CN108803309A - 一种基于软测量和模型自适应的scr脱硝智能喷氨优化方法及*** - Google Patents
一种基于软测量和模型自适应的scr脱硝智能喷氨优化方法及*** Download PDFInfo
- Publication number
- CN108803309A CN108803309A CN201810708659.0A CN201810708659A CN108803309A CN 108803309 A CN108803309 A CN 108803309A CN 201810708659 A CN201810708659 A CN 201810708659A CN 108803309 A CN108803309 A CN 108803309A
- Authority
- CN
- China
- Prior art keywords
- ammonia
- scr denitration
- nitrogen oxides
- spraying amount
- model
- 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
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 title claims abstract description 154
- 229910021529 ammonia Inorganic materials 0.000 title claims abstract description 77
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000005457 optimization Methods 0.000 title claims abstract description 16
- 238000005259 measurement Methods 0.000 title claims abstract description 14
- 230000006978 adaptation Effects 0.000 title claims abstract description 8
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 claims abstract description 177
- 238000005507 spraying Methods 0.000 claims abstract description 42
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 33
- GQPLMRYTRLFLPF-UHFFFAOYSA-N Nitrous Oxide Chemical class [O-][N+]#N GQPLMRYTRLFLPF-UHFFFAOYSA-N 0.000 claims abstract description 22
- 238000002485 combustion reaction Methods 0.000 claims abstract description 19
- 230000003044 adaptive effect Effects 0.000 claims abstract description 17
- 239000007921 spray Substances 0.000 claims description 20
- 239000003245 coal Substances 0.000 claims description 17
- 238000004458 analytical method Methods 0.000 claims description 9
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 claims description 7
- 239000007789 gas Substances 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 5
- 230000002068 genetic effect Effects 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 238000013135 deep learning Methods 0.000 claims description 3
- FGIUAXJPYTZDNR-UHFFFAOYSA-N potassium nitrate Chemical compound [K+].[O-][N+]([O-])=O FGIUAXJPYTZDNR-UHFFFAOYSA-N 0.000 claims description 2
- DOTMOQHOJINYBL-UHFFFAOYSA-N molecular nitrogen;molecular oxygen Chemical compound N#N.O=O DOTMOQHOJINYBL-UHFFFAOYSA-N 0.000 claims 1
- 238000004364 calculation method Methods 0.000 abstract description 2
- 238000007086 side reaction Methods 0.000 description 7
- 238000000738 capillary electrophoresis-mass spectrometry Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000007619 statistical method Methods 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 239000000779 smoke Substances 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010531 catalytic reduction reaction Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003638 chemical reducing agent Substances 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B11/00—Automatic controllers
- G05B11/01—Automatic controllers electric
- G05B11/36—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential
- G05B11/42—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential for obtaining a characteristic which is both proportional and time-dependent, e.g. P. I., P. I. D.
