CN112967760B - 基于脱硫系统入口二氧化硫含量的石灰石浆液量预估方法 - Google Patents

基于脱硫系统入口二氧化硫含量的石灰石浆液量预估方法 Download PDF

Info

Publication number
CN112967760B
CN112967760B CN202110228822.5A CN202110228822A CN112967760B CN 112967760 B CN112967760 B CN 112967760B CN 202110228822 A CN202110228822 A CN 202110228822A CN 112967760 B CN112967760 B CN 112967760B
Authority
CN
China
Prior art keywords
slurry
desulfurization system
limestone
amount
limestone slurry
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
CN202110228822.5A
Other languages
English (en)
Other versions
CN112967760A (zh
Inventor
王明坤
高林
秦斌
惠文涛
侯玉婷
王林
周俊波
郭亦文
赵章明
王倩
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.)
Xian Thermal Power Research Institute Co Ltd
Original Assignee
Xian Thermal Power Research Institute 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 Xian Thermal Power Research Institute Co Ltd filed Critical Xian Thermal Power Research Institute Co Ltd
Priority to CN202110228822.5A priority Critical patent/CN112967760B/zh
Publication of CN112967760A publication Critical patent/CN112967760A/zh
Application granted granted Critical
Publication of CN112967760B publication Critical patent/CN112967760B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/10—Analysis or design of chemical reactions, syntheses or processes

Landscapes

  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computing Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Treating Waste Gases (AREA)

Abstract

本发明公开了一种基于脱硫系统入口SO2含量的石灰石浆液量预估方法，包括如下步骤：1、记录关键参数历史数据；2、构建脱硫系统浆液量修正模型；3、确定脱硫系统浆液量修正模型关键参数；4、建立石灰石浆液量动态传递函数；5、参数辨识获得动态参数；6、预估脱硫系统所需石灰石浆液质量流量；本发明通过建立脱硫系统浆液量修正模型和动态传递函数的离散模型，实现浆液量的预估和浆液泵的精确前馈量，避免脱硫过程pH值表现出的非线性、时变、大迟延、大惯性，实现较精确的脱硫控制。

