CN117968088A - 用于天然气发电装置的烟气余热回收控制系统及方法 - Google Patents
用于天然气发电装置的烟气余热回收控制系统及方法 Download PDFInfo
- Publication number
- CN117968088A CN117968088A CN202410383723.8A CN202410383723A CN117968088A CN 117968088 A CN117968088 A CN 117968088A CN 202410383723 A CN202410383723 A CN 202410383723A CN 117968088 A CN117968088 A CN 117968088A
- Authority
- CN
- China
- Prior art keywords
- flue gas
- time sequence
- temperature flue
- refrigerant fluid
- flow
- 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
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 title claims abstract description 324
- 239000003546 flue gas Substances 0.000 title claims abstract description 324
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 title claims abstract description 148
- 239000003345 natural gas Substances 0.000 title claims abstract description 74
- 238000011084 recovery Methods 0.000 title claims abstract description 60
- 239000002918 waste heat Substances 0.000 title claims abstract description 55
- 238000010248 power generation Methods 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 31
- 239000013598 vector Substances 0.000 claims description 240
- 239000003507 refrigerant Substances 0.000 claims description 223
- 239000012530 fluid Substances 0.000 claims description 212
- 238000012549 training Methods 0.000 claims description 119
- 230000004044 response Effects 0.000 claims description 88
- 230000003993 interaction Effects 0.000 claims description 52
- 238000000605 extraction Methods 0.000 claims description 37
- 238000004458 analytical method Methods 0.000 claims description 32
- 230000004927 fusion Effects 0.000 claims description 29
- 238000012937 correction Methods 0.000 claims description 26
- 230000008569 process Effects 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 17
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 claims description 16
- 238000007781 pre-processing Methods 0.000 claims description 16
- 229910052717 sulfur Inorganic materials 0.000 claims description 16
- 239000011593 sulfur Substances 0.000 claims description 16
- 238000010606 normalization Methods 0.000 claims description 12
- 230000011218 segmentation Effects 0.000 claims description 11
- 238000006477 desulfuration reaction Methods 0.000 claims description 9
- 230000023556 desulfurization Effects 0.000 claims description 9
- 238000000746 purification Methods 0.000 claims description 9
- 230000002452 interceptive effect Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 5
- 238000012546 transfer Methods 0.000 claims description 5
- 230000003247 decreasing effect Effects 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 4
- 239000002826 coolant Substances 0.000 claims description 3
- 238000004134 energy conservation Methods 0.000 abstract description 6
- 230000009467 reduction Effects 0.000 abstract description 6
- 230000006870 function Effects 0.000 description 12
- 238000009826 distribution Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 239000007789 gas Substances 0.000 description 9
- 230000008859 change Effects 0.000 description 7
- 230000008901 benefit Effects 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000012300 Sequence Analysis Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 239000000243 solution Substances 0.000 description 4