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
- Treating Waste Gases (AREA)
Abstract
本发明公开了一种基于软测量和模型自适应的SCR脱硝智能喷氨优化方法及***。本方法为：1)基于燃煤火电机组燃烧***的运行数据，建立入口氮氧化物浓度模型；然后利用该模型和当前采集的运行数据，得到入口氮氧化物浓度的预测值；2)根据预测值计算当前运行工况下喷氨量作为前馈信号发送给SCR脱硝***；3)将出口氮氧化物浓度的实测值与出口氮氧化物浓度设定值做偏差后输入自适应PID控制器，得到喷氨量反馈控制信号并发送给SCR脱硝***；其中，自适应PID控制器采用自适应PID控制算法调整当前工况下的PID参数；4)SCR脱硝***根据该喷氨量前馈信号和喷氨量反馈控制信号控制SCR脱硝反应器的喷氨量。
Description
技术领域
本发明属于燃煤火电厂脱硝技术领域，具体涉及一种基于软测量和模型自适应的SCR(选择性催化还原)脱硝智能喷氨优化方法及***。
背景技术
目前，为了实现氮氧化物超低排放，大部分燃煤火电厂都安装了SCR脱硝装置，采用CEMS***(烟气在线监测***)采集入口、出口氮氧化物浓度，然后再进行PID(比例-积分-微分)反馈控制。
PID反馈控制如图1所示，氨流量计算值为(入口氮氧化物浓度测量值-出口氮氧化物浓度测量值)×烟气量×氨氮摩尔比，其中氨氮摩尔比基本为固定值，入口氮氧化物浓度，出口氮氧化物浓度，烟气量通过仪表测量得到。
上述方案存在下述问题：
1.入口、出口氮氧化物浓度采用CEMS***测量，CEMS***采样管线比较长，造成测量纯迟延较大，测量值有2-3分钟延迟；
2.现有CEMS***采用单点取样测量，因此导致测量数据不能代表整个截面平均浓度；
3.采用PID控制，PID参数在初始设定好后就不再改变，所以在机组负荷运行工况变化时，脱硝***调整不及时，容易出现超标排放；
4.为了保证达标排放，电厂运行人员将PID参数的设定值设定得非常低，导致喷氨量过大，控制***超调量较大，***响应速率较低。不仅浪费还原剂，还增加了后续设备堵塞的风险。
因此，开发一种SCR智能优化喷氨***，实现精准喷氨对于SCR脱硝装置安全经济运行具有重要意义。
发明内容
针对现有技术中存在的技术问题，本发明的目的在于提供一种基于软测量和模型自适应的SCR脱硝智能喷氨优化方法及***。
本发明技术方案为：
一种基于软测量和模型自适应的SCR脱硝智能喷氨优化方法，其步骤包括：
1)基于燃煤火电机组燃烧***的运行数据，建立入口氮氧化物浓度模型；然后利用该入口氮氧化物浓度模型和当前采集的运行数据，得到入口氮氧化物浓度的预测值；
2)根据入口氮氧化物浓度预测值计算当前运行工况下喷氨量作为前馈信号，将该喷氨量前馈信号发送给SCR脱硝***；
3)测量燃煤火电机组燃烧***的出口氮氧化物浓度的实测值，将该实测值与出口氮氧化物浓度设定值做偏差后输入自适应PID控制器，自适应PID控制器基于该偏差得到喷氨量反馈控制信号并发送给SCR脱硝***；其中，自适应PID控制器采用自适应PID控制算法调整当前工况下的PID参数；
4)SCR脱硝***根据该喷氨量前馈信号和喷氨量反馈控制信号控制SCR脱硝反应器的喷氨量。
进一步的，通过主元分析算法对所述运行数据进行划分，确定出与入口氮氧化物关联紧密的参数；然后将确定出的与入口氮氧化物关联紧密的参数作为训练数据，采用深度学习算法或者最小二乘支持向量机算法，建立入口氮氧化物浓度模型。
进一步的，所述运行数据包括机组负荷、一次风量、二次风量、总煤量、磨煤机运行台数。