Description

基于脱硫系统入口二氧化硫含量的石灰石浆液量预估方法
技术领域
本发明属于火力发电机组石灰石浆液量预估技术领域，涉及一种基于脱硫系统入口SO2含量的石灰石浆液量预估方法。
背景技术
随着国家经济的高速发展，人们对电力的需求量不断增加，作为主要电力供应的燃煤发电机组也不断增加，与此同时，燃煤发电机组排放的污染物也相应增加。面对日益严峻的环保问题和国家对燃煤电厂污染物超低排放政策的实施，控制和减少燃煤电厂污染物排放已势在必行。SO2作为燃煤电厂排放的主要污染物之一，如何保证SO2超净排放使我们要研究的重点。目前电厂多采用湿法脱硫技术，吸收塔系统作为湿法脱硫工艺系统的核心，其主要调节任务即为保证塔内的石灰石浆液pH值在合理的范围内，较低的pH值不利于二氧化硫的吸收，同时较高的pH值吸收塔又降低了石灰石的溶解程度，造成脱硫效果变差。因此合理的石灰石浆液供给量对于烟气脱硫效率是十分重要的。
目前，常规的吸收塔浆液pH值控制方法是通过控制石灰石浆液的流量大小来进行调节的，多采用串级的控制思路，主控制器将pH 测量值与设定值偏差作为输入，输出信号作为石灰石浆液流量设定值送入副调节器。考虑到控制系统的调节速度与精度，串级系统经常根据机组需求将实际负荷信号或烟气二氧化硫浓度信号等变量作为前馈及时调整浆液调门开度，以期望获得更好的pH值控制效果。当遇到石灰石浆液流量突变或是浓度突变等内扰时，该串级控制系统能够有效的克服干扰来维持pH值的稳定；但相对于烟气量变化的速率，浆液pH值发生变化的速率要缓慢得多，即被控对象的延迟与惯性较大。脱硫过程是一个复杂的过程，其具有非线性、时变、大迟延、大惯性等特点，通过pH值的偏差反馈来调整浆液泵流量时会造成控制效果不好。另一方面，通过浆液量前馈输入，对于烟气流量突变或是烟气中二氧化硫浓度突变时，无法准确量化前馈系数，使得控制品质也很难满足工程要求。因此，在工况变化时给出较为准确的浆液量前馈是研究的难点。
发明内容
本发明的目的在于克服上述现有技术的缺点，提供了一种基于脱硫系统入口SO2含量的石灰石浆液量预估方法，通过建立脱硫系统浆液量修正模型和动态传递函数的离散模型，实现浆液量的预估和浆液泵的精确前馈量，避免脱硫过程pH值表现出的非线性、时变、大迟延、大惯性，实现较精确的脱硫控制。
为了达到上述目的，本发明采用的技术方案如下：
一种基于脱硫系统入口SO2含量的石灰石浆液量预估方法，包括如下步骤：
步骤一：记录关键参数历史数据；
首先通过电厂安装的传感器进行测量并记录烟气体积流量 G、脱硫系统入口硫氧化物体积浓度
Figure BDA0002958003550000021
测量石灰石浆液质量流量FCa、pH值控制偏差ΔpH历史数据；
步骤二：构建脱硫系统浆液量修正模型；
理论脱硫系统浆液量计算公式如下：
Figure BDA0002958003550000031
Figure BDA0002958003550000032
式中，FCa为石灰石浆液质量流量；
Figure BDA00029580035500000312
为硫氧化物质量流量；
Figure BDA0002958003550000033
为硫氧化物质量浓度；G为烟气体积流量；
Figure BDA0002958003550000034
为脱硫效率； St为钙硫比；
Figure BDA0002958003550000035
为CaCO3的摩尔量；
Figure BDA0002958003550000036
为SO2的摩尔量；FR为石灰石纯度；
Figure BDA00029580035500000313
为石灰石浆液的含固量；
上述计算公式中，脱硫效率
Figure BDA0002958003550000037
钙硫比St、CaCO3的摩尔量
Figure BDA0002958003550000038
SO2的摩尔量
Figure BDA0002958003550000039
石灰石纯度FR、石灰石浆液的含固量
Figure BDA00029580035500000314
参数为定值或可确定范围，因此上述浆液量计算公式简化为：
Figure BDA00029580035500000315
其中KC为SO2吸收反应比；
由于pH值是石灰石浆液流量控制的关键指标，也是衡量SO2与石灰石浆液化学反应平衡的指标，不仅反映了石灰石浆液量的水平，石灰石浆液品质、喷淋情况、浆液循环量情况、脱硫效率等变化也将最终反映在PH值的变化中；因此，PH值是石灰石浆液量需求估算的关；考虑pH对模型的影响，将脱硫系统浆液量修正模型修正为如下所示：
Figure BDA00029580035500000310
式中，KC为SO2吸收反应比；ΔpH为pH值控制偏差；
