CN117472108A - 基于pH预测值的自动供浆智能控制方法 - Google Patents
基于pH预测值的自动供浆智能控制方法 Download PDFInfo
- Publication number
- CN117472108A CN117472108A CN202311473955.4A CN202311473955A CN117472108A CN 117472108 A CN117472108 A CN 117472108A CN 202311473955 A CN202311473955 A CN 202311473955A CN 117472108 A CN117472108 A CN 117472108A
- Authority
- CN
- China
- Prior art keywords
- slurry supply
- data
- power plant
- intelligent control
- value
- 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
Links
- 239000002002 slurry Substances 0.000 title claims abstract description 77
- 238000000034 method Methods 0.000 title claims abstract description 34
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims abstract description 4
- 238000006477 desulfuration reaction Methods 0.000 claims description 29
- 230000023556 desulfurization Effects 0.000 claims description 29
- 235000019738 Limestone Nutrition 0.000 claims description 10
- 239000006028 limestone Substances 0.000 claims description 10
- 230000001419 dependent effect Effects 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 3
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 9
- 239000003546 flue gas Substances 0.000 description 9
- 238000010521 absorption reaction Methods 0.000 description 4
- 230000002745 absorbent Effects 0.000 description 2
- 239000002250 absorbent Substances 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003647 oxidation Effects 0.000 description 2
- 238000007254 oxidation reaction Methods 0.000 description 2
- 230000001502 supplementing effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000010440 gypsum Substances 0.000 description 1
- 229910052602 gypsum Inorganic materials 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 238000006479 redox reaction Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D21/00—Control of chemical or physico-chemical variables, e.g. pH value
- G05D21/02—Control of chemical or physico-chemical variables, e.g. pH value characterised by the use of electric means
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Treating Waste Gases (AREA)
Abstract
本发明公开了一种基于pH预测值的自动供浆智能控制方法,包括以下步骤:(1)实时采集电厂数据,并将秒级数据处理成分钟级数据;(2)计算二氧化硫排放浓度实时设定值;(3)采用多元回归模型预测若干分钟后的pH值;(4)根据步骤(3)中预测的pH值,利用支持向量回归机,计算出当前时间的建议供浆量,从而完成对供浆阀门的自动控制。采用本发明方法能够智能计算所需要的供浆量,从而完成供浆阀门的自动控制,解决了传统供浆手动控制工作量大、误差大以及延迟大等问题,通过自动供浆智能控制系统实现了真正意义的精准自动供浆。
