CN115440310A - 基于预测技术的脱硫塔浆液循环泵组合优化方法及其系统 - Google Patents

基于预测技术的脱硫塔浆液循环泵组合优化方法及其系统 Download PDF

Info

Publication number
CN115440310A
CN115440310A CN202210622186.9A CN202210622186A CN115440310A CN 115440310 A CN115440310 A CN 115440310A CN 202210622186 A CN202210622186 A CN 202210622186A CN 115440310 A CN115440310 A CN 115440310A
Authority
CN
China
Prior art keywords
slurry
prediction
concentration
circulating pump
outlet
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
Application number
CN202210622186.9A
Other languages
English (en)
Inventor
张兰庆
张军
徐贤国
戴辉
孟晓强
毕玉龙
李治彦
于帅
于晓冬
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.)
Beijing Top Zhida Technology Co ltd
Dezhou Power Plant of Huaneng International Power Co Ltd
Original Assignee
Beijing Top Zhida Technology Co ltd
Dezhou Power Plant of Huaneng International Power 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 Beijing Top Zhida Technology Co ltd, Dezhou Power Plant of Huaneng International Power Co Ltd filed Critical Beijing Top Zhida Technology Co ltd
Priority to CN202210622186.9A priority Critical patent/CN115440310A/zh
Publication of CN115440310A publication Critical patent/CN115440310A/zh
Pending legal-status Critical Current

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
    • 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
    • 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
    • B01D53/96—Regeneration, reactivation or recycling of reactants
    • 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
    • G16C20/90—Programming languages; Computing architectures; Database systems; Data warehousing

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Analytical Chemistry (AREA)
  • Environmental & Geological Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Chemical & Material Sciences (AREA)
  • Oil, Petroleum & Natural Gas (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Sustainable Development (AREA)
  • Treating Waste Gases (AREA)

Abstract

本发明涉及脱硫塔浆液循环泵优化技术领域，尤其涉及一种基于预测技术的脱硫塔浆液循环泵组合优化方法及其系统。S1.对脱硫系统在线运行参数进行采集；S2.根据当前工况下的浆液循环泵组合，通过逻辑算法计算当前工况下所有的切泵可能性路径。与现有的技术相比，本基于预测技术的脱硫塔浆液循环泵组合优化方法及其系统的优点在于：1、采用模型预测技术，引入负荷预测信号，对不同工况下浆液循环泵的最优组合和切泵后出口SO2浓度进行计算和预测，使运行人员可在保证排放指标达标的条件下操作湿法脱硫系统运行在更经济的工况下。