- 239000002994 raw material Substances 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 2
- 229910000037 hydrogen sulfide Inorganic materials 0.000 description 2
- 230000008929 regeneration Effects 0.000 description 2
- 238000011069 regeneration method Methods 0.000 description 2
- 239000012670 alkaline solution Substances 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 125000001741 organic sulfur group Chemical group 0.000 description 1
- 239000007800 oxidant agent Substances 0.000 description 1
- 230000001590 oxidative effect Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- -1 sulfur ions Chemical class 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23J—REMOVAL OR TREATMENT OF COMBUSTION PRODUCTS OR COMBUSTION RESIDUES; FLUES
- F23J15/00—Arrangements of devices for treating smoke or fumes
- F23J15/06—Arrangements of devices for treating smoke or fumes of coolers
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F22—STEAM GENERATION
- F22B—METHODS OF STEAM GENERATION; STEAM BOILERS
- F22B1/00—Methods of steam generation characterised by form of heating method
- F22B1/02—Methods of steam generation characterised by form of heating method by exploitation of the heat content of hot heat carriers
- F22B1/18—Methods of steam generation characterised by form of heating method by exploitation of the heat content of hot heat carriers the heat carrier being a hot gas, e.g. waste gas such as exhaust gas of internal-combustion engines
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24H—FLUID HEATERS, e.g. WATER OR AIR HEATERS, HAVING HEAT-GENERATING MEANS, e.g. HEAT PUMPS, IN GENERAL
- F24H7/00—Storage heaters, i.e. heaters in which the energy is stored as heat in masses for subsequent release
- F24H7/02—Storage heaters, i.e. heaters in which the energy is stored as heat in masses for subsequent release the released heat being conveyed to a transfer fluid
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F28—HEAT EXCHANGE IN GENERAL
- F28F—DETAILS OF HEAT-EXCHANGE AND HEAT-TRANSFER APPARATUS, OF GENERAL APPLICATION
- F28F27/00—Control arrangements or safety devices specially adapted for heat-exchange or heat-transfer apparatus
- F28F27/02—Control arrangements or safety devices specially adapted for heat-exchange or heat-transfer apparatus for controlling the distribution of heat-exchange media between different channels
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Thermal Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Control Of Temperature (AREA)
Abstract
本申请涉及智能控制技术领域，其具体地公开了一种用于天然气发电装置的烟气余热回收控制系统及方法，其采用基于深度学习的人工智能技术对高温烟气换热过程中高温烟气和冷媒流体的流量值进行时序分析，分别捕捉到高温烟气流量和冷媒流体流量的本质时序特征表达，并基于二者之间的时序交互响应特征对冷媒流体的流量进行智能控制。这样，可以实现对烟气余热的高效回收，提高能源利用效率，达到节能减排的目的。
Description
技术领域
本申请涉及智能控制技术领域，且更为具体地，涉及一种用于天然气发电装置的烟气余热回收控制系统及方法。
背景技术
天然气中通常含有硫化氢或有机硫，一般都需要脱除。含硫天然气处理装置一般先采用碱性溶液吸收硫化氢到溶液中，再通过氧化剂将硫离子氧化为硫单质，处理过程中需要热源对溶液进行再生，也需要外供电源对装置中的动力设备如溶剂泵、风机等提供电力。
在偏远井场，一般供电不方便，很多采用燃气发电机来为装置提供电源。燃气发电机产生的烟气温度高达400~600℃，主要成分为氮气和二氧化碳等，一般去向是脱除污染物达标后排放到空气中。在燃气发电机运行过程中，高温烟气如果直接排放，浪费了大量能量，不符合节能要求。燃气发电机烟气温度高，杂质含量少，如果能够将烟气热量加以回收利用，一方面降低了能源损失，满足节能要求，另一方面为生产装置提供了宝贵的能源，起到了变废为宝的作用。然而，传统的烟气余热回收系统往往存在能量回收效率低、控制精度不高、响应速度慢等问题。因此，期待一种优化的用于天然气发电装置的烟气余热回收控制系统及方法。
发明内容
