CN114159964A - 一种密相干塔脱硫控制方法 - Google Patents
一种密相干塔脱硫控制方法 Download PDFInfo
- Publication number
- CN114159964A CN114159964A CN202111468340.3A CN202111468340A CN114159964A CN 114159964 A CN114159964 A CN 114159964A CN 202111468340 A CN202111468340 A CN 202111468340A CN 114159964 A CN114159964 A CN 114159964A
- Authority
- CN
- China
- Prior art keywords
- concentration
- desulfurizer
- tower
- dense
- calcium
- 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
Images
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
- B01D53/80—Semi-solid phase processes, i.e. by using slurries
-
- 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
- B01D53/46—Removing components of defined structure
- B01D53/48—Sulfur compounds
- B01D53/50—Sulfur oxides
-
- 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
Abstract
本发明公开了一种密相干塔脱硫控制方法,旨在解决现有技术中密相干塔对烟气脱硫处理控制过程存在较长时滞、惯性和扰动的问题。其包括:密相干塔腔内钙基脱硫剂颗粒浓度值计算、基于排出口SO2浓度预测模型的脱硫剂投入变化量算法和模糊PID控制方法。采用流体动力学机械能守恒计算密相干塔腔内钙基脱硫剂颗粒浓度,通过改进的CARIMA模型和基于实际控制过程数据的模型辨识,对密相干塔排出口的SO2浓度进行有效预测并对钙基脱硫剂的投入变化量进行优化计算,根据钙基脱硫剂颗粒浓度计算值及浓度设定值,设计脱硫剂投入调节的模糊PID控制器,实现密相干塔烟气脱硫过程脱硫剂的准确投入和实时调节,利于减少排出口SO2含量的波动,提高烟气脱硫效率,降低脱硫控制时滞和成本。
Description
技术领域
本发明涉及密相干塔脱硫控制领域,具体地说是一种密相干塔脱硫控制方法。
背景技术
SO2是钢铁冶炼、燃煤电力等领域烟气排放主要污染物,是产生酸雨的重要原因,对环境危害大,同时SO2被世界卫生组织国际癌症研究机构定义为三类致癌物,对人体健康有直接危害。烟气脱硫早已成为相关排放企业污染控制和节能减排工作的重点。
密相干塔半干法脱硫是当前应用较为广泛的烟气脱硫技术,烟气从塔顶部进入塔内,与塔顶加湿活化后的钙基脱硫剂接触,在塔内经链式搅拌器分散碰撞,钙基脱硫剂与SO2加速反应,带有颗粒的烟气从密相干塔底部排出,进入除尘器进行气固分离,净化后烟气经烟囱排出,底部的固体颗粒再次进入密相干塔参与反应,少量反应后的脱硫剂排入废料仓,完成整体脱硫循环,实现烟气脱硫作用。
密相干塔脱硫相较传统石灰石-石膏、氨水、氧化镁等湿法脱硫方式,具有脱硫效率高、占地面积小、可靠性高、无腐蚀、无废水、副产物易处理等优点。
密相干塔脱硫过程是一个复杂的非线性、长时滞过程,现有技术无法准确地根据排出烟气的SO2浓度进行钙基脱硫剂用量的实时准确调节,故较难实现SO2的稳定控制,且为满足严格的排放指标,波动的脱硫效率对控制成本消耗较大。
发明内容
本发明的目的在于提供一种密相干塔脱硫控制方法,根据密相干塔半干法脱硫工艺,通过搭建排出口SO2浓度的预测模型求解钙基脱硫剂投入变化量,并结合密相干塔腔体内脱硫剂颗粒浓度计算值与模糊PID控制,实现脱硫过程脱硫剂浓度的稳定精准调节,以保证实际排除的SO2浓度符合环保要求。