Description

基于预测技术的脱硫塔浆液循环泵组合优化方法及其系统
技术领域
本发明涉及脱硫塔浆液循环泵优化技术领域，尤其涉及一种基于预测技术的脱硫塔浆液循环泵组合优化方法及其系统。
背景技术
目前火电厂湿法脱硫塔中浆液循环泵多为工频泵，现有电力市场负荷波动大背景下，由于脱硫系统缺乏不同负荷、pH、浆液循环泵台数对出口SO2浓度影响的预测机制，运行人员即使在电力市场机组负荷趋势可预知的情况下，仍无法做出准确的启停泵判断。因此会出现多台浆液循环泵同时超量运行、液气比超出合理范围区间的问题，使脱硫系统的能耗增加。
发明内容
本发明的目的是针对上述问题，提供一种基于预测技术的脱硫塔浆液循环泵组合优化方法。
本发明的另一目的提供一种基于预测技术的脱硫塔浆液循环泵组合优化系统。
为达到上述目的，本发明采用了下列技术方案：本基于预测技术的脱硫塔浆液循环泵组合优化方法，其特征在于，包括如下步骤：
S1.对脱硫系统在线运行参数进行采集；
S2.根据当前工况下的浆液循环泵组合，通过逻辑算法计算当前工况下所有的切泵可能性路径；
S3.根据湿法脱硫系统各参数之间的一阶惯性参数模型，结合步骤S1中计算得到所有的切泵可能性路径以及电力市场的负荷预测信号，基于模型预测方法，计算切泵后的出口SO2浓度峰值；
S4.基于步骤S2中计算得到的各个切泵可能性路径及对应的未来出口SO2浓度数据，对比运行人员所设定的预设参数，给出当前工况下满足出口SO2浓度排放要求条件下的浆液循环泵最优组合方案。
在上述的基于预测技术的脱硫塔浆液循环泵组合优化方法中，运行参数包括脱硫塔进口、出口烟气的流量、烟气中SO2质量浓度、O2体积浓度，浆液的流量、pH值，各台浆液循环泵的电流，以及机组的负荷、总风量。
在上述的基于预测技术的脱硫塔浆液循环泵组合优化方法中，通过逻辑算法对当前工况下增加及减去一台浆液循环泵的所有切泵可能性路径。
在上述的基于预测技术的脱硫塔浆液循环泵组合优化方法中，参数模型包括机组负荷对出口SO2浓度模型，入口SO2质量浓度对出口SO2浓度模型，供浆量对浆液pH模型，浆液pH对出口SO2浓度模型，浆液循环量对出口SO2浓度模型；结合步骤S1中计算得到浆液循环泵所有的切泵可能性路径，通过引入电力市场的负荷预测信号，对未来数小时在负荷变化条件及各切泵组合方案在充分发挥浆液pH、供浆流量对出口SO2浓度最大影响前提下，基于模型预测方法，计算切泵后的出口SO2浓度峰值。
在上述的基于预测技术的脱硫塔浆液循环泵组合优化方法中，预设参数包括出口SO2浓度最大允许浓度、浆液pH允许区间、最小浆液循环泵切换间隔时间。
在上述的基于预测技术的脱硫塔浆液循环泵组合优化方法中，所述的模型预测方法包括：
在k时刻，模型初始预测值为
Figure BDA0003677232610000021
其中k+i|k表示在k时刻对k+i时刻的预测，若考虑控制时长为M步，预测时长为P步时，即在△u(k),...,△u(k+M-1)个控制量的作用下，未来P时刻内各时刻的输出预测值为：
Figure BDA0003677232610000031
式中：
Figure BDA0003677232610000032
Figure BDA0003677232610000033
式中，
Figure BDA0003677232610000034
是初始的预测输出值，A为动态矩阵，P为预测时域，M为控制时域，通常规定M≤P≤N。
在上述的基于预测技术的脱硫塔浆液循环泵组合优化方法中，每一个时刻都会对控制量进行优化求解，以使在得到的M个控制增量△u(k),...,△u(k+M-1)作用下，使被控对象未来P个时刻的输出预测值
Figure BDA0003677232610000035
尽可能的接近给定的期望值w(k+i),i＝1,2,...,P，同时使控制变化量尽可能地小；则在k时刻的优化指标可取为：
Figure BDA0003677232610000036
式中，qi和rj是权系数；
改写为向量形式如下：
Figure BDA0003677232610000037
式中，Q＝diag(q1,q2,...,qP)，R＝diag(r1,r2,...,rM)，
wP(k)＝[w(k+1),...,w(k+P)]T，Q和R分别为误差权矩阵和控制权矩阵；
求解上式可以通过极值必要条件导数为0，即
Figure BDA0003677232610000038
求得：
Figure BDA0003677232610000041
上述公式给出了k时刻优化得到的△u(k),...,△u(k+M-1)的最优值，但是DMC每次滚动优化只计算第一项作为实际控制操作作用于对象：
Figure BDA0003677232610000042
式中，cT＝[1 0 … 0]，dT＝cT(ATQA+R)-1ATQ，dT称为控制向量；
P,M,Q,R的值可通过仿真进行离线调试，确定后控制矩阵dT的也可离线计算出，在线实际控制时，只需要计算dT与
Figure BDA0003677232610000043
的点积即可；
计算得到的△u(k)累加到上一步控制量u(k)上，即下一步将用u(k+1)＝u(k)+△u(k)的控制量作用于对象，如此滚动进行。
在上述的基于预测技术的脱硫塔浆液循环泵组合优化方法中，在k+1时刻计算优化控制量前，需要测量对象的实际输出y(k+1)与公式1给出的模型预测的该时刻输出
Figure BDA0003677232610000044
进行比较，并计算输出误差：
Figure BDA0003677232610000045