为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种用于天然气发电装置的烟气余热回收控制系统及方法，其采用基于深度学习的人工智能技术对高温烟气换热过程中高温烟气和冷媒流体的流量值进行时序分析，分别捕捉到高温烟气流量和冷媒流体流量的本质时序特征表达，并基于二者之间的时序交互响应特征对冷媒流体的流量进行智能控制。这样，可以实现对烟气余热的高效回收，提高能源利用效率，达到节能减排的目的。
相应地，根据本申请的一个方面，提供了一种用于天然气发电装置的烟气余热回收控制系统，其包括：高温烟气换热模块，用于将天然气发电装置在发电过程中产生的高温烟气通过高温烟气换热器以得到中温烟气；中温烟气换热模块，用于将所述中温烟气输入中温烟气换热器以得到低温烟气，其中，所述低温烟气排放至界外。
在上述用于天然气发电装置的烟气余热回收控制系统中，所述高温烟气换热器和所述中温烟气换热器产生的烟气热量供给导热油系统和蒸汽系统，其中，利用所述导热油系统为天然气脱硫净化装置提供热源；利用所述蒸汽系统为硫膏制精硫磺装置提供热源。
在上述用于天然气发电装置的烟气余热回收控制系统中，所述高温烟气换热模块，包括：流量监控单元，用于获取由流量计采集的高温烟气和冷媒流体的流量值的时间序列；数据预处理单元，用于对所述高温烟气和冷媒流体的流量值的时间序列分别进行数据预处理以得到高温烟气流量局部时序输入向量的序列和冷媒流体流量局部时序输入向量的序列；本质特征提取单元，用于将所述高温烟气流量局部时序输入向量的序列和所述冷媒流体流量局部时序输入向量的序列分别输入本质特征提取网络以得到高温烟气流量本质时序特征向量和冷媒流体流量本质时序特征向量；时序交互响应分析单元，用于使用伽马矫正响应融合分析模块对所述高温烟气流量本质时序特征向量和所述冷媒流体流量本质时序特征向量进行处理以得到高温烟气流量-冷媒流体流量时序交互响应特征向量；控制指令生成单元，用于基于所述高温烟气流量-冷媒流体流量时序交互响应特征向量，确定冷媒流体流量的控制指令。
在上述用于天然气发电装置的烟气余热回收控制系统中，所述数据预处理单元，包括：数据时序规整子单元，用于将所述高温烟气和冷媒流体的流量值的时间序列分别按照时间维度进行数据规整以得到高温烟气流量时序输入向量和冷媒流体流量时序输入向量；时序切分子单元，用于以相同的时间尺度对所述高温烟气流量时序输入向量和所述冷媒流体流量时序输入向量进行向量切分以得到所述高温烟气流量局部时序输入向量的序列和所述冷媒流体流量局部时序输入向量的序列。
在上述用于天然气发电装置的烟气余热回收控制系统中，所述本质特征提取单元，用于：以如下本质特征提取公式对所述高温烟气流量局部时序输入向量的序列进行处理以得到所述高温烟气流量本质时序特征向量；其中，所述本质特征提取公式为：；其中，/>是所述高温烟气流量本质时序特征向量的序列中第/>个高温烟气流量本质时序特征向量，/>是所述高温烟气流量本质时序特征向量的序列中第/>个高温烟气流量本质时序特征向量，/>表示特征向量的1范数，/>为所述高温烟气流量本质时序特征向量的序列的长度-1，/>为所述高温烟气流量本质时序特征向量的序列的表示，/>为特征差异系数，/>表示自然指数函数运算，/>表示所述特征差异系数的总数，/>为所述高温烟气流量本质时序特征向量。
在上述用于天然气发电装置的烟气余热回收控制系统中，所述时序交互响应分析单元，用于：以如下伽马矫正响应融合公式对所述高温烟气流量本质时序特征向量和所述冷媒流体流量本质时序特征向量进行处理以得到所述高温烟气流量-冷媒流体流量时序交互响应特征向量；其中，所述伽马矫正响应融合公式为：；其中，/>为所述高温烟气流量本质时序特征向量的第/>个特征值，/>为所述冷媒流体流量本质时序特征向量的第/>个特征值，A、B、C和D为数值不相同的调整参数，/>为所述高温烟气流量-冷媒流体流量时序交互响应特征向量的第/>个特征值。
在上述用于天然气发电装置的烟气余热回收控制系统中，所述控制指令生成单元，用于：将所述高温烟气流量-冷媒流体流量时序交互响应特征向量通过基于分类器的冷媒流量控制器以得到所述控制指令，所述控制指令用于表示当前时间点的冷媒流体流量值应增大、应减小或应保持不变。
在上述用于天然气发电装置的烟气余热回收控制系统中，还包括用于对所述本质特征提取网络、所述伽马矫正响应融合分析模块和所述基于分类器的冷媒流量控制器进行训练的训练单元。
在上述用于天然气发电装置的烟气余热回收控制系统中，所述训练单元，包括：训练数据获取子单元，用于获取训练数据，所述训练数据包括由流量计采集的高温烟气和冷媒流体的训练流量值的时间序列，以及，冷媒流体流量的控制指令的真实值；训练数据规整子单元，用于将所述高温烟气和冷媒流体的训练流量值的时间序列分别按照时间维度进行数据规整以得到训练高温烟气流量时序输入向量和训练冷媒流体流量时序输入向量；训练向量切分子单元，用于以相同的时间尺度对所述训练高温烟气流量时序输入向量和所述训练冷媒流体流量时序输入向量进行向量切分以得到训练高温烟气流量局部时序输入向量的序列和训练冷媒流体流量局部时序输入向量的序列；训练数据本质特征提取子单元，用于将所述训练高温烟气流量局部时序输入向量的序列和所述训练冷媒流体流量局部时序输入向量的序列分别输入所述本质特征提取网络以得到训练高温烟气流量本质时序特征向量和训练冷媒流体流量本质时序特征向量；训练数据响应融合分析子单元，用于使用所述伽马矫正响应融合分析模块对所述训练高温烟气流量本质时序特征向量和所述训练冷媒流体流量本质时序特征向量进行处理以得到训练高温烟气流量-冷媒流体流量时序交互响应特征向量；分类损失计算子单元，用于将所述训练高温烟气流量-冷媒流体流量时序交互响应特征向量通过所述基于分类器的冷媒流量控制器以得到分类损失函数值；模型训练子单元，用于以所述分类损失函数值来对所述本质特征提取网络、所述伽马矫正响应融合分析模块和所述基于分类器的冷媒流量控制器进行训练，其中，在所述训练的每一轮迭代中，对于所述训练高温烟气流量-冷媒流体流量时序交互响应特征向量进行迭代优化。
根据本申请的另一个方面，提供了一种天然气发电装置的烟气余热回收控制方法，其包括：获取由流量计采集的高温烟气和冷媒流体的流量值的时间序列；对所述高温烟气和冷媒流体的流量值的时间序列分别进行数据预处理以得到高温烟气流量局部时序输入向量的序列和冷媒流体流量局部时序输入向量的序列；将所述高温烟气流量局部时序输入向量的序列和所述冷媒流体流量局部时序输入向量的序列分别输入本质特征提取网络以得到高温烟气流量本质时序特征向量和冷媒流体流量本质时序特征向量；使用伽马矫正响应融合分析模块对所述高温烟气流量本质时序特征向量和所述冷媒流体流量本质时序特征向量进行处理以得到高温烟气流量-冷媒流体流量时序交互响应特征向量；基于所述高温烟气流量-冷媒流体流量时序交互响应特征向量，确定冷媒流体流量的控制指令。
与现有技术相比，本申请提供的用于天然气发电装置的烟气余热回收控制系统及方法，其采用基于深度学习的人工智能技术对高温烟气换热过程中高温烟气和冷媒流体的流量值进行时序分析，分别捕捉到高温烟气流量和冷媒流体流量的本质时序特征表达，并基于二者之间的时序交互响应特征对冷媒流体的流量进行智能控制。这样，可以实现对烟气余热的高效回收，提高能源利用效率，达到节能减排的目的。
附图说明
通过结合附图对本申请实施例进行更详细的描述，本申请的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解，并且构成说明书的一部分，与本申请实施例一起用于解释本申请，并不构成对本申请的限制。在附图中，相同的参考标号通常代表相同部件或步骤。
图1为根据本申请实施例的用于天然气发电装置的烟气余热回收控制系统中高温烟气换热模块的框图。
图2为根据本申请实施例的用于天然气发电装置的烟气余热回收控制系统中高温烟气换热模块的架构示意图。
图3为根据本申请实施例的用于天然气发电装置的烟气余热回收控制系统中数据预处理单元的框图。
图4为根据本申请实施例的用于天然气发电装置的烟气余热回收控制系统中训练单元的框图。
