CN112596474B - 一种scr脱硝系统均匀性优化方法 - Google Patents

一种scr脱硝系统均匀性优化方法 Download PDF

Info

Publication number
CN112596474B
CN112596474B CN202011332657.XA CN202011332657A CN112596474B CN 112596474 B CN112596474 B CN 112596474B CN 202011332657 A CN202011332657 A CN 202011332657A CN 112596474 B CN112596474 B CN 112596474B
Authority
CN
China
Prior art keywords
model
value
valve
scr denitration
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
Application number
CN202011332657.XA
Other languages
English (en)
Other versions
CN112596474A (zh
Inventor
王晓东
刘炳军
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.)
Shandong Microcube Information Technology Co ltd
Original Assignee
Shandong Microcube Information 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 Shandong Microcube Information Technology Co ltd filed Critical Shandong Microcube Information Technology Co ltd
Priority to CN202011332657.XA priority Critical patent/CN112596474B/zh
Publication of CN112596474A publication Critical patent/CN112596474A/zh
Application granted granted Critical
Publication of CN112596474B publication Critical patent/CN112596474B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
    • 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
    • B01D53/8696—Controlling the catalytic process
    • 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
    • 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
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32252—Scheduling production, machining, job shop
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Biomedical Technology (AREA)
  • Analytical Chemistry (AREA)
  • General Chemical & Material Sciences (AREA)
  • Oil, Petroleum & Natural Gas (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Treating Waste Gases (AREA)

Abstract

本发明公开了一种SCR脱硝系统均匀性优化方法，属于烟气处理技术领域，包括以下步骤：(a1)建立SCR脱销反应机理模型，设计NH3覆盖率、出口NH3浓度观测器；(a2)验证控制器的稳定性，计算喷氨总量；(a3)初始化权重系数；(a4)获取SCR烟道出口区取样点结果值与喷氨阀门原始开度；(a5)基于当前阀门开度、检测值和模型计算最优输入调整量，得出最终阀门的建议开度值；(a6)基于建议开度值调整阀门开度，再次检测出口取样点结果，在线迭代权重系数，更新模型。本发明解决了目前氨气浓度难以控制导致脱硝效率低的技术问题，广泛应用于烟气处理中。

