CN114558447A - 基于scr脱硝系统的喷氨量优化控制装置及控制方法 - Google Patents
基于scr脱硝系统的喷氨量优化控制装置及控制方法 Download PDFInfo
- Publication number
- CN114558447A CN114558447A CN202210107225.1A CN202210107225A CN114558447A CN 114558447 A CN114558447 A CN 114558447A CN 202210107225 A CN202210107225 A CN 202210107225A CN 114558447 A CN114558447 A CN 114558447A
- Authority
- CN
- China
- Prior art keywords
- injection amount
- ammonia injection
- time
- concentration
- value
- 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
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 title claims abstract description 361
- 229910021529 ammonia Inorganic materials 0.000 title claims abstract description 179
- 238000002347 injection Methods 0.000 title claims abstract description 155
- 239000007924 injection Substances 0.000 title claims abstract description 155
- 238000005457 optimization Methods 0.000 title claims abstract description 24
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000003062 neural network model Methods 0.000 claims abstract description 19
- 210000002569 neuron Anatomy 0.000 claims description 26
- 238000005507 spraying Methods 0.000 claims description 12
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 10
- 239000000446 fuel Substances 0.000 claims description 10
- 239000001301 oxygen Substances 0.000 claims description 10
- 229910052760 oxygen Inorganic materials 0.000 claims description 10
- 231100001143 noxa Toxicity 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 2
- 239000007789 gas Substances 0.000 claims 1
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 119
- 238000006243 chemical reaction Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 239000003546 flue gas Substances 0.000 description 3
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000006722 reduction reaction Methods 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010531 catalytic reduction reaction Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- B01D53/86—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