图5为根据本申请实施例的天然气发电装置的烟气余热回收控制方法的流程图。
图6为根据本申请实施例的用于天然气发电装置的烟气热量回收装置的结构示意图。
具体实施方式
下面，将结合附图对本申请实施例进行更详细的描述，本申请的上述以及其他目的、特征和优势将变得更加明显。显然，所描述的实施例仅仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。同时，附图用来提供对本申请实施例的进一步理解，并且构成说明书的一部分，与本申请实施例一起用于解释本申请，并不构成对本申请的限制。在附图中，相同的参考标号通常代表相同部件或步骤。
本申请提供了一种用于天然气发电装置的烟气余热回收控制系统，其包括：高温烟气换热模块，用于将天然气发电装置在发电过程中产生的高温烟气通过高温烟气换热器以得到中温烟气；中温烟气换热模块，用于将所述中温烟气输入中温烟气换热器以得到低温烟气，其中，所述低温烟气排放至界外。具体地，所述高温烟气换热器和所述中温烟气换热器产生的烟气热量供给导热油系统和蒸汽系统，其中，利用所述导热油系统为天然气脱硫净化装置提供热源；利用所述蒸汽系统为硫膏制精硫磺装置提供热源。
具体地，在将天然气发电装置在发电过程中产生的高温烟气通过高温烟气换热器以得到中温烟气的过程中，利用高温烟气和冷媒流体之间的温差进行热交换，将高温烟气的热能传递给冷媒流体，使其温度升高，从而转化为可利用的热能。在这一过程中，冷媒流体的流量对于烟气余热的回收效率以及热交换的稳定性至关重要。具体来说，通过增加冷媒流体流量能够增加吸收的热量，缩短换热时间，提高热交换效率。但冷媒流体的流量越大，通过换热器的压降就越大，可能需要额外的泵送功率，从而增加了运营成本。并且，冷媒流体的流量过大会导致冷媒流体在换热器中停留的时间过短，导致单位体积内的冷媒流体与高温烟气的热交换减少，可能会使冷媒流体出口温度过低，影响冷媒流体的后续使用或储存。因此，为了确保最佳的热交换效果，需要对冷媒流体的流量进行精确的控制。然而，传统的冷媒流体流量控制往往依靠人工经验判断和操作，存在控制精度不高、响应速度慢等问题。
针对上述技术问题，本申请的技术构思为采用基于深度学习的人工智能技术对高温烟气换热过程中高温烟气和冷媒流体的流量值进行时序分析，分别捕捉到高温烟气流量和冷媒流体流量的本质时序特征表达，并基于二者之间的时序交互响应特征对冷媒流体的流量进行智能控制。这样，可以实现对烟气余热的高效回收，提高能源利用效率，达到节能减排的目的。
图1为根据本申请实施例的用于天然气发电装置的烟气余热回收控制系统中高温烟气换热模块的框图。图2为根据本申请实施例的用于天然气发电装置的烟气余热回收控制系统中高温烟气换热模块的架构示意图。如图1和图2所示，根据本申请实施例的用于天然气发电装置的烟气余热回收控制系统的高温烟气换热模块100，包括：流量监控单元110，用于获取由流量计采集的高温烟气和冷媒流体的流量值的时间序列；数据预处理单元120，用于对所述高温烟气和冷媒流体的流量值的时间序列分别进行数据预处理以得到高温烟气流量局部时序输入向量的序列和冷媒流体流量局部时序输入向量的序列；本质特征提取单元130，用于将所述高温烟气流量局部时序输入向量的序列和所述冷媒流体流量局部时序输入向量的序列分别输入本质特征提取网络以得到高温烟气流量本质时序特征向量和冷媒流体流量本质时序特征向量；时序交互响应分析单元140，用于使用伽马矫正响应融合分析模块对所述高温烟气流量本质时序特征向量和所述冷媒流体流量本质时序特征向量进行处理以得到高温烟气流量-冷媒流体流量时序交互响应特征向量；控制指令生成单元150，用于基于所述高温烟气流量-冷媒流体流量时序交互响应特征向量，确定冷媒流体流量的控制指令。
在上述用于天然气发电装置的烟气余热回收控制系统100中，所述流量监控单元110，用于获取由流量计采集的高温烟气和冷媒流体的流量值的时间序列。应可以理解，一般来说，高温烟气的流量越高，即高温烟气携带更多的热能，则需要更多的冷媒流体来吸收热量。因此，在本申请的技术方案中，可以通过获取由流量计采集的高温烟气和冷媒流体的流量值的时间序列，以获取高温烟气和冷媒流体的流量时序变化信息，进而根据高温烟气流量数据的时序变化自适应地调整冷媒流体的流量值，以适应不断变化的运行条件，从而优化热传递效果。此外，所述流量计可以选用适用于高温环境的差压式流量计、涡街流量计、热式流量计等，以确保其能够准确测量高温烟气和冷媒流体的流量值。
在上述用于天然气发电装置的烟气余热回收控制系统100中，所述数据预处理单元120，用于对所述高温烟气和冷媒流体的流量值的时间序列分别进行数据预处理以得到高温烟气流量局部时序输入向量的序列和冷媒流体流量局部时序输入向量的序列。具体地，图3为根据本申请实施例的用于天然气发电装置的烟气余热回收控制系统中数据预处理单元的框图。如图3所示，所述数据预处理单元120，包括：数据时序规整子单元121，用于将所述高温烟气和冷媒流体的流量值的时间序列分别按照时间维度进行数据规整以得到高温烟气流量时序输入向量和冷媒流体流量时序输入向量；时序切分子单元122，用于以相同的时间尺度对所述高温烟气流量时序输入向量和所述冷媒流体流量时序输入向量进行向量切分以得到所述高温烟气流量局部时序输入向量的序列和所述冷媒流体流量局部时序输入向量的序列。
具体地，所述数据时序规整子单元121，用于将所述高温烟气和冷媒流体的流量值的时间序列分别按照时间维度进行数据规整以得到高温烟气流量时序输入向量和冷媒流体流量时序输入向量。应可以理解，考虑到高温烟气和冷媒流体的流量值都是随时间变化的数据，各个相邻时间点的流量数据之间具有时间相关性。因此，为了保留流量时间序列数据的时间相关性，以便于捕捉到高温烟气和冷媒流体的流量数据的时序变化规律，进一步将所述高温烟气和冷媒流体的流量值的时间序列分别按照时间维度进行数据规整，以将所述高温烟气的流量值和所述冷媒流体的流量值在时间维度上进行对齐，确保高温烟气流量时序输入向量和冷媒流体流量时序输入向量的维度一致，从而便于后续的流量数据时序变化特征分析处理。
具体地，所述时序切分子单元122，用于以相同的时间尺度对所述高温烟气流量时序输入向量和所述冷媒流体流量时序输入向量进行向量切分以得到所述高温烟气流量局部时序输入向量的序列和所述冷媒流体流量局部时序输入向量的序列。应可以理解，考虑到所述高温烟气流量时序输入向量和所述冷媒流体流量时序输入向量的时间维度较长，直接对其进行处理可能会导致计算量大、处理时间长等问题。并且高温烟气和冷媒流体的流量可能在局部时间段内存在细微的波动模式。因此，为了更精细地捕捉高温烟气和冷媒流体的流量变化模式，同时，减少计算复杂度，在本申请的技术方案中，以相同的时间尺度对所述高温烟气流量时序输入向量和所述冷媒流体流量时序输入向量进行向量切分，以将原始的时间序列数据拆分成更小的局部时间序列片段，便于在后续的特征分析处理中，更精确地提取高温烟气和冷媒流体的流量数据的局部时序模式，为后续的流量控制提供更准确的数据支持。
在上述用于天然气发电装置的烟气余热回收控制系统100中，所述本质特征提取单元130，用于将所述高温烟气流量局部时序输入向量的序列和所述冷媒流体流量局部时序输入向量的序列分别输入本质特征提取网络以得到高温烟气流量本质时序特征向量和冷媒流体流量本质时序特征向量。应可以理解，考虑到受到传感器噪声、环境干扰等因素的影响，可能导致高温烟气和冷媒流体的流量时序数据中包含冗余信息和噪声，直接用于流量控制可能会导致控制精度不高、稳定性差等问题。因此，为了降低流量数据中干扰信息的影响，在本申请的技术方案中，将所述高温烟气流量局部时序输入向量的序列和所述冷媒流体流量局部时序输入向量的序列分别输入本质特征提取网络，以提取出高温烟气和冷媒流体的流量数据的本质时序特征，使其能够更准确地反映流量数据的时序变化规律。具体地，所述本质特征提取网络通过度量各个流量局部时序输入向量与其他的流量局部时序输入向量之间的差异，判断其是否能够反映流量数据的本质时序特征，从而为各个流量局部时序输入向量赋予不同的权重，以加权融合的方式筛选出流量数据的本质时序特征，并抑制其他干扰信息的影响，从而提升流量控制的准确性和鲁棒性。