Description

一种SCR脱硝系统均匀性优化方法
技术领域
本发明属于烟气处理技术领域，尤其涉及一种SCR脱硝系统均匀性优化方法。
背景技术
由于早期对于燃煤电厂烟气污染物排放标准要求较低，长期以来，对燃煤电厂SCR脱硝系统的研究主要关注脱硝原理、催化剂、反应器流场等方面，SCR脱硝系统控制方法的研究没有得到重视。但脱硝系统控制精度不仅决定烟气排放是否达标，也影响着电厂运行成本。SCR烟气脱硝过程中的主要控制量是喷氨量，喷氨量过少会导致烟气中的NOx反应不充分，脱硝后的NOx浓度无法达到国家规定的排放标准，而过量喷氨不仅会增加SCR脱硝系统中氨气浓度，提高副反应速度，导致重新生成NOx，影响脱硝效率，过量喷氨导致的氨逃逸量升高也会造成环境的二次污染。同时，过量的NH3与SO3反应会生成硫酸氢氨等有害副产物，这些副产物会导致催化剂失活和催化剂孔板堵塞，从而降低脱硝效率，也会造成空气预热器积灰堵塞，影响机组的安全运行。
因此，在烟气处理技术领域中，对于SCR脱硝系统均匀性优化方法仍存在研究和改进的需求，这也是目前烟气处理技术领域中的一个研究热点和重点，更是本发明得以完成的出发点。
发明内容
为此，本发明所要解决的技术问题是：提供一种SCR脱硝系统均匀性优化方法，以解决目前氨气浓度难以控制导致脱硝效率低的技术问题。
为解决上述技术问题，本发明的技术方案是：一种SCR脱硝系统均匀性优化方法，包括以下步骤：(a1)建立SCR脱销反应机理模型，设计NH3覆盖率、出口NH3浓度观测器；(a2)验证控制器的稳定性，计算喷氨总量；(a3)基于最小二乘法建立喷氨阀门与检测点的数据驱动模型，初始化权重系数；(a4)获取SCR烟道出口区取样点结果值与喷氨阀门原始开度；(a5)基于当前阀门开度、检测值和模型计算最优输入调整量，得出最终阀门的建议开度值；(a6)基于建议开度值调整阀门开度，再次检测出口取样点结果，在线迭代权重系数，更新模型。
作为一种改进，在步骤(a1)中，基于实际SCR脱销工况，用阿伦尼乌斯公式对各反应中反应物的速率进行定量表示，并利用反应速率方程将各反应物的反应量建立机理模型。
作为进一步的改进，在步骤(a1)中，利用李雅普诺夫导数将系统机理模型改写成降阶后的状态方程和输出方程，再利用全阶观测器设计方法，对系统进行观测器设计，并设计观测器增益，保证系统观测器的观测值渐近稳定到系统的实际值，得出氨气覆盖率和出口氨气浓度的观测器。
作为进一步的改进，在步骤(a2)中，将系统观测值代入系统机理模型，得到复合状态模型，并结合控制器，利用李雅普诺夫方程验证系统稳定性，得到喷氨总量。
作为进一步的改进，在步骤(a3)中，测量不同工况下喷氨阀门与出口NOx浓度检测值的大量数据，通过离线辨识一次性得到未知MIMO系统的传递函数矩阵，利用最小二乘法建立数据驱动模型。
作为进一步的改进，在步骤(a4)中，测量各出口检测点的NOx浓度，计算各出口检测点的NOx浓度的偏差值，将出口NOx浓度偏差值代入数据模型中，得到当前各喷氨阀门的理想调整量。
作为进一步的改进，在步骤(a6)中，将喷氨阀门按照阀门建议开度值进行调节，等SCR系统内部稳定后，测量下一次的各检测点出口NOx浓度，根据当前检测值与阀门开度，判别数据模型中的权重系数是否能够准确反应当前工况下的输出输入关系，通过增加步长参数或减小步长参数将权重系数进行优化更新，将优化后的权重参数代入数据模型进行更新，并再次计算当前喷氨输入阀门建议开度值，如此迭代直至得出最符合工况的最优数据模型。
采用了上述技术方案后，本发明的有益效果是：
(1)本发明采用反馈控制结构，并利用更加先进的非线性控制算法对系统进行控制，保证了系统稳定工作，与传统的比例控制、前馈控制等比较简单的控制方法相比较，本发明对于外界扰动应变能力强，系统鲁棒性较高，降低了喷氨调平难度，提高了脱硝效率。
(2)本发明既保证了实时高效控制，又满足了喷氨调平的实际需求，降低了氨逃逸率。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本说明书中所引用的如“前”、“后”、“左”、“右”、“内”、“外”、“中间”等的用语，亦仅为便于叙述的明了，而非用以限定本发明可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当亦视为本发明可实施的范畴。
本发明提供了一种SCR脱硝系统均匀性优化方法，包括以下步骤：(a1)建立SCR脱销反应机理模型，设计NH3覆盖率、出口NH3浓度观测器；(a2)验证控制器的稳定性，计算喷氨总量；(a3)基于最小二乘法建立喷氨阀门与检测点的数据驱动模型，初始化权重系数；(a4)获取SCR烟道出口区取样点结果值与喷氨阀门原始开度；(a5)基于当前阀门开度、检测值和模型计算最优输入调整量，得出最终阀门的建议开度值；(a6)基于建议开度值调整阀门开度，再次检测出口取样点结果，在线迭代权重系数，更新模型。
其中，在步骤(a1)中，基于实际SCR脱销工况，用阿伦尼乌斯公式对各反应中反应物的速率进行定量表示，并利用反应速率方程将各反应物的反应量建立机理模型。
其中，在步骤(a1)中，利用李雅普诺夫导数将系统机理模型改写成降阶后的状态方程和输出方程，再利用全阶观测器设计方法，对系统进行观测器设计，并设计观测器增益，保证系统观测器的观测值渐近稳定到系统的实际值，得出氨气覆盖率和出口氨气浓度的观测器。
其中，在步骤(a2)中，将系统观测值代入系统机理模型，得到复合状态模型，并结合控制器，利用李雅普诺夫方程验证系统稳定性，得到喷氨总量。
其中，在步骤(a3)中，测量不同工况下喷氨阀门与出口NOx浓度检测值的大量数据，通过离线辨识一次性得到未知MIMO系统的传递函数矩阵，利用最小二乘法建立数据驱动模型。