Figure BDA00029580035500000311
为影响pH值的浆液流量系数；
步骤三：确定脱硫系统浆液量修正模型关键参数；
通过稳态工况下的历史数据，根据测量石灰石浆液质量流量 FCa、脱硫系统入口硫氧化物质量浓度
Figure BDA0002958003550000041
烟气体积流量G、pH 值控制偏差ΔpH历史数据，计算出SO2吸收反应比KC和影响pH值的浆液流量系数
Figure BDA0002958003550000042
步骤四：建立石灰石浆液量动态传递函数；
考虑被控对象的延迟与惯性；脱硫动态过程模型近似为一阶惯性动态传递函数：
Figure BDA0002958003550000043
式中，TCa为SO2吸收过程时间常数；τ1为SO2吸收过程延迟时间；s为虚变量；e为自然对数的底数；
步骤五：参数辨识获得动态参数；
选取历史动态工况数据，获得动态过程中石灰石浆液质量流量FCa、脱硫系统入口硫氧化物质量浓度
Figure BDA0002958003550000044
烟气体积流量G、 pH值控制偏差ΔpH历史数据，已知脱硫系统浆液量修正模型中 SO2吸收反应比KC和影响pH值的浆液流量系数
Figure BDA0002958003550000045
对石灰石浆液量动态传递函数中的动态过程时间常数TCa与延迟时间常数τ1进行动态参数辨识；
动态参数辨识方法如下，将步骤四建立的动态传递函数进行离散化，得到脱硫系统浆液量的离散模型如下所示：
Figure BDA0002958003550000046
y(0)＝0
Figure BDA0002958003550000051
Figure BDA0002958003550000052
θ＝[TCa,τ1]
式中θ为待估参数；x(n)、y(n)为中间变量；n为离散化采样点；Δt为采样间隔；
使用最小二乘法对θ进行寻优，寻找一个θ的估计值，使得各次测量的石灰石浆液质量流量FCa、pH值控制偏差ΔpH采样值与石灰石浆液质量流量估计值
Figure BDA0002958003550000053
之差的平方和最小，即：
Figure BDA0002958003550000054
故估计值θ即为参数辨识结果，获得动态过程时间常数TCa与延迟时间常数τ1；
步骤六：预估脱硫系统所需石灰石浆液质量流量；
通过传感器测量脱硫系统入口硫氧化物质量浓度
Figure BDA0002958003550000055
烟气体积流量G的实时数据，使用步骤五脱硫系统浆液量的离散模型，即预测获得脱硫系统所需精确的石灰石浆液质量流量，从而依此给出浆液泵控制前馈设定，实现较为精确的控制，满足硫氧化物超净排放。
和现有技术相比较，本发明具备如下优点：
(1)常规的吸收塔浆液pH值控制方法是通过控制石灰石浆液的流量大小来进行调节的，多采用串级的控制思路，主控制器将pH 测量值与设定值偏差作为输入，输出信号作为石灰石浆液流量设定值送入副调节器。当遇到石灰石浆液流量突变或是浓度突变等内扰时，该串级控制系统能够有效的克服干扰来维持pH值的稳定；但相对于烟气量变化的速率，浆液pH值发生变化的速率要缓慢得多，即被控对象的延迟与惯性较大，仅仅通过pH值的偏差反馈来调整浆液泵流量时会造成控制效果不好。本发明基于脱硫系统入口SO2含量，通过机理模型获得脱硫系统的动态传递函数，可以精确预估脱硫系统所需石灰石浆液量，通过给出精确的浆液泵前馈，避免浆液流量的过多或过少，使得pH值维持在脱硝效率高效区；并且无需等待pH值产生偏差再动作浆液流量调节，避免pH值反馈延迟，可超前控制。
(2)现有给出的浆液量前馈输入，较为粗放，由运行人员经验进行设定，对于烟气流量突变或是烟气中二氧化硫浓度突变时，无法准确量化前馈系数，使得控制品质也很难满足工程要求。本发明提出的基于脱硫系统入口SO2含量的石灰石浆液量预估方法，可以依据入口浓度和烟气流量给出较为精确的浆液量需求，避免脱硫控制效果的 pH超调或脱硫效率过低，同时结合pH值偏差反馈进一步调节石灰石浆液量实现脱硫精确控制。
附图说明
图1为本发明预估方法流程图。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细说明。
如图1所示，本发明一种基于脱硫系统入口SO2含量的石灰石浆液量预估方法，包括如下步骤：
步骤一：记录关键参数历史数据；
首先通过电厂安装的传感器进行测量并记录烟气体积流量 G、脱硫系统入口硫氧化物体积浓度
Figure BDA0002958003550000071
测量石灰石浆液质量流量FCa、pH值控制偏差ΔpH历史数据。
步骤二：构建脱硫系统浆液量修正模型；
理论脱硫系统浆液量计算公式如下：
Figure BDA0002958003550000072