在本申请的一个具体示例中，所述本质特征提取单元130，用于：以如下本质特征提取公式对所述高温烟气流量局部时序输入向量的序列进行处理以得到所述高温烟气流量本质时序特征向量；其中，所述本质特征提取公式为：；其中，/>是所述高温烟气流量本质时序特征向量的序列中第/>个高温烟气流量本质时序特征向量，/>是所述高温烟气流量本质时序特征向量的序列中第/>个高温烟气流量本质时序特征向量，/>表示特征向量的1范数，/>为所述高温烟气流量本质时序特征向量的序列的长度-1，/>为所述高温烟气流量本质时序特征向量的序列的表示，/>为特征差异系数，/>表示自然指数函数运算，/>表示所述特征差异系数的总数，/>为所述高温烟气流量本质时序特征向量。
在上述用于天然气发电装置的烟气余热回收控制系统100中，所述时序交互响应分析单元140，用于使用伽马矫正响应融合分析模块对所述高温烟气流量本质时序特征向量和所述冷媒流体流量本质时序特征向量进行处理以得到高温烟气流量-冷媒流体流量时序交互响应特征向量。应可以理解，考虑到高温烟气和冷媒流体的流量变化是相互影响、相互作用的。例如，当高温烟气的流量增大时，可能需要更多的冷媒流体来吸收热量。因此，为了分析高温烟气和冷媒流体的流量之间的时序交互响应关系，从而更准确地预测和控制冷媒流体的流量，进一步使用伽马矫正响应融合分析模块对所述高温烟气流量本质时序特征向量和所述冷媒流体流量本质时序特征向量进行处理。具体地，所述伽马矫正响应融合分析模块通过引入伽马矫正函数，对所述高温烟气流量本质时序特征向量和所述冷媒流体流量本质时序特征向量进行非线性变换，以增强高温烟气流量和冷媒流体流量之间的关联交互响应关系，揭示二者之间的相互依赖性和影响，从而为冷媒流体的流量控制提供依据。
在本申请的一个具体示例中，所述时序交互响应分析单元140，用于：以如下伽马矫正响应融合公式对所述高温烟气流量本质时序特征向量和所述冷媒流体流量本质时序特征向量进行处理以得到所述高温烟气流量-冷媒流体流量时序交互响应特征向量；其中，所述伽马矫正响应融合公式为：；其中，/>为所述高温烟气流量本质时序特征向量的第/>个特征值，/>为所述冷媒流体流量本质时序特征向量的第个特征值，A、B、C和D为数值不相同的调整参数，/>为所述高温烟气流量-冷媒流体流量时序交互响应特征向量的第/>个特征值。
在上述用于天然气发电装置的烟气余热回收控制系统100中，所述控制指令生成单元150，用于基于所述高温烟气流量-冷媒流体流量时序交互响应特征向量，确定冷媒流体流量的控制指令。在本申请的一个具体示例中，基于所述高温烟气流量-冷媒流体流量时序交互响应特征向量确定冷媒流体流量的控制指令的实现方式是将所述高温烟气流量-冷媒流体流量时序交互响应特征向量通过基于分类器的冷媒流量控制器以得到所述控制指令，所述控制指令用于表示当前时间点的冷媒流体流量值应增大、应减小或应保持不变。应可以理解，所述基于分类器的冷媒流量控制器能够利用分类器的分类学习映射能力对所述高温烟气流量-冷媒流体流量时序交互响应特征向量进行特征学习和分析，以理解当前时间的高温烟气和冷媒流体的流量状态，以及二者之间的时序交互关系，从而智能判断在当前时间点，冷媒流体的流量值应该增大、减小，还是保持不变。这样，使得冷媒流体的流量控制更加精准和高效，能够及时响应于高温烟气流量的变化，确保换热器的稳定运行性。
应可以理解，在利用上述神经网络模型之前，需要对所述本质特征提取网络、所述伽马矫正响应融合分析模块和所述基于分类器的冷媒流量控制器进行训练。也就是说，在本申请的用于天然气发电装置的烟气余热回收控制系统中，还包括用于对所述本质特征提取网络、所述伽马矫正响应融合分析模块和所述基于分类器的冷媒流量控制器进行训练的训练单元。
图4为根据本申请实施例的用于天然气发电装置的烟气余热回收控制系统中训练单元的框图。如图4所示，所述训练单元200，包括：训练数据获取子单元210，用于获取训练数据，所述训练数据包括由流量计采集的高温烟气和冷媒流体的训练流量值的时间序列，以及，冷媒流体流量的控制指令的真实值；训练数据规整子单元220，用于将所述高温烟气和冷媒流体的训练流量值的时间序列分别按照时间维度进行数据规整以得到训练高温烟气流量时序输入向量和训练冷媒流体流量时序输入向量；训练向量切分子单元230，用于以相同的时间尺度对所述训练高温烟气流量时序输入向量和所述训练冷媒流体流量时序输入向量进行向量切分以得到训练高温烟气流量局部时序输入向量的序列和训练冷媒流体流量局部时序输入向量的序列；训练数据本质特征提取子单元240，用于将所述训练高温烟气流量局部时序输入向量的序列和所述训练冷媒流体流量局部时序输入向量的序列分别输入所述本质特征提取网络以得到训练高温烟气流量本质时序特征向量和训练冷媒流体流量本质时序特征向量；训练数据响应融合分析子单元250，用于使用所述伽马矫正响应融合分析模块对所述训练高温烟气流量本质时序特征向量和所述训练冷媒流体流量本质时序特征向量进行处理以得到训练高温烟气流量-冷媒流体流量时序交互响应特征向量；分类损失计算子单元260，用于将所述训练高温烟气流量-冷媒流体流量时序交互响应特征向量通过所述基于分类器的冷媒流量控制器以得到分类损失函数值；模型训练子单元270，用于以所述分类损失函数值来对所述本质特征提取网络、所述伽马矫正响应融合分析模块和所述基于分类器的冷媒流量控制器进行训练，其中，在所述训练的每一轮迭代中，对于所述训练高温烟气流量-冷媒流体流量时序交互响应特征向量进行迭代优化。
在上述技术方案中，所述训练高温烟气流量局部时序输入向量的序列和所述训练冷媒流体流量局部时序输入向量的序列分别表达所述训练高温烟气流量和所述训练冷媒流体流量在全局时域通过向量区分的局部时域下的局部时域关联特征，由此，将所述训练高温烟气流量局部时序输入向量的序列和所述训练冷媒流体流量局部时序输入向量的序列分别输入本质特征提取网络后，可以进一步基于全局时域下的各局部时域的本质特征关联表示来使得所述训练高温烟气流量本质时序特征向量和所述训练冷媒流体流量本质时序特征向量获得全局时域关联特征表示，但是，考虑到所述训练高温烟气流量和所述训练冷媒流体流量的源数据时序分布差异，所述训练高温烟气流量本质时序特征向量和所述训练冷媒流体流量本质时序特征向量的局部时域-全局时域时序关联特征表示会具有显著的局部特征分布方向不一致，而在使用伽马矫正响应融合分析模块对所述训练高温烟气流量本质时序特征向量和所述训练冷媒流体流量本质时序特征向量进行处理后，由于伽马矫正响应对于局部非线性响应特征的校正更加强化了局部分布主趋势，使得所述训练高温烟气流量-冷媒流体流量时序交互响应特征向量存在由于待融合特征局部分布方向不一致导致具有更为显著的逐特征值特征分布差异性，即，所述高温烟气流量-冷媒流体流量时序交互响应特征向量的基于特征值数值分布离散性，从而影响所述训练高温烟气流量-冷媒流体流量时序交互响应特征向量通过分类器的类回归迭代收敛速度。
由此，在本申请的技术方案中，在每次所述训练高温烟气流量-冷媒流体流量时序交互响应特征向量通过分类器进行分类回归的迭代时，以如下优化公式对所述训练高温烟气流量-冷媒流体流量时序交互响应特征向量进行迭代优化，其中，所述优化公式为：；其中，/>是所述训练高温烟气流量-冷媒流体流量时序交互响应特征向量的第/>个特征值，/>表示特征值的概率化函数，即将特征值/>映射到/>区间的概率化函数，/>是通过分类器得到的类概率值，/>是所述训练高温烟气流量-冷媒流体流量时序交互响应特征向量的长度，且/>是权重超参数，/>是优化后的训练高温烟气流量-冷媒流体流量时序交互响应特征向量的第/>个特征值。