其中，在步骤(a4)中，测量各出口检测点的NOx浓度，出口NOx浓度分为AB两通道各八分区，如59，111，53，41，111，32，71，56，57，69，26，58，53，67，80，54(mg/nm3)，计算平均浓度为62.375(mg/nm3)，计算各出口检测点的NOx浓度的偏差值，分别为(59-62.375)＝-3.375mg/nm3；(111-62.375)＝48.625mg/nm3；(53-62.375)＝-9.375mg/nm3；(41-62.375)＝-21.375mg/nm3；(111-62.375)＝48.625mg/nm3；(32-62.375)＝-30.375mg/nm3；(71-62.375)＝8.625mg/nm3；(56-62.375)＝-6.375mg/nm3；(57-62.375)＝-5.375mg/nm3；(69-62.375)＝6.625mg/nm3；(26-62.375)＝-36.375mg/nm3；(58-62.375)＝-4.375mg/nm3；(53-62.375)＝-9.375mg/nm3；(67-62.375)＝4.625mg/nm3；(80-62.375)＝17.625mg/nm3；(54-62.375)＝-8.375mg/nm3，将出口NOx浓度偏差值代入数据模型中，得到当前各喷氨阀门的理想调整量，对于总量程1-9、刻度为0.5的喷氨阀门而言，需要将调整量近似处理为可操控数值，即为阀门更改建议值，如(0，2，-0.5，-1，2，-1.5，0.5，-0.5，1，0.5，-0.5，1，-1，0)。
其中，在步骤(a6)中，基于当前阀门开度4，6，3.5，8，7，4.5，3，7，4.5，6，5.5，7，2.5，3，4和上述更改建议值，得出最终阀门建议开度值(4+0)＝4；(6+2)＝8；(3.5-0.5)＝3；(8-1)＝7；(7+2)＝9；(4.5-1.5)＝3；(3+0.5)＝3.5；(7-0.5)＝6.5；(4.5+1)＝5.5；(6+0.5)＝6.5；(5.5+0.5)＝6；(7-0.5)＝6.5；(2.5+1)＝3.5；(3-1)＝2；(4+0)＝4，将喷氨阀门按照阀门建议开度值进行调节，等SCR系统内部稳定后，测量下一次的各检测点出口NOx浓度，如25，45，23，47，44，28，23，24，40，39，26，31，42，45，40，40mg/nm3，平均值为35.125mg/nm3，偏差为(25-35.125)＝-10.125mg/nm3；(45-35.125)＝9.875mg/nm3；(23-35.125)＝-12.125mg/nm3；(47-35.125)＝11.875mg/nm3；(44-35.125)＝8.875mg/nm3；(28-35.125)＝-7.125mg/nm3；(23-35.125)＝-12.125mg/nm3；(24-35.125)＝-11.125mg/nm3；(40-35.125)＝4.875mg/nm3；(39-35.125)＝3.875mg/nm3；(26-35.125)＝-9.125mg/nm3；(31-35.125)＝-4.125mg/nm3；(42-35.125)＝6.875mg/nm3；(45-35.125)＝9.875mg/nm3；(40-35.125)＝4.875mg/nm3；(40-35.125)＝4.875mg/nm3，根据当前检测值与阀门开度，判别数据模型中的权重系数是否能够准确反应当前工况下的输出输入关系，通过增加步长参数或减小步长参数将权重系数进行优化更新，基于当前实例，各检测点的权重系数优化趋势分别为减小、增大、减小、减小、增大、增大、减小、减小、减小、增大、增大、增大、减小、减小、增大、减小，将优化后的权重参数代入数据模型进行更新，并再次计算当前喷氨输入阀门建议开度值，如此迭代直至得出最符合工况的最优数据模型。既保证了实时高效控制，又满足了喷氨调平的实际需求，降低了氨逃逸率。
本发明是基于SCR脱硝系统的实时监测及控制优化，第一部分为SCR脱硝系统的NOx浓度实时监测，其中不仅包括利用传感器检测出口位置NOx浓度，还要对入口NOx浓度进行测量；第二部分为SCR脱硝系统的喷氨量控制，通过控制总喷氨量保证SCR系统中物料平衡，使得出口NOx浓度低于规定标准；第三部分为SCR脱硝系统的喷氨量优化，主要利用大分区调平阀和小分区调平阀对出口分区NOx浓度进行调平。
1、SCR脱硝系统机理建模及状态观测器设置
1.1SCR系统机理模型建立
SCR脱硝是在合适的工作温度(290～430℃)范围内且有氧参与的条件下，还原剂NH3在催化剂作用下有选择性的将烟气中NOx还原为无害的氮气和水，其主要反应过程可表示如下：
Figure BDA0002792166410000051
Figure BDA0002792166410000052
Figure BDA0002792166410000053
Figure BDA0002792166410000054
其中，θfree代表催化剂，
Figure BDA0002792166410000055
代表吸附在催化剂表面的氨气。
由反应式(2)和(3)可知，氮氨比均为1:1。为了方便后续的模型建立，将两个反应合并形成如下反应式：
Figure BDA0002792166410000056
其中α为已知常数。
为简化模型推导过程，该方案的建模过程以单层SCR脱硝系统为例进行机理建模，在实际工程实践中可进行结构更改，无论是三层催化剂模型还是n层催化剂模型均可由单层模型进行推导。定义x＝(x1 x2 x3)T∈R3分别代表NOx浓度、NH3浓度和NH3在催化剂表面的覆盖率。根据阿伦尼乌斯公式以及反应速率方程可对SCR系统中涉及的主要反应(1)(4)(5)进行反应物的定量表示，并利用SCR脱硝设备中的各反应物变化量建立如下的系统状态方程：
Figure BDA0002792166410000061
y＝x3 (6)
其中，F代表入口烟气总流量，V代表SCR脱销设备中催化剂体积，u代表入口NH3浓度，d代表入口NOx浓度，ri为通过阿伦尼乌斯公式计算得到的反应速率常数，可通过如下公式进行计算得出：
Figure BDA0002792166410000062
r1为反应(1)的NH3吸附过程反应速率常数，r2为反应(1)的NH3解吸附过程反应速率常数，r3为反应(5)的反应速率常数，r4为反应(4)的反应速率常数。其中ki代表各反应的指前因子，Ei代表各反应的活化能，R代表摩尔气体常数，T为反应温度。其中ki、Ei、R均可通过确定反应温度T来得到各参数数值。
为了进一步对模型进行处理，将机理模型转换为SCR脱硝设备的工作误差模型，定义
Figure BDA0002792166410000063
为SCR脱硝系统的工作点，则系统参数误差可写成
Figure BDA0002792166410000064
因此系统机理模型的误差形式可表示成：
Figure BDA0002792166410000065
