CN115729184B - 基于大数据分析和边缘控制的脱硫优化运行方法及装置 - Google Patents
基于大数据分析和边缘控制的脱硫优化运行方法及装置 Download PDFInfo
- Publication number
- CN115729184B CN115729184B CN202211420334.5A CN202211420334A CN115729184B CN 115729184 B CN115729184 B CN 115729184B CN 202211420334 A CN202211420334 A CN 202211420334A CN 115729184 B CN115729184 B CN 115729184B
- Authority
- CN
- China
- Prior art keywords
- desulfurization
- oxidation
- control
- control parameter
- time
- 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.)
- Active
Links
Images
Landscapes
- Treating Waste Gases (AREA)
Abstract
本发明公开了一种基于大数据分析和边缘控制的脱硫优化运行方法及装置,包括:采集脱硫系统历史运行数据和实时运行数据,对历史运行数据进行预处理,并建立脱硫历史数据库;基于脱硫历史数据库,采用带时变系数的多分类支持向量机方法建立脱硫效率预测模型,通过寻优算法求解满足脱硫效率要求的最低能耗方式运行,得到第一控制参数;基于实时运行数据,根据脱硫效率预测经验模型、修订系数、寻优算法确定第二控制参数,调整第一控制参数和第二控制参数加权,分配加权权重,得到循环泵控制参数;根据石膏氧化机理模型和性能试验确定风机控制参数;根据循环泵控制参数和风机控制参数控制执行机构的运行。本发明可降低降低脱硫系统的运行能耗。
Description
技术领域
本发明属于脱硫控制技术领域,更具体地,涉及一种基于大数据分析和边缘控制的脱硫优化运行方法及装置。
背景技术
火电作为最大的能耗行业,既要满足超低排放的环保要求,又要保证节能低碳优化运行。尤其对于烟气脱硫方法来说,不仅是火电机组重要的环保工序,而且是最主要的厂内能耗装置,占电厂的厂用电率达1-2%,面临迫切的环保和优化运行压力。
石灰石-石膏脱硫方法是目前国内火力发电行业应用最成熟,市场占有率最高的工艺。根据其工艺特点,方法运行能耗最高的两个设备是浆液循环泵和氧化风机,其耗电量占整个脱硫方法的90%以上。因此,脱硫方法的主要优化运行方向在于寻求最佳的浆液循环泵和氧化风机运行方式。
目前浆液循环泵为保证足够的扬程和喷嘴雾化压力,一般采用工频率运行,单台泵不具备优化运行空间,主要是通过不同喷淋层的浆液循环泵组合方式的优化来降低运行能耗。但是这总优化运行方式存在的最主要问题在于:1)组合方式属于离散化操作,运行调节不连续,导致运行液气比一般较最佳液气比高;2)脱硫吸收效率不仅受液气比的影响,还受浆液pH值、浆液高度、浆液密度、烟气流速、烟气温度等多个控制变量的影响,组合运行方式难以根据单一运行参数固化,运行效果严重依赖操作人员的经验,运行效益较低;3)在机组深度调峰、煤质波动大等复杂运行工况下,组合方式调节的调节时间偏长,调节惯性较大,难以稳定控制二氧化硫的排放;4)低负荷运行条件下,脱硫方法一般保证最低两层喷淋层运行,组合方式的优化空间极低
目前氧化风机也绝大多数采用工频率运行,且一般只设置1-2台运行。虽然随着烟气中二氧化硫负荷波动,所需的氧化空气量具备一定的调节空间,但是受限于传统运行方式,很难具有操作空间。
虽然有报告,部分电厂已经通过对浆液循环泵和氧化风机进行变频或者永磁调速改造的方式提升脱硫方法的节能效益,但是由于液汽比对脱硫效率的影响并不是线性的,而且改造后由于扬程降低会影响喷嘴的雾化效果,导致变频或者永磁调速难以满足二氧化硫精确控制的要求,优化效果大打折扣。随着新一代信息技术的发展,以方法机理和运行为基础,通过对方法历史数据分析并结合试验数据,建立大数据模型,并结合各种智能算法,实现脱硫优化运行当前重要的发展方向。
因此,基于当前脱硫方法运行特点和优化需求,本发明提供一种基于大数据分析和边缘控制的脱硫优化运行方法和装置。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供一种基于大数据分析和边缘控制的脱硫优化运行方法及装置,提供智能运行指导,减少脱硫系统操作员经验的依赖,降低操作人员脑力和体力强度,尤其是变负荷下脱硫系统安全经济运行,提供实现脱硫系统实时能效智能分析与计算,消除实际运行偏离设计工况导致物料平衡计算不准的情况。
