线测量装置实现实时测量,但目前的两种方式都存在相应的缺点,
1、人工采样化验:几乎所有电厂均采用人工采样化验的方式获取吸收塔内CaSO3浓度,但该种化验方式耗时长,无法实时体现吸收塔内氧化反应的情况,也不能依据该值进行氧化风机的启停操作;
2、CaSO3浓度实时在线测量装置实现实时测量:极个别电厂在脱硫系统安装亚硫酸盐实时在线监测系统,实现了实时监测吸收塔内氧化反应情况的目的,且可以依据实时测量值实现氧化风系统风机的按需启停,但亚硫酸盐在线实时监测系统价格极为昂贵且维护量大,性价比较低,一般不被电厂人员所接受。
发明内容
本发明的目的在于提供一种基于在线学习的湿法脱硫系统CaSO3软测量方法,通过应用氧化风系统相关变量及相关算法设计,实现吸收塔CaSO3浓度的软测,解决火电厂无法以低成本方式实现实时监视吸收塔CaSO3浓度的问题;本发明提供的诸多技术方案中的优选技术方案所能产生的诸多技术效果详见下文阐述。
为实现上述目的,本发明提供了以下技术方案:
本发明提供的一种基于在线学习的湿法脱硫系统CaSO3软测量方法,包括以下步骤:
步骤S1:设现时刻为k,从DCS系统中导出k时刻的脱硫入口烟气流量Fp(k)(Km3/s)、脱硫入口SO2浓度S(k)(mg/s)、脱硫效率Eta(k)(%)、净烟气含氧量CGOR(k)(%)、原烟气含氧量PGOR(k)(%)、自燃氧化率Alpha(k)、PH值PH(k)、强制氧化率Beta(k)、氧化风量OF(k)、吸收塔固体洁净系数CR(k)、吸收塔浆液体积V(k)(m3)、吸收塔密度D(k)(kg/m3),作为输入变量;
步骤S2:通过脱硫入口烟气流量Fp(k)(Km3/s)、脱硫入口SO2浓度S(k)(mg/s)、脱硫效率Eta(k)(%)、净烟气含氧量CGOR(k)(%)、原烟气含氧量PGOR(k)(%)、自燃氧化率Alpha(k)、PH值PH(k)、强制氧化率Beta(k)、氧化风量OF(k)计算得到瞬时亚硫酸钙产量IQ(k)(kg/s);
步骤S3:应用吸收塔固体洁净系数CR(k)、吸收塔浆液体积V(k)、吸收塔密度D(k),计算吸收塔净副产物质量BQ(k),计算公式为:BQ(k)(kg)=V(k)×D(k)×CR(k);
步骤S4:应用吸收塔上时刻所得亚硫酸钙浓度NG(k-1)(%)、吸收塔净副产物质量BQ(k),计算吸收塔净亚硫酸钙质量SQ(k-1)(kg),计算公式为:
SQ(k-1)=BQ(k)×NG(k-1);
步骤S5:利用其排出浆液体积占吸收塔浆液体积的比值来计算脱水系统排出亚硫酸钙质量Q(k),应用石膏排出泵台数NU(k)、石膏排出泵流量FP(k)、上时刻吸收塔净亚硫酸钙质量SQ(k-1)、吸收塔浆液体积V(k),计算脱水系统排出亚硫酸钙质量Q(k)(kg),计算公式为:Q(k)(kg)=SQ(k-1)×NU(k)×FP(k)÷V(k);
步骤S6:应用上时刻吸收塔净亚硫酸钙质量SQ(k-1)、脱水系统排出亚硫酸钙质量Q(k)、瞬时亚硫酸钙产生量IQ(k),计算现时刻吸收塔净亚硫酸钙质量SQ(k)(kg),计算公式为:
SQ(k)(kg)=SQ(k-1)-Q(k)+IQ(k);
步骤S7:应用现时刻吸收塔净亚硫酸钙质量SQ(k)、吸收塔净副产物质量BQ(k)计算现时刻吸收塔净亚硫酸钙含量NG(k)(%);当CaSO3浓度不为负值,且当有化验值AS(k)输入时,将化验值赋给NG(k)参与下一次循环;当无化验值输入时其计算公式可表示为:
NG(k)(%)=(SQ(k)+abs(SQ(k)))/2/BQ(k);
当有化验值AS(k)输入时,其计算公式为:
NG(k)(%)=AS(k);