Figure BDA0002792166410000066
其中
Figure BDA0002792166410000067
通过计算模型(7)的相对阶，得出系统模型相对阶为2，对模型(7)进行结构变换：
Figure BDA0002792166410000071
Figure BDA0002792166410000072
Figure BDA0002792166410000073
其中
Figure BDA0002792166410000074
为零动态系统，可以内部稳定。
1.2设计观测器估计系统状态
实时测量系统只对SCR系统的入口NOx浓度和出口NOx浓度进行了测量，而模型中的NH3浓度及NH3覆盖率无法通过传感器直接进行测量得到参数值。因此，利用已知系统参数设计观测器对无法测量参数进行状态估计，并保证状态估计量渐进收敛于实际状态量。将系统状态方程(8)改写成矩阵形式如下：
Figure BDA0002792166410000075
y＝[0 0 1][z1 z2 z3]T (9)
根据式(9)，写出关于z′＝[z1 z2]T的状态方程和输出方程，为后续降阶观测器的设计做准备：
Figure BDA0002792166410000076
Figure BDA0002792166410000077
由于(11)为能量观测系统，可以得到如下形式：
Figure BDA0002792166410000078
定义P1 -1＝P1′，并对公式(11)进行左乘P1处理，再进行右乘P1处理，可得到：
A11 TP1+P1A11-A21 TR1 -1A21+Q1＝0 (12)
其中，Q1＝P1Q′1P1。
设计系统(10)的观测器为如下形式：
Figure BDA0002792166410000079
Figure BDA00027921664100000710
其中L为观测器增益，u的估计值可表示为：
Figure BDA00027921664100000711
最后利用李雅普诺夫方程进行验证，状态观测器的观测误差趋于0。
2.喷氨量控制方法研究
根据系统状态方程(9)，设计系统控制器如下：
Figure BDA0002792166410000081
Figure BDA0002792166410000082
Figure BDA0002792166410000083
为了对系统稳定性进行验证，首先要对观测器进行验证，验证观测误差是否渐进收敛于0，选择李雅普诺夫方程如下：
V1＝εTP1ε (16)
对公式(15)进行求导，可得：
Figure BDA0002792166410000084
其中L＝P1′A21 TR1 -1。
最后对公式(17)进行化简可得：
Figure BDA0002792166410000085
令
Figure BDA0002792166410000086
则上式可改写成如下形式：
Figure BDA0002792166410000087
则李雅普诺夫函数小于等于0，系统渐近稳定。
再对控制器稳定性进行验证，选择如下李雅普诺夫方程：
Figure BDA0002792166410000088
对公式(20)进行求导处理：
Figure BDA0002792166410000089
将
Figure BDA00027921664100000810
控制器带入上式可得：
Figure BDA0002792166410000091
则李雅普诺夫函数小于等于0，系统在控制器(14)的作用下渐近稳定。
根据公式(13)中的观测器设计，将观测值代入SCR系统模型(9)，可得SCR复合模型如下：
Figure BDA0002792166410000092
将控制器(15)代入上式：
Figure BDA0002792166410000093
根据推导过程，选择李雅普诺夫函数如下：
Figure BDA0002792166410000094
则，根据上述证明过程可知，李雅普诺夫函数小于等于0，系统渐进稳定，将系统模型中数据代入公式(15)即可得到使系统稳定、出口NOx浓度低于规定标准的喷氨总量。
该推导和证明过程采用了李雅普诺夫第二法，该方法就是借助于一个李亚普诺夫函数V(x,t)及根据微分方程所计算得到的V沿着轨线的导数dV/dt的符号性质来直接推断稳定性问题。在本方案中，通过证明得知李雅普诺夫函数的导数小于等于0，系统渐近稳定，证明本方案设计的控制器可以保证系统稳定，且稳态误差渐近收敛于0。总结来说，证明过程即是系统能否在控制器作用下稳定保持在工作点的验证过程。
3.SCR脱硝喷氨调平规划
3.1数据建模方法介绍
为了优化SCR脱硝系统的出口NOx浓度，需要利用大分区阀和小分区阀对SCR脱硝系统进行喷氨调平处理，该项目中拟采用数据建模，对小分区阀及出口浓度进行大数据建模，得出各部分间的耦合关系。其中数据建模方法众多，本项目采用较为成熟的基于最小二乘法的系统传递函数矩阵辨识技术对系统进行数据建模。
最小二乘法最早于18世纪被高斯用于预估行星的轨道上，其特点是从概率统计的角度获得全局的无偏估计，表明在某一个样点处不一定是最准确的，但是引入全部样本数据之后是全局最优的。随着数字电子技术的兴起，最小二乘法被越来越多地用在电力系统、控制、系统辨识、数据拟合等多个研究方向中。
最小二乘法分为经典最小二乘法(LMS)和递推最小二乘法(RLS)，经典最小二乘法主要被用在离线计算中，数学形式简单，可通过一次计算获得未知参数，而递推最小二乘法主要被用在在线计算中，是一种递推算法，对存储硬件要求低，计算速度快。尽管两者有着区别，但是在数学表达上是一致的，RLS算法是由LMS算法推导得来的。在实际应用中，大多会根据实际的研究对象的特性来变换求解的形式，通过采用迭代学习思想，引入P型学习率加快最小二乘法的收敛速度，并提高参数辨识精度，将解析数学模型与递推增广最小二乘法结合，用辅助模型的输出代替辨识模型信息向量中的未知真实输出项。
通过分析本方案采用了经典最小二乘法，通过离线辨识一次性得到未知MIMO系统的传递函数矩阵。通常，传统方法为了获得传递函数矩阵，须要对MIMO系统的每一个输入到每一个输出进行n×n次辨识，这样的辨识方式很难保证传递函数矩阵中的每一个传递函数都具有相同极点，导致各个传递函数的最小公分母极点个数增加。本方案所用算法通过一次离线辨识得到传递函数矩阵，传递函数矩阵中每一个传递函数都具有相同极点，保证了通过辨识得到最小公分母的极点个数受控，进而使模型能够很好地应用于实际生产。