为实现上述目的,按照本发明的一方面,提供一种基于大数据分析和边缘控制的脱硫优化运行方法,包括:
采集脱硫系统历史运行数据和实时运行数据,对历史运行数据进行预处理,并建立脱硫历史数据库;
基于脱硫历史数据库,采用带时变系数的多分类支持向量机方法建立脱硫效率预测模型,通过寻优算法求解满足脱硫效率要求的最低能耗方式运行,得到第一控制参数;
基于实时运行数据,根据脱硫效率预测经验模型、修订系数、寻优算法和第一性能实验确定第二控制参数,调整第一控制参数和第二控制参数加权,分配加权权重,得到循环泵控制参数;
根据石膏氧化机理模型和第二性能试验确定风机控制参数;
根据循环泵控制参数和风机控制参数控制执行机构的运行。
进一步地,所述采集脱硫方法历史运行数据和实时运行数据具体包括:机组负荷、进口烟气流速、进口烟气流量、进口烟气温度、进出口烟气SO2浓度、进出口烟尘浓度、进出口烟气NOx浓度和出口氧浓度、吸收塔内压降、浆液密度、浆液pH值、每台浆液循环泵运行电流、每台浆液循环泵运行转数、每台氧化风机运行电流以及液位高度。
进一步地,所述对历史运行数据进行预处理包括:对历史运行数据进行稳态分析,删除掉非稳态区域及异常数据,并进行光滑处理。
进一步地,所述脱硫效率预测模型为:
其中,η(k)为k时刻的脱硫效率,X(k)为运行变量向量,a(k)为k时刻的回归系数,a(k-1)为k-1时刻的回归系数,K(k)为增益向量,err(k)为第k时刻递推实际值与计算值的偏差。
进一步地,所述根据脱硫效率预测经验模型、修订系数、寻优算法和第一性能试验确定脱硫控制参数,包括:
基于实时运行数据,根据脱硫效率预测经验模型得到不同转数条件下的脱硫效率;
根据修订系数修订不同转数条件下的脱硫效率;
基于修订后的脱硫效率,通过寻优算法求解满足脱硫效率要求的最低能耗方式运行,得到最佳的浆液循环泵转数;
基于第一性能试验获得额定电机转速条件下执行机构控制参数与浆液循环泵转数转速的关系曲线;
基于最佳的浆液循环泵转数,确定脱硫控制参数。
进一步地,所述调整第一控制参数和第二控制参数加权,分配加权权重,得到循环泵控制参数,包括:
调节第一控制参数和第二控制参数的加权比例,根据实际运行工况最优值的加权,分配加权权重,得到循环泵控制参数。
进一步地,所述根据石膏氧化机理模型和性能试验确定氧化控制参数,包括:
石膏氧化机理模型根据当前的SO2脱除负荷和氧化倍率,得到最优的氧化空气量;
基于第二性能试验获得额定电机转速条件下气体间隙与氧化风机转速的第一关系曲线,通过测量氧化风机的鼓风量获得氧化风机的转速与氧化空气量的第二关系曲线;
基于最优的氧化空气量、第一关系曲线和第二关系曲线,得到氧化控制参数。
进一步地,所述脱硫效率预测经验模型为:
η=1-exp(-NTU)
NTU=ln(SO2进/ SO2出)=Kg*A*p*V/G*Kx
其中,ηSO2为脱硫效率;NTU为传质单元数;Kg为总传质系数;A为单位体积的吸收面积;p为脱硫塔绝对压力;V为脱硫塔体积;G为气体摩尔速率;Kx为修订系数;SO2进t为实时运行工况t时间下的进口烟气SO2浓度,SO2出t为实时运行工况t时间下的出口烟气SO2浓度,Kgt为实时运行工况t时间下的总传质系数;At为实时运行工况t时间下的单位体积的吸收面积;pt为实时运行工况t时间下的脱硫塔绝对压力;Vt为实时运行工况t时间下的脱硫塔体积;G为实时运行工况t时间下的气体摩尔速率。
进一步地,所述石膏氧化效率预测机理模型为:
V空气=nSO2/2*U*N0/nO2
其中,nSO2为进出口烟气的SO2摩尔流量;U为氧化倍率;N0为标准摩尔体积;nO2为空气中氧气浓度。
按照本发明的第二方面,提供一种基于大数据分析和边缘控制的脱硫优化运行系统,包括:
数据采集器,用于采集脱硫方法历史运行数据和实时运行数据,对历史运行数据进行预处理,并建立脱硫历史数据库;
大数据分析服务器,用于基于历史运行数据,建立采用带时变系数的多分类支持向量机方法建立脱硫效率预测模型,通过寻优算法求解满足脱硫效率要求的最低能耗方式运行,得到第一控制参数;
边缘控制器,包括自带的脱硫效率预测机理经验模型、石膏氧化机理模型和执行机构运行参数优化算法,用于基于实时运行数据,根据脱硫效率预测经验模型、修订系数、寻优算法和第一性能实验确定第二控制参数,调整第一控制参数和第二控制参数加权,分配加权权重,得到循环泵控制参数;根据石膏氧化机理模型和第二性能试验确定风机控制参数;
控制器,包括智能控制模块和脱硫现场控制器,用于切换智能控制和人工控制,智能控制时,智能控制模块接收循环泵控制参数和风机控制参数,下达控制信号;人工控制时,操作者通过脱硫现场控制器下达控制信号;
执行机构,包括永磁调速器、浆液循环泵和氧化风机,用于接收控制信号,通过永磁调速器控制浆液循环泵和氧化风机运行。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,能够取得下列有益效果:
1.本发明的方法,基于历史运行数据,采用时变系数的多分类支持向量机算法建立脱硫效率预测模型,并通过寻优算法求解当前运行参数条件下最佳的浆液循环泵组合运行方式,得到第一控制参数。边缘控制器依据实时运行数据,通过自带的脱硫效率预测经验模型和修订系数,得到当前实时参数预测不同转数条件下的脱硫效率,通过执行机构运行参数优化算法求解最优的浆液循环泵转数参数,确定对应的执行机构控制参数,即第二控制参数。比较第一控制参数和第二控制参数,分配不同的加权权重,得到循环泵控制参数。同时,边缘控制器依据实时数据通过石膏氧化机理模型,实时求解最优的氧化空气量,并依据氧化空气量,通过执行机构运行参数优化算法求解最优的氧化风机转数参数,确定其对应的执行机构控制参数,即风机控制参数,通过循环泵控制参数和风机控制参数控制执行。本发明能够尽可能降低二氧化硫出口浓度的波动幅度,降低脱硫系统的运行能耗。
2. 本发明的方法,提供智能运行指导,减少脱硫系统操作员经验的依赖,降低操作人员脑力和体力强度,尤其是变负荷下脱硫系统安全经济运行。
3. 本发明的方法,提供实现脱硫系统实时能效智能分析与计算,消除实际运行偏离设计工况导致物料平衡计算不准的情况。
附图说明
图1为本发明的一种基于大数据分析和边缘控制的脱硫优化运行方法流程图;
图2为本发明一种基于大数据分析和边缘控制的脱硫优化运行装置图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
如图1所示,基于当前脱硫方法运行特点和优化需求,本发明提供一种基于大数据分析和边缘控制的脱硫优化运行方法,包括以下步骤:
采集脱硫系统历史运行数据和实时运行数据,对历史运行数据进行预处理,并建立脱硫历史数据库;
基于脱硫历史数据库,采用带时变系数的多分类支持向量机方法建立脱硫效率预测模型,通过寻优算法求解满足脱硫效率要求的最低能耗方式运行,得到第一控制参数;
基于实时运行数据,根据脱硫效率预测经验模型、修订系数、执行机构运行参数优化算法确定第二控制参数,分析第一控制参数和第二控制参数,分配加权权重,得到脱硫控制参数;
根据石膏氧化机理模型和执行机构运行参数优化算法确定氧化控制参数;
根据脱硫控制参数和氧化控制参数控制执行机构的运行。
具体而言,所述运行数据包括:机组负荷、进口烟气流速、进口烟气流量、进口烟气温度、进出口烟气SO2浓度、进出口烟尘浓度、进出口烟气NOx浓度和出口氧浓度、吸收塔内压降、浆液密度、浆液pH值、每台浆液循环泵运行电流、每台浆液循环泵运行转数、每台氧化风机运行电流以及液位高度等。
脱硫效率预测模型可选择带时变系数的多分类支持向量机方法进行构建。时变系数的多分类支持向量机可以处理线性可分和非线性可分数据,通过最大化最小间隔得到最佳的决策分界面,从而实现对新样本的类别预测。另一方面,时变系数的多分类支持向量机可以解决含有主变量的多分类问题.它使用具备更好几何解释能力的基于角度的间隔最大分类框架完成多分类,并引入变系数模型,通过选择合适的局部光滑函数处理主变量对模型的影响,最终具有更高的预测准确度。
脱硫效率预测模型的形式化表达为:
式中,η(k)为k时刻的脱硫效率,X(k)为运行变量向量(包括:机组负荷、进口烟气流速、进口烟气流量、进口烟气温度、进出口烟气SO2浓度、进出口烟尘浓度、进出口烟气NOx浓度和出口氧浓度、吸收塔内压降、浆液密度、浆液pH值、每台浆液循环泵运行电流、每台浆液循环泵运行转数、每台氧化风机运行电流以及液位高度),a(k)为k时刻的模型系数(回归系数)。
时变系数的递推公式如下:
式中,a(k-1)为k-1时刻的模型系数(回归系数),K(k)为增益向量,err(k)为第k时刻递推实际值与计算值的偏差,用于降低老数据的信息量,提升新数据的有效性。
然后通过寻优算法求解,满足脱硫效率要求的最低能耗方式运行,即当前运行参数条件下最佳的浆液循环泵组合运行方式和浆液循环泵转数,确定对应的执行机构控制参数,即第一控制参数。
所述寻优算法包括:线性规划、动态规划、模拟退火,遗传算法、粒子群法等。
浆液循环泵转数对应的执行机构控制参数可通过第一性能试验的方法获得。通过执行机构调节气体间隙改变浆液循环泵转数的转速,获得额定电机转速条件下执行机构控制参数(气体间隙)与浆液循环泵转数转速的关系曲线。
脱硫效率预测经验模型,可通过机组负荷、进口烟气流速、进口烟气流量、进口烟气温度、进口烟气SO2浓度、进口烟尘浓度、进口烟气NOx浓度、进口氧气浓度、吸收塔内压降、浆液密度、浆液pH值、每台浆液循环泵运行电流、每台浆液循环泵运行转数、每台氧化风机运行电流以及液位高度等对传质单元的理论计算及当前脱硫效率的实时计算;
其中脱硫效率预测经验模型主要基于双膜吸收理论和试验数据进行多元回归得到,可按照如下方程计算:
η=1-exp(-NTU)
NTU=ln(SO2进/ SO2出)=Kg*A*p*V/G*Kx