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- 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
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Health & Medical Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Analytical Chemistry (AREA)
- General Chemical & Material Sciences (AREA)
- Oil, Petroleum & Natural Gas (AREA)
- Biomedical Technology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Treating Waste Gases (AREA)
Abstract
本发明公开了一种基于SCR脱硝系统的喷氨量优化控制装置及控制方法，装置包括：喷氨量预测系统、保护逻辑、SCR脱硝系统。喷氨量预测系统，所述喷氨量预测系统包括：至少1个神经网络模型，通过每个模型预测结果的相互调用，计算喷氨量的预测结果。保护逻辑，用于对喷氨量的预测结果进行判断，生成喷氨量预测值信号，防止出现喷氨量不达标。SCR脱硝系统，根据喷氨量预测值信号控制SCR脱硝反应器的喷氨量。通过本发明提供的喷氨量优化控制方法，保证在NOx出口排放达标的同时，获得最佳的喷氨量，能够提高氨气利用率，降低氨逃逸，提高脱硝系统运行的稳定性。
Description
技术领域
本发明涉及火力发电技术领域，具体涉及一种基于SCR脱硝系统的喷氨量优化控制装置及控制方法。
背景技术
目前，国内燃煤机组广泛采用选择性催化还原技术(Selective CatalyticReduction,SCR)来降低烟气中的氮氧化物值(NOx)，以实现环保减排的目标。SCR技术基本原理是通过氧化还原反应将烟气中的NOx转化为无污染的N2和H2O。SCR反应过程复杂，脱硝效率受到多种因素的影响，如：喷胺量、反应温度、烟气速度等，其中影响效率的主要因素为喷氨量，其根据获取的入口NOx浓度来值确定。由于SCR系统存在大惯性、大延迟和强扰动的动态特性，当燃烧工况发生变化时，会造成入口NOx值发生较大波动，存在喷氨量不准确和不及时，导致出口NOx浓度值波动较大，脱硝效率难以控制的风险。
发明内容
因此，本发明提供的一种基于SCR脱硝系统的喷氨量优化控制装置及控制方法，克服了现有技术中喷氨量不准确和不及时，导致出口NOx浓度值波动较大，脱硝效率难以控制的缺陷。
为达到上述目的，本发明提供如下技术方案：
第一方面，本发明实施例提供一种基于SCR脱硝系统的喷氨量优化控制装置，包括：喷氨量预测系统、保护逻辑、SCR脱硝系统；
喷氨量预测系统，所述喷氨量预测系统包括：至少1个神经网络模型，通过每个模型预测结果的相互调用，计算喷氨量的预测结果；
保护逻辑，用于对喷氨量的预测结果进行判断，生成喷氨量预测值信号，防止出现喷氨量不达标；
SCR脱硝系统，根据喷氨量预测值信号控制SCR脱硝反应器的喷氨量。
可选地，所述喷氨量预测系统，包括：1个入口NOx预测模型和3个喷氨量预测模型；
其中3个喷氨量预测模型分别为：喷氨量预测模型1、喷氨量预测模型2和喷氨量预测模型3；
喷氨量预测模型1、喷氨量预测模型2与喷氨量预测模型3之间依次串联，并与入口NOx预测模型进行并联。
可选地，所述入口NOx预测模型，包括：1个输入层、若干个隐含层和1个输出层；其中，输入层包含5个神经元；每个隐含层包含若干个神经元；输出层包含1个神经元。
可选地，所述喷氨量预测模型，包括：1个输入层、若干个隐含层和1个输出层；其中，输入层包含7个神经元；每个隐含层包含若干个神经元；输出层包含两个神经元。
可选地，所述喷氨量预测模型1的输入参量为：当前时刻(t)的负荷、氧量、总燃料量、总风量、入口NOx浓度值、出口NOx浓度设定值和喷氨量，输出参量为(t+1)时刻的喷氨量预测值和出口NOx浓度预测值；
所述喷氨量预测模型2的输入参量为：当前时刻(t)的负荷、氧量、总燃料量、总风量，(t+1)时刻入口NOx浓度预测值、出口NOx浓度设定修正值和(t+1)时刻喷氨量预测值，输出参量为(t+2)时刻的喷氨量预测值和出口NOx浓度预测值；
喷氨量预测模型3的输入参量为：当前时刻(t)的负荷、氧量、总燃料量、总风量，(t+1)时刻入口NOx浓度预测值，出口NOx浓度设定修正值和(t+2)时刻喷氨量预测值，输出参量为(t+3)时刻的喷氨量预测值和出口NOx浓度预测值。