用于最小二乘法参数辨识的模型具有如下形式：
yp×1＝Hp×nxn×1+vp×1 (26)
其中，v为高斯白噪声，p×1维向量；x包括了全部待辨识的参数，n×1维向量；y为测量输出，p×1维向量，由x中的各个参数变量线性组合后与对应的噪声值相加而得到的；H为包含输入和输出历史信息的p×n矩阵。
假设测量输出进行了k次采集，第k次测量输出结果可表示为
Figure BDA0002792166410000101
k次测量输出
Figure BDA0002792166410000111
组成向量y，如下式所示
Figure BDA0002792166410000112
与之相对的，将每次测量处由输入和输出信息组成的
Figure BDA0002792166410000113
往行增加的方向进行增广组成矩阵H，维数为(k*p)×n，如下式所示：
Figure BDA0002792166410000114
其中
Figure BDA0002792166410000115
在不考虑噪声干扰的情况下，假设待辨识的参数估计值为
Figure BDA0002792166410000116
测量输出估计值为
Figure BDA0002792166410000117
可表示为
Figure BDA0002792166410000118
我们期望估计输出
Figure BDA0002792166410000119
能够与真实的测量输出y相差无几，直观上，
Figure BDA00027921664100001110
可以近似的认为接近真实的参数。数学形式上，当
Figure BDA00027921664100001111
能够取得最小值时，该最小值对应的
Figure BDA00027921664100001112
无论怎么更改，都无法获得更小的
Figure BDA00027921664100001113
值，为最优估计。由于
Figure BDA00027921664100001114
为一向量，无法直接衡量其大小，这里用向量二范数的概念衡量该向量的大小，可表示为：
Figure BDA00027921664100001115
上式为计算
Figure BDA00027921664100001116
的代价函数J，这个代价函数为关于
Figure BDA00027921664100001117
变量在整个实数区间段内的凹函数，当
Figure BDA00027921664100001118
偏离最优求解点时，代价函数都会增加，误差增加，只有在最优点附近时，代价函数才会最小，通过相对于
Figure BDA00027921664100001119
对J求偏导而得到
Figure BDA00027921664100001120
最优的值。
Figure BDA00027921664100001121
通过以上推到我们就得到了最优的
Figure BDA00027921664100001122
该
Figure BDA00027921664100001123
使得估计输出和实际输出相差最小，为考虑高斯白噪声条件下的最优估计。需要注意的是，上式推导的过程的前提是H矩阵行数k*p大于列数n，并且H矩阵是列满秩的，这时HTH才会是一可逆矩阵。数学上(HTH)-1HT也称为H矩阵的伪逆。
以上是最小二乘法参数辨识的具体推导过程，在实际工程应用中，很重要的一步是以何种形式来表示待辨识参数的模型，并将其转化为最小二乘法标准方程。首先须要确定待辨识的参数，假设待辨识的MIMO系统离散线性模型具有如下形式：
Figure BDA0002792166410000121
其中p代表输出向量的维数；m代表辨识所得模型的最小实现的阶数；n代表辨识所得传递函数模型中分子零点的最大个数，n≤m；q代表输入向量的维数；a1...am，b11, 0...b11,n...bpq,0...bpq,n为待辨识的传递函数参数。
式子(31)两边同时乘以极点多项式，得到：
Figure BDA0002792166410000122
根据离散因子z的运算法则，式(32)可以表示成式(33)：
Figure BDA0002792166410000123
将式(33)左侧中测量值相关项移到等式的右侧做减法运算，得到：
Figure BDA0002792166410000124
对式(34)进一步化简，得到：
Figure BDA0002792166410000125
其中，
yrh＝[-yr,k-1 … -yr,k-m],r∈{1,2,…,p}
uh＝[u1,k+n-m … u1,k-m … uq,k+n-m … uq,k-m]
a＝[a1 a2 … am]T
br＝[br1,0 … br1,n … brq,0 … brq,n]T,r∈{1,2,…,p} (36)
式(35)是式(26)的传递函数矩阵最小二乘法表示，按上述推导过程可以求解得到参数a,br，代入式(31)即可获得待辨识的MIMO系统的传递函数矩阵。
3.2喷氨调平算法介绍
基于上述基于数据的喷氨阀门与NOx检测口之间的模型，提出喷氨调平算法规划各个喷氨阀门的开度值以解决出口烟气NOx浓度分布不均匀问题。
首先，检测当前输出偏差量。检测点输出的偏差量具体表示为：
Figure BDA0002792166410000131
其中，
Figure BDA0002792166410000132
为当前第i个阀门的实际检测值，y0为当前工况所要求的各阀门输出平均值。值得注意的是不同工况下所要求的y0不同，因此计算输出偏差量需要考虑当前所处的工况条件。
其次，在线计算喷氨阀门输入调整量，通过求解模型，计算最优决策变量U＝[u1,...,uj]T，即为算法给出的输入阀门建议调整量。按照该调整量对喷氨阀门进行调整，在SCR系统稳定后再测量出口的NOx浓度，一般情况下该输出偏差量不会为0，这是因为建立的数据模型中权重参数不准确所导致的，因此需要对此进行动态优化。结合理想输出偏差量和实际输出偏差量之间的关系，迭代优化权重系数。经过在线动态调整模型权重系数，实时更新模型并计算当前最优输入，实现SCR脱销系统的喷氨调平。
虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。