其中:ηSO2—脱硫效率;NTU—传质单元数;Kg总传质系数;A—单位体积的吸收面积;p—脱硫塔绝对压力;V—脱硫塔体积;G—气体摩尔速率;Kx—修订系数。
总传质系数可通过试验数据进行多元回归得到,
Kg=f(机组负荷、进口烟气流速、进口烟气流量、进口烟气温度、进口烟气SO2浓度、进口烟尘浓度、进口烟气NOx浓度,进口氧气浓度、浆液密度、浆液pH值、每台浆液循环泵运行电流、每台浆液循环泵运行转数)
=e0+e1*机组负荷+e2*进口烟气流速+e3*进口烟气流量+e4*进口烟气温度+e5进口烟气SO2浓度+e6*进口烟尘浓度+e7*进口烟气NOx浓度+e8*进口氧气浓度+e9*浆液密度+e10*浆液pH值+e11*(浆液流量/烟气流量)。
其中,e0~ e11分别为不同影响因素的回归系数。
如脱硫装置运行初期试验数据较难获得,可通过现有技术构建简化的脱硫效率预测经验模型。
为保证经验计算方程能够实时适应当前不断变化的运行工况,必须加入Kx(修订系数)对脱硫效率计算进行实时的修正,可按照如下方程计算:
其中:SO2进t为实时运行工况t时间下的进口烟气SO2浓度,SO2出t为实时运行工况t时间下的出口烟气SO2浓度,Kgt为实时运行工况t时间下的总传质系数;At为实时运行工况t时间下的单位体积的吸收面积;pt为实时运行工况t时间下的脱硫塔绝对压力;Vt为实时运行工况t时间下的脱硫塔体积;G为实时运行工况t时间下的气体摩尔速率。
基于修订系数修订当前实时参数预测不同转数条件下的脱硫效率,然后通过寻优算法求解,满足脱硫效率要求的最低能耗方式运行,即当前运行参数条件下最佳的浆液循环泵组合运行方式和浆液循环泵转数,确定对应的执行机构控制参数,即第二控制参数。比较第一控制参数和第二控制参数,分配不同的加权权重,控制执行机构的运行。权重分配方法可按照如下方式进行:
1)若未反馈第一控制参数,且已反馈第二控制参数,按照第二控制参数控制;
2)若未反馈第二控制参数,且已反馈第一控制参数,按照第二控制参数控制;
3)若反馈第一控制参数,且已反馈第二控制参数,可按照加权平均的方式确定控制参数:调整不同的第一控制参数和第二控制参数的加权比例,根据不同加权比例时的实际运行工况,分配最优的加权权重,确定循环泵控制参数。
4)若第一控制参数、第二控制参数均未反馈,执行机构不动作。
石膏氧化机理模型可根据当前的SO2脱除负荷按照氧化倍率为2-3,,计算最优的氧化空气量。并依据氧化空气量,确定对应的执行机构控制参数,即第三控制参数。
氧化空气量对应的执行机构控制参数可通过性能试验的方法获得。首先通过执行机构调节气体间隙改变氧化风机的转速,获得额定电机转速条件下气体间隙与氧化风机转速的关系曲线,然后通过测量氧化风机的鼓风量获得氧化风机的转速与氧化空气量的关系曲线,最后得出氧化空气量对应的执行机构控制参数(气体间隙)的关系曲线。
石膏氧化效率预测机理模型按照如下方程计算:
V空气=nSO2/2*U*N0/nO2(L/h)
其中nSO2为进出口烟气的SO2摩尔流量;U为氧化倍率,一般为2-3;N0为标准摩尔体积,等于22.4L/mol;nO2为空气中氧气浓度,一般在在19.5%至23.5%之间。
基于上述实施例,作为一个可选的实施例,本发明提供一种基于大数据分析和边缘控制的脱硫优化运行装置,如图2所示,包括:
数据采集器,用于采集脱硫方法历史运行数据和实时运行数据,对历史运行数据进行预处理,并建立脱硫历史数据库;
大数据分析服务器,用于基于历史运行数据,建立采用带时变系数的多分类支持向量机方法建立脱硫效率预测模型,通过寻优算法求解满足脱硫效率要求的最低能耗方式运行,得到第一控制参数;
边缘控制器,包括自带的脱硫效率预测机理经验模型、石膏氧化机理模型和执行机构运行参数优化算法,用于基于实时运行数据,根据脱硫效率预测经验模型、修订系数、寻优算法和第一性能实验确定第二控制参数,调整第一控制参数和第二控制参数加权,分配加权权重,得到循环泵控制参数;根据石膏氧化机理模型和第二性能试验确定风机控制参数;
控制器,包括智能控制模块和脱硫现场控制器,用于切换智能控制和人工控制,智能控制时,智能控制模块接收循环泵控制参数和风机控制参数,下达控制信号;人工控制时,操作者通过脱硫现场控制器下达控制信号;
执行机构,包括永磁调速器、浆液循环泵和氧化风机,用于接收控制信号,通过永磁调速器控制浆液循环泵和氧化风机运行。
基于上述实施例,作为一个可选的实施例,所述数据采集器,支持 OPC 通讯、DB通讯、modbus 通讯及DCS系统自有通讯协议;能够单向采集脱硫的离散控制系统(DCS)或者厂级监控信息系统(SIS)数据,并将历史数据以及实时数据传输并储存在大数据服务器中,同时也能将实时数据传输边缘控制器中;对历史运行数据进行稳态分析,删除掉非稳态区域及异常数据,并采用滑动平均法或者小波分析等方法对稳态区历史数据进行光滑处理,并建立脱硫历史数据库。