步骤S8:通过预测CaSO3浓度与化验CaSO3浓度的偏差对系统强制氧化率与自然氧化率等变量进行修正。
进一步,步骤1中,吸收塔浆液体积V(k)(m3)应用吸收塔浆液液位LV(k)(m)、吸收塔直径AR(m)计算获得,计算公式为:
V(k)(m3)=LV(k)×3.14*(AR/2)2。
进一步,步骤2包括以下步骤,
步骤2.1:通过脱硫入口烟气流量Fp(k)、脱硫入口SO2浓度S(k)、脱硫效率Eta(k)计算吸收塔吸收SO2量Fs(k),计算公式为:
Fs(k)(kg/s)=Fp(k)×S(k)×Eta(k);
步骤2.2:应用净烟气含氧量CGOR(k)、原烟气含氧量PGOR(k)、修正量计算函数f1、自燃氧化率Alpha(k),计算修正后的自然氧化率NAO(k)(%),其中f1可选取为多元线性函数,计算公式为:
NAO(k)(%)=Alpha(k)+f1(CGOR(k),PGOR(k));
步骤2.3:利用吸收塔吸收SO2量FS(k)、修正后的自然氧化率NAO(k)计算SO2氧化需氧量NO(k)(kg/s),计算公式为:
NO(k)=FS(k)×0.25×(1-NAO(k));
步骤2.4:应用PH(k)、修正量计算函数f2、强制氧化率Beta(k),计算修正后的强制氧化率FOO(k),其中f2可选取为一元线性函数,计算公式为:
FOO(k)=Beta(k)+f2(PH(k));
步骤2.5:应用氧化风量OF(k)与修正后的强制氧化率FOO(k),计算强制氧化量GO(k)(kg/s),计算公式为:
GO(k)=OF(k)×FOO(k);
步骤2.6:应用SO2氧化需氧量NO(k)、强制氧化风量GO(k),计算吸收塔欠氧量O(k),计算公式为:
O(k)(kg/s)=NO(k)-GO(k);
步骤2.7:应用吸收塔欠氧量O(k)、CaSO3生成系数KF(k)计算瞬时亚硫酸钙产生量IQ(k),其中KF(k)为1或1附近的实数,计算公式为:
IQ(k)(kg/s)=O(k)×KF(k)×7.5。
进一步,步骤S8包括以下步骤,
当有化验值输入时,应用模型预测输出吸收塔净亚硫酸钙含量NG(k)(%)、化验测量亚硫酸钙含量AS(k)(%),计算模型预测浓度与计算模型预测间的偏差ER(k)(%),计算公式为:
ER(k)=AS(k)-NG(k),
应用预测偏差ER(k),对系统自燃氧化率Alpha(k)、强制氧化率Beta(k)进行调整,调整方式为Alphanew=a×ER(k)+Alpha(k),(a<0),a为自燃氧化率学习因子;Betanew=b×ER(k)+Beta(k),(b<0),b为强制氧化率学习因子,调整后将调整值赋给自燃氧化率Alpha(k),强制氧化率Beta(k),即Alpha(k)=Alphanew,Beta(k)=Betanew。
进一步,还包括为各个输入变量设置调整系数,依据仿真输出与化验时间点处CaSO3浓度偏差的平方和作为目标函数,应用寻优算法对各输入变量调整系数进行寻优,最终获取CaSO3浓度计算模型中各个输入变量的最优调整系数。
进一步,在寻优过程中为保障自然氧化率修正量计算函数f1、强制氧化率修正量计算函数f2中各参数寻优结果的准确,将自燃氧化率Alpha(k)、强制氧化率Beta(k)的自适应学习过程屏蔽,即寻优过程中令f2中自燃氧化率学习因子a=0,强制氧化率学习因子b=0,且寻优过程不对a、b进行寻优。
进一步,步骤2.1中,计算吸收塔吸收SO2量FS(k)亦可以通过脱硫入口烟气流量Fp(k)、脱硫入口SO2浓度S(k)、脱硫出口SO2浓度SO(k)计算吸收塔吸收SO2量Fs(k),计算方式为:
Fs(k)=Fp(k)×(S(k)-SO(k))。