Claims (7)

1.一种SCR脱硝系统均匀性优化方法，其特征在于，包括以下步骤：(a1)建立SCR脱销反应机理模型，设计NH3覆盖率、出口NH3浓度观测器，首先，利用SCR脱硝设备中的各反应物变化量建立如下的系统状态方程：
Figure FDA0003690432190000011
y＝x3
其次，系统机理模型的误差形式可表示成：
Figure FDA0003690432190000012
Figure FDA0003690432190000013
再次，将上式写成矩阵形式为：
Figure FDA0003690432190000014
y＝[0 0 1][z1 z2 z3]T
得出关于z′＝[z1 z2]T的状态方程和输出方程：
Figure FDA0003690432190000021
Figure FDA0003690432190000022
设计系统的观测器为如下形式：
Figure FDA0003690432190000023
Figure FDA0003690432190000024
其中L为观测器增益，u的估计值可表示为：
Figure FDA0003690432190000025
最后利用李雅普诺夫方程进行验证，状态观测器的观测误差趋于0；
(a2)验证控制器的稳定性，计算喷氨总量；(a3)基于最小二乘法建立喷氨阀门与检测点的数据驱动模型，初始化权重系数；(a4)获取SCR烟道出口区取样点结果值与喷氨阀门原始开度；(a5)基于当前阀门开度、检测值和模型计算最优输入调整量，得出最终阀门的建议开度值；(a6)基于建议开度值调整阀门开度，再次检测出口取样点结果，在线迭代权重系数，更新模型。
2.根据权利要求1所述的SCR脱硝系统均匀性优化方法，其特征在于，在步骤(a1)中，基于实际SCR脱销工况，用阿伦尼乌斯公式对各反应中反应物的速率进行定量表示，并利用反应速率方程将各反应物的反应量建立机理模型。
3.根据权利要求2所述的SCR脱硝系统均匀性优化方法，其特征在于，在步骤(a1)中，利用李雅普诺夫导数将系统机理模型改写成降阶后的状态方程和输出方程，再利用全阶观测器设计方法，对系统进行观测器设计，并设计观测器增益，保证系统观测器的观测值渐近稳定到系统的实际值，得出氨气覆盖率和出口氨气浓度的观测器。
4.根据权利要求3所述的SCR脱硝系统均匀性优化方法，其特征在于，在步骤(a2)中，将系统观测值代入系统机理模型，得到复合状态模型，并结合控制器，利用李雅普诺夫方程验证系统稳定性，得到喷氨总量。
5.根据权利要求4所述的SCR脱硝系统均匀性优化方法，其特征在于，在步骤(a3)中，测量不同工况下喷氨阀门与出口NOx浓度检测值的大量数据，通过离线辨识一次性得到未知MIMO系统的传递函数矩阵，利用最小二乘法建立数据驱动模型。
6.根据权利要求5所述的SCR脱硝系统均匀性优化方法，其特征在于，在步骤(a4)中，测量各出口检测点的NOx浓度，计算各出口检测点的NOx浓度的偏差值，将出口NOx浓度偏差值代入数据模型中，得到当前各喷氨阀门的理想调整量。
7.根据权利要求6所述的SCR脱硝系统均匀性优化方法，其特征在于，在步骤(a5)中，将喷氨阀门按照阀门建议开度值进行调节，等SCR系统内部稳定后，测量下一次的各检测点出口NOx浓度，根据当前检测值与阀门开度，判别数据模型中的权重系数是否能够准确反应当前工况下的输出输入关系，通过增加步长参数或减小步长参数将权重系数进行优化更新，将优化后的权重参数代入数据模型进行更新，并再次计算当前喷氨输入阀门建议开度值，如此迭代直至得出最符合工况的最优数据模型。
CN202011332657.XA 2020-11-23 2020-11-23 一种scr脱硝系统均匀性优化方法 Active CN112596474B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011332657.XA CN112596474B (zh) 2020-11-23 2020-11-23 一种scr脱硝系统均匀性优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011332657.XA CN112596474B (zh) 2020-11-23 2020-11-23 一种scr脱硝系统均匀性优化方法