Figure BDA0002958003550000073
式中，FCa为石灰石浆液质量流量；
Figure BDA0002958003550000074
为硫氧化物质量流量；
Figure BDA0002958003550000075
为硫氧化物质量浓度；G为烟气体积流量；
Figure BDA0002958003550000076
为脱硫效率； St为钙硫比；
Figure BDA0002958003550000077
为CaCO3的摩尔量；
Figure BDA0002958003550000078
为SO2的摩尔量；FR为石灰石纯度；
Figure BDA00029580035500000713
为石灰石浆液的含固量。
上述计算公式中，脱硫效率
Figure BDA0002958003550000079
钙硫比St、CaCO3的摩尔量
Figure BDA00029580035500000710
SO2的摩尔量
Figure BDA00029580035500000711
石灰石纯度FR、石灰石浆液的含固量
Figure BDA00029580035500000714
参数为定值或可确定范围，因此上述浆液量计算公式可以简化为：
Figure BDA00029580035500000712
其中KC为SO2吸收反应比；
由于pH值是石灰石浆液流量控制的关键指标，也是衡量SO2与石灰石浆液化学反应平衡的指标，不仅反映了石灰石浆液量的水平，石灰石浆液品质、喷淋情况、浆液循环量情况、脱硫效率等变化也将最终反映在PH值的变化中。因此，PH值是石灰石浆液量需求估算的关键。因此，考虑pH对模型的影响，将脱硫系统浆液量修正模型修正为如下所示：
Figure BDA0002958003550000081
式中，KC为SO2吸收反应比；ΔpH为pH值控制偏差；
Figure BDA0002958003550000082
为影响pH值的浆液流量系数。
步骤三：确定脱硫系统浆液量修正模型关键参数；
通过稳态工况下的历史数据，可根据测量石灰石浆液质量流量FCa、脱硫系统入口硫氧化物质量浓度
Figure BDA0002958003550000083
烟气体积流量G、 pH值控制偏差ΔpH历史数据，计算出SO2吸收反应比KC和影响pH 值的浆液流量系数
Figure BDA0002958003550000084
步骤四：建立石灰石浆液量动态传递函数；
脱硫过程是一个复杂的过程，其具有非线性、时变、大迟延、大惯性等特点，浆液pH值发生变化的速率要缓慢得多，故需要考虑被控对象的延迟与惯性；脱硫动态过程模型可近似为一阶惯性动态传递函数：
Figure BDA0002958003550000085
式中，TCa为SO2吸收过程时间常数；τ1为SO2吸收过程延迟时间；s为虚变量；e为自然对数的底数。
步骤五：参数辨识获得动态参数；
选取历史动态工况数据，获得动态过程中石灰石浆液质量流量FCa、脱硫系统入口硫氧化物质量浓度
Figure BDA0002958003550000091
烟气体积流量G、 pH值控制偏差ΔpH历史数据，已知脱硫系统浆液量修正模型中 SO2吸收反应比KC和影响pH值的浆液流量系数
Figure BDA0002958003550000092
对石灰石浆液量动态传递函数中动态过程时间常数TCa与延迟时间常数τ1进行动态参数辨识。
动态参数辨识方法如下，将步骤四建立的动态传递函数进行离散化，得到脱硫系统浆液量的离散模型如下所示：
Figure BDA0002958003550000097
y(0)＝0
Figure BDA0002958003550000093
Figure BDA0002958003550000094
θ＝[TCa,τ1]
式中θ为待估参数；x(n)、y(n)为中间变量；n为离散化采样点；Δt为采样间隔；
使用最小二乘法对θ进行寻优，寻找一个θ的估计值，使得各次测量的石灰石浆液质量流量FCa、pH值控制偏差ΔpH采样值与石灰石浆液质量流量估计值
Figure BDA0002958003550000095
之差的平方和最小，即：
Figure BDA0002958003550000096
故估计值θ即为参数辨识结果，获得动态过程时间常数TCa与延迟时间常数τ1。
步骤六：预估脱硫系统所需石灰石浆液质量流量；
通过传感器测量脱硫系统入口硫氧化物质量浓度
Figure BDA0002958003550000101
烟气体积流量G的实时数据，使用步骤五脱硫系统浆液量的离散模型，即可预测获得脱硫系统所需精确的石灰石浆液质量流量，从而依此给出浆液泵控制前馈设定，实现较为精确的控制，避免传统控制方式的大惯性、大延迟特性造成的pH控制效果不好、脱硫效率不足等难点，满足硫氧化物超净排放。

Claims (1)

1.一种基于脱硫系统入口SO2含量的石灰石浆液量预估方法，其特征在于：包括如下步骤：
步骤一：记录关键参数历史数据；
首先通过电厂安装的传感器进行测量并记录烟气体积流量G、脱硫系统入口硫氧化物体积浓度
Figure FDA00039858975800000114
测量石灰石浆液质量流量FCa、pH值控制偏差ΔpH历史数据；
步骤二：构建脱硫系统浆液量修正模型；
理论脱硫系统浆液量计算公式如下：
Figure FDA0003985897580000011
Figure FDA0003985897580000012
式中，FCa为石灰石浆液质量流量；
Figure FDA0003985897580000013
为硫氧化物质量流量；
Figure FDA0003985897580000014
为硫氧化物质量浓度；G为烟气体积流量；
Figure FDA0003985897580000015
为脱硫效率；St为钙硫比；
Figure FDA0003985897580000016
为CaCO3的摩尔量；
Figure FDA0003985897580000017
为SO2的摩尔量；FR为石灰石纯度；
Figure FDA0003985897580000018
为石灰石浆液的含固量；
上述计算公式中，脱硫效率
Figure FDA0003985897580000019
钙硫比St、CaCO3的摩尔量
Figure FDA00039858975800000110
SO2的摩尔量
Figure FDA00039858975800000111
石灰石纯度FR、石灰石浆液的含固量
Figure FDA00039858975800000112
参数为定值或可确定范围，因此上述浆液量计算公式简化为：
Figure FDA00039858975800000113
其中KC为SO2吸收反应比；
由于pH值是石灰石浆液流量控制的关键指标，也是衡量SO2与石灰石浆液化学反应平衡的指标，不仅反映了石灰石浆液量的水平，石灰石浆液品质、喷淋情况、浆液循环量情况、脱硫效率变化也将最终反映在PH值的变化中；因此，PH值是石灰石浆液量需求估算的关键；考虑pH对模型的影响，将脱硫系统浆液量修正模型修正为如下所示：
Figure FDA0003985897580000021
式中，KC为SO2吸收反应比；ΔpH为pH值控制偏差；
Figure FDA0003985897580000022
为影响pH值的浆液流量系数；
步骤三：确定脱硫系统浆液量修正模型关键参数；
通过稳态工况下的历史数据，根据测量石灰石浆液质量流量FCa、脱硫系统入口硫氧化物质量浓度
Figure FDA0003985897580000023
烟气体积流量G、pH值控制偏差ΔpH历史数据，计算出SO2吸收反应比KC和影响pH值的浆液流量系数
Figure FDA0003985897580000024
步骤四：建立石灰石浆液量动态传递函数；
考虑被控对象的延迟与惯性；脱硫动态过程模型近似为一阶惯性动态传递函数：
Figure FDA0003985897580000025
式中，TCa为SO2吸收过程时间常数；τ1为SO2吸收过程延迟时间；s为虚变量；e为自然对数的底数；
步骤五：参数辨识获得动态参数；
选取历史动态工况数据，获得动态过程中石灰石浆液质量流量FCa、脱硫系统入口硫氧化物质量浓度
Figure FDA0003985897580000031
烟气体积流量G、pH值控制偏差ΔpH历史数据，已知脱硫系统浆液量修正模型中SO2吸收反应比KC和影响pH值的浆液流量系数
Figure FDA0003985897580000032
对石灰石浆液量动态传递函数中的动态过程时间常数TCa与延迟时间常数τ1进行动态参数辨识；
动态参数辨识方法如下，将步骤四建立的动态传递函数进行离散化，得到脱硫系统浆液量的离散模型如下所示：
Figure FDA0003985897580000033
y(0)＝0
Figure FDA0003985897580000034
Figure FDA0003985897580000035
θ＝[TCa,τ1]
式中θ为待估参数；x(n)、y(n)为中间变量；n为离散化采样点；Δt为采样间隔；
使用最小二乘法对θ进行寻优，寻找一个θ的估计值，使得各次测量的石灰石浆液质量流量FCa、pH值控制偏差ΔpH采样值与石灰石浆液质量流量估计值
Figure FDA0003985897580000036
之差的平方和最小，即：
Figure FDA0003985897580000037
故估计值θ即为参数辨识结果，获得动态过程时间常数TCa与延迟时间常数τ1；
步骤六：预估脱硫系统所需石灰石浆液质量流量；
通过传感器测量脱硫系统入口硫氧化物质量浓度
Figure FDA0003985897580000041
烟气体积流量G的实时数据，使用步骤五脱硫系统浆液量的离散模型，即预测获得脱硫系统所需精确的石灰石浆液质量流量，从而依此给出浆液泵控制前馈设定，实现精确的控制，满足硫氧化物超净排放。
CN202110228822.5A 2021-03-02 2021-03-02 基于脱硫系统入口二氧化硫含量的石灰石浆液量预估方法 Active CN112967760B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110228822.5A CN112967760B (zh) 2021-03-02 2021-03-02 基于脱硫系统入口二氧化硫含量的石灰石浆液量预估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110228822.5A CN112967760B (zh) 2021-03-02 2021-03-02 基于脱硫系统入口二氧化硫含量的石灰石浆液量预估方法

