CN115979041B - 一种烟气智能回收装置、方法、系统及介质 - Google Patents
一种烟气智能回收装置、方法、系统及介质 Download PDFInfo
- Publication number
- CN115979041B CN115979041B CN202211704051.3A CN202211704051A CN115979041B CN 115979041 B CN115979041 B CN 115979041B CN 202211704051 A CN202211704051 A CN 202211704051A CN 115979041 B CN115979041 B CN 115979041B
- Authority
- CN
- China
- Prior art keywords
- flue gas
- data
- sub
- heat exchange
- openings
- 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
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 title claims abstract description 202
- 239000003546 flue gas Substances 0.000 title claims abstract description 202
- 238000011084 recovery Methods 0.000 title claims abstract description 63
- 238000000034 method Methods 0.000 title claims abstract description 37
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims abstract description 506
- 229910052757 nitrogen Inorganic materials 0.000 claims abstract description 250
- 239000007788 liquid Substances 0.000 claims abstract description 155
- 238000010438 heat treatment Methods 0.000 claims abstract description 68
- 238000002309 gasification Methods 0.000 claims abstract description 26
- 230000033228 biological regulation Effects 0.000 claims abstract description 25
- 238000004891 communication Methods 0.000 claims abstract description 5
- 238000007599 discharging Methods 0.000 claims abstract description 5
- 239000000779 smoke Substances 0.000 claims description 35
- 230000001276 controlling effect Effects 0.000 claims description 31
- 238000004868 gas analysis Methods 0.000 claims description 20
- 238000012806 monitoring device Methods 0.000 claims description 19
- 230000001105 regulatory effect Effects 0.000 claims description 12
- 238000010801 machine learning Methods 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 2
- 230000000149 penetrating effect Effects 0.000 claims 1
- 230000004913 activation Effects 0.000 description 15
- 238000001994 activation Methods 0.000 description 15
- 239000013598 vector Substances 0.000 description 15
- 238000012549 training Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 238000012986 modification Methods 0.000 description 8
- 230000004048 modification Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 239000007789 gas Substances 0.000 description 7
- 229910001873 dinitrogen Inorganic materials 0.000 description 6
- 239000002918 waste heat Substances 0.000 description 6
- 238000001704 evaporation Methods 0.000 description 5
- 230000008020 evaporation Effects 0.000 description 5
- 239000012535 impurity Substances 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000010926 purge Methods 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000000306 recurrent effect Effects 0.000 description 3
- 238000009834 vaporization Methods 0.000 description 3