Description
技术领域
本发明涉及自动供浆、智能控制以及精准供浆的相关技术,属于工业脱硫控制领域。
背景技术
湿法烟气脱硫工艺因其脱硫成本低、脱硫效率高等优点被火电厂广泛采用。该脱硫工艺以石灰石浆液作为吸收剂,在吸收塔内与原烟气中的二氧化硫充分反应后,再与经氧化风机鼓入的氧气发生氧化还原反应生成脱硫副产品-石膏,以此脱除烟气中的二氧化硫。在整个脱硫系统中,实时补充新鲜浆液至关重要。补浆量过高,吸收剂难以充分利用,还会提高运行成本;补浆量不足,则无法保证脱硫效率。因此,石灰石供浆泵控制是烟气脱硫运行中重要的部分。在脱硫装置运行过程中,由于机组的深度调峰、烟气流场的不均匀、反应的延迟性等原因,在没有实现自动供浆的情况下,由于控制不及时导致净烟气SO2波动大以及瞬时“超标”等现象时有发生。国家排放标准以SO2排放浓度小时均值为达标排放的判定依据,虽然脱硫装置基本实现达标排放,但运行人员为控制小时均值不超标,在应对瞬时“超标”的突发状况时,通常根据经验来手动调控,缺乏精准调控的依据,导致脱硫运行能耗物耗高、SO2排放浓度波动大、瞬时“超标”等问题频发,不符合低碳发展趋势。故实现供浆量自动控制对提高脱硫效率、降低运行成本等有着非常重要的意义。
目前,很大一部分国内燃煤机组湿法烟气脱硫系统的石灰石供浆泵没有实现自动控制,而是主要依靠人工设置供浆量进行石灰石供浆流量调节,当发现吸收塔浆液pH值偏离控制范围时,手动调节供浆量。这样的手动控制方式存在很多问题,调节的时效性和精确性较差,导致吸收塔浆液pH值波动较大,传统的PID控制无法满足脱硫系统的控制需要,主要原因如下:
1、深度调峰下脱硫系统的工况变化剧烈。当电力系统进行深度调峰时,燃煤电厂的机组负荷会快速变化,导致烟气中SO2浓度和流量发生剧烈变化。这种剧烈的工况变化会对脱硫系统的运行带来较大影响。
2、脱硫控制系统具有大滞后特性。脱硫过程中,烟气流经脱硫设备,经过混合、吸收、氧化等一系列过程后,产生较长的时间延迟,传统的PID控制已经无法满足脱硫系统实时、精准控制的需求。
发明内容
本发明的目的是为了解决现有技术中存在的缺陷,提供一种能对脱硫系统SO2排放精准控制的自动供浆方法。
为了达到上述目的,本发明提供的技术方案如下:
基于pH预测值的自动供浆智能控制方法,包括以下步骤:
(1)数据预处理
实时采集电厂数据,并将秒级数据处理成分钟级数据;
(2)计算二氧化硫排放浓度实时设定值
根据步骤(1)中采集的每小时内已运行的数据,在满足SO2排放浓度小时均值设定值的前提下,计算出当前时间T分钟至下一整点时间段内脱硫系统SO2排放浓度的实时设定值;
(3)pH值预测
多元回归模型预测若干分钟后的pH值;
(4)计算当前时间的建议供浆量
根据步骤(3)中预测的pH值,利用支持向量回归机,计算出当前时间的建议供浆量,从而完成对供浆阀门的自动控制。
本发明通过对若干分钟后的pH值进行预测,大大减少了滞后性的影响;同时采用支持向量回归机构建了非线性多元回归模型,可以在剧烈工况下进行精准预测供浆。
进一步的,在部分实施例中,作为优选的,步骤(1)中电厂数据包括电厂DCS系统或SIS系统采集的机组负荷、入口SO2浓度、出口SO2浓度、当前pH、石灰石浆液密度。
进一步的,在部分实施例中,作为优选的,步骤(3)中的pH值预测为3分钟后的pH值。经本发明试验发现,当采用3分钟后的pH预测值进行供浆量计算时,控制更为精准。
进一步的,在部分实施例中,作为优选的,步骤(1)中数据预处理过程为:实时从电厂DCS或SIS系统采集数据,先清除错误和无效数据,形成秒级数据,再对每一分钟内秒级数据求平均生成分钟级数据。
进一步的,在部分实施例中,作为优选的,步骤(3)中的多元回归模型为:
Y=X'*W+B+ε
其中,W是模型参数的列向量,B是偏置量,Y是因变量的估计值,X是自变量,ε是误差项。
进一步的,在部分实施例中,作为优选的,步骤(4)中当前时间的建议供浆量的计算方法如下:将3分钟后的pH预测值、当前时间的pH值、机组负荷、入口SO2浓度、出口SO2浓度、石灰石浆液密度、SO2排放浓度实时设定值这些维度数据构造出自变量,当前时刻的供浆量作为因变量,建立以下优化问题:
其中f(x)=wTφ(x)+b是待求函数,求解之后得到最优参数w*和b*,ξi和是松弛变量,yi是实际供浆量。
本发明相比现有技术具有以下优点:
本发明在进行供浆量计算时通过多元回归预测未来pH值,可以基本消除脱硫供浆控制系统滞后性的影响,并采用多元回归预测未来pH值和实时输入SO2排放浓度实时设定值的基础上,采用非线性支持向量回归机模型,选用非线性核函数来预测当前建议供浆量,有效地实现了供浆量的精准预测。
本发明基于pH预测值的自动供浆智能控制方法通过输出的建议供浆量来调节供浆阀门,解决了传统人工供浆工作量大、误差大及延迟大的问题。既满足环保达标排放要求,又实现脱硫装置经济运行,实现脱硫装置节能、减排、低碳和智能运行。
附图说明