这里，通过将伯努利概率似然性分布作为权威元实体来进行所述训练高温烟气流量-冷媒流体流量时序交互响应特征向量的特征值基于伯努利概率分布/>的高层级类决策，并引入相对于特征集合整体的概率密度空间映射分配，从而经由确定所述训练高温烟气流量-冷媒流体流量时序交互响应特征向量的特征值/>相对于类概率映射的关键见解，来实现所述训练高温烟气流量-冷媒流体流量时序交互响应特征向量的特征值/>基于类概率分布/>的与类收敛的匹配功能正确性，以通过收敛性能优越性来促进样本迭代收敛，提升分类训练速度。
综上，根据本申请实施例的用于天然气发电装置的烟气余热回收控制系统被阐明，其采用基于深度学习的人工智能技术对高温烟气换热过程中高温烟气和冷媒流体的流量值进行时序分析，分别捕捉到高温烟气流量和冷媒流体流量的本质时序特征表达，并基于二者之间的时序交互响应特征对冷媒流体的流量进行智能控制。这样，可以实现对烟气余热的高效回收，提高能源利用效率，达到节能减排的目的。
图5为根据本申请实施例的天然气发电装置的烟气余热回收控制方法的流程图。如图5所示，根据本申请实施例的用于天然气发电装置的烟气余热回收控制的方法，包括步骤：S1，获取由流量计采集的高温烟气和冷媒流体的流量值的时间序列；S2，对所述高温烟气和冷媒流体的流量值的时间序列分别进行数据预处理以得到高温烟气流量局部时序输入向量的序列和冷媒流体流量局部时序输入向量的序列；S3，将所述高温烟气流量局部时序输入向量的序列和所述冷媒流体流量局部时序输入向量的序列分别输入本质特征提取网络以得到高温烟气流量本质时序特征向量和冷媒流体流量本质时序特征向量；S4，使用伽马矫正响应融合分析模块对所述高温烟气流量本质时序特征向量和所述冷媒流体流量本质时序特征向量进行处理以得到高温烟气流量-冷媒流体流量时序交互响应特征向量；S5，基于所述高温烟气流量-冷媒流体流量时序交互响应特征向量，确定冷媒流体流量的控制指令。
这里，本领域技术人员可以理解，上述天然气发电装置的烟气余热回收控制方法中的各个步骤的具体操作已经在上面参考图1到图4的用于天然气发电装置的烟气余热回收控制系统的描述中得到了详细介绍，并因此，将省略其重复描述。
在本申请的另一个实施例中，还提供有一种用于天然气发电装置的烟气热量回收装置。具体地，图6为根据本申请实施例的用于天然气发电装置的烟气热量回收装置的结构示意图，如图6所示，其包括：燃气发电机、天然气脱硫净化装置以及硫膏制精硫磺装置（可选项有天然气增压装置和天然气液化装置），所述燃气发电机的供电线路连接于所述天然气脱硫净化装置以及硫膏制精硫磺装置（可选项有天然气增压装置和天然气液化装置）。
具体地，所述用于天然气发电装置的烟气热量回收装置将所述燃气发电机发电时产生的烟气热量供应给导热油系统和蒸汽系统；利用所述导热油系统对所述天然气脱硫净化装置中的再沸器、再生气加热器等设备提供再生热源；利用所述蒸汽系统对所述硫膏制精硫磺装置提供热源；原料天然气在所述天然气脱硫净化装置中经脱硫净化制取满足标准的合格净化天然气产品，作为可选项，当原料天然气压力较低时，原料气需设置增压装置，作为可选项，合格净化天然气产品可继续深冷液化制得LNG产品。这样，很好地将天然气发电装置与天然气脱硫净化装置以及硫膏制精硫磺装置结合，提高了能源利用效率，达到节能减排的目的。
以上结合具体实施例描述了本发明的基本原理，但是，需要指出的是，在本发明中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本发明的各个实施例必须具备的。另外，上述实施例的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本发明为必须采用上述具体的细节来实现。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。在本发明所提供的几个实施例中，应该理解到，所揭露的系统和方法，可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如，所述模块划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元也可以由一个单元通过软件或者硬件来实现。
最后应说明的是，为了例示和描述的目的已经给出了以上描述。此外，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (9)
1.一种用于天然气发电装置的烟气余热回收控制系统，其特征在于，包括：高温烟气换热模块，用于将天然气发电装置在发电过程中产生的高温烟气通过高温烟气换热器以得到中温烟气；中温烟气换热模块，用于将所述中温烟气输入中温烟气换热器以得到低温烟气，其中，所述低温烟气排放至界外；其中，所述高温烟气换热模块，包括：流量监控单元，用于获取由流量计采集的高温烟气和冷媒流体的流量值的时间序列；数据预处理单元，用于对所述高温烟气和冷媒流体的流量值的时间序列分别进行数据预处理以得到高温烟气流量局部时序输入向量的序列和冷媒流体流量局部时序输入向量的序列；本质特征提取单元，用于将所述高温烟气流量局部时序输入向量的序列和所述冷媒流体流量局部时序输入向量的序列分别输入本质特征提取网络以得到高温烟气流量本质时序特征向量和冷媒流体流量本质时序特征向量；时序交互响应分析单元，用于使用伽马矫正响应融合分析模块对所述高温烟气流量本质时序特征向量和所述冷媒流体流量本质时序特征向量进行处理以得到高温烟气流量-冷媒流体流量时序交互响应特征向量；控制指令生成单元，用于基于所述高温烟气流量-冷媒流体流量时序交互响应特征向量，确定冷媒流体流量的控制指令。
2.根据权利要求1所述的用于天然气发电装置的烟气余热回收控制系统，其特征在于，所述高温烟气换热器和所述中温烟气换热器产生的烟气热量供给导热油系统和蒸汽系统，其中，利用所述导热油系统为天然气脱硫净化装置提供热源；利用所述蒸汽系统为硫膏制精硫磺装置提供热源。
3.根据权利要求2所述的用于天然气发电装置的烟气余热回收控制系统，其特征在于，所述数据预处理单元，包括：数据时序规整子单元，用于将所述高温烟气和冷媒流体的流量值的时间序列分别按照时间维度进行数据规整以得到高温烟气流量时序输入向量和冷媒流体流量时序输入向量；时序切分子单元，用于以相同的时间尺度对所述高温烟气流量时序输入向量和所述冷媒流体流量时序输入向量进行向量切分以得到所述高温烟气流量局部时序输入向量的序列和所述冷媒流体流量局部时序输入向量的序列。
4.根据权利要求3所述的用于天然气发电装置的烟气余热回收控制系统，其特征在于，所述本质特征提取单元，用于：以如下本质特征提取公式对所述高温烟气流量局部时序输入向量的序列进行处理以得到所述高温烟气流量本质时序特征向量；其中，所述本质特征提取公式为：；其中，/>是所述高温烟气流量本质时序特征向量的序列中第/>个高温烟气流量本质时序特征向量，/>是所述高温烟气流量本质时序特征向量的序列中第/>个高温烟气流量本质时序特征向量，/>表示特征向量的1范数，为所述高温烟气流量本质时序特征向量的序列的长度-1，/>为所述高温烟气流量本质时序特征向量的序列的表示，/>为特征差异系数，/>表示自然指数函数运算，/>表示所述特征差异系数的总数，/>为所述高温烟气流量本质时序特征向量。