- 230000008016 vaporization Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- -1 flue gas temperature Chemical compound 0.000 description 1
- 239000003517 fume Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 229910001385 heavy metal Inorganic materials 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 150000002611 lead compounds Chemical class 0.000 description 1
- 150000002736 metal compounds Chemical class 0.000 description 1
- 239000003595 mist Substances 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- 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
- Y02E20/30—Technologies for a more efficient combustion or heat usage
Landscapes
- Treating Waste Gases (AREA)
Abstract
本说明书实施例提供一种烟气智能回收装置、方法、系统及介质,该装置包括:热交换桶、辅助加热器和控制装置;热交换桶包括至少三个子交换桶、排气管和导流器;子交换桶之间通过管道依次进行串联,子交换桶至少包括四组开口和二组通道;导流器,用于排出热交换桶中的凝结液体;辅助加热器,用于对液氮气化进行辅助加热;控制装置与热交换桶和辅助加热器通信连接,控制装置包括处理器和控制器;处理器,用于基于热交换桶和辅助加热器输出的数据,生成控制参数并发送给控制器;控制器,用于控制子交换桶的运行和四组开口中的至少一组开口的启闭,以及控制辅助加热器的运行,进而对液氮输送管路中的液氮的升温和调压进行控制。
Description
技术领域
本说明书涉及能源回收技术领域,特别涉及一种烟气智能回收装置、方法、系统及介质。
背景技术
现代工业中,氮气技术的快速发展使其广泛应用于石油、化工等不同领域的许多生产环节。常规的液氮气化工艺多采用空温式气化器,氮气排量小,液氮气化效率低,需要额外的加热设备,无法做到节能减排,降低经济成本。
为提高液氮气化效率,做到节能减排,CN103775029B提出了一种余热回收液氮蒸发系统,该系统包括动力总成、余热回收总成、热能补偿总成、液氮蒸发总成,动力总成、余热回收总成、热能补偿总成、液氮蒸发总成通过管线依次连接,氮蒸发总成的液氮蒸发器入口端通过管线与动力总成的液氮泵出口端连通;控制总成包括核心控制器和人机界面,核心控制器与动力总成、余热回收总成、热能补偿总成、液氮蒸发总成中的测温元件、控制装置连接。该系统可以将机械设备产生的烟气中的热量通过余热回收总成进行回收,回收的热量可以用于供液氮气化。但是由于不同的烟气油污含量不同、烟气温度不稳定,该系统对烟气热回收利用率仍然较低,对液氮气化的压力调节也不够精准。
因此,有必要提出一种烟气智能回收装置、方法、系统及介质,在提高烟气热回收利用率的同时,实现安全精准的液氮气化压力调节。
发明内容
本说明书一个或多个实施例提供一种烟气智能回收装置,包括热交换桶、辅助加热器和控制装置;所述热交换桶包括至少三个子交换桶、排气管和导流器;所述至少三个子交换桶之间通过管道依次进行串联,所述子交换桶至少包括四组开口和二组通道,所述四组开口和所述二组通道中的第一组开口和第一通道用于液氮输送管路通过,所述四组开口和所述二组通道中的第二组开口和第二通道用于烟气管路通过,所述四组开口中的第三组开口用于安放所述排气管,所述四组开口中的第四组开口用于安放所述导流器,其中,所述第一通道包括均匀排布的翅片和螺纹结构;所述导流器,用于排出所述热交换桶中的凝结液体;所述辅助加热器,用于对液氮气化进行辅助加热;所述控制装置与所述热交换桶和所述辅助加热器通信连接,所述控制装置包括处理器和控制器;所述处理器,用于基于所述热交换桶和所述辅助加热器输出的数据,生成控制参数并发送给所述控制器;所述控制器,用于控制所述子交换桶的运行和所述四组开口中的至少一组开口的启闭,以及控制所述辅助加热器的运行,进而对所述液氮输送管路中的液氮的升温和调压进行控制。
本说明书一个或多个实施例提供一种烟气智能回收方法。所述烟气智能回收方法包括:获取所述热交换桶和所述辅助加热器的输出数据;基于所述输出数据,确定控制参数;基于所述控制参数,控制子交换桶的运行和四组开口中的至少一组开口的启闭,以及控制所述辅助加热器的运行,进而对液氮输送管路中的液氮的升温和调压进行控制。
本说明书一个或多个实施例提供一种烟气智能回收系统,所述系统包括至少一个存储介质和至少一个处理器,所述至少一个存储介质用于存储计算机指令;所述至少一个处理器用于执行所述计算机指令以实现烟气智能回收方法。
本说明书一个或多个实施例提供一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行烟气智能回收方法。
附图说明
本说明书将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本说明书一些实施例所示的烟气智能回收装置的示例性示意图;
图2是根据本说明书一些实施例所示的子交换桶的示例性示意图;
图3是根据本说明书一些实施例所示的烟气智能回收方法的示例性流程图;
图4是根据本说明书一些实施例所示的确定至少一组开口的启闭的示例性流程图;
图5是根据本说明书一些实施例所示的交换预测模型的示例性示意图;
图6是根据本说明书一些实施例所示的确定辅助加热功率的示例性示意图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本说明书的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