Publications (2)

Publication Number Publication Date
CN112596474A CN112596474A (zh) 2021-04-02
CN112596474B true CN112596474B (zh) 2022-07-26

Family

ID=75183709

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011332657.XA Active CN112596474B (zh) 2020-11-23 2020-11-23 一种scr脱硝系统均匀性优化方法

Country Status (1)

Country Link
CN (1) CN112596474B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113893685B (zh) * 2021-09-30 2024-04-09 湖北华电江陵发电有限公司 一种基于滞后惯性补偿的脱硝系统先进控制系统及方法
CN116272358B (zh) * 2022-09-07 2023-12-05 浙江大学 一种智能化辅助烟气脱硝系统喷氨调平试验的方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109304086A (zh) * 2018-10-31 2019-02-05 华中科技大学 一种电站锅炉scr脱硝精细化喷氨控制方法
CN109304087A (zh) * 2018-10-31 2019-02-05 华中科技大学 一种基于脱硝反应动力学方程的电站scr喷氨控制方法
CN110262254A (zh) * 2019-07-15 2019-09-20 吉林师范大学 氨覆盖率观测和跟踪整体设计控制方法
CN111921377A (zh) * 2020-09-25 2020-11-13 大唐环境产业集团股份有限公司 基于机理与数据驱动的scr脱硝喷氨控制方法及系统

