CN114618273A - 一种基于lstm神经网络的燃煤烟气三氧化硫阶梯控制方法 - Google Patents

一种基于lstm神经网络的燃煤烟气三氧化硫阶梯控制方法 Download PDF

Info

Publication number
CN114618273A
CN114618273A CN202210514089.8A CN202210514089A CN114618273A CN 114618273 A CN114618273 A CN 114618273A CN 202210514089 A CN202210514089 A CN 202210514089A CN 114618273 A CN114618273 A CN 114618273A
Authority
CN
China
Prior art keywords
concentration
flue gas
coal
outlet
alkali liquor
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.)
Granted
Application number
CN202210514089.8A
Other languages
English (en)
Other versions
CN114618273B (zh
Inventor
王洁
黄斐鹏
吴贤豪
杨敬东
张光学
杨志明
张勤
杨林军
杨扬
王莞珏
雪小峰
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.)
Zhejiang Energy Group Research Institute Co Ltd
Original Assignee
Zhejiang Energy Group 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 Zhejiang Energy Group Research Institute Co Ltd filed Critical Zhejiang Energy Group Research Institute Co Ltd
Priority to CN202210514089.8A priority Critical patent/CN114618273B/zh
Publication of CN114618273A publication Critical patent/CN114618273A/zh
Application granted granted Critical
Publication of CN114618273B publication Critical patent/CN114618273B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • B01D53/30—Controlling by gas-analysis apparatus
    • 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
    • B01D53/346—Controlling the process
    • 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
    • B01D53/501—Sulfur oxides by treating the gases with a solution or a suspension of an alkali or earth-alkali or ammonium compound
    • B01D53/504—Sulfur oxides by treating the gases with a solution or a suspension of an alkali or earth-alkali or ammonium compound characterised by a specific device
    • 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
    • B01D53/77—Liquid phase processes
    • B01D53/79—Injecting reactants
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D2251/00—Reactants
    • B01D2251/30—Alkali metal compounds
    • B01D2251/304—Alkali metal compounds of sodium
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D2251/00—Reactants
    • B01D2251/60—Inorganic bases or salts
    • B01D2251/606—Carbonates
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E20/00—Combustion technologies with mitigation potential
    • Y02E20/34—Indirect CO2mitigation, i.e. by acting on non CO2directly related matters of the process, e.g. pre-heating or heat recovery

Abstract

本发明涉及一种基于LSTM神经网络的燃煤烟气三氧化硫阶梯控制方法，包括步骤：获得燃煤机组脱硝反应器出口烟气中SO3浓度及对应时段该燃煤机组的历史运行数据，形成数据库；建立、训练并校验基于LSTM神经网络的脱硝反应器出口烟气中SO3浓度预测模型。本发明的有益效果是：建立了基于LSTM神经网络的脱硝反应器出口烟气中SO3浓度预测模型，采用数据库中的部分数据对基于LSTM神经网络的脱硝反应器出口烟气中SO3浓度预测模型进行训练，用数据库中的剩余数据与预测模型的预测结果进行比对，并计算预测模型的预测结果存在的预测误差，对预测结果进行准确性判断。