基于上述实施例,作为一个可选的实施例,所述执行机构在不改变电机转速的情况下,通过调节气体间隙改变浆液循环泵或者氧化风机的转速,提高浆液循环泵适应脱硫运行工况变化的能力,实现对出口二氧化硫精确控制的目的,降低整体运行能耗。
基于上述实施例,作为一个可选的实施例,所述永磁调速器主要由铜盆转子和磁盘转子构成,铜盘转子与电机相连,磁盘转子与浆液循环泵或者氧化风机负载相连。电机转动时,铜盘相对磁盘旋转,在铜盘内形成感应电流而在气隙中产生感应磁场,该感应磁场使得负载端磁盘转子跟随旋转,实现了扭矩传输。通过气隙宽度的调节改变负载的转速。
基于上述实施例,作为一个可选的实施例,所述氧化风机一般采用罗茨风机,用于为吸收塔中浆液的石膏氧化提供足够的氧化空气。
本发明的装置,通过数据采集器单向采集脱硫系统DCS或者SIS系统的历史数据以及实时数据,并将历史数据以及实时数据传输并储存在大数据分析服务器中。大数据分析服务器基于历史数据,采用时变系数的多分类支持向量机算法建立脱硫效率预测模型,并通过寻优算法求解当前运行参数条件下最佳的浆液循环泵组合运行方式,得到第一控制参数,并将第一控制参数传输至边缘控制器。边缘控制器依据实时运行数据,通过自带的脱硫效率预测经验模型和修订系数,得到当前实时参数预测不同转数条件下的脱硫效率,通过执行机构运行参数优化算法求解最优的浆液循环泵转数参数,确定对应的执行机构控制参数,即第二控制参数。比较第一控制参数和第二控制参数,分配不同的加权权重,得到循环泵控制参数。同时,边缘控制器依据实时数据通过石膏氧化机理模型,实时求解最优的氧化空气量,并依据氧化空气量,通过执行机构运行参数优化算法求解最优的氧化风机转数参数,确定其对应的执行机构控制参数,即风机控制参数。
执行机构可采用人工控制和智能控制两种运行切换方式。选择人工控制时,执行机构通过脱硫现场控制器下达的运行参数控制;选择智能控制时,执行机构根据边缘控制器下达的循环泵控制参数和风机控制参数,通过永磁调速器控制浆液循环泵和氧化风机的运行。
本发明的执行机构通过调整气体间隙,改变浆液循环泵或者氧化风机的转速。通过永磁调速器实现电机1与浆液循环泵之间,电机2与氧化风机之间的调速控制。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于大数据分析和边缘控制的脱硫优化运行方法,其特征在于,包括:
采集脱硫系统历史运行数据和实时运行数据,对历史运行数据进行预处理,并建立脱硫历史数据库;
基于脱硫历史数据库,采用带时变系数的多分类支持向量机方法建立脱硫效率预测模型,通过寻优算法求解满足脱硫效率要求的最低能耗方式运行,得到第一控制参数;
基于实时运行数据,根据脱硫效率预测经验模型、修订系数、寻优算法和第一性能试验确定第二控制参数,调整第一控制参数和第二控制参数加权,分配加权权重,得到循环泵控制参数;
所述根据脱硫效率预测经验模型、修订系数、寻优算法和第一性能试验确定第二控制参数,包括:
基于实时运行数据,根据脱硫效率预测经验模型得到不同转数条件下的脱硫效率;
根据修订系数修订不同转数条件下的脱硫效率;
基于修订后的脱硫效率,通过寻优算法求解满足脱硫效率要求的最低能耗方式运行,得到最佳的浆液循环泵转数;
基于第一性能试验获得额定电机转速条件下执行机构控制参数与浆液循环泵转数转速的关系曲线;
基于最佳的浆液循环泵转数,确定第二控制参数;
根据石膏氧化机理模型和第二性能试验确定氧化控制参数;
所述根据石膏氧化机理模型和第二性能试验确定氧化控制参数,包括:
石膏氧化机理模型根据当前的SO2脱除负荷和氧化倍率,得到最优的氧化空气量;
基于第二性能试验获得额定电机转速条件下气体间隙与氧化风机转速的第一关系曲线,通过测量氧化风机的鼓风量获得氧化风机的转速与氧化空气量的第二关系曲线;
基于最优的氧化空气量、第一关系曲线和第二关系曲线,得到氧化控制参数;
根据循环泵控制参数和氧化控制参数控制执行机构的运行。
2.根据权利要求1所述的一种基于大数据分析和边缘控制的脱硫优化运行方法,其特征在于,所述采集脱硫系统历史运行数据和实时运行数据具体包括:机组负荷、进口烟气流速、进口烟气流量、进口烟气温度、进出口烟气SO2浓度、进出口烟尘浓度、进出口烟气NOx浓度和出口氧浓度、吸收塔内压降、浆液密度、浆液pH值、每台浆液循环泵运行电流、每台浆液循环泵运行转数、每台氧化风机运行电流以及液位高度。
3.根据权利要求1所述的一种基于大数据分析和边缘控制的脱硫优化运行方法,其特征在于,所述对历史运行数据进行预处理包括:对历史运行数据进行稳态分析,删除掉非稳态区域及异常数据,并进行光滑处理。
4.根据权利要求1所述的一种基于大数据分析和边缘控制的脱硫优化运行方法,其特征在于,所述脱硫效率预测模型为:
η(k)=f(a(k),X(k))
a(k)=a(k-1)+K(k)err(k)