输出误差通过加权方式进行修正：
Figure BDA0003677232610000046
式中，
Figure BDA0003677232610000047
为校正后的输出预测向量，h＝[h1,...,hN]T为校正权向量；
修正后的预测值作为k+1时刻的初始预测值，即：
Figure BDA0003677232610000048
由于模型的截断，在k时刻预测值
Figure BDA0003677232610000049
可由
Figure BDA00036772326100000410
近似；通过位移对k+1时刻的初始预测值可以表示为：
Figure BDA00036772326100000411
式中，
Figure BDA0003677232610000051
为位移矩阵，得到
Figure BDA0003677232610000052
后就可以进行k+1时刻的滚动优化计算。
在上述的基于预测技术的脱硫塔浆液循环泵组合优化方法中，所述的出口SO2浓度峰值的预测算法：
Figure BDA0003677232610000053
Figure BDA0003677232610000054
式中，SO2now为当前小时出口SO2均值浓度，SO2pumpOff为切泵后出口SO2浓度预测，SO2pH为当前浆液流量下停泵后出口SO2最大抑制能力；△AMPpump为浆液循环泵组合切换后电流变化量；
Figure BDA0003677232610000055
Figure BDA0003677232610000056
分别为当前浆液流量和最大允许浆液流量；
Figure BDA0003677232610000057
Figure BDA0003677232610000058
分别为浆液循环泵电流对出口SO2和浆液流量对出口SO2闭环控制模型的增益。
本基于预测技术的脱硫塔浆液循环泵组合优化系统，包括脱硫数据采集模块、分析优化模块和显示交互模块；
脱硫数据采集模块，用于对脱硫系统在线运行参数进行采集；
分析优化模块包括浆液循环泵路径计算单元，模型预测单元和最优浆液循环泵组合建议单元；
浆液循环泵路径计算单元，根据当前工况下的浆液循环泵组合，通过逻辑算法对当前工况下增加及减去一台浆液循环泵的所有可行路径进行计算；
模型预测单元，模型预测模块内置湿法脱硫系统各参数之间的一阶惯性参数模型，参数模型包括机组负荷对出口SO2浓度模型，入口SO2质量浓度对出口SO2浓度模型，供浆量对浆液pH模型，浆液pH对出口SO2浓度模型，浆液循环量对出口SO2浓度模型；结合浆液循环泵路径计算单元中计算得到的所有切泵可能性路径，通过引入电力市场的负荷预测信号，对未来数小时在负荷变化条件及各切泵组合方案在充分发挥浆液pH、供浆流量对出口SO2浓度最大影响前提下，基于模型预测方法，计算切泵后的出口SO2浓度峰值；
最优浆液循环泵组合建议单元，基于模型预测单元中计算得到的各个可行浆液循环泵切换方案及对应的未来出口SO2浓度预测数据，根据运行人员所设定的出口SO2浓度最大允许浓度、浆液pH允许区间、最小浆液循环泵切换间隔时间，给出当前工况下满足出口SO2浓度排放要求条件下的浆液循环泵最优组合方案；
显示交互模块，用于系统与运行人员之间的交互。
与现有的技术相比，本基于预测技术的脱硫塔浆液循环泵组合优化方法及其系统的优点在于：1、采用模型预测技术，引入负荷预测信号，对不同工况下浆液循环泵的最优组合和切泵后出口SO2浓度进行计算和预测，使运行人员可在保证排放指标达标的条件下操作湿法脱硫系统运行在更经济的工况下。2、本系统适用于大部分湿法脱硫系统，无需对普遍的工频浆液循环泵进行设备层面的改造，成本低、见效快。
附图说明
图1是本发明提供的系统结构框图。
具体实施方式
如图1所示，本基于预测技术的脱硫塔浆液循环泵组合优化系统，包括脱硫数据采集模块、模型预测模块及显示交互模块。
所述脱硫数据采集模块对脱硫系统在线运行参数进行采集，包括脱硫塔进口、出口烟气的流量、烟气中SO2质量浓度、O2体积浓度，浆液的流量、pH值，各台浆液再浆液循环泵的电流，以及机组的负荷、总风量。
所述分析优化模块包括：
(1)浆液循环泵路径计算单元。根据当前工况下的浆液循环泵组合，通过逻辑算法对当前工况下增加及减去一台浆液循环泵的所有可行路径进行计算。
切泵路径算法会考虑到均匀分配母线负载原则，例如当前工况下开启的浆液循环泵为A母线上的A、C泵和B母线上的D泵，则停一台泵的组合路径计算时，算法会自动排除停B泵的可能性，避免母线之间负载不均。
(2)模型预测单元。模型预测模块内装了湿法脱硫系统各参数之间的一阶惯性参数模型，参数模型包括机组负荷对出口SO2浓度模型，入口SO2质量浓度对出口SO2浓度模型，供浆量对浆液pH模型，浆液pH对出口SO2浓度模型，浆液循环量对出口SO2浓度模型。
结合浆液循环泵路径计算单元中计算得到的所有切泵可能性路径，通过引入电力市场的负荷预测信号，对未来数小时在负荷变化条件，及各切泵组合方案在充分发挥浆液pH、供浆流量对出口SO2浓度最大影响前提下，基于模型预测方法，计算切泵后的出口SO2浓度峰值。
(3)最优浆液循环泵组合建议单元。基于模型预测单元中计算得到的各个可行浆液循环泵切换方案及对应的未来出口SO2浓度预测数据，根据运行人员所设定的出口SO2浓度最大允许浓度、浆液pH允许区间、最小浆液循环泵切换间隔时间，给出当前工况下满足出口SO2浓度排放要求条件下的浆液循环泵最优组合方案。
以上三个单元所述用到的算法步骤如下：
步骤一，将所有再浆液循环泵进行排列组合，得到所有可能的组合方案，并按总电流从小到大排列；