氮气技术在工业生产领域有着广泛的应用,仅作为示例的,在燃气管道领域,当燃气管道需要管道吹扫时,可以使用氮气进行吹扫。吹扫时,将移动式液氮泵撬放置于燃气管道开口处,通过烟气热回收装置回收液氮泵撬的发动机等机械设备产生的烟气中的热能,将液氮转化为氮气对燃气管道进行吹扫。由于烟气成分复杂且温度不稳定,现有的烟气热回收装置对烟气的热回收利用率较低,且无法实现液氮气化后压力的精准调节。因此,本说明书一些实施例中,期望提出一种烟气智能回收装置,能够针对不同的烟气温度调节热交换桶的工作参数以及通过过滤减少烟气中的油污杂质含量,在提高烟气回收利用率的同时实现安全精准的液氮气化后的压力调节。
图1是根据本说明书一些实施例所示的烟气智能回收装置的示例性示意图。在一些实施例中,烟气智能回收装置100可以包括热交换桶110、辅助加热器120以及控制装置130。
热交换桶110是指可以用于进行多级热交换的装置。例如,热交换桶可以用于回收烟气中的热能,将液氮进行加热气化等。
热交换是指烟气在热交换桶中通过热传导等方式将热能传递给液氮,以使液氮气化的过程。多级热交换是指烟气与液氮的热交换过程在热交换桶的多个子交换桶中进行了多次。
烟气可以指机械设备在工作时产生的烟尘和气体的混合物。例如,烟气是移动式液氮泵撬的发动机在工作时产生的烟尘和气体的混合物。在一些实施例中,烟气还可以包括其他机械设备产生的气体等。例如,烟气还可以是新能源汽车电机的散热系统产生的热空气等。
在一些实施例中,热交换桶110可以包括至少三个子交换桶111、排气管112和导流器113等。
子交换桶111可以指用于供烟气和液氮进行热交换,以实现液氮气化的装置。在一些实施例中,热交换桶的至少三个子交换桶之间可以通过管道114依次进行串联。其中,管道114可以包括液氮输送管路、烟气管路等。在一些实施例中,液氮和烟气可以通过热交换桶的至少三个子交换桶进行多级热交换。例如,液氮和烟气在一个子交换桶内进行热交换后,可以通过管道(如,液氮输送管路、烟气管路等)进入下一个子交换桶进行下一级热交换。
液氮输送管路是用于输送液氮的管路。在一些实施例中,液氮输送管路还可以通过第一组开口进入热交换桶,在热交换桶中实现液氮与烟气的热交换。关于第一组开口的更多内容可以参见下述的相关描述。
烟气管路是用于输送烟气的管路。在一些实施例中,烟气管路可以将机械设备产生的烟气送入子交换桶与液氮进行热交换。在一些实施例中,烟气管路还可以连接多个子交换桶,并将上一个子交换桶中的烟气送入下一个子交换桶,以实现液氮和烟气的多级热交换。
在一些实施例中,热交换桶包括至少三个子交换桶,可以实现液氮与烟气的多级热交换,提高烟气的热回收利用率,节约热力资源。
图2是根据本说明书一些实施例所示的子交换桶的示例性示意图。如图2所示,子交换桶至少包括四组开口和二组通道:第一组开口和第一通道211可以用于液氮输送管路通过;第二组开口和第二通道可以用于烟气管路通过;第三组开口230可以用于安放排气管112;第四组开口240可以用于安放导流器113。
第一组开口是液氮进、出子交换桶的开口。在一些实施例中,第一组开口可以包括至少两个子开口。例如,子开口210-1、子开口210-2等。在一些实施例中,液氮的开口可以基于实际需求(例如,是否便于操作等)确定。例如,液氮可以从子开口210-1进入子交换桶,从子开口210-2离开子交换桶。又例如,液氮可以从子开口210-2进入子交换桶,从子开口210-1离开子交换桶等。
第一通道211可以供液氮输送管路通过。液氮输送管路中的液氮可以与烟气进行热交换。在一些实施例中,液氮可以从液氮存储装置中,被低温液体泵压出,通过液氮输送管路进行热交换后进入下一个子交换桶继续进行热交换。在一些实施例中,第一通道还可以包括均匀排布的翅片和螺纹结构,可以提高液氮与烟气的热交换面积,进而提高热交换效率。
第二组开口是烟气进、出子交换桶的开口。在一些实施例中,第二组开口可以包括至少两个子开口。例如,子开口220-1、子开口220-2等。在一些实施例中,烟气的流动方向与液氮的流动方向不同。例如,如图2所示,当液氮从子开口210-2流向子开口210-1时,烟气的流动方向为从子开口220-1流向子开口220-2(即,烟气从子开口220-1进入子交换桶,从子开口220-2离开子交换桶)。
在一些实施例中,烟气的流动方向与液氮的流动方向不同可以提高液氮与烟气的热交换效率,提高烟气热回收利用率。
第二通道(图中未示出)可以供烟气管路通过。在一些实施例中,烟气管路可以通过第二通道连接热交换桶的至少三个子交换桶。
第三组开口230可以用于连接排气管。当烟气不需要进入下一子交换桶时,可以通过第三组开口进入排气管112并排出。在一些实施例中,第三组开口可以包括多个子开口,可以提高烟气的排出效率。
排气管112可以将烟气排出烟气智能回收装置。在一些实施例中,将烟气排出烟气智能回收装置的条件可以包括多种。例如,当烟气温度低于一定阈值,无法为液氮气化提供足够的热能。又例如,液氮气化后的氮气出口压力、流速等相关数据可以满足生产需要,无需继续进行热交换等。在一些实施例中,排气管可以通过第三组开口与子交换桶连接。
第四组开口240可以用于连接导流器。子交换桶内产生的凝结液体可以通过第四组开口进入导流器113并排出。在一些实施例中,第四组开口可以包括多个子开口,可以提高凝结液体的排出效率。
凝结液体是指烟气与液氮进行热交换后,烟气中的部分成分遇冷凝结成的液体。例如,凝结液体可以包括水蒸气凝结成的液体等。
导流器113是用于排出热交换桶中的凝结液体的装置。在一些实施例中,导流器可以通过第四组开口与子交换桶连接。
在一些实施例中,子交换桶的四组开口中的至少一组,可以带有控制阀门,用于控制开口的启闭,进而控制子交换桶的启用数量。在一些实施例中,通过控制阀门控制开口的启闭并进一步控制子交换桶的启用数量,可以无需每次都开启所有的子交换桶,可以节约能源。
辅助加热器120可以用于对液氮气化进行辅助加热。当烟气加热无法满足需要时,辅助加热器120可以对液氮气化进行辅助加热。例如,在烟气温度较低、需要的氮气出口压力或流量较高等情况下,开启所有的子交换桶仍无法满足液氮气化需要时,可以开启辅助加热器对液氮进行辅助加热。当烟气加热能够满足液氮气化需要时,辅助加热器处于关闭状态备用。关于确定辅助加热器功率的相关说明可以参见图6。
控制装置130是控制烟气智能回收装置各部分正常工作运行的装置。例如,控制装置可以确定子交换桶的启用数量。又例如,控制装置还可以确定辅助加热器的工作功率等。在一些实施例中,控制装置可以与热交换桶和辅助加热器通信连接。在一些实施例中,控制装置130可以包括处理器131和控制器132。
在一些实施例中,处理器131可以基于热交换桶和辅助加热器输出的数据,生成控制参数并发送给控制器。例如,处理器可以基于热交换桶和辅助加热器输出的数据生成辅助加热器控制参数等。关于处理器基于热交换桶和辅助加热器输出的数据,生成控制参数的详细说明可以参见图3。