进一步的，得到所述喷氨量前馈信号的方法为：将所述预测值乘以烟气量，然后再乘以氨氮摩尔比计算出氨气量需求量，作为SCR脱硝***的所述喷氨量前馈信号。
进一步的，所述自适应PID控制器根据入口氮氧化物浓度和出口氮氧化物浓度建立SCR喷氨***模型；然后采用遗传算法或者PSO优化算法对SCR喷氨***模型参数进行优化，得到所述自适应PID控制器的PID最佳参数。
进一步的，所述自适应PID控制器采用自适应PID控制算法调整当前工况下的PID参数的方法为：初次调试时根据现场测试，得到燃煤火电机组燃烧***不同工况下的特性参数，建立SCR脱硝输入输出***模型，通过该SCR脱硝输入输出***模型确定所述自适应PID控制器的PID参数；在运行过程中，实时采集燃煤火电机组燃烧***的运行数据，并对该SCR脱硝输入输出***模型进行修正，然后基于修正后的SCR脱硝输入输出***模型得到当前工况下的最佳PID参数。
一种基于软测量和模型自适应的SCR脱硝智能喷氨优化***，其特征在于，包括喷氨量前馈信号产生单元、自适应PID控制器和SCR脱硝***；其中，
所述喷氨量前馈信号产生单元，连接煤火电机组燃烧***运行数据传感器，基于燃煤火电机组燃烧***运行数据传感器采集的运行数据，建立入口氮氧化物浓度模型；并利用该入口氮氧化物浓度模型和当前采集的运行数据，得到入口氮氧化物浓度的预测值，然后根据入口氮氧化物浓度预测值计算当前运行工况下的喷氨量前馈信号；
所述自适应PID控制器，连接出口氮氧化物浓度测量仪表，用于根据燃煤火电机组燃烧***的出口氮氧化物浓度的实测值与出口氮氧化物浓度设定值的偏差得到喷氨量反馈控制信号；其中，自适应PID控制器采用自适应PID控制算法调整当前工况下的PID参数；
所述SCR脱硝***，分别连接所述喷氨量前馈信号产生单元和所述自适应PID控制器以接收所述喷氨量前馈信号和喷氨量反馈控制信号，用于根据该喷氨量前馈信号和喷氨量反馈控制信号控制SCR脱硝反应器的喷氨量。
本发明首先采集燃煤火电机组燃烧***一次风、二次风、负荷等数据，然后基于采集数据建立入口氮氧化物浓度模型，然后根据当前采集数据和入口氮氧化物浓度模型得到入口氮氧化物浓度预测值，然后根据入口氮氧化物浓度预测值计算当前运行工况下喷氨量前馈，将前馈加入到氮氧化物浓度反馈控制回路，实现精准喷氨。另外，基于运行数据建立SCR喷氨***模型，检测到运行工况变化时，自适应调整PID参数，从而实现优化控制。
入口氮氧化物浓度预测方法：
根据锅炉运行数据，初步选择机组负荷、一次风量、二次风量、总煤量、磨煤机运行台数参数及对应的入口氮氧化物浓度，首先通过主元分析算法对所选参数进行分析，确定出与入口氮氧化物关联紧密的参数，即确定出主要参数和次要参数。然后，将确定出的与入口氮氧化物关联紧密的参数作为训练数据，采用深度学习算法或者最小二乘支持向量机算法，建立入口氮氧化物浓度模型，从而利用该入口氮氧化物浓度模型实现对入口氮氧化物浓度的预测。其中，与入口氮氧化物关联紧密的参数包括总风量、总煤量、风煤比、一次风与二次风比值。
然后，基于运行数据建立SCR喷氨***模型，检测到运行工况变化时，自适应调整PID参数，从而实现优化控制。
SCR喷氨***模型是根据入口氮氧化物浓度和出口氮氧化物浓度建立的脱硝模型，基于机理与数据相结合建立(比如首先通过机理分析假定一个模型的结构公式：a＝bx+c,通过实际运行数据确定模型参数，a,b,c。)，数据为入口氮氧化物浓度和出口氮氧化物浓度参数。基于当前喷氨***模型参数，采用遗传算法或者PSO优化算法，可得到当前工况下的最佳PID控制参数。在实际运行中，***不断在线辨识SCR喷氨模型，当监测到模型变化比较大的时候，重新计算PID参数，从而实现PID参数自适应调整，始终保持较好的控制参数。