Description

一种基于LSTM神经网络的燃煤烟气三氧化硫阶梯控制方法
技术领域
本发明属于燃煤机组烟气中硫氧化物的脱除技术领域，尤其涉及一种基于LSTM神经网络的燃煤烟气三氧化硫阶梯控制方法。
背景技术
我国是煤炭消耗大国，超60%的煤炭用于发电，加强对燃煤电厂烟气污染物的治理是打赢蓝天保卫战的重要举措。煤电机组超低排放改造后，常规烟气污染物已得到有效控制，但以SO3、可凝结颗粒物为代表的非常规污染物的控制难题亟待解决。
燃煤烟气中SO3不但难以实现浓度实时在线监测，且易与脱硝反应器出口氨逃逸（NH3）反应生成硫酸氢铵（SO3+NH3+H2O→NH4HSO4，粘性极强）堵塞脱硝下游设备，凝结形成硫酸酸雾，腐蚀设备及烟道；硫酸酸雾排放后造成生态破坏并危害人体健康。
现有的燃煤烟气中SO3脱除技术大多选择向机组脱硝反应器进口烟道喷入碱性颗粒（干粉），控制脱硝反应器下游空气预热器进口烟道内烟气中SO3浓度≤5ppm（17.9mg/m³）的控制策略；该脱除方法及控制策略存在以下几点不足：
1.碱性颗粒本身粒径不均，与烟气混合不均匀，影响SO3脱除效率；
2.未与烟气中SO3反应的碱性颗粒易引起脱硝反应器中脱硝催化剂微孔堵塞和碱中毒，影响脱硝催化剂使用寿命；
3.粗放式地将空预期入口烟气中SO3浓度控制在5ppm以内，未充分考虑NH3与SO3反应生成硫酸氢铵的客观条件，导致碱性颗粒大量过喷，影响系统运行整体经济性。
发明内容
本发明的目的是克服现有技术中的不足，提供一种基于LSTM神经网络的燃煤烟气三氧化硫阶梯控制方法。
这种基于LSTM神经网络的燃煤烟气三氧化硫阶梯控制方法，包括以下步骤：
步骤1、获得燃煤机组脱硝反应器出口烟气中SO3浓度及对应时段该燃煤机组的历史运行数据，形成数据库；
步骤2、建立、训练并校验基于LSTM神经网络的脱硝反应器出口烟气中SO3浓度预测模型；
步骤3、建立基于燃煤机组脱硝反应器出口NH3浓度的空预器入口SO3浓度阶梯控制策略；
步骤4、在燃煤机组尾部烟道安装并调试碱液喷射SO3脱除装置，计算不同运行工况下碱液喷射反应物摩尔比M，建立燃煤机组所对应的碱液喷射反应物摩尔比M的数据表；
步骤5、确定脱硝反应器出口SO3浓度值Cin、空预器入口SO3目标浓度Cout和碱液喷射反应物摩尔比M；
步骤6、计算碱液喷射SO3脱除装置碱液喷射流量；
步骤7、计算碱液喷射SO3脱除装置碱液喷射系统喷枪最优投运支数。
作为优选，步骤1中数据库中脱硝反应器出口烟气中SO3浓度检测数据大于2000组。
作为优选，步骤1中，现场对燃煤机组脱硝反应器出口烟气中SO3浓度进行人工检测，并调取对应时段该燃煤机组的历史运行数据，形成数据库；历史运行数据包括机组负荷、煤质分析参数、锅炉燃烧参数、脱硝参数和原烟气SO2浓度。
作为优选，步骤2具体包括以下步骤：
步骤2.1、建立基于LSTM神经网络的脱硝反应器出口烟气中SO3浓度预测模型，基于部分数据库数据，将机组负荷、煤质分析参数和锅炉燃烧参数作为浓度预测模型的输入，将脱硝反应器出口SO3浓度值作为浓度预测模型的输出，训练浓度预测模型；
步骤2.2、将数据库中剩余数据与浓度预测模型的预测数据进行比对，通过求均方根误差的方式来计算预测误差；预测误差的计算公式如下：
Figure 489991DEST_PATH_IMAGE001
上式中，
Figure 747797DEST_PATH_IMAGE002
表示均方根误差，
Figure 646483DEST_PATH_IMAGE003
为数据长度，
Figure 356950DEST_PATH_IMAGE004
表示i时刻脱硝反应器出口烟气中SO3浓度预测值，
Figure 100915DEST_PATH_IMAGE004
表示i时刻脱硝反应器出口烟气中SO3浓度的人工实测值；当预测误差RMSE＜10%时，认为基于LSTM神经网络的脱硝反应器出口烟气中SO3浓度预测模型的预测结果准确。
作为优选，步骤2.1中煤质分析参数包括水分、挥发分、灰分、固定碳和发热量；锅炉燃烧参数包括总煤量、燃烧温度和氧量；脱硝参数包括脱硝入口温度、脱硝效率和面速度。
作为优选，步骤3具体为：
得到硫酸氢铵生成速率与烟气中NH3和SO3浓度之间的关系，进行实验室小试试验，综合小试试验结果和空预器厂家经验数据，得到硫酸氢铵生成速率与烟气中NH3和SO3浓度之间的关系；
根据燃煤机组脱硝反应器出口NH3浓度，对空预器入口SO3浓度进行阶梯控制，具体阶梯控制策略为：
当脱硝反应器出口NH3浓度≤1ppm时，将空预器入口烟气中SO3浓度控制在36mg/m³附近；