图1为本发明基于pH预测值的自动供浆智能控制方法原理框图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,应当理解的是,此处所描述的具体实施方式仅用于说明和解释本申请实施例,并不用于限制本申请实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”和“第二”等是用于区别不同的对象,而不是用于描述特定的顺序。若本申请实施例中有涉及方向性指示(诸如上、下、左、右、前、后等),则该方向性指示仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变。此外术语“包括”和“具有”以及他们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有设定于已列出的步骤或单元,而是可包括没有列出的步骤或单元。
实施例一:
如图1所示,是本发明基于pH预测值的自动供浆智能控制方法原理框图,主要包括获取秒级数据、处理成分钟数据、计算当前时刻SO2排放浓度实时设定值、预测3分钟后的pH值、利用支持向量回归机实时计算出当前时间的建议供浆量、调整供浆阀门。具体步骤如下:
步骤一:秒级数据处理成分钟数据。
实时从电厂DCS或SIS系统采集数据,首先清除错误和无效数据,最终形成秒级数据,对每一分钟内秒级数据求平均生成分钟级数据。
步骤二:计算满足SO2排放浓度小时均值达到设定值时当前时刻SO2排放浓度实时设定值。
根据每小时内已运行的数据,在满足SO2排放浓度达标的前提下,实时计算出当前时间T分钟至下一整点时间段内脱硫系统SO2排放浓度实时设定值,计算过程如下:
计算该整点到当前时刻T的SO2排放浓度平均值:
计算满足小时均值达到设定值情况下,T时刻以后至下一整点SO2排放浓度的平均限值:
其中,T是该整点时间当前时间的分钟值;σbefore是该整点0分钟到T分钟的SO2排放浓度平均值;σt是第t分钟的SO2排放浓度实时值;t是分钟时间;σset是满足SO2排放浓度小时均值设定值情况下,T分钟至下一整点SO2排放浓度的实时设定值;σSET是SO2排放浓度小时均值设定值,如30mg/m3。
步骤三:多元回归模型预测3分钟后的pH值。
自变量数据构造:
xi=[Gi Gi-1 Gi-2 Gi-3 Gi-4 Gi-5 pHi pHi-1 pHi-2 pHi-3 pHi-4 pHi-5] (4.3)
X=[x1′ x2′ ... xn′] (4.4)
其中,Gi是第i分钟的平均供浆量;“′”是向量或矩阵的转置;pHi是第i分钟的平均pH值;i=6,...,n,X∈R12*(n-5)。
因变量数据构造:
Y=[pH4 pH5 ... pHn+3] (4.5)
建立回归函数:
Y=X′*W+B+ε (4.6)
其中,W是模型参数的列向量,B是偏置量,ε是误差项。
求解模型之后得到最优模型参数W*和B*,再输入T时刻的数据:
xT=[GT GT-1 GT-2 GT-3 GT-4 GT-5 pHT pHT-1 pHT-2 pHT-3 pHT-4 pHT-5] (4.7)
代入pHpre=xT*W*+B*,得到3分钟后的预测pH值:pHpre。
步骤四:利用支持向量回归机,实时计算出当前时间的建议供浆量。
将3分钟后预测pH、当前时间的pH、负荷、入口SO2浓度、出口SO2浓度、石灰石浆液密度、SO2排放浓度实时设定值等维度数据构造出自变量,当前时刻的供浆量作为因变量,建立以下优化问题:
其中f(x)=wTφ(x)+b是待求函数,求解之后得到最优参数w*和b*,代入某时间的3分钟后预测pH、当前时间的pH、负荷、入口SO2浓度、出口SO2浓度、石灰石浆液密度、出口SO2浓度实时设定值,即可得到对应时间的建议供浆量,从而完成对供浆阀门的自动控制。
测试实例一:
基于本发明的基于pH预测值的自动供浆智能控制方法,以某燃煤电厂1号机组脱硫装置2小时内实时运行数据为例,实时运行数据结果如下表1所示,该电厂排放的SO2浓度小时设定值为30mg/m3。
表1某燃煤电厂1号机组脱硫装置2小时内实时运行数据结果
从上表可以看出,采用本发明自动供浆智能控制方法能有效进行精准自动供浆,实现对脱硫系统SO2排放浓度的精准控制。
Claims (10)
1.基于pH预测值的自动供浆智能控制方法,其特征在于,包括以下步骤:
(1)数据预处理
实时采集电厂数据,并将秒级数据处理成分钟级数据;
(2)计算二氧化硫排放浓度实时设定值
根据步骤(1)中采集的每小时内已运行的数据,在满足SO2排放浓度小时均值设定值的前提下,计算出当前时间T分钟至下一整点时间段内脱硫系统SO2排放浓度的实时设定值;
(3)pH值预测
多元回归模型预测若干分钟后的pH值;
(4)计算当前时间的建议供浆量
根据步骤(3)中预测的pH值,利用支持向量回归机,计算出当前时间的建议供浆量,从而完成对供浆阀门的自动控制。
2.根据权利要求1所述的自动供浆智能控制方法,其特征在于,所述步骤(1)中电厂数据包括电厂DCS系统或SIS系统采集的机组负荷。
3.根据权利要求2所述的自动供浆智能控制方法,其特征在于,所述步骤(1)中电厂数据还包括电厂DCS系统或SIS系统采集的入口SO2浓度。
4.根据权利要求3所述的自动供浆智能控制方法,其特征在于,所述步骤(1)中电厂数据还包括电厂DCS系统或SIS系统采集的出口SO2浓度。
5.根据权利要求4所述的自动供浆智能控制方法,其特征在于,所述步骤(1)中电厂数据还包括电厂DCS系统或SIS系统采集的当前pH。