本发明也可通过现场测试获得典型工况的***特性参数。然后，根据不同典型工况，确定几组PID控制器参数。在实际运行中，自动检测运行工况，然后确定采用当前工况对应的较优PID参数，即根据运行工况不同进行切换，实现分段PID。
本方案的创新之处包括三点：
第一，传统控制方案入口氮氧化物浓度通过CEMS仪表测量，测量滞后较大。本方案基于机理和数据建模获得，实时性较好。
第二，当锅炉燃烧***发生变化时，传统方案是被动调节，本方案在控制方案中引入了燃烧***变化前馈信号，可以提前进行调节。
第三，传统方案PID控制参数整定后保持不变，本方案根据***运行工况实时调整PID控制参数，实现控制参数优化。
与现有技术相比，本发明的有益效果如下：
1.脱硝出口氮氧化物浓度偏差可以控制在5-10mg/Nm3之间，可以保证在变工况情况下稳定达标排放。
2.脱硝控制***的***响应速率较高，投资较小，改造工期短。
附图说明
图1为现有***控制流程图；
图2为本发明的控制流程图；
图3为本发明的***控制平台架构图。
具体实施方式
下面通过具体实施例和附图，对本发明做进一步详细说明。
本方案主要是提出一种入口氮氧化物浓度软测量与工况自适应PID相结合的脱硝优化控制方法。
本发明首先采集燃煤火电机组燃烧***一次风、二次风、负荷等数据及与这些参数对应的入口氮氧化物浓度，建立入口氮氧化物浓度模型。
如图2所示，基于锅炉一次风量、二次风量、给煤量、制粉***运行台数等参数，根据上述入口氮氧化物浓度模型，得到入口氮氧化物浓度预测值，再乘以烟气量，然后再乘以氨氮摩尔比计算出氨气量需求量，作为SCR脱硝***前馈信号(即喷氨量快速跟踪信号)，前馈信号可以保证负荷变化时，可以快速调节喷氨量。出口氮氧化物浓度设定值与实测值做偏差后进入自适应PID控制器，作为喷氨量反馈控制信号。自适应PID控制器参数根据锅炉燃烧工况自适应调整。
其中，“入口氮氧化物浓度预测值”的计算方法是：基于运行参数和入口氮氧化物浓度历史数据，采用机器学习算法或者最小二乘支持向量机模型，建立入口氮氧化物浓度模型，在实际运行中，实时采集输入数据并输入到模型中，可以得到入口氮氧化物浓度预测值。
反馈控制回路PID采用自适应PID控制算法。所述“自适应PID控制算法”的步骤为：
1)初次调试时根据现场测试，得到***不同工况下特性参数，建立SCR脱硝输入输出***模型，通过模型可以确定PID参数；
2)在运行过程中，实时采集运行数据，并对模型进行修正，然后再基于修正后模型，采用优化算法得到当前工况下最佳PID参数，从而实现自适应PID控制。
其中，“烟气量”是指(实际测量的锅炉烟气量)，单位是(NM3/h)。“氨氮摩尔比”是指(脱硝中氨气和氮氧化物浓度的比值，是脱硝中常用概念，一般为0.7-0.9)。“氨气量需求量”的计算公式是：(氨气需求量＝入口氮氧化物乘以烟气量乘以氨氮摩尔比)。
为了保证该算法可以在现场应用，并对控制算法进行保密，本方案的实施基于脱硝优化控制平台实现。该平台的核心是一个高性能的控制器，通过数据采集卡件从DCS***获得计算所需参数(负荷、一次风量、二次风量、总煤量、等锅炉运行参数)，经过计算后，再返回原DCS***，实现闭环控制。控制器与原DCS***通信采用modbus、RS485等通信方式，可以与国内主流DCS***进行双向通信。脱硝优化控制器与DCS现场控制器可以实现无扰切换。控制平台如图3所示，优化控制器中主要包括***通信模块和核心算法计算模块，***通信模块主要负责实现与DCS进行数据输入，输出。核心算法模块主要是实现优化控制算法。***运行时，首先通过***通信模块采集运行数据，然后输入到核心算法模块，核心算法模块再输出到DCS***，从而实现闭环控制。