其中,η(k)为k时刻的脱硫效率,X(k)为运行变量向量,a(k)为k时刻的回归系数,a(k-1)为k-1时刻的回归系数,K(k)为增益向量,err(k)为第k时刻递推实际值与计算值的偏差。
5.根据权利要求1所述的一种基于大数据分析和边缘控制的脱硫优化运行方法,其特征在于,所述调整第一控制参数和第二控制参数加权,分配加权权重,得到循环泵控制参数,包括:
调节第一控制参数和第二控制参数的加权比例,根据实际运行工况最优值的加权,分配加权权重,得到循环泵控制参数。
6.根据权利要求1所述的一种基于大数据分析和边缘控制的脱硫优化运行方法,其特征在于,所述脱硫效率预测经验模型为:
ηSO2=1-exp(-NTU)
NTU=ln(SO2进/SO2出)=Kg*A*p*V/G*Kx
其中,ηSO2为脱硫效率;NTU为传质单元数;Kg为总传质系数;A为单位体积的吸收面积;p为脱硫塔绝对压力;V为脱硫塔体积;G为气体摩尔速率;Kx为修订系数;SO2进t为实时运行工况t时间下的进口烟气SO2浓度,SO2出t为实时运行工况t时间下的出口烟气SO2浓度,Kgt为实时运行工况t时间下的总传质系数;At为实时运行工况t时间下的单位体积的吸收面积;pt为实时运行工况t时间下的脱硫塔绝对压力;Vt为实时运行工况t时间下的脱硫塔体积;Gt为实时运行工况t时间下的气体摩尔速率。
7.根据权利要求1所述的一种基于大数据分析和边缘控制的脱硫优化运行方法,其特征在于,所述石膏氧化机理模型为:
V空气=nSO2/2*U*N0/nO2
其中,nSO2为进出口烟气的SO2摩尔流量;U为氧化倍率;N0为标准摩尔体积;nO2为空气中氧气浓度。
8.一种基于大数据分析和边缘控制的脱硫优化运行系统,其特征在于,包括:
数据采集器,用于采集脱硫系统历史运行数据和实时运行数据,对历史运行数据进行预处理,并建立脱硫历史数据库;
大数据分析服务器,用于基于历史运行数据,建立采用带时变系数的多分类支持向量机方法建立脱硫效率预测模型,通过寻优算法求解满足脱硫效率要求的最低能耗方式运行,得到第一控制参数;
边缘控制器,包括自带的脱硫效率预测经验模型、石膏氧化机理模型和执行机构运行参数优化算法,用于基于实时运行数据,根据脱硫效率预测经验模型、修订系数、寻优算法和第一性能试验确定第二控制参数,调整第一控制参数和第二控制参数加权,分配加权权重,得到循环泵控制参数;所述根据脱硫效率预测经验模型、修订系数、寻优算法和第一性能试验确定第二控制参数,包括:
基于实时运行数据,根据脱硫效率预测经验模型得到不同转数条件下的脱硫效率;
根据修订系数修订不同转数条件下的脱硫效率;
基于修订后的脱硫效率,通过寻优算法求解满足脱硫效率要求的最低能耗方式运行,得到最佳的浆液循环泵转数;
基于第一性能试验获得额定电机转速条件下执行机构控制参数与浆液循环泵转数转速的关系曲线;
基于最佳的浆液循环泵转数,确定第二控制参数;
根据石膏氧化机理模型和第二性能试验确定氧化控制参数;
所述根据石膏氧化机理模型和第二性能试验确定氧化控制参数,包括:
石膏氧化机理模型根据当前的SO2脱除负荷和氧化倍率,得到最优的氧化空气量;
基于第二性能试验获得额定电机转速条件下气体间隙与氧化风机转速的第一关系曲线,通过测量氧化风机的鼓风量获得氧化风机的转速与氧化空气量的第二关系曲线;
基于最优的氧化空气量、第一关系曲线和第二关系曲线,得到氧化控制参数;
控制器,包括智能控制模块和脱硫现场控制器,用于切换智能控制和人工控制,智能控制时,智能控制模块接收循环泵控制参数和氧化控制参数,下达控制信号;人工控制时,操作者通过脱硫现场控制器下达控制信号;
执行机构,包括永磁调速器、浆液循环泵和氧化风机,用于接收控制信号,通过永磁调速器控制浆液循环泵和氧化风机运行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211420334.5A CN115729184B (zh) | 2022-11-14 | 2022-11-14 | 基于大数据分析和边缘控制的脱硫优化运行方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211420334.5A CN115729184B (zh) | 2022-11-14 | 2022-11-14 | 基于大数据分析和边缘控制的脱硫优化运行方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115729184A CN115729184A (zh) | 2023-03-03 |
CN115729184B true CN115729184B (zh) | 2023-06-27 |
Family
ID=85295578