本发明的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本发明的实践而习得。
为实现脱硫的实时精准控制,本发明公开了一种密相干塔脱硫控制方法,该方法通过计算塔腔内脱硫剂颗粒的浓度以及钙基脱硫剂的投入变化量,确定模糊PID控制器参数,实现脱硫剂颗粒浓度的自适应调节,具体包括如下步骤:
步骤A、钙基脱硫剂脱硫过程存在不确定量的返料,塔腔内脱硫剂颗粒浓度不能简单通过脱硫剂投入量和塔体空间体积计算获取,密相干塔腔内钙基脱硫剂颗粒的运动过程可看作流体运动,根据流体力学机械能守恒定理,通过脱硫剂颗粒重力势能、动能、摩擦热能和密相干塔出入口压强差,可实现塔腔内脱硫剂颗粒浓度的精准计算;
步骤B、结合CARIMA标准算法和现场脱硫工艺,搭建改进后的排出口SO2浓度预测模型,通过预测模型计算钙基脱硫剂的投入变化量;
步骤C、通过模糊自适应规则将脱硫剂颗粒浓度与浓度设定值的偏差值转化为脱硫剂投料量的增量,实现塔腔内颗粒浓度的自适应调节。
其中,所述步骤A中密相干塔塔腔内钙基脱硫剂颗粒浓度计算具体步骤如下:
步骤A1、设密相干塔塔腔脱硫剂颗粒浓度为ρ(kg/m3),塔顶处散出的脱硫剂颗粒在脱硫过程中降至塔底,设塔高为Δh(m),则势能减量表示为:
ΔEp=ρ·g·Δh (1)
步骤A2、设塔顶处脱硫剂颗粒流动速度为V0(m/s),塔底处流动速度为V1(m/s),在脱硫过程中脱硫剂颗粒由塔顶至塔底运动过程动能增量表示为:
步骤A3、钙基脱硫剂颗粒在脱硫过程中与塔体内壁及周围颗粒产生碰撞摩擦,设密相干塔塔腔直径为D(m),重力加速度为g(m/s2),则运动过程中脱硫剂颗粒摩擦产生热能表示为:
步骤A4、设密相干塔塔腔底部和顶部出入口压强差为ΔP,则可得到塔腔内脱硫剂颗粒浓度为:
再者,所述步骤B中预测模型基于钙基脱硫剂投入量、排出口SO2实际浓度值和工艺中的不确定因素,预测模型对脱硫剂投入变化量的算法实现具体步骤如下:
步骤B1、包含不确定因素的多变量CARIMA标准模型为:
A(z-1)y(k)=B(z-1)u(k-1)+C(z-1)ω(k)/Δ (5)
其中,Δ=1-z-1为差分算子,将y(k)表示任意时刻k排出口SO2浓度预测值。
依工艺设定Ej(z-1)=ej.0+ej.1z-1+…+ej.j-1z-(j-1),
步骤B2、标准模型(1)式可变为:
y(k+j)=GjΔu(k+j-1)+Fjy(k)+HjΔ(k-1)+Ejω(k+j) (6)
步骤B3、设定任意时刻k,密相干塔脱硫的最小性能指标J为:
其中,y(k+j)为k+j时刻排出口SO2预测值,yr(k+j)为k+j时刻SO2
设定值,Δu(k+j-1)为钙基脱硫剂在k+j-1时刻的投入量,λ(j)为加权系数,
N0为最小预测时域,N1为最大预测时域,Nu为控制时域,ξ为数学期望。
步骤B4、将(6)、(7)式分别表示为向量形式:
步骤B5、根据最小二乘原理,当J最小时满足钙基脱硫剂的投入增量实现最优,故有:
经(8)式计算整理得到钙基脱硫剂投入量的最优化解集:
U=(PTP+λI)-1PT[Yr-Fy(k)-HΔu(k-1)] (12)
步骤B6、将当前时刻钙基脱硫剂投入量表示为u(k)=u(k-1)+Δu(k),
(12)式中(PTP+λI)-1PT第一行元素用qT表示,则钙基脱硫剂的投入变化量应为:
Δu(k)=qT[Yr-Fy(k)-HΔu(k-1)] (13)
进一步,所述步骤C中设计钙基脱硫剂模糊自适应投入控制方法,根据模糊数学理论,搭建调整PID参数的模糊规则,完成对脱硫剂颗粒浓度的稳定控制,实现排出口SO2浓度按预测结果的精准调节,实现具体步骤如下:
步骤C1、模糊处理机以脱硫剂颗粒浓度计算值与浓度设定值的偏差e和偏差变化速率ec为输入变量,根据模糊规则调节PID比例参数Kp、积分参数Ki和微分参数Kd。设定脱硫剂投入变化量为调节手段,采用增量式PID控制算法:
Δu(k)=Kp×[e(k)-e(k-1)]+Ki×e(k)+Kd×[e(k)-2×e(k-1)+e(k-2)] (14)