可选地，用于入口NOx预测模型和喷氨量预测模型训练的历史数据，在训练之前对数据进行预处理。
可选地，用于入口NOx预测的神经网络模型，其预测值与实际值之间偏差的绝对值不大于5％；
用于喷氨量和出口NOx浓度值预测的神经网络模型，其预测值与实际值之间偏差的绝对值不大于8％。
第二方面，本发明实施例提供一种基于脱硝系统喷氨量优化控制方法，基于第一方面的基于SCR脱硝系统的喷氨量优化控制装置，所述优化控制方法包括：
步骤1：根据火力发电机组实际运行的历史数据，构建1个用于预测入口NOx浓度的神经网络模型和3个用于预测喷氨量的神经网络模型；
步骤2：根据当前时刻(t)实时运行数据、入口NOx浓度预测模型，生成(t+1)时刻的入口NOx浓度预测值；根据(t)时刻实时运行数据、(t+1)时刻出口NOx浓度设定值，利用喷氨量及出口NOx浓度预测模型1，生成(t+1)时刻的出口NOx浓度预测值和喷氨量预测值；
步骤3：根据(t)时刻实时运行数据、(t+1)时刻的入口NOx浓度预测值、(t+2)时刻出口NOx浓度设定修正值和喷氨量预测值，利用喷氨量预测模型2，生成(t+2)时刻的喷氨量预测值；
步骤4：根据(t)时刻实时运行数据、(t+1)时刻的入口NOx浓度预测值、(t+3)时刻出口NOx浓度设定修正值和喷氨量预测值，利用喷氨量预测模型3，生成(t+3)时刻的喷氨量优化值和出口NOx浓度预测值；
步骤5：所述SCR脱硝系统根据预测模型提供的喷氨量预测值，控制SCR脱硝反应器的喷氨量。
可选地，通过以下公式计算步骤2中(t+1)时刻出口NOx浓度设定值：
dateStd(t+1)＝dateStd-(dateNOx-dateStd)×α
其中，dateStd(t+1)为(t+1)时刻出口NOx浓度设定值，dateStd为出口NOx浓度达标设定值，dateNox为(t)时刻出口NOx浓度实际值，α为设定参数。
可选地，通过以下公式计算步骤3中(t+2)时刻出口NOx浓度设定修正值：
dateStd(t+2)＝dateStd(t+1)-(datesim(t+1)-dateStd(t+1))×β
其中，dateStd(t+2)为(t+2)时刻的出口NOx浓度设定修正值，dateStd(t+1)为(t+1)时刻出口NOx浓度设定值，dateSim(t+1)为(t+1)时刻出口NOx浓度预测值，β为第一预设参数。
可选地，通过以下公式计算步骤4中(t+3)时刻出口NOx浓度设定修正值：
dateStd(t+3)＝dateStd(t+2)-(datesim(t+2)-dateStd(t+2))×ε
其中，dateStd(t+3)为(t+3)时刻的出口NOx浓度设定修正值，dateStd(t+2)为(t+2)时刻出口NOx浓度设定修正值，dateSim(t+2)为(t+2)时刻出口NOx浓度预测值，ε为第二预设参数。
本发明技术方案，具有如下优点：
本发明提供的基于SCR脱硝系统的喷氨量优化控制装置及控制方法，保证在NOx出口排放达标的同时，获得最佳的喷氨量，能够提高氨气利用率，降低氨逃逸，提高脱硝系统运行的稳定性。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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。
图1为本发明实施例提供的一种基于SCR脱硝系统的喷氨量优化控制装置的一个具体示例的组成图；
图2为本发明实施例提供的一种喷氨量优化控制方法的一个具体示例的流程图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，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。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，还可以是两个元件内部的连通，可以是无线连接，也可以是有线连接。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
实施例1
本发明实施例提供的一种基于SCR脱硝系统的喷氨量优化控制装置，如图1所示，包括：喷氨量预测系统、保护逻辑、SCR脱硝系统。喷氨量预测系统包括：至少1个神经网络模型，例如：可以由4个神经网络模型构成，通过4个模型预测结果的相互调用实现喷氨量的多步预测和优化计算。仅以此举例，不以此为限，在实际应用中根据实际需求选择相应数量的神经网络模型。保护逻辑，用于对喷氨量的预测结果进行判断，生成喷氨量预测值信号，防止出现喷氨量不达标，其中，不达标指：防止出现喷氨量过高或过低情况的发生，过高或过低的数值在此不作限制，根据实际情况进行相应的选取。SCR脱硝系统，根据喷氨量预测值信号控制SCR脱硝反应器的喷氨量。本发明保证在NOx出口排放达标的同时，获得最佳的喷氨量，能够提高氨气利用率，降低氨逃逸，提高脱硝系统运行的稳定性。