当1ppm＜脱硝反应器出口NH3浓度＜3ppm时，将空预器入口烟气中SO3浓度控制在18mg/m³附近；
当脱硝反应器出口NH3浓度≥3ppm时，将空预器入口烟气中SO3浓度控制在7mg/m³附近。
作为优选，步骤4中：脱硝反应器出口SO3浓度值Cin的最大值是Cin-max，Cin-max为碱液喷射SO3脱除装置所安装机组脱硝反应器出口烟气达到的最高SO3浓度。
作为优选，步骤4中：碱液喷射SO3脱除装置由碱液制备系统、压缩空气系统和碱液喷射系统组成；碱液选用质量浓度在5%～15%之间的碳酸钠溶液；碱液喷射系统对碱液的雾化粒径为40～80μm，喷嘴雾化角度为40°～80°，压缩空气压力为0.2～0.3MPa，碱液压力为0.2～0.25MPa，碱液雾化流量为30～200L/h，压缩空气消耗量为80～500L/min；碱液喷射系统按网格布置多支喷枪，每支喷枪上安装多个喷嘴；每支喷枪前端安装流量计和电动调节阀；碱液喷射反应物摩尔比M为碳酸钠与三氧化硫物质的量的比，M=n（Na2CO3）：n（SO3）。
作为优选，步骤5具体包括以下步骤：
步骤5.1、燃煤机组常规运行时，根据基于LSTM神经网络的脱硝反应器出口烟气中SO3浓度预测模型预测得到的SO3浓度预测值
Figure 213227DEST_PATH_IMAGE005
，确定脱硝反应器出口SO3浓度值Cin：
Figure 220498DEST_PATH_IMAGE006
上式中，⌈ ⌉为向上取整符号；
步骤5.2、根据燃煤机组脱硝反应器出口的NH3浓度确定空预器入口SO3目标浓度Cout值；
步骤5.3、结合Cin和Cout，查表确定碱液喷射反应物摩尔比M。
作为优选：
步骤6中计算碱液喷射流量的方式为：
根据步骤5确定的Cin值、Cout值和M值，结合碱液浓度CNa2CO3、SO3的摩尔质量MSO3、Na2CO3的摩尔质量MNa2CO3和标准状态下脱硝反应器出口干基烟气总流量V，计算碱液喷射SO3脱除装置碱液喷射流量Q，计算公式如下：
Figure 418261DEST_PATH_IMAGE007
上式中，CNa2CO3以质量百分比计，MSO3的单位为g/mol，MNa2CO3的单位为g/mol；V的单位为Nm³/h，Q的单位为kg/h；
步骤7中计算喷枪最优投运支数的方式具体为：
设喷射系统布置喷枪支数为N，每支喷枪上喷嘴数为m，每个喷嘴工作流量范围为[
Figure 762655DEST_PATH_IMAGE008
,
Figure 932736DEST_PATH_IMAGE009
],则喷枪最优投运支数N满足以下公式：
Figure 173224DEST_PATH_IMAGE010
N为满足上式条件的最大整数。
本发明的有益效果是：
本发明提供一种创新、安全、高效、经济的用于脱除燃煤机组烟气中三氧化硫的控制方法；本发明建立了基于LSTM神经网络的脱硝反应器出口烟气中SO3浓度预测模型，采用数据库中的部分数据对基于LSTM神经网络的脱硝反应器出口烟气中SO3浓度预测模型进行训练，用数据库中的剩余数据与预测模型的预测结果进行比对，并计算预测模型的预测结果存在的预测误差，对预测结果进行准确性判断；
本发明根据预测得到的燃煤机组脱硝反应器出口NH3浓度（即氨逃逸控制水平），对空预器入口烟气中SO3浓度进行阶梯控制；建立燃煤机组对应的碱液喷射反应物摩尔比M的数据表；然后计算碱液喷射流量，得到喷枪最优投运支数，进而降低空预器中硫酸氢铵沉积速率，减缓空预器阻力上升趋势，保障燃煤机组长期安全稳定运行。
附图说明
图1为碱液喷射SO3脱除装置示意图；
图2为基于LSTM神经网络的脱硝反应器出口烟气中SO3浓度预测模型示意图；
图3为本发明实施例中硫酸氢铵生成速率与烟气中NH3和SO3浓度的关系示意图；
图4为本发明实施例中兴电厂4号机组碱液喷射装置示意图；
图5为本发明实施例中样本的SCR出口SO3浓度预测曲线图；
图6为本发明实施例中样本的SCR出口SO3浓度预测误差曲线图；
图7为本发明实施例中A、B两侧空预器差压变化趋势图。
附图标记说明：脱硝反应器1，空预期2，碱液储罐3，碱液泵4，流量计5，喷枪及雾化喷头6，炉膛7。
具体实施方式
下面结合实施例对本发明做进一步描述。下述实施例的说明只是用于帮助理解本发明。应当指出，对于本技术领域的普通人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干修饰，这些改进和修饰也落入本发明权利要求的保护范围内。
实施例一