其中,e(k)、e(k-1)和e(k-2)分别表示第k、k-1和k-2次脱硫剂颗粒浓度计算值与设定值的偏差;
步骤C2、设PID控制器的比例参数变化量为ΔKp、积分参数变化量为ΔKi、微分参数变化量为ΔKd,均作为模糊处理机的输出变量;
步骤C3、将偏差e、偏差变化速率ec、PID参数变化量ΔKp、ΔKi和ΔKd的模糊子集均设定为{NB,NM,NS,ZO,PS,PM,PB};
步骤C4、根据控制系统的响应速度、稳态精度、超调量等对PID参数进行调整,并分别制定PID控制器三个参数增量的模糊规则表。
采用以上技术手段后可以获得以下优势:
本申请提出的密相干塔脱硫控制方法,结合现场脱硫工艺,搭建基于改进CARIMA算法的排出口SO2浓度预测模型,并通过模型计算钙基脱硫剂的投入变化量,可实现脱硫剂投入需量的准确计算,结合密相干塔腔内脱硫剂颗粒浓度计算值与模糊PID控制,可保证脱硫剂颗粒浓度控制值与理论计算值保持较高统一,降低控制过程中的时滞,形成对密相干塔塔内脱硫剂用量的实时精准调节,保证脱硫效率和脱硫率的平稳性,具有良好的控制性能。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是本发明中一种密相干塔脱硫控制方法流程示意图。
具体实施方式
下面结合附图对本发明的技术方案作进一步说明。
如图1所示,一种密相干塔脱硫控制方法,其特征在于,包括如下步骤:
1、计算密相干塔塔腔内钙基脱硫剂的颗粒浓度:由于钙基脱硫剂脱硫过程存在不确定量的返料,塔腔内脱硫剂颗粒浓度不能简单通过脱硫剂投入量和塔体空间体积计算获取,密相干塔腔内钙基脱硫剂颗粒的运动过程可看作流体运动,根据流体力学机械能守恒定理,通过脱硫剂颗粒重力势能、动能、摩擦热能和密相干塔出入口压强差,可实现塔腔内脱硫剂颗粒浓度的精准计算;
2、计算钙基脱硫剂的投入变化量:结合CARIMA标准算法和现场脱硫工艺,搭建改进后的排出口SO2浓度预测模型,通过预测模型计算钙基脱硫剂的投入变化量;
3、确定模糊PID控制器参数,实现塔腔内脱硫剂颗粒浓度的自适应调节:通过模糊自适应规则将脱硫剂颗粒浓度与浓度设定值的偏差值转化为脱硫剂投料量的增量,自适应控制脱硫剂投入量,实时可靠调节塔腔内脱硫剂颗粒浓度。
其中,所述步骤1中密相干塔腔内钙基脱硫剂颗粒浓度计算具体步骤如下:
1.1、设密相干塔塔腔脱硫剂颗粒浓度为ρ(kg/m3),塔顶处散出的脱硫剂颗粒在脱硫过程中降至塔底,设塔高为Δh(m),则势能减量表示为:
ΔEp=ρ·g·Δh (15)
1.2、设塔顶处脱硫剂颗粒流动速度为V0(m/s),塔底处流动速度为V1(m/s),在脱硫过程中脱硫剂颗粒由塔顶至塔底运动过程动能增量表示为:
1.3、钙基脱硫剂颗粒在脱硫过程中与塔体内壁及周围颗粒产生碰撞摩擦,设密相干塔塔腔直径为D(m),重力加速度为g(m/s2),则运动过程中脱硫剂颗粒摩擦产生热能表示为:
1.4、设密相干塔塔腔顶部和底部出入口压强差为ΔP,则可得到塔腔内脱硫剂颗粒浓度为:
再者,所述步骤2中预测模型基于钙基脱硫剂投入量、排出口SO2实际浓度值和工艺中的不确定因素,预测模型对脱硫剂投入变化量的算法实现具体步骤如下:
步骤2.1、包含不确定因素的多变量CARIMA标准模型为:
A(z-1)y(k)=B(z-1)u(k-1)+C(z-1)ω(k)/Δ (19)
其中,Δ=1-z-1为差分算子,将y(k)表示任意时刻k排出口SO2浓度预测值。
依工艺设定Ej(z-1)=ej.0+ej.1z-1+…+ej.j-1z-(j-1),
步骤2.2、标准模型(19)式可变为:
y(k+j)=GjΔu(k+j-1)+Fjy(k)+HjΔ(k-1)+Ejω(k+j) (20)
步骤2.3、设定任意时刻k,密相干塔脱硫的最小性能指标J为:
其中,y(k+j)为k+j时刻排出口SO2预测值,yr(k+j)为k+j时刻SO2
设定值,Δu(k+j-1)为钙基脱硫剂在k+j-1时刻的投入量,λ(j)为加权系数,
N0为最小预测时域,N1为最大预测时域,Nu为控制时域,ξ为数学期望。
步骤2.4、将(20)、(21)式分别表示为向量形式:
步骤2.5、根据最小二乘原理,当J最小时满足钙基脱硫剂的投入增量实现最优,故有:
经(22)式计算整理得到钙基脱硫剂投入量的最优化解集:
U=(PTP+λI)-1PT[Yr-Fy(k)-HΔu(k-1)] (26)
步骤2.6、将当前时刻钙基脱硫剂投入量表示为u(k)=u(k-1)+Δu(k),
(26)式中(PTP+λI)-1PT第一行元素用qT表示,则钙基脱硫剂的投入变化量应为:
Δu(k)=qT[Yr-Fy(k)-HΔu(k-1)] (27)
进一步,所述步骤3中设计钙基脱硫剂模糊自适应投入控制方法,根据模糊数学理论,搭建调整PID参数的模糊规则,完成对脱硫剂颗粒浓度的稳定控制,实现排出口SO2浓度按预测结果的精准调节,实现具体步骤如下:
步骤3.1、控制器以脱硫剂颗粒浓度计算值与浓度设定值的偏差e和偏差变化速率ec为输入,根据模糊规则调节PID比例参数Kp、积分参数Ki和微分参数Kd。设定脱硫剂投入变化量为调节手段,采用增量式PID控制算法:
Δu(k)=Kp×[e(k)-e(k-1)]+Ki×e(k)+Kd×[e(k)-2×e(k-1)+e(k-2)] (28)
其中,e(k)、e(k-1)和e(k-2)分别表示第k、k-1和k-2次脱硫剂颗粒浓度计算值与设定值的偏差;
步骤3.2、设PID控制器的比例参数变化量为ΔKp、积分参数变化量为ΔKi、微分参数变化量为ΔKd,均作为模糊处理机的输出变量;
步骤3.3、将偏差e、偏差变化速率ec、PID参数变化量ΔKp、ΔKi和ΔKd的模糊子集均设定为{NB,NM,NS,ZO,PS,PM,PB},脱硫剂颗粒浓度偏差基本论域E∈[-5.0,5.0],量化因子ke=0.2,脱硫剂颗粒浓度偏差模糊论域e∈[-1.0,1.0],单周期脱硫剂颗粒浓度偏差变化率基本论域EC∈[-0.8,0.8],对应量化因子kec=0.25,偏差变化率模糊论域ec∈[-0.2,0.2],比例参数增量基本论域ΔKp∈[-2.0,2.0],积分参数增量基本论域ΔKi∈[-0.8,0.8],微分参数增量基本论域ΔKd∈[-1.0,1.0],模糊论域x∈[-3.0,3.0],比例参数的比例因子kx1=2/3,积分参数的比例因子kx2=4/15,微分参数的比例因子kx3=1/3;
步骤3.4、根据控制系统的响应速度、稳态精度、超调量等对PID参数进行调整,并分别制定PID控制器三个参数增量的模糊规则表如下:
表1ΔKp模糊规则表
表2ΔKi模糊规则表
表3ΔKd模糊规则表
Claims (4)
1.一种密相干塔脱硫控制方法,其特征在于,包括如下步骤:
S1:计算塔腔内脱硫剂颗粒的浓度;
S2:计算钙基脱硫剂的投入变化量:
S3:确定模糊PID控制器参数,实现脱硫剂颗粒浓度的自适应调节。
3.根据权利要求1所述的一种密相干塔脱硫控制方法,其特征在于,钙基脱硫剂的投入变化量计算方法为:通过改进的CARIMA算法搭建排出口SO2浓度预测模型,通过排出口SO2浓度预测模型计算钙基脱硫剂的投入变化量;所述钙基脱硫剂的投入变化量计算式为:
Δu(k)=qT[Yr-Fy(k)-HΔu(k-1)]
其中,Δu(k)为任意时刻k脱硫剂的投入变化量,Δu(k-1)为k-1时刻脱硫剂的投入变化量,y(k)为k时刻排出口SO2浓度预测值,q、Yr、F和H均为过程变量,直接或间接由排出口SO2实测值样本和钙基脱硫剂投入量样本计算得出。
4.根据权利要求1所述的一种密相干塔脱硫控制方法,其特征在于,结合塔腔内脱硫剂颗粒浓度计算值与设定值偏差,确定模糊PID控制器参数,实现脱硫剂颗粒浓度的自适应调节,该步骤的过程包括:
采用增量式PID控制算法:
Δu(k)=Kp×[e(k)-e(k-1)]+Ki×e(k)+Kd×[e(k)-2×e(k-1)+e(k-2)]
其中,e(k)、e(k-1)和e(k-2)分别表示第k、k-1和k-2次脱硫剂颗粒浓度计算值与设定值的偏差,Kp、Ki和Kd分别为PID控制器的比例参数、积分参数和微分参数,以脱硫剂颗粒浓度计算值与设定值的偏差和偏差变化率作为输入变量,以PID控制器的比例参数变化量为ΔKp、积分参数变化量为ΔKi和微分参数变化量为ΔKd作为模糊处理机的输出变量,分别制定三个参数增量的模糊规则表,依照偏差及变化率完成参数增量的对应输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111468340.3A CN114159964A (zh) | 2021-12-03 | 2021-12-03 | 一种密相干塔脱硫控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111468340.3A CN114159964A (zh) | 2021-12-03 | 2021-12-03 | 一种密相干塔脱硫控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114159964A true CN114159964A (zh) | 2022-03-11 |
Family
ID=80482826
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111468340.3A Pending CN114159964A (zh) | 2021-12-03 | 2021-12-03 | 一种密相干塔脱硫控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114159964A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10353312A1 (de) * | 2003-11-10 | 2005-06-09 | Robert Bosch Gmbh | Vorrichtung und Verfahren zur Plasma-unterstützen Abgasreinigung |
CN1634635A (zh) * | 2004-12-03 | 2005-07-06 | 北京科技大学 | 一种密相干塔脱硫除尘装置 |
CN103116282A (zh) * | 2013-01-17 | 2013-05-22 | 中南大学 | 循环流化床脱硫剂预投入量多目标优化方法 |
CN105116855A (zh) * | 2015-07-22 | 2015-12-02 | 华北电力大学 | 一种烟气循环流化床脱硫的优化控制方法 |
CN105233659A (zh) * | 2015-09-28 | 2016-01-13 | 龙创信恒(北京)科技有限公司 | 一种烟气脱硫塔及烟气脱硫方法 |
-
2021
- 2021-12-03 CN CN202111468340.3A patent/CN114159964A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10353312A1 (de) * | 2003-11-10 | 2005-06-09 | Robert Bosch Gmbh | Vorrichtung und Verfahren zur Plasma-unterstützen Abgasreinigung |
CN1634635A (zh) * | 2004-12-03 | 2005-07-06 | 北京科技大学 | 一种密相干塔脱硫除尘装置 |
CN103116282A (zh) * | 2013-01-17 | 2013-05-22 | 中南大学 | 循环流化床脱硫剂预投入量多目标优化方法 |
CN105116855A (zh) * | 2015-07-22 | 2015-12-02 | 华北电力大学 | 一种烟气循环流化床脱硫的优化控制方法 |
CN105233659A (zh) * | 2015-09-28 | 2016-01-13 | 龙创信恒(北京)科技有限公司 | 一种烟气脱硫塔及烟气脱硫方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Strand et al. | Fly ash penetration through electrostatic precipitator and flue gas condenser in a 6 MW biomass fired boiler | |