在一些实施例中,处理器131还可以用于:对烟气数据进行分析,确定烟气分析数据;基于烟气分析数据和氮气需求数据,确定子交换桶的启用数量;基于启用数量,确定至少一组开口的启闭。其中,子交换桶的启用数量可以由处理器基于烟气分析数据和氮气需求数据,通过交换预测模型确定。在一些实施例中,交换预测模型为机器学习模型。关于确定子交换桶启用数量的详细说明可以参见图4、图5。
在一些实施例中,控制器132可以控制子交换桶的运行和四组开口中的至少一组开口的启闭,以及控制辅助加热器的运行,进而对液氮输送管路中的液氮的升温和调压进行控制。相关内容的详细说明可以参见图3。
在一些实施例中,控制装置130可以用于:判断热交换桶是否满足升温需求和调压需求;当热交换桶无法满足氮气需求时,则控制辅助加热器对液氮输送管路进行辅助加热,其中,辅助加热器与热交换桶之间机械连接,液氮输送管路在穿过热交换桶后与辅助加热器连接。相关内容的详细说明可以参见图3。
在一些实施例中,控制装置130还可以用于:获取烟气数据、预设辅助加热功率和子交换桶的启用数量;基于烟气数据、预设辅助加热功率和启用数量,通过氮气数据预测模型确定氮气预测数据,其中,氮气数据预测模型为机器学习模型;基于氮气预测数据,确定辅助加热器的辅助加热功率。相关内容的详细说明可以参见图6。
在一些实施例中,控制装置130还可以用于控制子交换桶的导流器开启和烟气管口关闭,排出子交换桶内的凝结液体,以及控制辅助加热器对液氮输送管路进行加热。相关内容的详细说明可以参见图3。
在一些实施例中,烟气智能回收装置还可以包括烟气监测装置(图中未示出)。
烟气监测装置是用于检测烟气的相关数据(如,烟气温度、流速等)的装置。在一些实施例中,烟气监测装置可以包括多种传感器。例如,温度传感器、流量计等。在一些实施例中,烟气监测装置可能包括多个。在一些实施例中,多个烟气监测装置可以被安装在烟气智能回收装置的不同位置(例如,烟气进入烟气智能回收装置的入口、热交换桶的烟气入口等),以获得更准确的监测效果。
在一些实施例中,烟气监测装置可以用于监测烟气温度、流速等烟气数据,并将烟气数据发送给控制装置,以使控制装置基于烟气数据,发出对热交换桶的工作参数进行调控的控制指令。相关说明的详细内容可以参见图3。
在一些实施例中,烟气智能回收装置还包括过滤器(图中未示出)。
在一些实施例中,当烟气与液氮进行热交换时,烟气中的杂质可能附着于各种输送管路、热交换桶等,降低烟气与液氮的热交换效率。在一些实施例中,过滤器可以用于过滤烟气中的油污烟尘杂质等,以获得更好的烟气热回收利用率。在一些实施例中,过滤器可能包括多个,并分别被安装在烟气智能回收装置的不同位置(例如,烟气进入烟气智能回收装置的入口、热交换桶的烟气入口等),以获得更好的过滤效果。
在一些实施例中,烟气智能回收装置可以提高烟气热回收利用率,实现安全精准的液氮气化压力调节,节约资源,获得更好的烟气热回收效果。
需要注意的是,以上对于烟气智能回收装置100及其各个组件的描述,仅为描述方便,并不能把本说明书限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该装置的原理后,可能在不背离这一原理的情况下,对各个组件进行任意组合,或者构成子装置与其他组件连接。
图3是根据本说明书一些实施例所示的烟气智能回收方法的示例性流程图。如图3所示,流程300包括下述步骤。在一些实施例中,流程300可以由控制装置执行。
步骤310,获取热交换桶和辅助加热器的输出数据。在一些实施例中,步骤310可以由处理器执行。
关于热交换桶、辅助加热器和处理器的更多细节可以参见图1及其相关描述。
输出数据可以指与热交换桶和辅助加热器工作参数相关的数据。例如,输出数据可以包括热交换桶的不同子交换桶的烟气数据、辅助加热器的辅助加热功率(如辅助加热功率为0)等。关于烟气数据的更多说明可以参见下述的相关描述。
处理器可以通过多种方式获取输出数据。在一些实施例中,处理器可以访问监测装置获取输出数据。例如,处理器通过子交换桶的烟气监测装置可以获取子交换桶的烟气数据。又例如,处理器通过辅助加热器的功率监测装置获取辅助加热器的辅助加热功率等。
步骤320,基于输出数据,确定控制参数。在一些实施例中,步骤320可以由处理器执行。
控制参数可以是用于控制烟气智能回收装置的参数。例如,控制参数可以包括控制子交换桶的运行(如运行数量等)、四组开口中的至少一组开口的启闭以及辅助加热器的运行的参数。例如,控制参数可以包括运行3个子交换桶、关闭所有子交换桶的第三组开口和第四组开口、辅助加热器的辅助加热功率为50W等。
处理器可以通过多种方式确定控制参数。在一些实施例中,处理器可以预先记录并保存不同的氮气需求数据、不同的输出数据分别对应的不同的控制参数的相关表格等。在获取到输出数据后,处理器可以根据氮气需求数据,通过查表等方式,确定控制参数。关于氮气需求数据可以参见图4的相关描述。
步骤330,基于控制参数,控制子交换桶的运行和四组开口中的至少一组开口的启闭,以及控制辅助加热器的运行,进而对液氮输送管路中的液氮的升温和调压进行控制。在一些实施例中,步骤330可以由控制器执行。
关于子交换桶及四组开口的更多细节可以参见图2及其相关描述。关于控制器的更多细节可以参见图1及其相关描述。
在一些实施例中,控制器对子交换桶的控制可以包括控制子交换桶的运行情况。例如,控制器可以通过控制子交换桶第一组开口和第二组开口的启闭,控制串联使用的子交换桶数量。
控制器可以通过控制开口处的阀门进而控制开口的启闭,阀门打开时开口开启、阀门关闭时开口关闭。
在一些实施例中,控制器可以通过控制热交换桶及辅助加热器的工作参数等,控制液氮的升温和调压。例如,烟气温度可以影响液氮的升温和调压,温度越高升温越快压力越大。又例如,辅助加热器的辅助加热功率可以影响液氮的升温和调压,功率越大升温越快压力越大。
液氮升温可以指液氮从进入到排出过程中温度的提高。液氮调压可以指控制液氮变成氮气以一定的压力范围排出出口。例如,氮气以温度A、压力B排出。
在一些实施例中,控制器对子交换桶的控制还包括控制子交换桶的导流器开启和烟气管口关闭,排出子交换桶内的凝结液体,以及控制辅助加热器对液氮输送管路进行加热。
关于烟气管口、凝结液体的更多细节可以参见图1、图2及其相关描述。