本申请实施例一提供了一种基于LSTM神经网络的燃煤烟气三氧化硫阶梯控制方法：
步骤1、在现场对燃煤机组的脱硝反应器出口烟气中SO3浓度进行人工检测，并调取对应时段该燃煤机组的历史运行数据（大于2000组），历史运行数据包括机组负荷、煤质分析参数（水分、挥发分、灰分、固定碳和发热量）、锅炉燃烧参数（总煤量、燃烧温度和氧量）、脱硝参数（脱硝入口温度、脱硝效率和面速度）和原烟气SO2浓度，形成数据库；
步骤2、建立、训练并校验基于LSTM神经网络的脱硝反应器出口烟气中SO3浓度预测模型；
步骤2.1、建立基于LSTM神经网络的脱硝反应器出口烟气中SO3浓度预测模型，基于部分数据库数据，将机组负荷、煤质分析参数和锅炉燃烧参数作为基于LSTM神经网络的脱硝反应器出口烟气中SO3浓度预测模型的输入，将脱硝反应器出口SO3浓度值作为基于LSTM神经网络的脱硝反应器出口烟气中SO3浓度预测模型的输出，训练基于LSTM神经网络的脱硝反应器出口烟气中SO3浓度预测模型；
步骤2.2、将数据库中剩余数据与预测数据进行比对，通过求均方根误差（RMSE）的方式来计算预测误差，验证基于LSTM神经网络的脱硝反应器出口烟气中SO3浓度预测模型输出的SO3浓度值的准确性；预测误差的计算公式如下：
Figure 592704DEST_PATH_IMAGE001
上式中，
Figure 209630DEST_PATH_IMAGE002
表示均方根误差，
Figure 765377DEST_PATH_IMAGE003
为数据长度，
Figure 176767DEST_PATH_IMAGE004
表示i时刻脱硝反应器出口烟气中SO3浓度预测值，
Figure 83543DEST_PATH_IMAGE004
表示i时刻脱硝反应器出口烟气中SO3浓度的人工实测值；当预测误差RMSE＜10%时，认为基于LSTM神经网络的脱硝反应器出口烟气中SO3浓度预测模型的预测结果准确；
步骤3、建立基于燃煤机组脱硝反应器出口NH3浓度的空预器入口SO3浓度阶梯控制策略；由于煤电机组脱硝反应器出口氨逃逸（NH3）浓度要求控制在3ppm（2.3mg/m³）以内，一般机组运行人员将脱硝出口氨逃逸控制在1ppm（0.8mg/m³）以内，通过实验室小试探明当NH3浓度分别为1ppm、3ppm时（H2O浓度6%），SO3浓度对硫酸氢铵生成速率的影响，试验结果如图3；
可以明显发现：当NH3=3ppm时，当SO3浓度大于2ppm时，硫酸氢铵生成速率快速上升；当NH3=1ppm时，当SO3浓度大于10ppm时，硫酸氢铵生成速率快速上升；综合试验结果和空预器厂家经验数据，为减缓空预器压差上升速率（因NH3与SO3反应生成硫酸氢铵，造成堵塞），根据步骤2中建立的基于LSTM神经网络的脱硝反应器出口烟气中SO3浓度预测模型预测得到的燃煤机组脱硝反应器出口NH3浓度（即氨逃逸控制水平），对空预器入口SO3目标浓度Cout进行如下表1所示的阶梯控制；
表1 空预器入口SO3目标浓度控制依据表
Figure 973001DEST_PATH_IMAGE011
上表1中的内容具体为：
当脱硝反应器出口NH3浓度≤1ppm时，将空预器入口烟气中SO3浓度控制在36mg/m³附近；当1ppm＜脱硝反应器出口NH3浓度＜3ppm时，将空预器入口烟气中SO3浓度控制在18mg/m³附近；当脱硝反应器出口NH3浓度≥3ppm时，将空预器入口烟气中SO3浓度控制在7mg/m³附近；
步骤4、在燃煤机组尾部烟道安装并调试碱液喷射SO3脱除装置，通过实验，分别得到当脱硝反应器出口SO3浓度值（Cin）为10mg/m³、20mg/m³、30mg/m³、40mg/m³、50mg/m³、60mg/m³、70mg/m³、80mg/m³、90mg/m³、100mg/m³……Cin-max时，分别控制空预器入口SO3目标浓度（Cout）为36mg/m³、18mg/m³、7mg/m³所需要的反应物摩尔比M（M=n（Na2CO3）：n（SO3）），建立如下表2所示燃煤机组对应的碱液喷射反应物摩尔比M的数据表；
表2 碱液喷射反应物摩尔比数据表
Figure 179992DEST_PATH_IMAGE012
此处需说明以下几点：（1）Cin-max值根据装置所安装机组脱硝反应器出口烟气可能达到的最高SO3浓度而定；（2）Cin＜Cout时，碱液喷射SO3脱除装置退出运行；（3）经现场控制变量试验发现：脱硝反应器入口温度、烟气流量等参数对SO3脱除效率几无影响，因此认为影响反应物摩尔比的关键参数主要是初始SO3浓度，即Cin。
步骤5、根据脱硝反应器出口NH3浓度，确定空预器入口SO3目标浓度Cout;根据脱硝反应器出口烟气中SO3浓度预测模型的预测结果
Figure 965545DEST_PATH_IMAGE013
，确定脱硝反应器出口SO3浓度值Cin；结合Cin和Cout，查表确定碱液喷射反应物摩尔比M；
步骤5.1、燃煤机组常规运行时，根据基于LSTM神经网络的脱硝反应器出口烟气中SO3浓度预测模型预测得到的SO3浓度预测值
Figure 359617DEST_PATH_IMAGE005
，确定脱硝反应器出口SO3浓度值Cin：
Figure 52767DEST_PATH_IMAGE006
上式中，⌈ ⌉为向上取整符号；
步骤5.2、根据燃煤机组脱硝反应器出口的NH3浓度确定空预器入口SO3目标浓度Cout值；
步骤5.3、结合Cin和Cout，查表确定碱液喷射反应物摩尔比M；
步骤6、计算碱液喷射流量：根据步骤5确定的Cin值、Cout值和M值，结合碱液浓度CNa2CO3、SO3的摩尔质量MSO3、Na2CO3的摩尔质量MNa2CO3和标准状态下脱硝反应器出口干基烟气总流量V，计算碱液喷射SO3脱除装置碱液喷射流量Q，计算公式如下：
Figure 583105DEST_PATH_IMAGE007
上式中，CNa2CO3以质量百分比计，MSO3的单位为g/mol，MNa2CO3的单位为g/mol；V的单位为Nm³/h，Q的单位为kg/h；
步骤7、计算喷枪最优投运支数：若喷射系统布置喷枪支数为N，每支喷枪上喷嘴数为m，每个喷嘴工作流量范围为[
Figure 336298DEST_PATH_IMAGE008
,
Figure 217666DEST_PATH_IMAGE014
],则喷枪最优投运支数N满足以下公式：
Figure 714506DEST_PATH_IMAGE010
N为满足上式条件的最大整数；确定喷枪最优投运支数N后，在选择投运喷枪时，尽可能覆盖烟道截面。
实施例二
在实施例一的基础上，本申请实施例二提供了实施例一中方法在实际中的应用：
在A电厂4号机组B侧脱硝反应器出口安装了碱液喷射SO3脱除装置，装置系统图如图1所示；如图4所示，该碱液喷射SO3脱除装置由碱液制备系统（包括自动加药系统和碱液储罐）、压缩空气系统（包括压缩空气储罐）和碱液喷射系统（包括减压阀、多个流量计（如流量计1至流量计5）、多个吹扫气装置和多个喷嘴）组成。碱液制备系统用以制备质量浓度为10%的碳酸钠溶液。碱液喷射系统安装在机组B侧脱硝反应器出口烟道处，共设计5支喷枪，每支喷枪上设计3个雾化喷嘴（共15个喷嘴，即喷嘴1-1、喷嘴1-2、喷嘴1-3、喷嘴2-1、…喷嘴5-3），喷嘴雾化角度为60°，雾化粒径为40～70μm，压缩空气压力为0.25MPa，碱液压力为0.2MPa，雾化喷嘴工作流量范围为50～150L/h。
同时，利用历史数据库，基于机组锅炉燃烧、煤质分析、脱硝运行等关键参数，在B侧脱硝反应器出口建立了如图2所示的基于LSTM神经网络的脱硝反应器出口烟气中SO3浓度预测模型，经比对，该模型预测误差RMSE值为6.86%，满足误差阈值。
经试验测得，如图5和图6所示，当A电厂4号机组燃用高硫煤、在恶劣工况下运行时，脱硝反应器出口烟气中SO3浓度均未超过70mg/m³，故设定Cin-max=70mg/m³。试验测得碱液喷射反应物摩尔比数据表如下表3。
表3 碱液喷射反应物摩尔比数据表（A电厂4号机组）
Figure 364931DEST_PATH_IMAGE015
以A电厂4号机组100%BMCR负荷出力为例，碱液喷射SO3脱除装置碱液喷射总流量及喷枪投运支数如下表4。
表4 碱液喷射装置运行参数表（A电厂4号机组100%BMCR）
Figure 283165DEST_PATH_IMAGE016
本装置于2020年1月9日至2021年7月9日在A电厂4号机组B侧脱硝反应器出口至B侧空预器进口烟道上应用后，A、B两侧空预器差压变化趋势如图7；本发明方法的应用，有效减缓了B侧空预器差压上升趋势，大大减少了空预器下游引风机电耗，保障了煤电机组关键设备的安全、稳定运行。
经校验核算，A电厂4号机组脱除每公斤SO3需消耗Na2CO3固体6.18～6.36kg，消耗水55～58kg，消耗压缩空气9275～9540m³，每年约脱除150～270吨SO3，运行成本100～150万元/年，为机组减少三大风机电耗、空预器运维费用、启停机费用、限负荷发电量、环保克扣、煤炭采购成本等费用约1000万元/年，经济和环境效益明显。