在本发明实施例中，喷氨量预测系统，包括：1个入口NOx预测模型和3个喷氨量预测模型。其中3个喷氨量预测模型分别为：喷氨量预测模型1、喷氨量预测模型2和喷氨量预测模型3。喷氨量预测模型1、喷氨量预测模型2与喷氨量预测模型3之间依次串联，并与入口NOx预测模型进行并联。
在本发明实施例中，用于入口NOx预测模型使用与引起入口NOx浓度变化具有强相互关系的参数作为输入参量，使用历史数据对模型训练，构建入口NOx浓度与强相互关系的参数之间的关系，通过当前时刻(t)的输入参量来预测下一时刻(t+1)的入口NOx浓度值；所述神经网络模型的输参量为：当前时刻(t)的负荷、氧量、总燃料量、总风量、入口NOx浓度值，输出参量为下1个时刻(t+1)的入口NOx浓度值。为了进一步提高预测模型预测精度，使用上一时刻的预测值与实际值的差值对下一时刻入口NOx浓度预测值进行修正。
在本发明实施例中，入口NOx预测模型，包括：1个输入层、若干个隐含层和1个输出层。其中，输入层包含5个神经元；每个隐含层包含若干个神经元；输出层包含1个神经元。例如：包含1个输入层、1～3个隐含层和1个输出层；其中，输入层包含5个神经元，即5个输入参量；每个隐含层包含10～15个神经元，输出层包含1个神经元，即1个输出参量。仅以此举例，不以此为限，在实际应用中根据实际需求选择相应数量的隐含层数量及神经元数量。
在本发明实施例中，所述喷氨量预测模型，包括：1个输入层、若干个隐含层和1个输出层；其中，输入层包含7个神经元；每个隐含层包含若干个神经元；输出层包含2个神经元。其中，用于预测喷氨量模型为多层结构，包含1个输入层、2～4个隐含层和1个输出层；其中，输入层包含7个神经元，即7个输入参量；每个隐含层包含15～20个神经元，输出层包含2个神经元，即2个输出参量。隐含层及神经元的数量根据实际情况进行相应的选取，在此不作限制。
在本发明实施例中，所述喷氨量预测模型1的输入参量为：当前时刻(t)的负荷、氧量、总燃料量、总风量、入口NOx浓度值、出口NOx浓度设定值和喷氨量，输出参量为(t+1)时刻的喷氨量预测值和出口NOx浓度预测值。
在本发明实施例中，所述喷氨量预测模型2的输入参量为：当前时刻(t)的负荷、氧量、总燃料量、总风量，(t+1)时刻入口NOx浓度预测值、出口NOx浓度设定修正值和(t+1)时刻喷氨量预测值，输出参量为(t+2)时刻的喷氨量预测值和出口NOx浓度预测。
在本发明实施例中，喷氨量预测模型3的输入参量为：当前时刻(t)的负荷、氧量、总燃料量、总风量，(t+1)时刻入口NOx浓度预测值，出口NOx浓度设定修正值和(t+2)时刻喷氨量预测值，输出参量为(t+3)时刻的喷氨量预测值和出口NOx浓度预测值。
在本发明实施例中，用于入口NOx浓度神经网络预测模型和喷氨量预测模型训练的历史数据，在训练之前对数据进行预处理，以消除输入参量与输出参量之间由设备等原因造成的时间滞后性，时间滞后修正范围估算为1分钟至3分钟。
在本发明实施例中，用于入口NOx预测的神经网络模型，其预测值与实际值之间偏差的绝对值不大于5％。用于喷氨量和出口NOx浓度值预测的神经网络模型，其预测值与实际值之间偏差的绝对值不大于8％。
在本发明实施例中，喷氨量优化控制系统中对(t+1)时刻与(t+2)时刻之间、(t+1)时刻与(t+3)时刻之间和(t+2)时刻与(t+3)时刻之间的喷氨量预测值的增减量变化的上下限值进行限定，上下限值通过喷氨量历史数据值数据分析获得，用于防止由于出现喷氨量预测值准确性下降造成的喷氨量过大或过低，造成的出口NOx浓度突变现象发生。SCR脱硝系统根据喷氨量预测值信号控制SCR脱硝反应器的喷氨量。
本发明实施例提供的基于SCR脱硝系统的喷氨量优化控制装置，保证在NOx出口排放达标的同时，获得最佳的喷氨量，能够提高氨气利用率，降低氨逃逸，提高脱硝系统运行的稳定性。
实施例2
本发明实施例提供的一种喷氨量优化控制方法，如图2所示，基于实施例1的SCR脱硝系统的喷氨量优化控制装置，所述优化控制方法包括如下步骤：
步骤S1：根据火力发电机组实际运行的历史数据，构建1个用于预测入口NOx浓度的神经网络模型和3个用于预测喷氨量的神经网络模型。