进一步,步骤2.2中,计算修正后的自然氧化率NAO(k)亦可应用其他变量作为自然氧化率修正函数f1的自变量,如选取脱硫入口SO2浓度S(k)、原烟气含氧量PGOR(k)、修正量计算函数f1、自燃氧化率Alpha(k),计算修正后的自然氧化率NAO(k),其中f1可选取为多元线性函数,计算方式为:
NAO(k)=Alpha(k)+f1(S(k),PGOR(k))。
进一步,步骤2.4中,计算强制氧化率修正FOO(k)亦可应用其他变量作为强制氧化率修正函数f2的自变量,如:应用PH(k)、吸收塔浆液密度D(k)、强制氧化率Beta(k),计算修正后的强制氧化率FOO(k),其中f2可选取为多元线性函数,计算方式为:
FOO(k)=Beta(k)+f2(PH(k),D(k))。
本发明提供的一种基于在线学习的湿法脱硫系统CaSO3软测量方法,其有益效果为:
本方案以吸收塔自然氧化率、强制氧化率以及物质进出平衡及为基本设计思路设计CaSO3浓度计算模型,该模型为参数模型,对系统工况变化反应灵敏,可随系统输入的实时变化对CaSO3浓度进行连续预测;该软测量方法中设计了在线学习环节,该环节能够依据化验数据对系统强制氧化率及自然氧化率进行实时在线修正,使系统具有自适应的学习能力;应用历史运行数据、历史化验数据及吸收塔CaSO3浓度预测模型,对系统进行仿真,并选取预测浓度与化验浓度的偏差平方和作为目标函数,应用寻优算法对系统输入数据的调整系数进行寻优;该软测量方法无需购置在线测量仪器,只需应用系统现有测点数据进行计算,并依据现场实施条件,将程序布置工控机端即可。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
其中:
图1为本发明CaSO3浓度计算模型技术路线图;
图2为本发明在线学习环节技术路线图;
图3为本发明算法参数优化过程技术路线图。
具体实施方式
在下文中,将参照附图描述本发明的基于在线学习的湿法脱硫系统CaSO3软测量方法的实施例。
在此记载的实施例为本发明的特定的具体实施方式,用于说明本发明的构思,均是解释性和示例性的,不应解释为对本发明实施方式及本发明范围的限制。除在此记载的实施例外,本领域技术人员还能够基于本申请权利要求书和说明书所公开的内容采用显而易见的其它技术方案,这些技术方案包括采用对在此记载的实施例的做出任何显而易见的替换和修改的技术方案。
本说明书的附图为示意图,辅助说明本发明的构思,示意性地表示各部分的形状及其相互关系。请注意,为了便于清楚地表现出本发明实施例的各部件的结构,各附图之间并未按照相同的比例绘制。相同的参考标记用于表示相同的部分。
实施例1:
图1-3示出本发明一种实施例的基于在线学习的湿法脱硫系统CaSO3软测量方法,包括,
1)以吸收塔自然氧化率、强制氧化率以及物质进出平衡及为基本设计思路,设计吸收塔CaSO3浓度预测模型,实现吸收塔CaSO3浓度的实时滚动预测;
2)设计了在线学习环节,该环节能够依据化验数据对系统强制氧化率及自然氧化率进行实时在线修正,使系统具有自适应的学习能力;
3)应用历史运行数据、历史化验数据及吸收塔CaSO3浓度预测模型,对系统进行仿真,并选取预测浓度与化验浓度的偏差平方和作为目标函数,应用寻优算法对系统输入数据的调整系数进行寻优;具体的,
1、CaSO3浓度计算模型设计:
CaSO3浓度计算模型设计以吸收塔自然氧化率、强制氧化率以及物质进出平衡及为基本设计思路,整体计算流程可描述为:
利用修正后的强制氧化率与自然氧化率及其他系统输入,估算吸收塔欠氧量,并依据该值计算吸收塔内亚硫酸钙瞬时生成量;依据吸收塔浆液浓度、亚硫酸钙含量、液位、石膏排出泵流量、亚硫酸钙瞬时生成量等信息,依时间轴滚动计算吸收塔内剩余亚硫酸钙浓度;当有化验值输入时,将化验CaSO3浓度赋给预测CaSO3浓度,同时,将强制氧化率、自然氧化率及系统其他输入变量依据化验值与预测值偏差进行学习后,继续滚动计算。