在一些实施例中,当需排出子交换桶内的凝结液体时,控制器可以控制该子交换桶的导流器开启,烟气管口关闭,排出该子交换桶内的凝结液体,以及控制辅助加热器对液氮输送管路进行加热。例如,3个子交换桶均启用时,当需排出第3个子交换桶内的凝结液体时,控制器可以控制仅开启第1个子交换桶和第2个子交换桶,并控制辅助加热器对液氮输送管路进行加热。控制器可以关闭第3个子交换桶的烟气管口,开启第3个子交换桶的导流器,排出第3个子交换桶内的凝结液体。当关闭第3个子交换桶以排出凝结液体时,需要确定辅助加热器的合适的辅助加热功率以保证装置正常运行。控制装置可以基于氮气数据预测模型预测的氮气预测数据确定辅助加热器的辅助加热功率。当氮气预测数据满足氮气需求时,氮气数据预测模型输入的对应的预设辅助加热功率为辅助加热器的辅助加热功率。关于氮气数据预测模型的更多细节可以参见图6及其相关描述。
控制器控制子交换桶的导流器开启和烟气管口关闭,排出子交换桶内的凝结液体,有利于避免凝结液体存在时对液氮升温、调压的影响。
控制器可以控制辅助加热器的运行。在一些实施例中,控制器可以控制辅助加热器对液氮输送管路进行加热。在一些实施例中,在烟气温度较低时,如果需要获取温度较高、压力较大的氮气,此时仅开启热交换桶,获取的氮气仍然不满足条件,则需要开启辅助加热器,进而可以保证氮气供应的稳定性。
在一些实施例中,控制装置可以判断热交换桶是否满足升温需求和调压需求;响应于否,则控制辅助加热器对液氮输送管路进行辅助加热。
升温需求/调压需求可以指排出氮气需要满足的温度和压力上的要求指标。例如,升温需求为排出的氮气温度需要大于A℃,调压需求为排出的氮气压力需要大于BPa。
在一些实施例中,可以使用监测装置监测排出氮气的温度和压力,判断热交换桶是否满足升温需求和调压需求。
在一些实施例中,当热交换桶无法满足升温需求和/或调压需求时,控制装置可以使用辅助加热器对液氮输送管路进行辅助加热。例如,升温需求为排出的氮气温度需要大于A℃,调压需求为排出的氮气压力需要大于BPa。热交换桶(如3个子交换桶)均开启后,排出的氮气温度仍旧低于A℃和/或排出的氮气压力仍旧低于BPa,则热交换桶无法满足升温需求和/或调压需求,控制装置需要使用辅助加热器对液氮输送管路进行辅助加热。在一些实施例中,当热交换桶满足升温需求和调压需求时,辅助加热器无需运行。
在一些实施例中,可以使用氮气数据预测模型基于烟气数据、预设辅助加热功率和子交换桶的启用数量确定氮气预测数据,进而确定辅助加热器的辅助加热功率。氮气预测数据是指通过氮气数据预测模型预测的液氮气化后氮气出口的压力、流量、流速等。例如,氮气预测数据可以是预测的氮气出口的压力为P,流量为F,流速为S等。当氮气预测数据满足氮气需求时,氮气数据预测模型输入的对应的预设辅助加热功率为辅助加热器的辅助加热功率。关于氮气数据预测模型的更多细节可以参见图6及其相关描述。
辅助加热装置用于利用其他方式对液氮进行加热,以使烟气余热不足时能够对液氮输送管路中的液氮进行更好的加热,或者在开启热交换桶后不能满足氮气需求时起到调节作用。
在一些实施例中,烟气智能回收方法还包括基于烟气数据对热交换桶的工作参数进行调控。
在一些实施例中,烟气智能回收装置还包括烟气监测装置。处理器可以通过烟气监测装置监测烟气数据,并将烟气数据发送给控制装置,以使控制装置基于烟气数据,发出对热交换桶的工作参数进行调控的控制指令。
烟气数据可以指与烟气物理化学性质相关的数据。例如,烟气数据可以包括烟气温度、烟气流速、烟气浓度、过滤后烟气的油污烟尘等杂质的含量。
工作参数指热交换桶在正常工作时的各项数据。
控制指令可以指调控热交换桶的工作参数的指令。例如,控制指令可以包括子交换桶的启用情况、四组开口至少一组开口的启闭等。
在一些实施例中,烟气监测装置监测烟气以获取烟气数据,并通过有线或无线连接的方式将烟气数据发送至控制装置,控制装置基于烟气数据对热交换桶的工作参数进行调控。
在一些实施例中,处理器可以基于烟气分析数据和氮气需求数据,确定子交换桶的启用数量,进而确定至少一组开口的启闭。关于确定子交换桶的启用数量的更多细节可以参见图4及其相关描述。
控制装置可以通过烟气监测装置监测烟气数据,发出对热交换桶的工作参数进行调控的控制指令,考虑到了烟气数据对液氮的升温和调压的影响,显著提升了为满足氮气需求而进行的调控的准确性。
在一些实施例中,烟气智能回收方法还包括对烟气进行过滤处理。
在一些实施例中,控制器还可以控制过滤器过滤烟气中的油污烟尘杂质。例如,某些重金属化合物、铅化合物、黑烟及油雾等。可以防止污染交换桶、管道、导流器等,避免影响热交换效率。
本说明书的一些实施例通过获取热交换桶和辅助加热器的输出数据,确定控制参数控制子交换桶的运行和四组开口中的至少一组开口的启闭,以及控制辅助加热器的运行,进而控制液氮输送管路中的液氮的升温和调压,提高烟气热回收利用率的同时,实现安全精准的液氮气化压力调节。
图4是根据本说明书一些实施例所示的确定至少一组开口的启闭的示例性流程图。如图4所示,流程400包括下述步骤。在一些实施例中,流程400可以由控制装置执行。关于控制装置的更多细节可以参见图1及其相关描述。
步骤410,对烟气数据进行分析,确定烟气分析数据。在一些实施例中,步骤410可以由处理器执行。关于处理器的更多细节可以参见图1及其相关描述。
烟气分析数据是与烟气数据相关的数据。在一些实施例中,烟气分析数据可以使用向量表示。例如,向量[60,8.245,5]可以表示一段时间内烟气的平均温度为60℃、最大流速为8.245m/s、最小浓度为5mg/m3的烟气。
在一些实施例中,处理器可以对烟气数据进行数据统计确定烟气分析数据。例如,统计一段时间内烟气数据的平均值、最大值或最小值等,处理器可以将统计的数据确定为烟气分析数据。
步骤420,基于烟气分析数据和氮气需求数据,确定子交换桶的启用数量。在一些实施例中,步骤420可以由处理器执行。
氮气需求数据为排出氮气需要满足的要求指标。例如,氮气需求数据可以包括氮气出口的压力、氮气出口的氮气流速、氮气出口的流量等。
子交换桶的启用数量表示回收烟气过程中实际参与烟气处理的子交换桶数量。
处理器可以以多种方式确定子交换桶的启用数量。在一些实施例中,处理器可以基于烟气分析数据和氮气需求数据,确定子交换桶的启用数量。例如,可以预先记录并保存不同烟气分析数据和氮气需求数据对应的子交换桶启用数量,则在获取到烟气分析数据和氮气需求数据后,即可通过查表等方式,确定子交换桶启用数量。
在一些实施例中,若当前实际排出的氮气不能满足氮气需求数据,但是历史时间点上相同或相似的烟气分析数据、相同的子交换桶的启用数量和相同的辅助加热器的辅助加热功率等的工作参数下,排出的氮气可以满足氮气需求数据,则说明可能是子交换桶中的污渍较多影响热交换效率,需要清洗子交换桶。
在一些实施例中,处理器可以结合烟气分析数据和氮气需求数据等基于预设规则确定子交换桶的启用数量。预设规则可以为不同的烟气分析数据和不同的氮气需求数据与子交换桶的启用数量之间的对应关系。