步骤S2：根据当前时刻(t)实时运行数据、入口NOx浓度预测模型，生成(t+1)时刻的入口NOx浓度预测值；根据(t)时刻实时运行数据、(t+1)时刻出口NOx浓度设定值，利用喷氨量及出口NOx浓度预测模型1，生成(t+1)时刻的出口NOx浓度预测值和喷氨量预测值。
在本发明实施例中，通过以下公式计算步骤2中(t+1)时刻出口NOx浓度设定值：
dateStd(t+1)＝dateStd-(dateNOx-dateStd)×α
其中，dateStd(t+1)为(t+1)时刻出口NOx浓度设定值，dateStd为出口NOx浓度达标设定值，dateNox为(t)时刻出口NOx浓度实际值，α为设定参数。
步骤S3：根据(t)时刻实时运行数据、(t+1)时刻的入口NOx浓度预测值、(t+2)时刻出口NOx浓度设定修正值和喷氨量预测值，利用喷氨量预测模型2，生成(t+2)时刻的喷氨量预测值。
在本发明实施例中，通过以下公式计算步骤3中(t+2)时刻出口NOx浓度设定修正值：
dateStd(t+2)＝dateStd(t+1)-(datesim(t+1)-dateStd(t+1))×β
其中，dateStd(t+2)为(t+2)时刻的出口NOx浓度设定修正值，dateStd(t+1)为(t+1)时刻出口NOx浓度设定值，dateSim(t+1)为(t+1)时刻出口NOx浓度预测值，β为第一预设参数。
步骤S4：根据(t)时刻实时运行数据、(t+1)时刻的入口NOx浓度预测值、(t+3)时刻出口NOx浓度设定修正值和喷氨量预测值，利用喷氨量预测模型3，生成(t+3)时刻的喷氨量优化值和出口NOx浓度预测值。
在本发明实施例中，通过以下公式计算步骤4中(t+3)时刻出口NOx浓度设定修正值：
dateStd(t+3)＝dateStd(t+2)-(datesim(t+2)-dateStd(t+2))×ε
其中，dateStd(t+3)为(t+3)时刻的出口NOx浓度设定修正值，dateStd(t+2)为(t+2)时刻出口NOx浓度设定修正值，dateSim(t+2)为(t+2)时刻出口NOx浓度预测值，ε为第二预设参数。
步骤S5：所述SCR脱硝系统根据预测模型提供的喷氨量预测值，控制SCR脱硝反应器的喷氨量。
本发明实施例中提供的喷氨量优化控制方法，保证在NOx出口排放达标的同时，获得最佳的喷氨量，能够提高氨气利用率，降低氨逃逸，提高脱硝系统运行的稳定性。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (11)
1.一种基于SCR脱硝系统的喷氨量优化控制装置，其特征在于，包括：喷氨量预测系统、保护逻辑、SCR脱硝系统；
喷氨量预测系统，所述喷氨量预测系统包括：至少1个神经网络模型，通过每个模型预测结果的相互调用，计算喷氨量的预测结果；
保护逻辑，用于对喷氨量的预测结果进行判断，生成喷氨量预测值信号，防止出现喷氨量不达标；
SCR脱硝系统，根据喷氨量预测值信号控制SCR脱硝反应器的喷氨量。
2.根据权利要求1所述的基于SCR脱硝系统的喷氨量优化控制装置，其特征在于，所述喷氨量预测系统，包括：1个入口NOx预测模型和3个喷氨量预测模型；
其中3个喷氨量预测模型分别为：喷氨量预测模型1、喷氨量预测模型2和喷氨量预测模型3；
喷氨量预测模型1、喷氨量预测模型2与喷氨量预测模型3之间依次串联，并与入口NOx预测模型进行并联。
3.根据权利要求2所述的基于SCR脱硝系统的喷氨量优化控制装置，其特征在于，所述入口NOx预测模型，包括：1个输入层、若干个隐含层和1个输出层；其中，输入层包含5个神经元；每个隐含层包含若干个神经元；输出层包含1个神经元。
4.根据权利要求2所述的基于SCR脱硝系统的喷氨量优化控制装置，其特征在于，所述喷氨量预测模型，包括：1个输入层、若干个隐含层和1个输出层；其中，输入层包含7个神经元；每个隐含层包含若干个神经元；输出层包含两个神经元。
5.根据权利要求2所述的基于SCR脱硝系统的喷氨量优化控制装置，其特征在于，所述喷氨量预测模型1的输入参量为：当前时刻(t)的负荷、氧量、总燃料量、总风量、入口NOx浓度值、出口NOx浓度设定值和喷氨量，输出参量为(t+1)时刻的喷氨量预测值和出口NOx浓度预测值；
所述喷氨量预测模型2的输入参量为：当前时刻(t)的负荷、氧量、总燃料量、总风量，(t+1)时刻入口NOx浓度预测值、出口NOx浓度设定修正值和(t+1)时刻喷氨量预测值，输出参量为(t+2)时刻的喷氨量预测值和出口NOx浓度预测值；
喷氨量预测模型3的输入参量为：当前时刻(t)的负荷、氧量、总燃料量、总风量，(t+1)时刻入口NOx浓度预测值，出口NOx浓度设定修正值和(t+2)时刻喷氨量预测值，输出参量为(t+3)时刻的喷氨量预测值和出口NOx浓度预测值。