设现时刻为k,则该计算过程可以具体描述为:
1)计算吸收塔吸收SO2量FS(k):通过脱硫入口烟气流量Fp(k)、脱硫入口SO2浓度S(k)、脱硫效率Eta(k)计算吸收塔吸收SO2量Fs(k),计算方式为:
Fs(k)=Fp(k)×S(k)×Eta(k)
2)计算修正后的自然氧化率NAO(k):应用净烟气含氧量CGOR(k)、原烟气含氧量PGOR(k)、修正量计算函数f1、自燃氧化率Alpha(k),计算修正后的自然氧化率NAO(k),其中f1可选取为多元线性函数,计算方式为:
NAO(k)=Alpha(k)+f1(CGOR(k),PGOR(k))
3)计算SO2氧化需氧量NO(k):利用吸收塔吸收SO2量FS(k)、修正后的自然氧化率NAO(k)计算SO2氧化需氧量NO(k),计算方式为:
NO(k)=FS(k)×0.25×(1-NAO(k))
4)计算强制氧化率修正FOO(k):计算修正后的强制氧化率FOO(k):应用PH(k)、修正量计算函数f2、强制氧化率Beta(k),计算修正后的强制氧化率FOO(k),其中f2可选取为一元线性函数,计算方式为:
FOO(k)=Beta(k)+f2(PH(k))
5)计算强制氧化风量GO(k):应用氧化风量OF(k)与修正后的强制氧化率FOO(k),计算强制氧化量GO(k),计算方式为:
GO(k)=OF(k)×FOO(k)
6)计算吸收塔欠氧量O(k):应用SO2氧化需氧量NO(k)、强制氧化风量GO(k),计算吸收塔欠氧量O(k),计算方式为:
O(k)=NO(k)-GO(k)
7)计算瞬时亚硫酸钙产生量IQ(k):应用吸收塔欠氧量O(k)、CaSO3生成系数KF(k)计算瞬时亚硫酸钙产生量IQ(k),计算方式为:
IQ(k)=O(k)×KF(k)×7.5
8)吸收塔浆液体积V(k):应用吸收塔浆液液位LV(k)、吸收塔直径AR,计算吸收塔浆液体积V(k),计算方式为:
V(k)=LV(k)×3.14*(AR/2)2
9)计算吸收塔净副产物质量BQ(k):应用吸收塔固体洁净系数CR(k)、吸收塔浆液体积V(k)、吸收塔密度D(k),计算吸收塔净副产物质量BQ(k),计算方式为:
BQ(k)=V(k)×D(k)×CR(k)
10)计算上时刻吸收塔净亚硫酸钙质量SQ(k-1):应用吸收塔上时刻所得亚硫酸钙浓度NG(k-1)、吸收塔净副产物质量BQ(k),计算吸收塔净亚硫酸钙质量SQ(k-1),计算方式为:
SQ(k-1)=BQ(k)×NG(k-1)
11)计算脱水系统排出亚硫酸钙质量Q(k):脱水系统石膏排出泵为工频泵,其单位时间排出石膏体积流量为定值,因此可利用其排出浆液体积占吸收塔浆液体积的比值来计算脱水系统排出亚硫酸钙质量Q(k),应用石膏排出泵台数NU(k)、石膏排出泵流量FP(k)、上时刻吸收塔净亚硫酸钙质量SQ(k-1)、吸收塔浆液体积V(k),计算脱水系统排出亚硫酸钙质量Q(k),计算方式为:
Q(k)=SQ(k-1)×NU(k)×FP(k)÷V(k)
12)计算现时刻吸收塔净亚硫酸钙质量SQ(k):应用上时刻吸收塔净亚硫酸钙质量SQ(k-1)、脱水系统排出亚硫酸钙质量Q(k)、瞬时亚硫酸钙产生量IQ(k),计算现时刻吸收塔净亚硫酸钙质量SQ(k),计算方式为:
SQ(k)=SQ(k-1)-Q(k)+IQ(k)