在一些实施例中,可以基于烟气数据和氮气需求数据,通过交换预测模型确定启用数量,其中,交换预测模型为机器学习模型。关于交换预测模型的更多细节可以参见图5及其相关描述。
步骤430,基于启用数量,确定至少一组开口的启闭。在一些实施例中,步骤430可以由处理器执行。
开口启闭可以指开口的开启或关闭。在一些实施例中,可以使用阀门控制开口的启闭。
在一些实施例中,开口启闭可以通过启用数量进行确定。例如,启用数量为两个(如为第一个子交换桶与第二个子交换桶)处理器可以确定第一个子交换桶与第二个子交换桶的第一组开口和第二组开口为开启状态,第三组开口和第四组开口为关闭状态;第三个交换桶的第一组开口至第四组开口均为关闭状态。
通过基于烟气分析数据和氮气需求数据,确定子交换桶的启用数量,不仅考虑到了烟气数据,还考虑到了氮气需求,从而可以更准确的确定子交换桶的启用数量,有利于提高烟气热回收利用率的同时,实现安全精准的液氮气化压力调节。
应当注意的是,上述有关流程的描述仅仅是为了示例和说明,而不限定本说明书的适用范围。对于本领域技术人员来说,在本说明书的指导下可以对流程进行各种修正和改变。然而,这些修正和改变仍在本说明书的范围之内。
图5是根据本说明书一些实施例所示的交换预测模型的示例性示意图。
在一些实施例中,处理器可以基于烟气数据510和氮气需求数据520,通过交换预测模型确定启用数量550,其中,交换预测模型540可以为机器学习模型。
在一些实施例中,交换预测模型540可以用于预测子交换桶的启用数量。关于子交换桶的更多细节可以参见图1、图2及其相关描述。
交换预测模型可以为机器学习模型。例如,深度神经网络(Deep NeuralNetworks,DNN)模型、卷积神经网络(Convolutional Neural Networks,CNN)模型、循环神经网络(Recurrent Neural Network,RNN)模型等或其任意组合。
在一些实施例中,如图5所示,交换预测模型540的输入可以包括烟气数据510、氮气需求数据520等。交换预测模型540的输出可以包括启用数量550。
在一些实施例中,交换预测模型的输入还可以包括液氮流速。液氮流速指液氮在单位时间内所经过的距离,反映了液氮流动的快慢。液氮流速越高,单位时间需要加热的液氮体积越多。
本说明书一些实施例通过交换预测模型对烟气数据、氮气需求数据、液氮流速进行处理,可以使确定的子交换桶的启用数量更加准确,能有效满足不同流速下液氮的加热要求,更有利于实现安全精准的液氮气化压力调节。
在一些实施例中,交换预测模型540可以通过多个有标签的第一训练样本训练得到。可以将多个带有标签的第一训练样本输入初始交换预测模型,通过标签和初始交换预测模型的结果构建损失函数,基于损失函数迭代更新初始交换预测模型的参数。当初始交换预测模型的损失函数满足预设条件时模型训练完成,得到训练好的交换预测模型540。其中,预设条件可以是损失函数收敛、迭代的次数达到阈值等。
在一些实施例中,第一训练样本可以包括样本烟气数据、样本氮气需求数据。标签可以为样本烟气数据、样本氮气需求数据对应的实际子交换桶的启用数量。在一些实施例中,第一训练样本可以通过大数据分析获取,例如,可以通过历史实践数据等中获取大量数据进行统计分析等处理后得到,标签可以通过人工标注获取。可以通过实践的形式获取为满足氮气需求需要开启几个子交换桶的历史实践数据。若子交换桶开启过少,液氮输送管路可能排出液氮、不排出氮气或只在一小段时间内排出氮气。若子交换桶开启过多,排出的氮气气压和/或流速等会较大,还有可能损坏设备等。通过上述实践,处理器可以确定满足氮气需求时对应的烟气数据、子交换桶的启用数量。处理器可以将历史实践数据中的烟气数据和氮气需求数据分别确定为样本烟气数据、样本氮气需求数据。将烟气数据和氮气需求数据对应的子交换桶的启用数量确定为样本烟气数据、样本氮气需求数据的标签。关于液氮输送管路的更多细节可以参见图2及其相关描述。
在一些实施例中,当交换预测模型540的输入包括液氮流速530时,第一训练样本还可以包括样本液氮流速。
本说明书一些实施例通过交换预测模型对烟气数据、氮气需求数据进行处理,能够更便捷且准确地确定子交换桶的启用数量,有利于实现安全精准的液氮气化压力调节。
图6是根据本说明书一些实施例所示的确定辅助加热功率的示例性示意图。
在一些实施例中,处理器还可以基于氮气预测数据确定辅助加热器的辅助加热功率,包括:获取烟气数据、预设辅助加热功率和子交换桶的启用数量;基于烟气数据、预设辅助加热功率和启用数量,通过氮气数据预测模型确定氮气预测数据,其中,氮气数据预测模型为机器学习模型;基于氮气预测数据,确定辅助加热器的辅助加热功率。
氮气数据预测模型620是预测液氮气化后生成的氮气的相关数据的模型。在一些实施例中,氮气数据预测模型可以是机器学习模型。例如,氮气数据预测模型可以包括循环神经网络模型、神经网络模型、深度神经网络模型等或其任意组合。如图6所示,氮气数据预测模型620的输入包括烟气数据510、预设辅助加热功率610以及启用数量550,输出包括氮气预测数据630。关于烟气数据510、启用数量550的详细说明可以参见图5。
预设辅助加热功率是指提前预设的辅助加热器的辅助加热功率。例如,预设辅助加热功率可以是P1、P2等。在一些实施例中,预设辅助加热功率可以基于氮气需求人为预设。例如,当需求的氮气压力越大,预设辅助加热功率也相应越大等。
在一些实施例中,预设辅助加热功率还可以基于历史数据通过向量匹配确定。在一些实施例中,处理器可以基于历史液氮气化工作过程产生的数据建立参考数据向量库。参考数据向量库中包括历史多次液氮气化后的氮气数据向量(例如,氮气出口的压力、流量、流速等)及其对应的辅助加热器的辅助加热功率。在一些实施例中,实际的氮气需求数据也可以以向量的形式表示。例如,氮气需求数据向量可以表示为(p,l,s,…),其中,p表示氮气出口的压力,l表示氮气出口的流量,s表示表示氮气出口的流速等。
在一些实施例中,处理器可以计算氮气需求数据向量和参考数据向量库中的氮气数据向量之间的距离,并将满足向量距离最小等条件的参考数据向量库中的氮气数据向量所对应的辅助加热器的辅助加热功率确定为预设辅助加热功率。其中,向量距离可以基于余弦距离等表征。
在一些实施例中,氮气数据预测模型可以通过大量带有标签的第二训练样本训练得到。其中,第二训练样本包括历史液氮气化过程中的历史烟气数据、历史辅助加热功率以及历史子交换桶启用数量。标签包括历史氮气数据(例如,历史的氮气出口的压力、流量、流速等)。在一些实施例中,第二训练样本和标签可以由人工基于历史生产数据获取并进行标注。训练过程包括:将多个带有标签的第二训练样本输入初始氮气数据预测模型,通过标签和初始氮气数据预测模型输出的结果构建损失函数,基于损失函数迭代更新初始氮气数据预测模型的参数直至满足损失函数收敛、迭代的次数达到阈值等条件时模型训练完成,得到训练好的氮气数据预测模型620。