6.根据权利要求5所述的基于SCR脱硝系统的喷氨量优化控制装置，其特征在于，用于入口NOx预测模型和喷氨量预测模型训练的历史数据，在训练之前对数据进行预处理。
7.根据权利要求6所述的基于SCR脱硝系统的喷氨量优化控制装置，其特征在于，用于入口NOx预测的神经网络模型，其预测值与实际值之间偏差的绝对值不大于5％；
用于喷氨量和出口NOx浓度值预测的神经网络模型，其预测值与实际值之间偏差的绝对值不大于8％。
8.一种喷氨量优化控制方法，其特征在于，基于权利要求1-7任一所述的基于SCR脱硝系统的喷氨量优化控制装置，所述优化控制方法包括：
步骤1：根据火力发电机组实际运行的历史数据，构建1个用于预测入口NOx浓度的神经网络模型和3个用于预测喷氨量的神经网络模型；
步骤2：根据当前时刻(t)实时运行数据、入口NOx浓度预测模型，生成(t+1)时刻的入口NOx浓度预测值；根据(t)时刻实时运行数据、(t+1)时刻出口NOx浓度设定值，利用喷氨量及出口NOx浓度预测模型1，生成(t+1)时刻的出口NOx浓度预测值和喷氨量预测值；
步骤3：根据(t)时刻实时运行数据、(t+1)时刻的入口NOx浓度预测值、(t+2)时刻出口NOx浓度设定修正值和喷氨量预测值，利用喷氨量预测模型2，生成(t+2)时刻的喷氨量预测值；
步骤4：根据(t)时刻实时运行数据、(t+1)时刻的入口NOx浓度预测值、(t+3)时刻出口NOx浓度设定修正值和喷氨量预测值，利用喷氨量预测模型3，生成(t+3)时刻的喷氨量优化值和出口NOx浓度预测值；
步骤5：所述SCR脱硝系统根据预测模型提供的喷氨量预测值，控制SCR脱硝反应器的喷氨量。
9.根据权利要求8所述的喷氨量优化控制方法，其特征在于，通过以下公式计算步骤2中(t+1)时刻出口NOx浓度设定值：
dateStd(t+1)＝dateStd-(dateNOx-dateStd)×α
其中，dateStd(t+1)为(t+1)时刻出口NOx浓度设定值，dateStd为出口NOx浓度达标设定值，dateNox为(t)时刻出口NOx浓度实际值，α为设定参数。
10.根据权利8要求所述的喷氨量优化控制方法，其特征在于，通过以下公式计算步骤3中(t+2)时刻出口NOx浓度设定修正值：
dateStd(t+2)＝dateStd(t+1)-(datesim(t+1)-dateStd(t+1))×β
其中，dateStd(t+2)为(t+2)时刻的出口NOx浓度设定修正值，dateStd(t+1)为(t+1)时刻出口NOx浓度设定值，dateSim(t+1)为(t+1)时刻出口NOx浓度预测值，β为第一预设参数。
11.根据权利8要求所述的喷氨量优化控制方法，其特征在于，通过以下公式计算步骤4中(t+3)时刻出口NOx浓度设定修正值：
dateStd(t+3)＝dateStd(t+2)-(datesim(t+2)-dateStd(t+2))×ε
其中，dateStd(t+3)为(t+3)时刻的出口NOx浓度设定修正值，dateStd(t+2)为(t+2)时刻出口NOx浓度设定修正值，dateSim(t+2)为(t+2)时刻出口NOx浓度预测值，ε为第二预设参数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210107225.1A CN114558447A (zh) | 2022-01-28 | 2022-01-28 | 基于scr脱硝系统的喷氨量优化控制装置及控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210107225.1A CN114558447A (zh) | 2022-01-28 | 2022-01-28 | 基于scr脱硝系统的喷氨量优化控制装置及控制方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114558447A true CN114558447A (zh) | 2022-05-31 |
Family
ID=81714725
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210107225.1A Pending CN114558447A (zh) | 2022-01-28 | 2022-01-28 | 基于scr脱硝系统的喷氨量优化控制装置及控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114558447A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115660211A (zh) * | 2022-11-11 | 2023-01-31 | 天瑞集团信息科技有限公司 | 基于大数据和物联网的降低水泥窑尾氮氧化物的控制方法 |