5.根据权利要求4所述的用于天然气发电装置的烟气余热回收控制系统，其特征在于，所述时序交互响应分析单元，用于：以如下伽马矫正响应融合公式对所述高温烟气流量本质时序特征向量和所述冷媒流体流量本质时序特征向量进行处理以得到所述高温烟气流量-冷媒流体流量时序交互响应特征向量；其中，所述伽马矫正响应融合公式为：；其中，/>为所述高温烟气流量本质时序特征向量的第/>个特征值，/>为所述冷媒流体流量本质时序特征向量的第/>个特征值，A、B、C和D为数值不相同的调整参数，/>为所述高温烟气流量-冷媒流体流量时序交互响应特征向量的第/>个特征值。
6.根据权利要求5所述的用于天然气发电装置的烟气余热回收控制系统，其特征在于，所述控制指令生成单元，用于：将所述高温烟气流量-冷媒流体流量时序交互响应特征向量通过基于分类器的冷媒流量控制器以得到所述控制指令，所述控制指令用于表示当前时间点的冷媒流体流量值应增大、应减小或应保持不变。
7.根据权利要求6所述的用于天然气发电装置的烟气余热回收控制系统，其特征在于，还包括用于对所述本质特征提取网络、所述伽马矫正响应融合分析模块和所述基于分类器的冷媒流量控制器进行训练的训练单元。
8.根据权利要求7所述的用于天然气发电装置的烟气余热回收控制系统，其特征在于，所述训练单元，包括：训练数据获取子单元，用于获取训练数据，所述训练数据包括由流量计采集的高温烟气和冷媒流体的训练流量值的时间序列，以及，冷媒流体流量的控制指令的真实值；训练数据规整子单元，用于将所述高温烟气和冷媒流体的训练流量值的时间序列分别按照时间维度进行数据规整以得到训练高温烟气流量时序输入向量和训练冷媒流体流量时序输入向量；训练向量切分子单元，用于以相同的时间尺度对所述训练高温烟气流量时序输入向量和所述训练冷媒流体流量时序输入向量进行向量切分以得到训练高温烟气流量局部时序输入向量的序列和训练冷媒流体流量局部时序输入向量的序列；训练数据本质特征提取子单元，用于将所述训练高温烟气流量局部时序输入向量的序列和所述训练冷媒流体流量局部时序输入向量的序列分别输入所述本质特征提取网络以得到训练高温烟气流量本质时序特征向量和训练冷媒流体流量本质时序特征向量；训练数据响应融合分析子单元，用于使用所述伽马矫正响应融合分析模块对所述训练高温烟气流量本质时序特征向量和所述训练冷媒流体流量本质时序特征向量进行处理以得到训练高温烟气流量-冷媒流体流量时序交互响应特征向量；分类损失计算子单元，用于将所述训练高温烟气流量-冷媒流体流量时序交互响应特征向量通过所述基于分类器的冷媒流量控制器以得到分类损失函数值；模型训练子单元，用于以所述分类损失函数值来对所述本质特征提取网络、所述伽马矫正响应融合分析模块和所述基于分类器的冷媒流量控制器进行训练，其中，在所述训练的每一轮迭代中，对于所述训练高温烟气流量-冷媒流体流量时序交互响应特征向量进行迭代优化。
9.一种天然气发电装置的烟气余热回收控制方法，其特征在于，包括：获取由流量计采集的高温烟气和冷媒流体的流量值的时间序列；对所述高温烟气和冷媒流体的流量值的时间序列分别进行数据预处理以得到高温烟气流量局部时序输入向量的序列和冷媒流体流量局部时序输入向量的序列；将所述高温烟气流量局部时序输入向量的序列和所述冷媒流体流量局部时序输入向量的序列分别输入本质特征提取网络以得到高温烟气流量本质时序特征向量和冷媒流体流量本质时序特征向量；使用伽马矫正响应融合分析模块对所述高温烟气流量本质时序特征向量和所述冷媒流体流量本质时序特征向量进行处理以得到高温烟气流量-冷媒流体流量时序交互响应特征向量；基于所述高温烟气流量-冷媒流体流量时序交互响应特征向量，确定冷媒流体流量的控制指令。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410383723.8A CN117968088B (zh) | 2024-04-01 | 2024-04-01 | 用于天然气发电装置的烟气余热回收控制系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410383723.8A CN117968088B (zh) | 2024-04-01 | 2024-04-01 | 用于天然气发电装置的烟气余热回收控制系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117968088A true CN117968088A (zh) | 2024-05-03 |
| CN117968088B CN117968088B (zh) | 2024-07-09 |
Family
ID=90851699
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410383723.8A Active CN117968088B (zh) | 2024-04-01 | 2024-04-01 | 用于天然气发电装置的烟气余热回收控制系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117968088B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118388097A (zh) * | 2024-06-28 | 2024-07-26 | 滁州市奥贝马精密机械有限公司 | 贵金属冶炼流水线的废水处理系统及方法 |
| CN118408302A (zh) * | 2024-06-28 | 2024-07-30 | 浙江城建煤气热电设计院股份有限公司 | 一种天然气分布式综合能源系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4680927A (en) * | 1979-07-23 | 1987-07-21 | International Power Technology, Inc. | Control system for Cheng dual-fluid cycle engine system |
| US20020082747A1 (en) * | 2000-08-11 | 2002-06-27 | Kramer Robert A. | Energy management system and methods for the optimization of distributed generation |
| CN109882832A (zh) * | 2019-03-21 | 2019-06-14 | 武汉钢铁有限公司 | 一种烟气余热的评价分析系统及烟气余热回收控制系统 |
| US20190360729A1 (en) * | 2018-05-23 | 2019-11-28 | Kiturami Co., Ltd. | Combined heat and power system with energy control module |
| CN112460832A (zh) * | 2020-09-09 | 2021-03-09 | 国网综合能源服务集团有限公司 | 一种基于燃气综合能源站的溴化锂制冷机组和制冷机组的运行方法 |
| CN116430924A (zh) * | 2023-06-13 | 2023-07-14 | 百穰新能源科技(深圳)有限公司 | 温度控制方法、装置、计算机设备及计算机可读存储介质 |
| CN116832588A (zh) * | 2023-08-25 | 2023-10-03 | 湖北鼎信成套设备有限公司 | 酸再生烟气净化装置及其方法 |
| CN116920581A (zh) * | 2023-08-31 | 2023-10-24 | 浙江浙能迈领环境科技有限公司 | 用于天然气动力船舶的二氧化碳回收控制系统及其方法 |
| CN117244270A (zh) * | 2023-11-20 | 2023-12-19 | 新疆凯龙清洁能源股份有限公司 | 一种含硫低压烷烃气的回收利用方法 |
-
2024