在一些实施例中,处理器还可以基于多个不同的预设辅助加热功率所对应的氮气预测数据确定辅助加热功率640。在一些实施例中,处理器可以选择满足氮气需求的氮气预测数据所对应的预设辅助加热功率作为辅助加热器的辅助加热功率。
辅助加热功率640是辅助加热器对液氮气化进行辅助加热时的工作功率。
在本说明书的一些实施例中,通过氮气数据预测模型可以比较准确地根据烟气数据、预设辅助加热功率和子交换桶的启用数量等确定辅助加热器的辅助加热功率,获得比人为设置辅助加热器功率更好的效果。
本说明书的一些实施例还提供一种烟气智能回收系统,该系统包括至少一个处理器以及至少一个存储器:至少一个存储器用于存储计算机指令;至少一个处理器用于执行计算机指令中的至少部分指令以实现如本说明书中任一实施例所述的烟气智能回收方法。
本说明书的一些实施例还提供一种计算机可读存储介质,该存储介质存储计算机指令,当计算机指令被处理器执行时实现如本说明书中任一实施例所述的烟气智能回收方法。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时,本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,除非权利要求中明确说明,本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本说明书披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本说明书实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外,对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是,如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方,以本说明书的描述、定义和/或术语的使用为准。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (6)
1.一种烟气智能回收装置,其特征在于,所述烟气智能回收装置包括:热交换桶、辅助加热器、烟气监测装置和控制装置;
所述热交换桶包括至少三个子交换桶、排气管和导流器;
所述至少三个子交换桶之间通过管道依次进行串联,所述子交换桶至少包括四组开口和二组通道,所述四组开口和所述二组通道中的第一组开口和第一通道用于液氮输送管路通过,所述四组开口和所述二组通道中的第二组开口和第二通道用于烟气管路通过,所述四组开口中的第三组开口用于安放所述排气管,所述四组开口中的第四组开口用于安放所述导流器,其中,所述第一通道包括均匀排布的翅片和螺纹结构;
所述导流器,用于排出所述热交换桶中的凝结液体;
所述辅助加热器,用于对液氮气化进行辅助加热;
所述烟气监测装置用于监测烟气数据,并将所述烟气数据发送给所述控制装置,以使所述控制装置基于所述烟气数据,发出对所述热交换桶的工作参数进行调控的控制指令;所述烟气数据指与烟气物理、化学性质相关的数据;
所述控制装置与所述热交换桶和所述辅助加热器通信连接,所述控制装置包括处理器和控制器;
所述处理器,用于:
对所述烟气数据进行分析,确定烟气分析数据;
基于所述烟气分析数据、氮气需求数据以及液氮流速,通过交换预测模型确定所述子交换桶的启用数量,所述交换预测模型为机器学习模型;
基于所述启用数量,确定所述子交换桶的至少四组开口中至少一组开口的启闭;
基于所述热交换桶和所述辅助加热器输出的数据,生成控制参数并发送给所述控制器;
所述控制器,用于控制所述子交换桶的运行和所述四组开口中的至少一组开口的启闭,以及控制所述辅助加热器的运行,进而对所述液氮输送管路中的液氮的升温和调压进行控制。
2.根据权利要求1所述的装置,其特征在于,所述控制装置还用于:
判断所述热交换桶是否满足升温需求和调压需求;
当所述热交换桶无法满足所述升温需求和/或所述调压需求时,则控制所述辅助加热器对所述液氮输送管路进行辅助加热,其中,所述辅助加热器与所述热交换桶之间机械连接,所述液氮输送管路在穿过所述热交换桶后与所述辅助加热器连接。
3.一种烟气智能回收方法,其特征在于,所述烟气智能回收方法基于烟气智能回收装置的控制装置实现,所述烟气智能回收装置包括:热交换桶、辅助加热器、烟气监测装置和所述控制装置;
所述控制装置与所述热交换桶和所述辅助加热器通信连接,所述控制装置包括处理器和控制器,所述热交换桶包括至少三个子交换桶;
所述烟气智能回收方法包括:
控制所述烟气监测装置监测烟气数据,并将所述烟气数据发送给所述控制装置,以使所述控制装置基于所述烟气数据,发出对所述热交换桶的工作参数进行调控的控制指令;所述烟气数据指与烟气物理、化学性质相关的数据;以及,对所述烟气数据进行分析,确定烟气分析数据;
基于所述烟气分析数据、氮气需求数据以及液氮流速,通过交换预测模型确定所述子交换桶的启用数量,所述交换预测模型为机器学习模型;
基于所述启用数量,确定所述子交换桶的至少四组开口中至少一组开口的启闭;
获取所述热交换桶和所述辅助加热器的输出数据;
基于所述输出数据,确定控制参数;
基于所述控制参数,控制子交换桶的运行和四组开口中的至少一组开口的启闭,以及控制所述辅助加热器的运行,进而对液氮输送管路中的液氮的升温和调压进行控制。
4.根据权利要求3所述的方法,其特征在于,所述方法进一步包括:
判断所述热交换桶是否满足升温需求和调压需求;
当所述热交换桶无法满足所述升温需求和/或所述调压需求时,则控制所述辅助加热器对所述液氮输送管路进行辅助加热。
5.一种烟气智能回收系统,其特征在于,所述系统包括至少一个处理器以及至少一个存储器;
所述至少一个存储器用于存储计算机指令;
所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现如权利要求3至4中任意一项所述的烟气智能回收方法。