Claims (10)

1.一种基于LSTM神经网络的燃煤烟气三氧化硫阶梯控制方法，其特征在于，包括以下步骤：
步骤1、获得燃煤机组脱硝反应器出口烟气中SO3浓度及对应时段该燃煤机组的历史运行数据，形成数据库；
步骤2、建立、训练并校验基于LSTM神经网络的脱硝反应器出口烟气中SO3浓度预测模型；
步骤3、建立基于燃煤机组脱硝反应器出口NH3浓度的空预器入口SO3浓度阶梯控制策略；
步骤4、在燃煤机组尾部烟道安装并调试碱液喷射SO3脱除装置，计算不同运行工况下碱液喷射反应物摩尔比M，建立燃煤机组所对应的碱液喷射反应物摩尔比M的数据表；
步骤5、确定脱硝反应器出口SO3浓度值Cin、空预器入口SO3目标浓度Cout和碱液喷射反应物摩尔比M；
步骤6、计算碱液喷射SO3脱除装置碱液喷射流量；
步骤7、计算碱液喷射SO3脱除装置碱液喷射系统喷枪最优投运支数。
2.根据权利要求1所述基于LSTM神经网络的燃煤烟气三氧化硫阶梯控制方法，其特征在于：步骤1中数据库中脱硝反应器出口烟气中SO3浓度检测数据大于2000组。
3.根据权利要求1所述基于LSTM神经网络的燃煤烟气三氧化硫阶梯控制方法，其特征在于：步骤1中，现场对燃煤机组脱硝反应器出口烟气中SO3浓度进行人工检测，并调取对应时段该燃煤机组的历史运行数据，形成数据库；历史运行数据包括机组负荷、煤质分析参数、锅炉燃烧参数、脱硝参数和原烟气SO2浓度。
4.根据权利要求1所述基于LSTM神经网络的燃煤烟气三氧化硫阶梯控制方法，其特征在于，步骤2具体包括以下步骤：
步骤2.1、建立基于LSTM神经网络的脱硝反应器出口烟气中SO3浓度预测模型，基于部分数据库数据，将机组负荷、煤质分析参数和锅炉燃烧参数作为浓度预测模型的输入，将脱硝反应器出口SO3浓度值作为浓度预测模型的输出，训练浓度预测模型；
步骤2.2、将数据库中剩余数据与浓度预测模型的预测数据进行比对，通过求均方根误差的方式来计算预测误差；预测误差的计算公式如下：
Figure 327786DEST_PATH_IMAGE001
上式中，
Figure 917030DEST_PATH_IMAGE002
表示均方根误差，
Figure 431188DEST_PATH_IMAGE003
为数据长度，
Figure 295239DEST_PATH_IMAGE004
表示i时刻脱硝反应器出口烟气中SO3浓度预测值，
Figure 781715DEST_PATH_IMAGE005
表示i时刻脱硝反应器出口烟气中SO3浓度的人工实测值；当预测误差RMSE＜10%时，认为基于LSTM神经网络的脱硝反应器出口烟气中SO3浓度预测模型的预测结果准确。
5.根据权利要求4所述基于LSTM神经网络的燃煤烟气三氧化硫阶梯控制方法，其特征在于：步骤2.1中煤质分析参数包括水分、挥发分、灰分、固定碳和发热量；锅炉燃烧参数包括总煤量、燃烧温度和氧量；脱硝参数包括脱硝入口温度、脱硝效率和面速度。
6.根据权利要求1所述基于LSTM神经网络的燃煤烟气三氧化硫阶梯控制方法，其特征在于，步骤3具体为：
得到硫酸氢铵生成速率与烟气中NH3和SO3浓度之间的关系，进行实验室小试试验，综合小试试验结果和空预器厂家经验数据，得到硫酸氢铵生成速率与烟气中NH3和SO3浓度之间的关系；
根据燃煤机组脱硝反应器出口NH3浓度，对空预器入口SO3浓度进行阶梯控制，具体阶梯控制策略为：
当脱硝反应器出口NH3浓度≤1ppm时，将空预器入口烟气中SO3浓度控制在36mg/m³附近；
当1ppm＜脱硝反应器出口NH3浓度＜3ppm时，将空预器入口烟气中SO3浓度控制在18mg/m³附近；
当脱硝反应器出口NH3浓度≥3ppm时，将空预器入口烟气中SO3浓度控制在7mg/m³附近。