- 2024-04-01 CN CN202410383723.8A patent/CN117968088B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4680927A (en) * | 1979-07-23 | 1987-07-21 | International Power Technology, Inc. | Control system for Cheng dual-fluid cycle engine system |
| US20020082747A1 (en) * | 2000-08-11 | 2002-06-27 | Kramer Robert A. | Energy management system and methods for the optimization of distributed generation |
| US20190360729A1 (en) * | 2018-05-23 | 2019-11-28 | Kiturami Co., Ltd. | Combined heat and power system with energy control module |
| CN109882832A (zh) * | 2019-03-21 | 2019-06-14 | 武汉钢铁有限公司 | 一种烟气余热的评价分析系统及烟气余热回收控制系统 |
| CN112460832A (zh) * | 2020-09-09 | 2021-03-09 | 国网综合能源服务集团有限公司 | 一种基于燃气综合能源站的溴化锂制冷机组和制冷机组的运行方法 |
| CN116430924A (zh) * | 2023-06-13 | 2023-07-14 | 百穰新能源科技(深圳)有限公司 | 温度控制方法、装置、计算机设备及计算机可读存储介质 |
| CN116832588A (zh) * | 2023-08-25 | 2023-10-03 | 湖北鼎信成套设备有限公司 | 酸再生烟气净化装置及其方法 |
| CN116920581A (zh) * | 2023-08-31 | 2023-10-24 | 浙江浙能迈领环境科技有限公司 | 用于天然气动力船舶的二氧化碳回收控制系统及其方法 |
| CN117244270A (zh) * | 2023-11-20 | 2023-12-19 | 新疆凯龙清洁能源股份有限公司 | 一种含硫低压烷烃气的回收利用方法 |
Non-Patent Citations (1)
| Title |
|---|
| 安航;: "天然气烟气余热回收技术分析及应用", 节能, no. 12, 30 December 2019 (2019-12-30), pages 121 - 124 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118388097A (zh) * | 2024-06-28 | 2024-07-26 | 滁州市奥贝马精密机械有限公司 | 贵金属冶炼流水线的废水处理系统及方法 |
| CN118408302A (zh) * | 2024-06-28 | 2024-07-30 | 浙江城建煤气热电设计院股份有限公司 | 一种天然气分布式综合能源系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117968088B (zh) | 2024-07-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117968088B (zh) | 用于天然气发电装置的烟气余热回收控制系统及方法 | |
| Wang et al. | A review of evaluation, optimization and synthesis of energy systems: methodology and application to thermal power plants | |
| CN104749999B (zh) | 装配湿式冷却塔的汽轮发电机组冷端系统优化运行精确指导系统 | |
| He et al. | CATN: Cross attentive tree-aware network for multivariate time series forecasting | |
| CN113076985B (zh) | 电力用户负荷识别方法、装置及计算机可读介质 | |
| CN118110990A (zh) | 一种天然气发电装置烟气热量回收的方法和系统 | |
| CN116067188B (zh) | 一种六氟磷酸锂制备用的余热回收系统 | |
| CN113177366B (zh) | 一种综合能源系统规划方法、装置和终端设备 | |
| CN111628494A (zh) | 一种基于逻辑回归法的低压配电网拓扑识别方法及系统 | |
| CN117006654A (zh) | 基于边缘计算的空调负荷控制系统及其方法 | |
| CN114793086B (zh) | 双面双玻光伏板调节支架及调节方法 | |
| CN117094453B (zh) | 一种用于虚拟电厂的调度优化系统及其方法 | |
| CN117852222B (zh) | 一种集成有机朗肯循环的换热网络优化方法 | |
| Su et al. | The Semisupervised Weighted Centroid Prototype Network for Fault Diagnosis of Wind Turbine Gearbox | |
| Gu et al. | A modified clustering procedure for energy consumption monitoring in the steam turbine considering volume effect | |
| CN115063003B (zh) | 基于多元负荷时序分析的综合能源系统分时段调度方法 | |
| CN106160021B (zh) | 基于效率和均流标准差加权和矩阵的并联供电系统最优点确定方法 | |
| CN115392339A (zh) | 辅助故障数据确定、故障诊断方法、系统、设备和介质 | |
| Dong et al. | Nontechnical loss detection of electricity based on neural architecture search in distribution power networks | |
| Yu et al. | Reasoning and fuzzy comprehensive assessment methods based CAD system for boiler intelligent design | |
| CN113868836A (zh) | 基于大数据的智慧热力系统在线专家分析平台 | |
| CN106684854A (zh) | 一种基于节点等效的有源配电网电压越限风险分析方法 | |
| Qin et al. | Cnn-gru-attention based short-term load forecasting of distribution networks | |
| CN113077125B (zh) | 一种考虑能效的综合能源系统典型场景生成方法 | |
| CN117989588B (zh) | 供热设施的换热站自控系统 |
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 |