6.一种计算机可读存储介质,其特征在于,所述存储介质存储计算机指令,当所述计算机指令被处理器执行时实现如权利要求3至4中任意一项所述的烟气智能回收方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211704051.3A CN115979041B (zh) | 2022-12-29 | 2022-12-29 | 一种烟气智能回收装置、方法、系统及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211704051.3A CN115979041B (zh) | 2022-12-29 | 2022-12-29 | 一种烟气智能回收装置、方法、系统及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115979041A CN115979041A (zh) | 2023-04-18 |
CN115979041B true CN115979041B (zh) | 2024-05-31 |
Family
ID=85962257
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211704051.3A Active CN115979041B (zh) | 2022-12-29 | 2022-12-29 | 一种烟气智能回收装置、方法、系统及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115979041B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN204099898U (zh) * | 2014-09-28 | 2015-01-14 | 武汉高科佳诚动力科技有限公司 | 液氮气化增压撬内燃机余热回收及液氮气化调压装置 |
CN108443018A (zh) * | 2018-05-08 | 2018-08-24 | 东南大学 | 基于液态空气储能技术的燃气轮机发电调峰系统 |
CN113324172A (zh) * | 2021-05-17 | 2021-08-31 | 烟台杰瑞石油装备技术有限公司 | 热交换式液氮汽化系统、控制方法和电子设备 |
WO2022029568A1 (en) * | 2020-08-04 | 2022-02-10 | Tenova S.P.A. | Flue gas treatment apparatus and relative method |
-
2022
- 2022-12-29 CN CN202211704051.3A patent/CN115979041B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN204099898U (zh) * | 2014-09-28 | 2015-01-14 | 武汉高科佳诚动力科技有限公司 | 液氮气化增压撬内燃机余热回收及液氮气化调压装置 |
CN108443018A (zh) * | 2018-05-08 | 2018-08-24 | 东南大学 | 基于液态空气储能技术的燃气轮机发电调峰系统 |
WO2022029568A1 (en) * | 2020-08-04 | 2022-02-10 | Tenova S.P.A. | Flue gas treatment apparatus and relative method |
CN113324172A (zh) * | 2021-05-17 | 2021-08-31 | 烟台杰瑞石油装备技术有限公司 | 热交换式液氮汽化系统、控制方法和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN115979041A (zh) | 2023-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9764272B2 (en) | Systems and methods for utilizing turbine systems within gas processing systems | |
CN115111594B (zh) | 一种蓄热式热力氧化炉智能调控系统及方法 | |
CN109002068B (zh) | 一种火道的温度优化控制方法 | |
CN115979041B (zh) | 一种烟气智能回收装置、方法、系统及介质 | |
CN109765331A (zh) | 一种基于最小二乘支持向量机的烟气氧含量软测量系统 | |
CN103576711A (zh) | 基于定量单参数pid控制的化工反应器温度控制方法 | |
CN114737003B (zh) | 一种基于蓄热模型的高炉热风炉燃烧自动控制方法及系统 | |
WO2022233101A1 (zh) | 一种低温热系统的智能优化控制装备 | |
CN110822768A (zh) | 一种居民区废弃热水热量智能回收系统 | |
CN111320993B (zh) | 一种焦炭塔自动冷焦工艺方法及控制 | |
CN202598108U (zh) | 混合控制型疏水器以及疏水系统 | |
CN115449845B (zh) | 一种具有自动调节能力的氢气纯化系统 | |
CN217972647U (zh) | 一种煤气化闪蒸气回收工艺系统 | |
CN216081012U (zh) | 一种基于真空相变的高炉冲渣水余热回收系统 | |
CN215195479U (zh) | 一种聚合生产的吉玛回收工艺中的蒸发薄膜除渣系统 | |
CN205746773U (zh) | 真空锅炉蒸汽纯度自动控制装置 | |
CN100420449C (zh) | 中药生产过程酒精回收的智能控制方法 | |
CN217340458U (zh) | 一种处理二硫化碳不合格品的工艺装置 | |
CN117332185A (zh) | 一种通过测量压力预测管式加热炉炉管结焦的方法 | |
CN109611821A (zh) | 一种锅炉给水除氧系统及除氧方法 | |
CN218349185U (zh) | 一种使用dcs自动控制的废汽、冷凝水循环利用系统 | |
US20230324079A1 (en) | Thermal Efficiency System and Method for Boiler Plant | |
CN116167523A (zh) | 一种融合多神经网络的sncr脱硝预测方法 | |
CN203464759U (zh) | 一种烟气余热回收装置 | |
CN113718554B (zh) | 一种纸张静态浸泡脱酸装置及工作方法 |
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 |