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5499883A (en) * 1978-01-24 1979-08-07 Toshiba Corp Process supervisory controller
CH692181A5 (de) * 1995-09-08 2002-03-15 Elex Ag Rauchgasreinigungsanlage.
US20030139907A1 (en) * 2002-01-24 2003-07-24 Mccarthy Robert J System, Method, and Product for Nanoscale Modeling, Analysis, Simulation, and Synthesis (NMASS)
CN105629738B (zh) * 2016-03-24 2018-06-29 内蒙古瑞特优化科技股份有限公司 Scr烟气脱硝系统控制方法及设备
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

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109304086A (zh) * 2018-10-31 2019-02-05 华中科技大学 一种电站锅炉scr脱硝精细化喷氨控制方法
CN109304087A (zh) * 2018-10-31 2019-02-05 华中科技大学 一种基于脱硝反应动力学方程的电站scr喷氨控制方法
CN110262254A (zh) * 2019-07-15 2019-09-20 吉林师范大学 氨覆盖率观测和跟踪整体设计控制方法
CN111921377A (zh) * 2020-09-25 2020-11-13 大唐环境产业集团股份有限公司 基于机理与数据驱动的scr脱硝喷氨控制方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
《模型预测控制在电厂选择性催化还原脱硝系统中的应用研究》;王婷;《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅰ辑》;20150515;正文第15页,第42页，第45-第49页 *

Also Published As

Publication number Publication date
CN112596474A (zh) 2021-04-02

Similar Documents

Publication Publication Date Title
CN112596474B (zh) 一种scr脱硝系统均匀性优化方法
Yin et al. Forming distributed state estimation network from decentralized estimators
CN105786035B (zh) 基于试探式预测控制技术的火电机组scr脱硝优化控制系统
CN105629736A (zh) 数据驱动的火电机组scr脱硝扰动抑制预测控制方法
CN112418284B (zh) 一种全工况电站scr脱硝系统的控制方法及系统
CN106569517A (zh) 焦化废气脱硫过程优化控制方法
Zhou et al. A novel second-order sliding mode control of hybrid fuel cell/super capacitors power system considering the degradation of the fuel cell
Zhang et al. MPC case study on a selective catalytic reduction in a power plant
CN100483276C (zh) 一种基于噪声估计的自适应状态反馈预测控制方法
Wang et al. Adaptive output-feedback tracking for nonlinear systems with unknown control direction and generic inverse dynamics
CN111413938B (zh) 一种基于折算喷氨量的scr脱硝系统扰动抑制预测控制方法
Meisami-Azad et al. LPV gain-scheduled control of SCR aftertreatment systems
Tang et al. Predictive control of SCR denitrification system in thermal power plants based on GA‐BP and PSO
CN109597362B (zh) 燃料电池空气供给系统非线性控制器设计方法
Lim et al. LPV controller design for diesel engine scr aftertreatment systems based on quasi-LPV models
Jiang et al. Optimal Tracking of Networked Control Systems Over the Fading Channel With Packet Loss
Zhong et al. Dynamic output feedback fuzzy control of large-scale nonlinear networked systems: A two-channel triggering approach
CN113050447B (zh) 一种具有数据包丢失的网络化Markov跳变系统H∞控制方法
CN112631130A (zh) 一种面向时延和噪声的ilc系统输入信号最优估计方法
Sun et al. Neural-network-based event-triggered adaptive security path following control of AGVs subject to abnormal actuator signal
CN114360656B (zh) 选择性催化还原脱硝模型建模方法、装置及设备
CN113485106B (zh) 一种火电厂氮氧化物浓度的控制方法
Khather et al. Review and Performance Analysis of Nonlinear Model Predictive Control--Current Prospects, Challenges and Future Directions.
Choi et al. Use of neural networks in iterative learning control systems
Ahmed et al. Input–Output Linearization-Based Controller Design for Stand-Alone Solid Oxide Fuel Cell Power Plant

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
PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: A Uniformity Optimization Method for SCR Denitration System

Effective date of registration: 20230321

Granted publication date: 20220726

Pledgee: Weifang rural commercial bank Limited by Share Ltd. hi tech sub branch

Pledgor: Shandong Microcube Information Technology Co.,Ltd.

Registration number: Y2023980035440