6.根据权利要求5所述的自动供浆智能控制方法,其特征在于,所述步骤(1)中电厂数据还包括电厂DCS系统或SIS系统采集的石灰石浆液密度。
7.根据权利要求6所述的自动供浆智能控制方法,其特征在于,所述步骤(3)中的pH值预测为3分钟后的pH值。
8.根据权利要求7所述的自动供浆智能控制方法,其特征在于,所述步骤(1)中数据预处理过程为:实时从电厂DCS或SIS系统采集数据,先清除错误和无效数据,形成秒级数据,再对每一分钟内秒级数据求平均生成分钟级数据。
9.根据权利要求8所述的自动供浆智能控制方法,其特征在于,所述步骤(3)中的多元回归模型为:
Y=X'*W+B+ε
其中,W是模型参数的列向量,B是偏置量,Y是因变量的估计值,X是自变量,ε是误差项。
10.根据权利要求9所述的自动供浆智能控制方法,其特征在于,所述步骤(4)中当前时间的建议供浆量的计算方法如下:将3分钟后的pH预测值、当前时间的pH值、机组负荷、入口SO2浓度、出口SO2浓度、石灰石浆液密度、SO2排放浓度实时设定值这些维度数据构造出自变量,当前时刻的供浆量作为因变量,建立以下优化问题:
其中f(x)=wTφ(x)+b是待求函数,求解之后得到最优参数w*和b*,ξi和是松弛变量,yi是实际供浆量。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311248502 | 2023-09-26 | ||
CN2023112485021 | 2023-09-26 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117472108A true CN117472108A (zh) | 2024-01-30 |
Family
ID=89628999
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311473955.4A Pending CN117472108A (zh) | 2023-09-26 | 2023-11-08 | 基于pH预测值的自动供浆智能控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117472108A (zh) |
-
2023
- 2023-11-08 CN CN202311473955.4A patent/CN117472108A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111340199B (zh) | 一种基于物料衡算和深度学习的脱硫系统节能方法 | |
WO2020088485A1 (zh) | 一种智能化多种污染物超低排放系统及全局优化方法 | |
CN108636094A (zh) | 一种湿法脱硫工艺中的精确预测控制与节能系统及方法 | |
CN102156496B (zh) | 一种反应釜温度混合控制方法 | |
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 | |
CN103173584A (zh) | 具有自学习控制功能的高炉布料控制系统 | |
CN109603525A (zh) | 一种基于不均匀度判断的脱硝分区喷氨控制方法 | |
CN112742187A (zh) | 一种脱硫系统中pH值的控制方法及装置 | |
CN107720946B (zh) | Sbr污水处理工艺中的串级控制方法 | |
CN109046021B (zh) | 一种强自适应能力的scr系统精确喷氨控制方法 | |
CN114510098A (zh) | 一种生产环境调控方法与系统 | |
CN111450694B (zh) | 一种基于多目标优化的脱硫系统工业控制器和控制方法 | |
CN109966870B (zh) | 发电厂脱硫系统二氧化硫排放量适应性控制方法 | |
CN117472108A (zh) | 基于pH预测值的自动供浆智能控制方法 | |
CN205676212U (zh) | 智能污水处理系统 | |
CN108504479A (zh) | 一种啤酒发酵罐温度的自动控制方法及系统 | |
CN115903698A (zh) | 酯交换法合成碳酸二苯酯装置的先进控制系统和控制方法 | |
CN114880944A (zh) | 一种基于Lasso算法的脱硫系统运行优化方法及系统 | |
CN114625186A (zh) | 一种火电机组启停过程多目标一体化控制系统及控制方法 | |
CN113325693B (zh) | 用于scr脱硝系统的改进型pid控制方法、装置 | |
CN111635071B (zh) | 一种基于多元数据方法的渗滤液处理智能化工业控制方法 | |
CN108255055A (zh) | 一种仿人智能控制系统及方法 | |
CN104122878B (zh) | 工业节能减排控制装置的控制方法 | |
CN204724018U (zh) | 能实现超净排放的烟气脱硫自动控制系统 | |
CN209549121U (zh) | 一种用于湿法脱酸的实时监测与节能降耗系统 |
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 |