7.根据权利要求1所述基于LSTM神经网络的燃煤烟气三氧化硫阶梯控制方法，其特征在于，步骤4中：脱硝反应器出口SO3浓度值Cin的最大值是Cin-max，Cin-max为碱液喷射SO3脱除装置所安装机组脱硝反应器出口烟气达到的最高SO3浓度。
8.根据权利要求1所述基于LSTM神经网络的燃煤烟气三氧化硫阶梯控制方法，其特征在于，步骤4中：碱液喷射SO3脱除装置由碱液制备系统、压缩空气系统和碱液喷射系统组成；碱液选用质量浓度在5%～15%之间的碳酸钠溶液；碱液喷射系统对碱液的雾化粒径为40～80μm，喷嘴雾化角度为40°～80°，压缩空气压力为0.2～0.3MPa，碱液压力为0.2～0.25MPa，碱液雾化流量为30～200L/h，压缩空气消耗量为80～500L/min；碱液喷射系统按网格布置多支喷枪，每支喷枪上安装多个喷嘴；每支喷枪前端安装流量计和电动调节阀；
碱液喷射反应物摩尔比M为碳酸钠与三氧化硫物质的量的比，M=n（Na2CO3）：n（SO3）。
9.根据权利要求4所述基于LSTM神经网络的燃煤烟气三氧化硫阶梯控制方法，其特征在于，步骤5具体包括以下步骤：
步骤5.1、燃煤机组常规运行时，根据基于LSTM神经网络的脱硝反应器出口烟气中SO3浓度预测模型预测得到的SO3浓度预测值
Figure 338598DEST_PATH_IMAGE006
，确定脱硝反应器出口SO3浓度值Cin：
Figure 746577DEST_PATH_IMAGE007
上式中，⌈ ⌉为向上取整符号；
步骤5.2、根据燃煤机组脱硝反应器出口的NH3浓度确定空预器入口SO3目标浓度Cout值；
步骤5.3、结合Cin和Cout，查表确定碱液喷射反应物摩尔比M。
10.根据权利要求9所述基于LSTM神经网络的燃煤烟气三氧化硫阶梯控制方法，其特征在于：
步骤6中计算碱液喷射流量的方式为：
根据步骤5确定的Cin值、Cout值和M值，结合碱液浓度CNa2CO3、SO3的摩尔质量MSO3、Na2CO3的摩尔质量MNa2CO3和标准状态下脱硝反应器出口干基烟气总流量V，计算碱液喷射SO3脱除装置碱液喷射流量Q，计算公式如下：
Figure 883160DEST_PATH_IMAGE008
上式中，CNa2CO3以质量百分比计，MSO3的单位为g/mol，MNa2CO3的单位为g/mol；V的单位为Nm³/h，Q的单位为kg/h；
步骤7中计算喷枪最优投运支数的方式具体为：
设喷射系统布置喷枪支数为N，每支喷枪上喷嘴数为m，每个喷嘴工作流量范围为[
Figure 20880DEST_PATH_IMAGE009
,
Figure 483086DEST_PATH_IMAGE010
],则喷枪最优投运支数N满足以下公式：
Figure 971836DEST_PATH_IMAGE011
N为满足上式条件的最大整数。
CN202210514089.8A 2022-05-12 2022-05-12 一种基于lstm神经网络的燃煤烟气三氧化硫阶梯控制方法 Active CN114618273B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210514089.8A CN114618273B (zh) 2022-05-12 2022-05-12 一种基于lstm神经网络的燃煤烟气三氧化硫阶梯控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210514089.8A CN114618273B (zh) 2022-05-12 2022-05-12 一种基于lstm神经网络的燃煤烟气三氧化硫阶梯控制方法