| CN116832614A (zh) * | 2023-05-24 | 2023-10-03 | 华能国际电力股份有限公司上海石洞口第二电厂 | 一种scr脱硝系统喷氨量控制方法及系统 |
-
2022
- 2022-01-28 CN CN202210107225.1A patent/CN114558447A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115660211A (zh) * | 2022-11-11 | 2023-01-31 | 天瑞集团信息科技有限公司 | 基于大数据和物联网的降低水泥窑尾氮氧化物的控制方法 |
| CN115660211B (zh) * | 2022-11-11 | 2023-04-14 | 天瑞集团信息科技有限公司 | 基于大数据和物联网的降低水泥窑尾氮氧化物的控制方法 |
| CN116832614A (zh) * | 2023-05-24 | 2023-10-03 | 华能国际电力股份有限公司上海石洞口第二电厂 | 一种scr脱硝系统喷氨量控制方法及系统 |
| CN116832614B (zh) * | 2023-05-24 | 2024-05-24 | 华能国际电力股份有限公司上海石洞口第二电厂 | 一种scr脱硝系统喷氨量控制方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114558447A (zh) | 基于scr脱硝系统的喷氨量优化控制装置及控制方法 | |
| CN107526292B (zh) | 一种基于入口NOx浓度预测的调控喷氨量的方法 | |
| CN107243257B (zh) | 适合全负荷的智能喷氨控制系统 | |
| CN103534453B (zh) | 用于基于模型确定废气后处理单元的温度分布的方法 | |
| CN112418284B (zh) | 一种全工况电站scr脱硝系统的控制方法及系统 | |
| CN104826493B (zh) | 一种选择性催化还原法烟气脱硝系统的控制方法 | |
| 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 | |
| CN112580250A (zh) | 基于深度学习的火电机组脱硝系统及优化控制方法 | |
| CN110368808A (zh) | 一种scr烟气脱硝系统的喷氨量控制方法及系统 | |
| CN112506162A (zh) | 一种基于数据模型和机理运算的氧化风系统控制方法 | |
| CN111897373B (zh) | 一种基于模型预测的scr脱硝装置喷氨流量调节方法 | |
| CN110263997A (zh) | 一种基于深度神经网络的水泥生产线烟气NOx浓度预测方法 | |
| CN111624876A (zh) | 一种智能的喷氨优化控制系统 | |
| CN110501901B (zh) | 基于全负荷精准脱硝要求的scr喷氨调节优化的方法 | |
| CN106362561B (zh) | 一种基于炉内流场的集群sncr控制方法 | |
| CN113433911A (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 | |
| CN110585921A (zh) | 一种双喷氨格栅选择催化还原脱硝装置及其喷氨优化方法 | |
| CN112325329B (zh) | 一种防高温腐蚀的锅炉风门开度控制方法及系统 | |
| CN109078483A (zh) | 一种基于两级潜能折算的scr催化剂提效预测方法 | |
| CN108144446A (zh) | 一种基于scr入口nox预测的脱硝控制方法 | |
| CN113578007A (zh) | 一种基于分区喷氨的燃煤烟气scr脱硝调控系统及方法 | |
| CN109833773B (zh) | 一种高效脱硝氨流量精确控制方法 | |
| CN114928049A (zh) | 一种火电机组前馈预测控制方法及系统 | |
| CN113360844B (zh) | 加权系数法计算复合烟囱NOx浓度小时均值的方法 | |
| 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 |
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 |