步骤二，计算各方案母线负载偏差，排除偏差大于设定阈值的组合；
步骤三，定位至当前再浆液循环泵组合方案，基于模型预测方法，计算各组合在负荷预测信号、当前浆液pH最大能力下的出口SO2浓度预测值，筛选出浆液pH满足限值范围、出口SO2浓度低于设定值的组合，展示给运行人员。
所述模型预测算法：
(一)模型预测，在k时刻，模型初始预测值为
Figure BDA0003677232610000081
其中k+i|k表示在k时刻对k+i时刻的预测，若考虑控制时长为M步，预测时长为P步时，即在△u(k),...,△u(k+M-1)个控制量的作用下，未来P时刻内各时刻的输出预测值为：
Figure BDA0003677232610000082
式中：
Figure BDA0003677232610000083
Figure BDA0003677232610000084
式中，
Figure BDA0003677232610000085
是初始的预测输出值，A为动态矩阵，P为预测时域，M为控制时域，通常规定M≤P≤N。
(二)滚动优化
模型预测控制算法每一个时刻都会对控制量进行优化求解，以使在得到的M个控制增量△u(k),...,△u(k+M-1)作用下，使被控对象未来P个时刻的输出预测值
Figure BDA0003677232610000086
尽可能的接近给定的期望值w(k+i),i＝1,2,...,P，同时使控制变化量尽可能地小。则在k时刻的优化指标可取为：
Figure BDA0003677232610000091
式中，qi和rj是权系数。
改写为向量形式如下：
Figure BDA0003677232610000092
式中，Q＝diag(q1,q2,...,qP)，R＝diag(r1,r2,...,rM)，
wP(k)＝[w(k+1),...,w(k+P)]T，Q和R分别为误差权矩阵和控制权矩阵。
求解上式可以通过极值必要条件导数为0，即
Figure BDA0003677232610000093
求得：
Figure BDA0003677232610000094
上述公式给出了k时刻优化得到的△u(k),...,△u(k+M-1)的最优值，但是DMC每次滚动优化只计算第一项作为实际控制操作作用于对象：
Figure BDA0003677232610000095
式中，cT＝[1 0 … 0]，dT＝cT(ATQA+R)-1ATQ，dT称为控制向量。
在滚动优化步骤中，P,M,Q,R的值可通过仿真进行离线调试，确定后控制矩阵dT的也可离线计算出，在线实际控制时，只需要计算dT与
Figure BDA0003677232610000096
的点积即可。
计算得到的△u(k)累加到上一步控制量u(k)上，即下一步将用u(k+1)＝u(k)+△u(k)的控制量作用于对象，如此滚动进行。
(三)反馈校正
由预测模型计算出的预测结果可能偏离实际或存在稳态偏差，需要进行反馈修正。在k+1时刻计算优化控制量前，需要测量对象的实际输出y(k+1)与公式1给出的模型预测的该时刻输出
Figure BDA0003677232610000097
进行比较，并计算输出误差：
Figure BDA0003677232610000098
输出误差通过加权方式进行修正：
Figure BDA0003677232610000101
式中，
Figure BDA0003677232610000102
为校正后的输出预测向量，h＝[h1,...,hN]T为校正权向量。
修正后的预测值作为k+1时刻的初始预测值，即：
Figure BDA0003677232610000103
由于模型的截断，在k时刻预测值
Figure BDA0003677232610000104
可由
Figure BDA0003677232610000105
近似。通过位移对k+1时刻的初始预测值可以表示为：
Figure BDA0003677232610000106
式中，
Figure BDA0003677232610000107
为位移矩阵。得到
Figure BDA0003677232610000108
后就可以进行k+1时刻的滚动优化计算。
所述出口SO2浓度预测算法：
Figure BDA0003677232610000109
Figure BDA00036772326100001010
式中，SO2now为当前小时出口SO2均值浓度，SO2pumpOff为切泵后出口SO2浓度预测，SO2pH为当前浆液流量下停泵后出口SO2最大抑制能力；△AMPpump为浆液循环泵组合切换后电流变化量；
Figure BDA00036772326100001011
分别为当前浆液流量和最大允许浆液流量；
Figure BDA00036772326100001012
分别为浆液循环泵电流对出口SO2和浆液流量对出口SO2闭环控制模型的增益。
显示交互模块是基于可编辑的网页组态技术，将湿法脱硫系统的当前各运行参数、分析优化模块得到的所有可行切泵方案及对应出口SO2浓度预测、最优切泵建议声光提示的信息，以图表、图形化界面的形式展示给运行人员。
针对火电厂脱硫系统浆液循环泵多为工频泵的现状，结合电力市场机组负荷预测信号，通过预测模型对在不同浆液循环泵组合条件下未来数小时的出口SO2浓度进行预测，从而在保证满足环保排放要求的前提下，提供浆液循环泵最优切换方案。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (10)

1.一种基于预测技术的脱硫塔浆液循环泵组合优化方法，其特征在于，包括如下步骤：
S1.对脱硫系统在线运行参数进行采集；
S2.根据当前工况下的浆液循环泵组合，通过逻辑算法计算当前工况下所有的切泵可能性路径；
S3.根据湿法脱硫系统各参数之间的一阶惯性参数模型，结合步骤S1中计算得到所有的切泵可能性路径以及电力市场的负荷预测信号，基于模型预测方法，计算切泵后的出口SO2浓度峰值；
S4.基于步骤S2中计算得到的各个切泵可能性路径及对应的未来出口SO2浓度数据，对比运行人员所设定的预设参数，给出当前工况下满足出口SO2浓度排放要求条件下的浆液循环泵最优组合方案。
2.根据权利要求1所述的基于预测技术的脱硫塔浆液循环泵组合优化方法，其特征在于，
在步骤S1中，运行参数包括脱硫塔进口、出口烟气的流量、烟气中SO2质量浓度、O2体积浓度，浆液的流量、pH值，各台浆液循环泵的电流，以及机组的负荷、总风量。
3.根据权利要求1所述的基于预测技术的脱硫塔浆液循环泵组合优化方法，其特征在于，在步骤S2中，通过逻辑算法对当前工况下增加及减去一台浆液循环泵的所有切泵可能性路径。
4.根据权利要求1所述的基于预测技术的脱硫塔浆液循环泵组合优化方法，其特征在于，在步骤S3中，参数模型包括机组负荷对出口SO2浓度模型，入口SO2质量浓度对出口SO2浓度模型，供浆量对浆液pH模型，浆液pH对出口SO2浓度模型，浆液循环量对出口SO2浓度模型；结合步骤S1中计算得到浆液循环泵所有的切泵可能性路径，通过引入电力市场的负荷预测信号，对未来数小时在负荷变化条件及各切泵组合方案在充分发挥浆液pH、供浆流量对出口SO2浓度最大影响前提下，基于模型预测方法，计算切泵后的出口SO2浓度峰值。
5.根据权利要求1所述的基于预测技术的脱硫塔浆液循环泵组合优化方法，其特征在于，在步骤S4中，预设参数包括出口SO2浓度最大允许浓度、浆液pH允许区间、最小浆液循环泵切换间隔时间。
6.根据权利要求1-5中任意一项所述的基于预测技术的脱硫塔浆液循环泵组合优化方法，其特征在于，所述的模型预测方法包括：
在k时刻，模型初始预测值为
Figure FDA0003677232600000021
其中k+i|k表示在k时刻对k+i时刻的预测，若考虑控制时长为M步，预测时长为P步时，即在△u(k),...,△u(k+M-1)个控制量的作用下，未来P时刻内各时刻的输出预测值为：
Figure FDA0003677232600000022
式中：
Figure FDA0003677232600000023
Figure FDA0003677232600000024
式中，
Figure FDA0003677232600000025
是初始的预测输出值，A为动态矩阵，P为预测时域，M为控制时域，通常规定M≤P≤N。
7.根据权利要求6所述的基于预测技术的脱硫塔浆液循环泵组合优化方法，其特征在于，
每一个时刻都会对控制量进行优化求解，以使在得到的M个控制增量△u(k),...,△u(k+M-1)作用下，使被控对象未来P个时刻的输出预测值
Figure FDA0003677232600000031
尽可能的接近给定的期望值w(k+i),i＝1,2,...,P，同时使控制变化量尽可能地小；则在k时刻的优化指标可取为：
Figure FDA0003677232600000032
式中，qi和rj是权系数；
改写为向量形式如下：
Figure FDA0003677232600000033
式中，Q＝diag(q1,q2,...,qP)，R＝diag(r1,r2,...,rM)，
wP(k)＝[w(k+1),...,w(k+P)]T，Q和R分别为误差权矩阵和控制权矩阵；
求解上式可以通过极值必要条件导数为0，即
Figure FDA0003677232600000034
求得：
Figure FDA0003677232600000035
上述公式给出了k时刻优化得到的△u(k),...,△u(k+M-1)的最优值，但是DMC每次滚动优化只计算第一项作为实际控制操作作用于对象：
Figure FDA0003677232600000036
式中，cT＝[1 0 ... 0]，dT＝cT(ATQA+R)-1ATQ，dT称为控制向量；
P,M,Q,R的值可通过仿真进行离线调试，确定后控制矩阵dT的也可离线计算出，在线实际控制时，只需要计算dT与
Figure FDA0003677232600000037
的点积即可；
计算得到的△u(k)累加到上一步控制量u(k)上，即下一步将用u(k+1)＝u(k)+△u(k)的控制量作用于对象，如此滚动进行。
8.根据权利要求7所述的基于预测技术的脱硫塔浆液循环泵组合优化方法，其特征在于，
在k+1时刻计算优化控制量前，需要测量对象的实际输出y(k+1)与公式1给出的模型预测的该时刻输出
Figure FDA0003677232600000038
进行比较，并计算输出误差：
Figure FDA0003677232600000041
输出误差通过加权方式进行修正：
Figure FDA0003677232600000042
式中，
Figure FDA0003677232600000043
为校正后的输出预测向量，h＝[h1,...,hN]T为校正权向量；
修正后的预测值作为k+1时刻的初始预测值，即：
Figure FDA0003677232600000044
由于模型的截断，在k时刻预测值
Figure FDA0003677232600000045
可由
Figure FDA0003677232600000046
近似；通过位移对k+1时刻的初始预测值可以表示为：
Figure FDA0003677232600000047
式中，
Figure FDA0003677232600000048
为位移矩阵，得到
Figure FDA0003677232600000049
后就可以进行k+1时刻的滚动优化计算。
9.根据权利要求1-5中任意一项所述的基于预测技术的脱硫塔浆液循环泵组合优化方法，其特征在于，所述的出口SO2浓度的预测算法：
Figure FDA00036772326000000410
Figure FDA00036772326000000411
式中，SO2now为当前小时出口SO2均值浓度，SO2pumpOff为切泵后出口SO2浓度预测，SO2pH为当前浆液流量下停泵后出口SO2最大抑制能力；△AMPpump为浆液循环泵组合切换后电流变化量；
Figure FDA00036772326000000412
Figure FDA00036772326000000413
分别为当前浆液流量和最大允许浆液流量；
Figure FDA00036772326000000414
Figure FDA00036772326000000415
分别为浆液循环泵电流对出口SO2和浆液流量对出口SO2闭环控制模型的增益。
10.一种基于预测技术的脱硫塔浆液循环泵组合优化系统，其特征在于，包括脱硫数据采集模块、分析优化模块和显示交互模块；
脱硫数据采集模块，用于对脱硫系统在线运行参数进行采集；
分析优化模块包括浆液循环泵路径计算单元，模型预测单元和最优浆液循环泵组合建议单元；
浆液循环泵路径计算单元，根据当前工况下的浆液循环泵组合，通过逻辑算法对当前工况下增加及减去一台浆液循环泵的所有可行路径进行计算；
模型预测单元，模型预测模块内置湿法脱硫系统各参数之间的一阶惯性参数模型，参数模型包括机组负荷对出口SO2浓度模型，入口SO2质量浓度对出口SO2浓度模型，供浆量对浆液pH模型，浆液pH对出口SO2浓度模型，浆液循环量对出口SO2浓度模型；结合浆液循环泵路径计算单元中计算得到的所有切泵可能性路径，通过引入电力市场的负荷预测信号，对未来数小时在负荷变化条件及各切泵组合方案在充分发挥浆液pH、供浆流量对出口SO2浓度最大影响前提下，基于模型预测方法，计算切泵后的出口SO2浓度峰值；
最优浆液循环泵组合建议单元，基于模型预测单元中计算得到的各个可行浆液循环泵切换方案及对应的未来出口SO2浓度预测数据，根据运行人员所设定的出口SO2浓度最大允许浓度、浆液pH允许区间、最小浆液循环泵切换间隔时间，给出当前工况下满足出口SO2浓度排放要求条件下的浆液循环泵最优组合方案；
显示交互模块，用于系统与运行人员之间的交互。
CN202210622186.9A 2022-06-02 2022-06-02 基于预测技术的脱硫塔浆液循环泵组合优化方法及其系统 Pending CN115440310A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210622186.9A CN115440310A (zh) 2022-06-02 2022-06-02 基于预测技术的脱硫塔浆液循环泵组合优化方法及其系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210622186.9A CN115440310A (zh) 2022-06-02 2022-06-02 基于预测技术的脱硫塔浆液循环泵组合优化方法及其系统

