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 PDFInfo
- 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
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
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:
上式中, 表示均方根误差,为数据长度,表示i时刻脱硝反应器出口烟气中SO3浓度预测值,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:
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:
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:
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:
上式中, 表示均方根误差,为数据长度,表示i时刻脱硝反应器出口烟气中SO3浓度预测值,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
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
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,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;
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:
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;
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)
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)
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:
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)。
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:
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:
N为满足上式条件的最大整数。
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)
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 |
-
2022
- 2022-05-12 CN CN202210514089.8A patent/CN114618273B/zh active Active
Patent Citations (8)
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 |