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211420334.5A Active CN115729184B (zh) | 2022-11-14 | 2022-11-14 | 基于大数据分析和边缘控制的脱硫优化运行方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115729184B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0471615A (ja) * | 1990-07-11 | 1992-03-06 | Babcock Hitachi Kk | 湿式排ガス脱硫装置の制御方法および制御装置 |
JP2003231908A (ja) * | 2002-02-08 | 2003-08-19 | Kobe Steel Ltd | 溶銑予備処理における脱硫モデル作成装置及びそのプログラム、並びに、溶銑予備処理における脱硫剤投入量算出装置及びそのプログラム |
CN111242469A (zh) * | 2020-01-08 | 2020-06-05 | 济南达能动力技术有限责任公司 | 锅炉或窑炉超低排放与高效节能耦合运行的方法及系统 |
CN111340199A (zh) * | 2020-03-26 | 2020-06-26 | 中煤能源研究院有限责任公司 | 一种基于物料衡算和深度学习的脱硫系统节能方法 |
CN113440990A (zh) * | 2021-06-07 | 2021-09-28 | 华北电力大学(保定) | 基于emd-lstm的出口so2浓度预测方法 |
CN113723002A (zh) * | 2021-09-02 | 2021-11-30 | 大唐环境产业集团股份有限公司 | 全工况下脱硫系统浆液pH值预测模型建立方法及系统 |
CN114169235A (zh) * | 2021-12-02 | 2022-03-11 | 昆岳互联环境技术(江苏)有限公司 | 一种基于机器学习算法的烟气脱硫氧化系统故障预测方法 |
CN114879514A (zh) * | 2022-07-07 | 2022-08-09 | 大唐环境产业集团股份有限公司 | 一种基于最优训练样本的多模型湿法脱硫效率预测方法 |
CN115309117A (zh) * | 2022-08-04 | 2022-11-08 | 浙江大学 | 一种基于数据驱动的wfgd出口so2浓度预测及智能优化方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0714453B2 (ja) * | 1988-12-29 | 1995-02-22 | 石川島播磨重工業株式会社 | 排煙脱硫装置の制御方法 |
JPH03127612A (ja) * | 1989-10-13 | 1991-05-30 | Babcock Hitachi Kk | 湿式排煙脱硫装置の制御装置 |
JPH06319941A (ja) * | 1993-05-13 | 1994-11-22 | Hitachi Ltd | 湿式排煙脱硫制御装置及び方法 |
JP7401752B2 (ja) * | 2020-01-14 | 2023-12-20 | 日本製鉄株式会社 | モデル構築装置、予測装置、モデル構築方法、予測方法及びコンピュータプログラム |
CN113012767A (zh) * | 2021-02-24 | 2021-06-22 | 大唐环境产业集团股份有限公司 | 基于时间序列的脱硫系统浆液pH值在线预测方法及装置 |
CN113908673A (zh) * | 2021-09-30 | 2022-01-11 | 湖北华电襄阳发电有限公司 | 一种基于极限学习机的湿法脱硫效率预测系统及方法 |
CN114444391A (zh) * | 2022-01-25 | 2022-05-06 | 华能重庆珞璜发电有限责任公司 | 一种基于粒子群优化的氧化风机运行优化算法 |
CN114880944A (zh) * | 2022-05-24 | 2022-08-09 | 国家能源集团科学技术研究院有限公司 | 一种基于Lasso算法的脱硫系统运行优化方法及系统 |
-
2022
- 2022-11-14 CN CN202211420334.5A patent/CN115729184B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0471615A (ja) * | 1990-07-11 | 1992-03-06 | Babcock Hitachi Kk | 湿式排ガス脱硫装置の制御方法および制御装置 |
JP2003231908A (ja) * | 2002-02-08 | 2003-08-19 | Kobe Steel Ltd | 溶銑予備処理における脱硫モデル作成装置及びそのプログラム、並びに、溶銑予備処理における脱硫剤投入量算出装置及びそのプログラム |