Publications (1)

Publication Number Publication Date
CN115440310A true CN115440310A (zh) 2022-12-06

Family

ID=84241273

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210622186.9A Pending CN115440310A (zh) 2022-06-02 2022-06-02 基于预测技术的脱硫塔浆液循环泵组合优化方法及其系统

Country Status (1)

Country Link
CN (1) CN115440310A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116236892A (zh) * 2023-03-16 2023-06-09 福建龙净环保股份有限公司 一种控制脱硫设备的方法及装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116236892A (zh) * 2023-03-16 2023-06-09 福建龙净环保股份有限公司 一种控制脱硫设备的方法及装置

Similar Documents

Publication Publication Date Title
CN115440310A (zh) 基于预测技术的脱硫塔浆液循环泵组合优化方法及其系统
WO1984003232A1 (en) Method for two stage in-line acid mixing
CN112034795A (zh) 一种基于数据模型和机理运算的氧化风系统控制方法
CN109630415A (zh) 一种快速压载系统及其空压机组节能控制方法
CN113655762A (zh) 一种燃气供能系统运行优化控制方法及系统
CN106843295B (zh) 一种烟气旁路蒸发脱硫废水系统控制方法及控制系统
JP2016506302A (ja) 冷間圧延における酸洗のための酸濃度制御方法および装置
CN117318251B (zh) 一种储能系统
CN112865172B (zh) 兼顾规模化储能荷电状态的电力系统二次调频控制方法
CN113935601A (zh) 一种考虑过渡能效的并联供水泵组节能调度方法
CN111478332B (zh) 基于保守极限的暂态稳定紧急控制切机定值在线调整方法
CN205475481U (zh) 一种智能变频恒压供水系统
CN110994639A (zh) 一种电厂储能辅助调频的仿真定容方法、装置及设备
CN116525890A (zh) 燃料电池用氢气循环系统离线标定装置及离线标定方法
CN116316919A (zh) 一种基于多级协调的高比例新能源无功调压控制方法
CN112044270B (zh) 一种基于数据驱动多模型的脱硫氧化风系统控制方法
JP2565686B2 (ja) 湿式排煙脱硫装置の吸収液循環流量制御装置
CN110243138B (zh) 一种空气分离设备模型前馈控制系统及方法
CN100441552C (zh) 丁二烯精馏装置先进控制方法
CN113065761A (zh) 水电站发电负荷快速减少后水库的精准控制方法
CN112329980A (zh) 一种机器学习定电价改善电网运行水平的方法
CN212060891U (zh) 一种煤矿能源优化控制系统
CN114326401B (zh) 基于径向基神经网络的阀控液压缸滑模控制方法
CN117555225B (zh) 一种绿色建筑能源管理控制系统
CN114178320A (zh) 一种不锈钢轧制油喷射控制系统及使用该系统的节能方法

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