Publications (2)

Publication Number Publication Date
CN114618273A true CN114618273A (zh) 2022-06-14
CN114618273B CN114618273B (zh) 2022-08-09

Family

ID=81905619

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210514089.8A Active CN114618273B (zh) 2022-05-12 2022-05-12 一种基于lstm神经网络的燃煤烟气三氧化硫阶梯控制方法

Country Status (1)

Country Link
CN (1) CN114618273B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001239128A (ja) * 2000-03-01 2001-09-04 Mitsubishi Heavy Ind Ltd 無水硫酸低減システム及び方法
CN205700097U (zh) * 2016-04-21 2016-11-23 上海迪夫格环境科技有限公司 一种均匀喷射碱液脱除烟气中三氧化硫的装置
CN106334441A (zh) * 2016-10-12 2017-01-18 浙江大学 燃煤烟气so3梯级深度脱除系统及方法
CN110801723A (zh) * 2019-10-17 2020-02-18 浙江浙能技术研究院有限公司 一种利用碱基喷射脱除燃煤烟气中so3的中试测试装置及方法
CN111968708A (zh) * 2020-10-23 2020-11-20 浙江浙能技术研究院有限公司 一种基于随机森林和lstm神经网络的scr脱硝喷氨量预测方法
CN212396367U (zh) * 2020-05-06 2021-01-26 大唐环境产业集团股份有限公司 一种脱除烟气中三氧化硫的喷射装置
CN112992278A (zh) * 2021-02-05 2021-06-18 山东大学 一种空气预热器中硫酸氢铵生成温度的计算方法
CN113477045A (zh) * 2021-06-23 2021-10-08 苏州西热节能环保技术有限公司 一种碱基喷射脱除so3的精细化控制方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001239128A (ja) * 2000-03-01 2001-09-04 Mitsubishi Heavy Ind Ltd 無水硫酸低減システム及び方法
CN205700097U (zh) * 2016-04-21 2016-11-23 上海迪夫格环境科技有限公司 一种均匀喷射碱液脱除烟气中三氧化硫的装置
CN106334441A (zh) * 2016-10-12 2017-01-18 浙江大学 燃煤烟气so3梯级深度脱除系统及方法
CN110801723A (zh) * 2019-10-17 2020-02-18 浙江浙能技术研究院有限公司 一种利用碱基喷射脱除燃煤烟气中so3的中试测试装置及方法
CN212396367U (zh) * 2020-05-06 2021-01-26 大唐环境产业集团股份有限公司 一种脱除烟气中三氧化硫的喷射装置
CN111968708A (zh) * 2020-10-23 2020-11-20 浙江浙能技术研究院有限公司 一种基于随机森林和lstm神经网络的scr脱硝喷氨量预测方法
CN112992278A (zh) * 2021-02-05 2021-06-18 山东大学 一种空气预热器中硫酸氢铵生成温度的计算方法
CN113477045A (zh) * 2021-06-23 2021-10-08 苏州西热节能环保技术有限公司 一种碱基喷射脱除so3的精细化控制方法

Also Published As

Publication number Publication date
CN114618273B (zh) 2022-08-09

Similar Documents

Publication Publication Date Title
CN104226110A (zh) 一种燃煤锅炉scr脱硝控制方法与控制系统
CN103638991A (zh) Scr脱硝催化剂再生及再生前后活性测试的复合装置
CN103977705B (zh) 一种水泥熟料生产线sncr烟气脱硝的还原剂计量与控制系统及方法
CN112540158B (zh) 石灰石湿法脱硫强制氧化空气利用率的测试方法
CN106166437A (zh) 一种水泥窑炉烟气脱硫系统及方法
CN106552509B (zh) 一种防止scr脱硝区堵塞的锅炉运行控制方法
CN113094986B (zh) 垃圾焚烧炉烟气中污染物排放量预测模型构建方法及应用
CN207928976U (zh) 一种具有前馈测量环节的scr脱硝喷氨调控系统
CN114618273B (zh) 一种基于lstm神经网络的燃煤烟气三氧化硫阶梯控制方法
CN114849471A (zh) 一种应用于玻璃纤维窑炉废气治理的HTr-3SO联合脱硝系统
CN207929006U (zh) 一种scr脱硝喷氨调控系统
CN101623606A (zh) 用于scr脱硝系统的自动化喷氨混合系统
CN219646952U (zh) 一种绝热旋风除尘装置及烟气处理设备
CN108339397A (zh) 一种工业硅矿热炉烟气脱硝系统
CN115253620B (zh) 一种玻璃窑炉脱硝喷氨自动控制方法及系统
CN203862137U (zh) 一种水泥熟料生产线sncr烟气脱硝的还原剂计量与控制系统
CN208878242U (zh) 碱基脱除三氧化硫性能评估实验装置
CN106823757A (zh) 链条炉复合脱硝设备
CN206730830U (zh) 基于臭氧低温氧化的烟气脱硝处理系统
CN211799999U (zh) 一种烟气氨法脱硫用管式加压氧化氨化一体化反应系统
CN108518698A (zh) 烟气催化再循环装置
CN108126517A (zh) 一种电厂用的水解供氨脱硝系统及其控制方法
CN111044667B (zh) 一种脱硝系统催化剂活性的评价方法及脱硝效率的修正方法
CN203663847U (zh) Scr脱硝催化剂再生及再生前后活性测试的复合装置
CN206837822U (zh) 一种球团烟气臭氧脱硝系统

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