CN111242469A (zh) * | 2020-01-08 | 2020-06-05 | 济南达能动力技术有限责任公司 | 锅炉或窑炉超低排放与高效节能耦合运行的方法及系统 |
CN111340199A (zh) * | 2020-03-26 | 2020-06-26 | 中煤能源研究院有限责任公司 | 一种基于物料衡算和深度学习的脱硫系统节能方法 |
CN113440990A (zh) * | 2021-06-07 | 2021-09-28 | 华北电力大学(保定) | 基于emd-lstm的出口so2浓度预测方法 |
CN113723002A (zh) * | 2021-09-02 | 2021-11-30 | 大唐环境产业集团股份有限公司 | 全工况下脱硫系统浆液pH值预测模型建立方法及系统 |
CN114169235A (zh) * | 2021-12-02 | 2022-03-11 | 昆岳互联环境技术(江苏)有限公司 | 一种基于机器学习算法的烟气脱硫氧化系统故障预测方法 |
CN114879514A (zh) * | 2022-07-07 | 2022-08-09 | 大唐环境产业集团股份有限公司 | 一种基于最优训练样本的多模型湿法脱硫效率预测方法 |
CN115309117A (zh) * | 2022-08-04 | 2022-11-08 | 浙江大学 | 一种基于数据驱动的wfgd出口so2浓度预测及智能优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115729184A (zh) | 2023-03-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104534627B (zh) | 中央空调冷却水系统综合能效控制方法 | |
CN105114242A (zh) | 基于模糊自适应的dfpso算法的水轮机调速器参数优化方法 | |
CN103411473B (zh) | 工业循环水系统组合节能方法及工业循环水组合节能系统 | |
CN112967760B (zh) | 基于脱硫系统入口二氧化硫含量的石灰石浆液量预估方法 | |
CN106246464B (zh) | 一种风力发电机组变桨距的模糊pi控制方法和装置 | |
CN111340199A (zh) | 一种基于物料衡算和深度学习的脱硫系统节能方法 | |
CN201292954Y (zh) | 水泵和/或风机高效节能控制系统 | |
CN202431503U (zh) | 智能水泵系统在线运行监视仪 | |
CN111598308B (zh) | 基于回归和二重pso算法解决浆液循环泵组合优化方法 | |
CN103441722B (zh) | 一种双馈风电机组的有功控制方法 | |
CN109507961A (zh) | 一种半导体生产线动态负荷均衡投料控制方法 | |
Xin-Fang et al. | Adaptive optimal fuzzy control for variable speed fixed pitch wind turbines | |
CN113048017A (zh) | 基于内模控制的风电机组有功功率控制优化方法及系统 | |
CN115729184B (zh) | 基于大数据分析和边缘控制的脱硫优化运行方法及装置 | |
CN114033713B (zh) | 基于正交试验-动态规划组合算法的一组考虑开停机损耗的泵站控制方法 | |
CN103498805A (zh) | 一种火电厂汽动引风机自适应无扰切换装置 | |
CN111425347B (zh) | 基于转矩增益系数优化的风电机组最大功率点跟踪控制方法 | |
CN112783115A (zh) | 一种蒸汽动力系统的在线实时优化方法及装置 | |
CN109882883B (zh) | 一种基于人工智能优化锅炉燃煤效率的方法及装置 | |
CN116345486A (zh) | 基于模型预测控制的风场内一次调频协调控制方法及装置 | |
CN202993251U (zh) | 锅炉配风优化自动控制系统 | |
CN114880944A (zh) | 一种基于Lasso算法的脱硫系统运行优化方法及系统 | |
CN111412107B (zh) | 一种提高高海拔风电机组发电量的方法 | |
CN204724018U (zh) | 能实现超净排放的烟气脱硫自动控制系统 | |
CN109779836B (zh) | 一种基于遗传算法寻优的风力发电机组发电量提升方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |