CN104826492B - 一种选择性催化还原法烟气脱硝喷氨控制***的改进方法 - Google Patents
一种选择性催化还原法烟气脱硝喷氨控制***的改进方法 Download PDFInfo
- Publication number
- CN104826492B CN104826492B CN201510197580.2A CN201510197580A CN104826492B CN 104826492 B CN104826492 B CN 104826492B CN 201510197580 A CN201510197580 A CN 201510197580A CN 104826492 B CN104826492 B CN 104826492B
- Authority
- CN
- China
- Prior art keywords
- output
- nox
- neuron
- flue gas
- ammonia
- 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.)
- Expired - Fee Related
Links
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 title claims abstract description 199
- 229910021529 ammonia Inorganic materials 0.000 title claims abstract description 98
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 title claims abstract description 44
- 239000003546 flue gas Substances 0.000 title claims abstract description 44
- 238000000034 method Methods 0.000 title claims abstract description 14
- 238000010531 catalytic reduction reaction Methods 0.000 title claims abstract description 6
- 238000002347 injection Methods 0.000 title abstract 7
- 239000007924 injection Substances 0.000 title abstract 7
- 210000002569 neuron Anatomy 0.000 claims abstract description 35
- 238000013528 artificial neural network Methods 0.000 claims abstract description 19
- 239000003245 coal Substances 0.000 claims abstract description 13
- 238000005507 spraying Methods 0.000 claims description 53
- 239000007921 spray Substances 0.000 claims description 25
- 230000007935 neutral effect Effects 0.000 claims description 15
- 239000007789 gas Substances 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 10
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 claims description 8
- 229910000069 nitrogen hydride Inorganic materials 0.000 claims description 7
- 239000000779 smoke Substances 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 239000003054 catalyst Substances 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 5
- 239000003607 modifier Substances 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 230000033228 biological regulation Effects 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000002485 combustion reaction Methods 0.000 claims description 3
- 230000008676 import Effects 0.000 claims description 3
- FGIUAXJPYTZDNR-UHFFFAOYSA-N potassium nitrate Chemical compound [K+].[O-][N+]([O-])=O FGIUAXJPYTZDNR-UHFFFAOYSA-N 0.000 claims description 3
- 238000003786 synthesis reaction Methods 0.000 claims description 3
- 238000010977 unit operation Methods 0.000 claims description 3
- 230000003197 catalytic effect Effects 0.000 claims description 2
- 230000003292 diminished effect Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 claims description 2
- 239000000446 fuel Substances 0.000 claims description 2
- 230000006870 function Effects 0.000 claims description 2
- 238000011478 gradient descent method Methods 0.000 claims description 2
- 230000001105 regulatory effect Effects 0.000 claims description 2
- 238000010206 sensitivity analysis Methods 0.000 claims description 2
- 235000019504 cigarettes Nutrition 0.000 claims 1
- 210000005036 nerve Anatomy 0.000 claims 1
- 230000001737 promoting effect Effects 0.000 abstract 1
- 230000035945 sensitivity Effects 0.000 abstract 1
- 238000013461 design Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- WWILHZQYNPQALT-UHFFFAOYSA-N 2-methyl-2-morpholin-4-ylpropanal Chemical compound O=CC(C)(C)N1CCOCC1 WWILHZQYNPQALT-UHFFFAOYSA-N 0.000 description 2
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- BFNBIHQBYMNNAN-UHFFFAOYSA-N ammonium sulfate Chemical compound N.N.OS(O)(=O)=O BFNBIHQBYMNNAN-UHFFFAOYSA-N 0.000 description 2
- 229910052921 ammonium sulfate Inorganic materials 0.000 description 2
- 235000011130 ammonium sulphate Nutrition 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 2
- 238000002156 mixing Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000006555 catalytic reaction Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 239000007800 oxidant agent Substances 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 230000001590 oxidative effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006722 reduction reaction Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Landscapes
- Treating Waste Gases (AREA)
Abstract
本发明提供一种选择性催化还原法烟气脱硝喷氨控制***的改进方法,在原有烟气脱硝喷氨控制***中引入优化控制站。在优化控制站模块中,引入影响燃煤锅炉NOx生成量的参数和原有PID控制器输出喷氨量控制信号,动态神经网络,利用输出敏感度法构建隐含层神经元,综合学习PID控制器和引入的参数,根据PID控制器的输出量以及引入的影响锅炉NOx生成量的参数综合计算形成动态补偿控制量。脱硝喷氨量控制逻辑中,原有PID控制器作为主控制器,将动态神经网络喷氨量预测控制器作为修正控制器,得到最佳喷氨量的调节量,促进脱硝***可靠、经济运行。
Description
技术领域
本发明属于烟气脱硝技术领域,具体涉及一种选择性催化还原法烟气脱硝喷氨控制***的改进方法。
背景技术
选择性催化还原(SCR)烟气脱硝技术是目前世界上应用最多且最有成效的烟气脱硝技术。该技术的原理是在催化剂的作用下,喷入氨气把烟气中的NOx还原为N2和H2O,还原剂以液氨为主。SCR烟气脱硝***主要由脱硝反应器、液氨储槽、氨喷射器、混合器、氮氧化物监测装置和控制***等组成,安装于锅炉省煤器与空气预热器之间的烟道上。脱硝***运行中,液氨经蒸发器蒸发为氨气,与空气均匀混合后,根据烟气中NOx的量,由喷氨流量控制***计算出喷氨需求量,控制喷氨阀的开度,从SCR反应烟道前的喷氨格栅管路上的喷嘴喷出,和锅炉烟气均匀混合后,流经SCR反应器催化剂层并进行化学反应,完成脱硝过程。
脱硝控制***的关键任务是控制喷入烟气中的喷氨量。喷氨量及其控制方式直接关系到燃煤电站锅炉脱硝效率、NOx排放浓度及氨逃逸率等指标。喷氨量不足会导致脱硝效率低,出口NOx排放浓度不能满足国家规定允许的要求。喷氨量过高,不仅导致运行成本增高,而且增加了硫酸铵和硫酸氢铵的生成,硫酸铵和硫酸氢铵的沉积又会减少催化剂的寿命和引起堵塞等一系列问题。
脱硝***喷氨量的控制方式主要有固定氨氮摩尔比控制方式和出口NOx定值控制方式两种。固定氨氮摩尔比控制方式是利用进口NOx浓度与烟气流量相乘得到NOx含量信号,该信号与NH3/NOx摩尔比K(0.7~1.3之间)相乘得到所需基本喷氨量,再根据出口NOx含量反馈回来修正需喷入的氨量值,经PID(比例-积分-微分)控制器运算后发出调节阀开度指令,控制喷氨流量。该控制方式易造成过度脱氮,难以控制氨气的逃逸量,增加了运行成本和二次环境污染。出口NOx定值控制方式是设定出口NOx浓度值,根据入口NOx实际测量值计算出预脱硝效率和预置摩尔比。预置摩尔比作为摩尔比控制器的基准来输出,出口NOx实际测量值与出口NOx设定值进行比较后通过PID调节器的输出作为修正,最终确定控制***当前需要的摩尔比值。该控制方式的摩尔比是个变值,氨氮摩尔比与反应器SCR出口NOx值以及锅炉负荷相对应。
现有喷氨量控制方式严重依赖NOx浓度的测量值,现有仪表在测试烟气中NOx时,NOx分析仪反馈会延迟1-2分钟,具有较大的时滞性,一旦烟气中NOx浓度发生变化时,喷氨量得不到及时调整。烟气中的NOx的生成量与燃烧煤种、机组负荷、机组运行条件等密切相关。尤其现有燃煤机组的负荷变化率通常设置较高,受电网负荷分配的影响,机组负荷大幅波动(短时间内负荷变化50MW以上)时,锅炉侧一次风压、烟气通流量等影响脱硝***运行的参数也会随之大幅波动。烟气中NOx生成量会发生相应变化,烟气在烟道中快速流动,NOx的排放浓度是连续变化的,由于反馈信号的延迟,使得NOx的测定值与实际值存在一定的偏差。在催化剂作用下的脱硝反应由于受各种条件的影响,其反应特性具有很强的复杂性,使得SCR脱硝喷氨量控制***具有非线性。由于测量信号的滞后、煤种的变化和负荷的波动等使得SCR脱硝***存在大滞后性和强非线性,传统PID喷氨量的设计是按照最高负荷确定的喷氨量,一旦运行工况发生变化,会导致实际喷氨量和理论喷氨量严重不一致。喷氨量过少时,难以保证NOx排放标准;喷氨量过多时,容易造成过量NH3逃逸,不仅造成了氨的浪费,且造成二次污染。
因此,脱硝喷氨控制***在变工况条件下运行,要求对SCR脱硝过程中的控制***进行优化设计,解决现有脱硝喷氨控制***呈现的非线性、大滞后性,在保证设计的脱硝率同时,尽可能降低喷氨流量,使脱硝***可靠、经济运行。
发明内容
由于现有烟气中NOx测量信号的滞后、煤种的变化和负荷的波动等使得SCR脱硝***存在大滞后性和强非线性,本发明的目的在于解决传统PID喷氨量的设计中存在的喷氨量和理论喷氨量严重不一致的问题。
本发明提出在现有PID控制***中设置优化控制站,在优化控制站模块中引入动态神经网络喷氨量预测控制***,建立脱硝效率与入口NOx浓度、氨气逃逸量、机组负荷、燃烧温度、燃煤量、送风量、煤质特性、过量空气系数等烟气状态量之间的预测模型,优化喷氨量的控制。将监测得到的锅炉运行信号引入控制***,通过模型运算预测出由于NOx生成量变化引起的喷氨流量变化,对燃煤烟气中NOx生成量波动现象进行相应补偿。该网络的结构简单、学习速率快,且具有很好的并行计算能力和较好的非线性映射能力,可以提高***控制的稳定性和及时性。本发明提供的SCR烟气脱硝控制***采用出口NOx定值控制方式,根据实测出口NOx浓度与目标出口NOx浓度间的差值,在现有PID控制***基础上加入预测控制***模块,在预测控制***模块中引入入口NOx浓度、氨气逃逸量、机组负荷、燃烧温度、燃煤量、过量空气系数等烟气状态参数的修正,调节喷氨量,以实现最终排放浓度满足设计要求。动态神经网络喷氨量预测控制***包括预测控制器和原PID控制器,其中,预测控制器作为修正控制器。动态神经网络预测控制器综合学习烟气重要状态参数,利用敏感度学习算法来确定隐含层结构,预测喷氨流量。原PID控制器作为主控制器,其输出量被引入到动态神经网络喷氨量预测控制器中,根据主控制器的输出以及其它影响脱硝效率的因素综合形成动态补偿控制量。本发明可克服现有脱硝控制***的非线性和滞后性,提高***的脱硝效率和变工况的适应能力,减少氨气逃逸量。动态神经网络预测控制喷氨量控制图如图1所示。
本发明提供一种选择性催化还原法烟气脱硝喷氨控制***的改进方法,其特征在于:在烟气脱硝喷氨控制***中引入优化控制站,在原有烟气脱硝喷氨控制***中引入优化控制站。在优化控制站模块中,引入影响燃煤锅炉NOx生成量的参数和原有PID控制器输出喷氨量控制信号,利用输出敏感度法构建隐含层神经元,综合学习PID控制器和引入的参数,根据PID控制器的输出量以及引入的影响锅炉NOx生成量的参数综合计算形成动态补偿控制量。脱硝喷氨量控制逻辑中,原有PID控制器作为主控制器,将动态神经网络喷氨量预测控制器作为修正控制器。
进一步,所述影响锅炉NOx生成量的参数包括脱硝反应器进口烟气NOx含量z(t)、氨氮摩尔比η(t)、燃烧温度T1(t)、反应器入口温度T2(t)、反应器出口烟气NOx含量y(t)、锅炉实时负荷L(t)、过量空气系数α(t)、燃煤量B(t)、煤质特性Q(t)、送风量A(t)、逃逸NH3浓度C(t)和原PID控制器的输出量u1(t)。
进一步,所述脱硝喷氨量控制***将所述原有PID控制器的输出量u1(t)与动态神经网络预测喷氨量控制器的输出量u2(t)加权求和,得到最终喷氨量u(t)。
进一步,所述隐含层神经元的个数是24。
进一步,利用输出敏感度法计算隐含层神经元的输出贡献值ETh;即,应用下式:
式中
其中,
本技术方案将影响NOx生成的因素及时并正确地纳入脱硝控制***中,解决NOx测量***中的延时滞后问题,有效减少延时问题带来的监测误差,把喷氨量与烟气中的NOx浓度及时匹配,促进脱硝***可靠、经济运行。
附图说明
图1是本发明喷氨控制***示意图。
图2a是负荷随时间的变化图。
图2b是不同负荷时传统PID控制方式和优化控制站方式下出口NOx浓度。
图3a是负荷随时间的变化图。
图3b是不同负荷时传统PID控制方式和优化控制站方式下氨逃逸量。
图4是变工况运行时喷氨量变化图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面结合附图对发明进一步详细说明。
在脱硝喷氨控制***中使用动态神经网络喷氨量预测控制器和PID控制器,所述预测控制器利用输出敏感度法来构建合适的隐含层神经元,避免网络结构过大或过小,该控制器综合学习原有PID控制器和锅炉运行参数信息,克服***变负荷下的非线性和时变性,预测出SCR装置的喷氨流量。此控制方案可以较精确地控制喷氨量。预测控制器首先综合学习与脱硝效率有关的主要状态量信息,该网络模型的目标为烟气出口NOx含量与设定值之间偏差最小,求取最佳喷氨量。动态神经网络喷氨量预测控制器引入的参数包括:
(1)锅炉实时负荷L(t),机组调峰运行时,影响燃煤量和烟气量,进而影响脱硝***的运行工况。
(2)燃煤量B(t),燃料输入的多少,影响烟气量和烟气中NOx。
(3)送风量A(t),包括一次风与二次风量,影响烟气量与烟气中的NOx。
(4)煤质特性Q(t),煤质变化会直接影响烟气量与烟气中的NOx含量。
(5)SCR进口烟气NOx含量z(t),可由烟气连续在线监测***获得。
(6)氨氮摩尔比η(t)(NH3/NOx),根据机组运行条件优选最佳的氨氮比来实现设定的脱硝效率。
(7)燃烧温度T1(t),炉膛燃烧温度,严重影响烟气中NOx的生成量,影响脱硝***负荷和脱硝效率。
(8)反应器入口温度T2(t),影响催化剂的活性和催化反应速度,对脱硝效率影响较大。
(9)SCR出口烟气NOx含量y(t),采用出口烟气NOx含量反馈修正控制量,可以提高喷氨量控制的精确度。
(10)过量空气系数α(t),影响烟气量的大小和燃煤烟气中NOx的生成。
(11)逃逸NH3浓度C(t),反映脱硝反应的进行完全程度。
(12)PID主控制器的输出量u1(t)。
最终将原PID控制器的输出量u1(t)与动态神经网络喷氨量控制器的输出量u2(t)加权求和,得到总输出量u(t),即喷氨量的调节量。
动态神经网络预测器的输入层为:
X=[x1,x2,x3,x4,x5,x6,x7,x8,x9,x10,x11,x12]T
=[L(t),B(t),A(t),Q(t),Z(t),η(t),T1(t),T2(t),y(t),α(t),C(t),u2(t)]T
网络的输出可以表达为:
动态神经网络喷氨量预测控制器学习算法采用RBF网络,在进行网络构建时,其隐含层的神经元输出对神经网络输出的影响程度不同,因此对输出影响大的隐含层神经元进行***,并剔除贡献值小的隐含层神经元,达到隐含层网络结构自调整的目的。具体步骤如下:
1)先设置隐含层神经元个数为任意自然数24(神经网络输入量个数的2倍),故初始神经网络结构为12-14-1,用给定的样本组对神经网络进行前向计算;
2)完成一定次数的前向计算后,找出隐含层神经元输出的最大值和最小值;
3)对每个神经元的输出进行相应的敏感度分析,得到神经元的输出贡献值ETh;即应用下式:
式中
4)若隐含层中第i个神经元在t时刻值最大,且满足ETh>δ***阈值,神经元***,新增的神经元k+1的初始参数中宽度及中心参数与原第i个神经元的参数相同,连接权值wk+1=rand(0,1)×wi,wi=wi-wK+1;若隐含层中第j个神经元在t时刻值最小,且满足ETh<δ删除阈值,则记录与它欧氏距离最近的神经元为jj,将第j个神经元删除,第jj个神经元的连接权值变为
5)根据误差函数采用梯度下降法调节隐含层神经元的权值、中心值和中心宽度;
其中
6)达到期望误差或计算步骤时停止计算。
当神经网络初始训练时,输出与被控特性无关,因此其对主控制量的输出影响作用为0,经过一段时间的充分训练后,根据神经网络的映射结构可知,该神经网络的输出建立了神经网络输入值(包括各对NOx影响的参数以及PID控制器输出)与最佳喷氨量的非线性映射关系,预测控制器的输出为各输入参数工况下对应的最佳喷氨量值,所以可以使其影响作用逐渐增大,当***负荷出现剧烈变动,煤质特性发生较大变化等其它影响到烟气NOx浓度变化以及影响测量NOx浓度测量精度因素时,应将PID主控制器的输出量变小,***此时起主要作用的是动态预测控制器。从图1的***图可知,喷氨控制量u(t)为
u(t)=u1(t)+u2(t)=uPID×K+u预测×(1-K)
实施例1
某燃煤锅炉600MW燃煤锅炉脱硝***在变负荷运行时的仿真实验结果,其中图2a为锅炉负荷随时间的变化曲线,图2b为脱硝***出口NOx排放浓度。脱硝控制***采用出口NOx定值控制方式运行,设定的出口NOx浓度定值为50ppm,分别采用传统PID控制方式和本发明优化控制方式两种控制方式运行。从图2b中可以看出,在机组变负荷运行时,采用传统PID控制方式时的脱硝***出口NOx排放浓度增大,且会超出设定值;而采用本发明的控制方式时,脱硝***出口NOx浓度超出设定值的几率相对较低,且脱硝***出口NOx浓度比传统PID控制方式有所降低。
实施例2
某燃煤锅炉600MW燃煤锅炉脱硝***在变负荷运行时的仿真实验结果,其中图3a为锅炉负荷随时间的变化曲线,图3b为脱硝***出口氨逃逸量。脱硝控制***采用出口NOx定值控制方式运行,设定的出口NOx浓度定值为50ppm,分别采用传统PID控制方式和本发明优化控制方式两种控制方式运行。从图3b中可见本发明提供的脱硝运行控制可减少脱硝***的氨逃逸量。其原因是本发明提供的控制***,综合考虑了影响脱硝效率的各参数,实时准确的控制喷氨量,可降低氨气逃逸量。
实施例3
图4为某燃煤锅炉600MW燃煤锅炉脱硝***在变负荷运行时分别采用传统PID控制方式和本发明提供的控制方式时脱硝***喷氨量对比。从图4中可以看出,采用优化控制站控制方式运行SCR脱硝***时,在满足出口NOx浓度标准时,可以节省喷氨量。
Claims (1)
1.一种选择性催化还原法烟气脱硝喷氨控制***的改进方法,其特征在于:在原有烟气脱硝喷氨控制***中引入优化控制站;在优化控制站模块中,引入影响燃煤锅炉NOx生成量的参数和原有PID控制器输出喷氨量控制信号,利用输出敏感度法构建隐含层神经元,综合学习PID控制器和引入的参数,根据PID控制器的输出量以及引入的影响锅炉NOx生成量的参数综合计算形成动态补偿控制量;脱硝喷氨量控制逻辑中,原有PID控制器作为主控制器,将动态神经网络喷氨量预测控制器作为修正控制器;
所述动态神经网络喷氨量预测控制器引入的参数包括:
(1)锅炉实时负荷L(t),机组调峰运行时,影响燃煤量和烟气量,进而影响脱硝***的运行工况;
(2)燃煤量B(t),燃料输入的多少,影响烟气量和烟气中NOx;
(3)送风量A(t),包括一次风与二次风量,影响烟气量与烟气中的NOx;
(4)煤质特性Q(t),煤质变化会直接影响烟气量与烟气中的NOx含量;
(5)SCR进口烟气NOx含量z(t),可由烟气连续在线监测***获得;
(6)氨氮摩尔比η(t)(NH3/NOx),根据机组运行条件优选最佳的氨氮比来实现设定的脱硝效率;
(7)燃烧温度T1(t),炉膛燃烧温度,严重影响烟气中NOx的生成量,影响脱硝***负荷和脱硝效率;
(8)反应器入口温度T2(t),影响催化剂的活性和催化反应速度,对脱硝效率影响较大;
(9)SCR出口烟气NOx含量y(t),采用出口烟气NOx含量反馈修正控制量,可以提高喷氨量控制的精确度;
(10)过量空气系数α(t),影响烟气量的大小和燃煤烟气中NOx的生成;
(11)逃逸NH3浓度C(t),反映脱硝反应的进行完全程度;
(12)PID主控制器的输出量u1(t);
最终将原PID控制器的输出量u1(t)与动态神经网络喷氨量控制器的输出量u2(t)加权求和,得到总输出量u(t),即喷氨量的调节量;
动态神经网络预测器的输入层为:
X=[x1,x2,x3,x4,x5,x6,x7,x8,x9,x10]T=[L(t),B(t),A(t),Q(t),Z(t),η(t),T1(t),T2(t),y(t),α(t),C(t),u2(t)]τ
网络的输出可以表达为:
动态神经网络预测器学习算法采用RBF网络,在进行网络构建时,其隐含层的神经元输出对神经网络输出的影响程度不同,因此对输出影响大的隐含层神经元进行***,并剔除贡献值小的隐含层神经元,达到隐含层网络结构自调整的目的,具体步骤如下:
1)先设置隐含层神经元个数为任意自然数24(神经网络输入量个数的2倍),故初始神经网络结构为12-14-1,用给定的样本组对神经网络进行前向计算;
2)完成一定次数的前向计算后,找出隐含层神经元输出的最大值和最小值;
3)对每个神经元的输出进行相应的敏感度分析,得到神经元的输出贡献值ETh;即应用下式:
式中
4)若隐含层中第i个神经元在t时刻值最大,且满足ETh>δ***阈值,神经元***,新增的神经元k+1的初始参数中宽度及中心参数与原第i个神经元的参数相同,连接权值wk+1=rand(0,1)×wi,wi=wi-wK+1;若隐含层中第j个神经元在t时刻值最小,且满足ETh<δ删除阈值,则记录与它欧氏距离最近的神经元为jj,将第j个神经元删除,第jj个神经元的连接权值变为
5)根据误差函数采用梯度下降法调节隐含层神经元的权值、中心值和中心宽度;
其中
6)达到期望误差或计算步骤时停止计算;
当神经网络初始训练时,输出与被控特性无关,因此其对主控制量的输出影响作用为0,经过一段时间的充分训练后,根据神经网络的映射结构可知,该神经网络的输出建立了神经网络输入值与最佳喷氨量的非线性映射关系,预测控制器的输出为各输入参数工况下对应的最佳喷氨量值,所以可以使其影响作用逐渐增大,当***负荷出现剧烈变动,煤质特性发生较大变化等其它影响到烟气NOx浓度变化以及影响测量NOx浓度测量精度因素时,应将PID主控制器的输出量变小,***此时起主要作用的是动态预测控制器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510197580.2A CN104826492B (zh) | 2015-04-23 | 2015-04-23 | 一种选择性催化还原法烟气脱硝喷氨控制***的改进方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510197580.2A CN104826492B (zh) | 2015-04-23 | 2015-04-23 | 一种选择性催化还原法烟气脱硝喷氨控制***的改进方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104826492A CN104826492A (zh) | 2015-08-12 |
CN104826492B true CN104826492B (zh) | 2017-02-22 |
Family
ID=53804904
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510197580.2A Expired - Fee Related CN104826492B (zh) | 2015-04-23 | 2015-04-23 | 一种选择性催化还原法烟气脱硝喷氨控制***的改进方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104826492B (zh) |
Families Citing this family (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105739302B (zh) * | 2016-02-29 | 2018-08-17 | 西安西热锅炉环保工程有限公司 | 一种基于敏感因素分析的scr脱硝***的控制方法 |
CN105629736B (zh) * | 2016-03-22 | 2018-03-20 | 东南大学 | 数据驱动的火电机组scr脱硝扰动抑制预测控制方法 |
CN105629738B (zh) * | 2016-03-24 | 2018-06-29 | 内蒙古瑞特优化科技股份有限公司 | Scr烟气脱硝***控制方法及设备 |
CN105854597B (zh) * | 2016-04-14 | 2018-03-20 | 国网河南省电力公司电力科学研究院 | Scr脱硝装置喷氨格栅智能优化调整***及方法 |
CN105786034B (zh) * | 2016-04-15 | 2020-07-28 | 中国大唐集团科学技术研究院有限公司西北分公司 | 一种锅炉脱硝出口氮氧化物含量的控制***及方法 |
CN106178908A (zh) * | 2016-08-22 | 2016-12-07 | 四川峨胜水泥集团股份有限公司 | Sncr脱硝氨水喷量的自动控制方法 |
CN106693700A (zh) * | 2017-01-20 | 2017-05-24 | 北京帕莫瑞科技有限公司 | 一种喷氨量控制***和方法 |
CN106647285B (zh) * | 2017-02-10 | 2019-08-09 | 泉州装备制造研究所 | 一种基于软测量技术的催化剂活性检测方法 |
CN106842962A (zh) * | 2017-04-13 | 2017-06-13 | 东南大学 | 基于变约束多模型预测控制的scr脱硝控制方法 |
CN107678305B (zh) * | 2017-09-04 | 2020-05-05 | 上海海事大学 | 基于非均匀分布式的船舶柴油机脱硝***的喷氨控制方法 |
CN107694337A (zh) * | 2017-11-03 | 2018-02-16 | 吉林省电力科学研究院有限公司 | 基于神经网络预测控制的燃煤机组scr烟气脱硝控制方法 |
CN107812449B (zh) * | 2017-12-06 | 2021-03-09 | 烟台龙源电力技术股份有限公司 | 一种尿素热解脱硝控制*** |
CN108939890B (zh) * | 2018-09-19 | 2021-04-06 | 东南大学 | 一种基于仿人智能控制的scr烟气脱硝控制方法 |
CN109107387A (zh) * | 2018-09-26 | 2019-01-01 | 汇信盈(北京)智能技术有限公司 | 一种脱硝***自动喷氨控制方法和控制*** |
CN109782582A (zh) * | 2019-01-14 | 2019-05-21 | 中国华能集团清洁能源技术研究院有限公司 | 基于匀加速运动等价的sncr脱硝***控制装置的控制方法 |
CN110652856B (zh) * | 2019-08-26 | 2022-07-22 | 光大环保技术研究院(南京)有限公司 | 一种基于模型的sncr控制*** |
CN111044667B (zh) * | 2019-12-10 | 2022-06-21 | 中国大唐集团科学技术研究院有限公司华中电力试验研究院 | 一种脱硝***催化剂活性的评价方法及脱硝效率的修正方法 |
CN111351898A (zh) * | 2020-03-24 | 2020-06-30 | 重庆工商大学 | 检测火电厂排放尾气中二氧化硫浓度的方法 |
CN111359411B (zh) * | 2020-03-26 | 2022-05-06 | 华润电力技术研究院有限公司 | 火电机组及其基于nh3测量的脱硝控制方法及*** |
CN111624876B (zh) * | 2020-04-23 | 2021-06-15 | 大唐环境产业集团股份有限公司 | 一种智能的喷氨优化控制*** |
CN111589304B (zh) * | 2020-06-10 | 2022-03-22 | 郑州光力景旭电力技术有限公司 | 基于延时敏感参数的脱硝***及控制方法、喷氨控制装置 |
CN111632493B (zh) * | 2020-06-22 | 2022-03-22 | 郑州光力景旭电力技术有限公司 | 一种脱硝***及其控制方法和喷氨控制装置 |
CN112216351B (zh) * | 2020-09-23 | 2024-02-13 | 成都佳华物链云科技有限公司 | 一种脱硫优化方法、装置、电子设备及存储介质 |
CN112892194A (zh) * | 2021-01-20 | 2021-06-04 | 国家能源集团宁夏煤业有限责任公司 | 一种锅炉烟气脱硫装置的液氨投加量的调控方法 |
CN113488111B (zh) * | 2021-07-05 | 2022-11-22 | 东南大学 | 一种scr脱硝***喷氨量优化建模方法 |
CN114326375A (zh) * | 2021-12-22 | 2022-04-12 | 江苏精瓷智能传感技术研究院有限公司 | 一种氮氧传感器泵单元自适应控制*** |
CN115414782B (zh) * | 2022-09-13 | 2023-09-29 | 华能重庆珞璜发电有限责任公司 | 燃煤耦合污泥发电scr烟气脱硝***运行优化管理方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202569946U (zh) * | 2012-04-27 | 2012-12-05 | 四川君和环保工程有限公司 | 一种用于sncr法烟气脱硝的氨喷射自控装置 |
CN103041703A (zh) * | 2012-12-27 | 2013-04-17 | 浙江信耳科技有限公司 | 用于燃烧褐煤的scr烟气脱硝*** |
CN104226110A (zh) * | 2014-10-09 | 2014-12-24 | 河南合众电力技术有限公司 | 一种燃煤锅炉scr脱硝控制方法与控制*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102006043082A1 (de) * | 2005-11-14 | 2007-06-28 | Robert Bosch Gmbh | Verfahren zur Reduktionsmittelsteuerung in einer Abgasnachbehandlungsanlage |
-
2015
- 2015-04-23 CN CN201510197580.2A patent/CN104826492B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202569946U (zh) * | 2012-04-27 | 2012-12-05 | 四川君和环保工程有限公司 | 一种用于sncr法烟气脱硝的氨喷射自控装置 |
CN103041703A (zh) * | 2012-12-27 | 2013-04-17 | 浙江信耳科技有限公司 | 用于燃烧褐煤的scr烟气脱硝*** |
CN104226110A (zh) * | 2014-10-09 | 2014-12-24 | 河南合众电力技术有限公司 | 一种燃煤锅炉scr脱硝控制方法与控制*** |
Also Published As
Publication number | Publication date |
---|---|
CN104826492A (zh) | 2015-08-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104826492B (zh) | 一种选择性催化还原法烟气脱硝喷氨控制***的改进方法 | |
CN112580250A (zh) | 基于深度学习的火电机组脱硝***及优化控制方法 | |
CN109062053B (zh) | 一种基于多变量校正的脱硝喷氨控制方法 | |
CN104826493B (zh) | 一种选择性催化还原法烟气脱硝***的控制方法 | |
CN105629738B (zh) | Scr烟气脱硝***控制方法及设备 | |
CN107243257B (zh) | 适合全负荷的智能喷氨控制*** | |
CN105137760B (zh) | 一种脱硝喷氨自动控制方法及*** | |
CN104607042B (zh) | 一种基于约束预测控制的scr脱硝***及方法 | |
CN107561941A (zh) | 一种火电机组脱硝***的全工况达标排放控制方法 | |
CN109420424A (zh) | 一种石灰石-石膏湿法烟气脱硫***节能优化方法 | |
CN113433911B (zh) | 基于浓度精准预测的脱硝装置喷氨精准控制***与方法 | |
CN106681381A (zh) | 一种基于智能前馈信号的scr脱硝***喷氨量优化控制***及方法 | |
CN110368808A (zh) | 一种scr烟气脱硝***的喷氨量控制方法及*** | |
CN108664006A (zh) | 一种基于分区控制和先进控制的scr脱硝智能喷氨优化方法及*** | |
CN101871654B (zh) | 热风炉自动寻优燃烧智能控制*** | |
CN111897373B (zh) | 一种基于模型预测的scr脱硝装置喷氨流量调节方法 | |
CN110263395A (zh) | 基于数值模拟和数据分析的电厂脱硝运行优化方法及*** | |
CN108837698A (zh) | 基于先进测量仪表和先进控制算法的scr脱硝喷氨优化方法及*** | |
CN110501901B (zh) | 基于全负荷精准脱硝要求的scr喷氨调节优化的方法 | |
CN111968708B (zh) | 一种基于随机森林和lstm神经网络的scr脱硝喷氨量预测方法 | |
CN112418284A (zh) | 一种全工况电站scr脱硝***的控制方法及*** | |
CN107561944A (zh) | 一种基于拉盖尔模型的脱硝***自适应预测控制方法 | |
Yin et al. | Optimized fluegas denitrification control strategy to enhance SCR performance during load-cycling transient processes in coal-fired power plants | |
CN109833773A (zh) | 一种高效脱硝氨流量精确控制方法 | |
CN105487377A (zh) | 一种脱硝尿素热解工艺的模糊控制器 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170222 |