13)现时刻吸收塔净亚硫酸钙含量NG(k):应用现时刻吸收塔净亚硫酸钙质量SQ(k)、吸收塔净副产物质量BQ(k)计算现时刻吸收塔净亚硫酸钙含量,需要说明的是CaSO3浓度不为负值,且当有化验值AS(k)输入时,将化验值赋给NG(k)参与下一次循环,当无化验值输入时其计算方式可表示为:
NG(k)=(SQ(k)+abs(SQ(k)))/2/BQ(k)
当有化验值AS(k)输入时,其计算方式为:
NG(k)=AS(k)
通过预测CaSO3浓度与化验CaSO3浓度的偏差对系统强制氧化率与自然氧化率等变量进行修正;
2、在线学习环节设计
为保证计算模型在循环计算过程能够具有一定的自我修正能力,为模型设计在线修正环节,如图2所示,模型滚动计算过程中,当有化验值输入时,应用模型预测输出吸收塔净亚硫酸钙含量NG(k)、化验测量亚硫酸钙含量AS(k),计算模型预测浓度与计算模型预测间的偏差ER(k),如式所示:
ER(k)=AS(k)-NG(k);
应用预测偏差ER(k),对系统自燃氧化率Alpha(k)、强制氧化率Beta(k)进行调整,调整方式可选取为Alphanew=a×ER(k)+Alpha(k),(a<0),a为自燃氧化率学习因子;Betanew=b×ER(k)+Beta(k),(b<0),b为强制氧化率学习因子,调整后将调整值赋给自燃氧化率Alpha(k),强制氧化率Beta(k),即Alpha(k)=Alphanew,Beta(k)=Betanew。另外需要说明的是,由于采样到获取化验结果有一定的时间间隔,所以采样时需记录采样时刻对应的模型计算所得预测CaSO3浓度,待获取化验结果后再对自燃氧化率Alpha(k)、强制氧化率Beta(k)进行修正;
3、算法参数优化
为CaSO3浓度计算模型的各个输入变量设置调整系数,依据仿真输出与化验时间点处CaSO3浓度偏差的平方和作为目标函数,应用寻优算法对各输入变量调整系数进行寻优,最终获取CaSO3浓度计算模型中各个输入变量的最优调整系数。
需要说明的是,在该寻优过程中为保障自然氧化率调整函数f1、强制氧化率调整函数f1中各参数寻优结果的准确,需将f2中自燃氧化率Alpha(k)、强制氧化率Beta(k)的自适应学习过程屏蔽,即寻优过程,令f2中自燃氧化率学习因子a=0;强制氧化率学习因子b=0,且寻优过程不对a、b进行寻优。
实施例2:
本发明上述实施例的基于在线学习的湿法脱硫系统CaSO3软测量方法,还能进行如下改进,
1)计算吸收塔吸收SO2量FS(k)亦可以通过脱硫入口烟气流量Fp(k)、脱硫入口SO2浓度S(k)、脱硫出口SO2浓度SO(k)计算吸收塔吸收SO2量Fs(k),计算方式为:
Fs(k)=Fp(k)×(S(k)-SO(k))
2)计算修正后的自然氧化率NAO(k)亦可应用其他变量作为自然氧化率修正函数f1的自变量,如选取脱硫入口SO2浓度S(k)、原烟气含氧量PGOR(k)、修正量计算函数f1、自燃氧化率Alpha(k),计算修正后的自然氧化率NAO(k),其中f1可选取为多元线性函数,计算方式为:
NAO(k)=Alpha(k)+f1(S(k),PGOR(k))
3)计算强制氧化率修正FOO(k)亦可应用其他变量作为强制氧化率修正函数f2的自变量,如:应用PH(k)、吸收塔浆液密度D(k)、强制氧化率Beta(k),计算修正后的强制氧化率FOO(k),其中f2可选取为多元线性函数,计算方式为:
FOO(k)=Beta(k)+f2(PH(k),D(k));
4)在利用寻优算法优化系统输入调整系数时,选取预测浓度与化验浓度的偏差平方和作为目标函数,在此亦可依据预测浓度与化验浓度的偏差设计其他目标函数,如预测浓度与化验浓度的偏差的绝对值等。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。