CN105404145B (zh) | 基于指数预测和时滞预估补偿的脱硝新型串级控制方法 | |
CN100555125C (zh) | 气化炉的预测型比例积分微分控制方法 | |
RU2426582C2 (ru) | Способ и устройство для регулирования поглощения газообразных загрязняющих веществ из горячих технологических газов | |
JP6216558B2 (ja) | ケミカルループの動作最適化方法 | |
CN104615114B (zh) | 一种循环流化床的炉内脱硫优化控制方法 | |
WO2006036819A2 (en) | Method and system for increasing efficiency of fgd operation in fossil fuel boilers | |
CN105278567A (zh) | 基于模糊控制的垃圾焚烧烟气净化控制方法及系统 | |
CN1844739A (zh) | 一种循环流化床锅炉负荷串级燃烧控制系统及方法 | |
CN101285753A (zh) | 测量颗粒流体两相流反应器内流体相组分浓度分布的方法 | |
CN112147891A (zh) | 一种火电机组协调系统全局非线性优化控制方法 | |
CN112967760A (zh) | 基于脱硫系统入口so2含量的石灰石浆液量预估方法 | |
Yu et al. | Dynamic modeling for SO2-NOx emission concentration of circulating fluidized bed units based on quantum genetic algorithm-Extreme learning machine | |
Lee et al. | Optimizing the specific surface area of fly ash-based sorbents for flue gas desulfurization | |
CN114159964A (zh) | 一种密相干塔脱硫控制方法 | |
CN107398162A (zh) | 湿法烟气脱硫氧化风机节能方法 | |
CN113033873A (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 | |
CN112742187A (zh) | 一种脱硫系统中pH值的控制方法及装置 | |
CN103116282A (zh) | 循环流化床脱硫剂预投入量多目标优化方法 | |
CN102269973A (zh) | 面向烧结烟气脱硫过程的塔顶温度模糊预测补偿控制方法 | |
Si et al. | Inferential sensor for on-line monitoring of ammonium bisulfate formation temperature in coal-fired power plants | |
CN109426148B (zh) | 一种实现燃煤锅炉除灰过程循环周期时间自动调节的方法 | |
Zhao et al. | Hybrid modeling and real-time predictive scheduling of wet flue gas desulfurization for energy saving and life extension | |
Korpela et al. | Monitoring of spraying in semi-dry desulfurization processes in coal fired power plants | |
CN114053865A (zh) | 适用于燃煤锅炉scr脱硝控制系统的广义预测控制方法 |
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 |