Publications (2)

Publication Number Publication Date
CN112967760A CN112967760A (zh) 2021-06-15
CN112967760B true CN112967760B (zh) 2023-02-28

Family

ID=76276390

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110228822.5A Active CN112967760B (zh) 2021-03-02 2021-03-02 基于脱硫系统入口二氧化硫含量的石灰石浆液量预估方法

Country Status (1)

Country Link
CN (1) CN112967760B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113655825B (zh) * 2021-07-05 2022-04-22 国能龙源环保有限公司 一种湿法脱硫喷淋浆液pH值控制方法
CN113593653B (zh) * 2021-07-05 2023-10-20 国能龙源环保有限公司 一种湿法脱硫装置整体经济效益最优控制方法
CN113648800B (zh) * 2021-08-16 2022-05-31 浙江浩普智能科技有限公司 一种湿法脱硫pH值预测控制方法及系统
CN114618277B (zh) * 2022-03-28 2023-05-23 国家电投集团江西电力有限公司分宜发电厂 一种脱硫系统及应用该系统的脱硫方法
CN116440670B (zh) * 2023-04-12 2023-10-31 华能伊春热电有限公司 一种石灰石浆液密度稳定性控制方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102743971A (zh) * 2012-07-31 2012-10-24 浙江省电力公司电力科学研究院 一种脱硫系统石灰石浆液pH值控制方法
CN112206645B (zh) * 2019-07-10 2022-10-04 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 一种火电厂脱硫效率控制方法及系统
CN111564184A (zh) * 2020-04-15 2020-08-21 华电电力科学研究院有限公司 燃煤电厂石灰石-石膏湿法脱硫so3协同脱除效率预测方法

Also Published As

Publication number Publication date
CN112967760A (zh) 2021-06-15

Similar Documents

Publication Publication Date Title
CN112967760B (zh) 基于脱硫系统入口二氧化硫含量的石灰石浆液量预估方法
CN109343349B (zh) 一种基于喷氨量补偿器的scr烟气脱硝优化控制系统和方法
CN108636094A (zh) 一种湿法脱硫工艺中的精确预测控制与节能系统及方法
CN113033873B (zh) 基于入炉煤质测量的脱硫系统入口硫氧化物含量预测方法
CN111340199A (zh) 一种基于物料衡算和深度学习的脱硫系统节能方法
CN108730968B (zh) 脱硫的控制方法及装置
CN109224815A (zh) 一种基于多变量约束区间预测控制的氨法脱硫优化控制方法
CN112742187A (zh) 一种脱硫系统中pH值的控制方法及装置
CN112619389A (zh) 一种石灰石-湿法脱硫系统供浆优化控制方法和系统
CN111399458B (zh) 基于扰动抑制广义预测控制的scr脱硝系统控制方法
CN111880504A (zh) 一种智能的动态分区喷氨控制方法和系统
CN115309117A (zh) 一种基于数据驱动的wfgd出口so2浓度预测及智能优化方法
CN113593653B (zh) 一种湿法脱硫装置整体经济效益最优控制方法
CN111068503A (zh) 一种烟气超低排放后脱硫系统石灰石供浆精准调节控制器及控制方法
CN107561944A (zh) 一种基于拉盖尔模型的脱硝系统自适应预测控制方法
CN105955030A (zh) 一种基于改进输入加权预测控制器的机炉协调控制方法
CN202823158U (zh) 石灰石湿法脱硫吸收塔浆液pH脱硫率的自动控制结构
CN109976405A (zh) 一种陶瓷窑炉温度复合控制方法、设备及系统
CN1226673C (zh) 工业过程单参数比例积分微分控制方法
CN111408243A (zh) 一种火电机组湿法脱硫pH值控制系统及方法
CN117270387A (zh) 基于深度学习的scr脱硝系统低氨逃逸控制方法和系统
CN113655825B (zh) 一种湿法脱硫喷淋浆液pH值控制方法
CN114035430A (zh) 一种基于预测控制的脱硫系统pH值控制系统及方法
CN111450694B (zh) 一种基于多目标优化的脱硫系统工业控制器和控制方法
CN116428879A (zh) 用于加热炉燃烧优化的控制方法及系统

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
GR01 Patent grant
GR01 Patent grant