表1为采用本发明方法和现有方法在实际运行中的对比，从这些对比中可以看出，采用本发明方法，可以实现SCR脱硝装置的精准喷氨，提高***运行效率，降低成本。
表1为实际运行效果对比
动态工况运行效果对比分析
1改造前运行效果
【1】机组升负荷工况
变工况下反应器出口NOx含量的动态特性是考察脱硝***自动控制效果最重要的部分之一。此部分分析升负荷过程中反应器出口NOx含量的动态特性。
负荷由365MW附近升至395MW附近过程中，脱硝***甲、乙侧反应器出口NOx含量的统计分析如表2。
表2为365MW升至395MW负荷段脱硝性能数据
【2】机组降负荷工况
以下是降负荷过程中反应器出口NOx含量的动态特性的分析。
负荷由500MW附近降至330MW附近过程中，脱硝***甲、乙侧反应器出口NOx含量的统计分析如表3。
表3为500MW降至330MW负荷段脱硝性能数据
2改造后运行效果
【1】机组升负荷工况
以下为机组负荷从400MW上升至500MW时的运行过程，一般在此升负荷区间，会启动一台磨煤机。磨的启停期间对反应器入口NOx含量的短时影响很大，反应器出口NOx含量超标也多半是受此影响。
负荷由400MW升至500MW过程中，脱硝***甲、乙侧反应器出口NOx含量的统计分析如表4。
表4为负荷由400MW升至500MW运行区间脱硝性能数据
负荷由550MW升至600MW运行区间，脱硝***甲、乙侧反应器出口NOx含量的统计分析如表5。
表5为负荷由550MW升至600MW运行区间脱硝性能数据
【2】机组降负荷工况
此部分将用同样的方式对降负荷过程中脱硝反应器的性能进行了分析。
负荷由600MW降至550MW运行区间，脱硝***甲、乙侧反应器出口NOx含量的统计分析如表6。
表6为负荷由600MW降至550MW运行区间脱硝性能数据
负荷由550MW降至500MW运行区间，脱硝***甲、乙侧反应器出口NOx含量统计分析如表7。
表7为负荷由550MW降至500MW运行区间脱硝性能数据
负荷由500MW降至400MW运行区间，脱硝***甲、乙侧反应器出口NOx含量统计分析如表8。
表8为负荷由500MW降至400MW运行区间脱硝性能数据
以上实施例仅用以说明本发明的技术方案而非对其进行限制，本领域的普通技术人员可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明的精神和范围，本发明的保护范围应以权利要求书所述为准。
Claims (10)
1.一种基于软测量和模型自适应的SCR脱硝智能喷氨优化方法，其步骤包括：
1)基于燃煤火电机组燃烧***的运行数据，建立入口氮氧化物浓度模型；然后利用该入口氮氧化物浓度模型和当前采集的运行数据，得到入口氮氧化物浓度的预测值；
2)根据入口氮氧化物浓度预测值计算当前运行工况下喷氨量作为前馈信号，将该喷氨量前馈信号发送给SCR脱硝***；
3)测量燃煤火电机组燃烧***的出口氮氧化物浓度的实测值，将该实测值与出口氮氧化物浓度设定值做偏差后输入自适应PID控制器，自适应PID控制器基于该偏差得到喷氨量反馈控制信号并发送给SCR脱硝***；其中，自适应PID控制器采用自适应PID控制算法调整当前工况下的PID参数；
4)SCR脱硝***根据该喷氨量前馈信号和喷氨量反馈控制信号控制SCR脱硝反应器的喷氨量。
2.如权利要求1所述的方法，其特征在于，通过主元分析算法对所述运行数据进行划分，确定出与入口氮氧化物关联紧密的参数；然后将确定出的与入口氮氧化物关联紧密的参数作为训练数据，采用深度学习算法或者最小二乘支持向量机算法，建立入口氮氧化物浓度模型。
3.如权利要求1或2所述的方法，其特征在于，所述运行数据包括机组负荷、一次风量、二次风量、总煤量、磨煤机运行台数。
4.如权利要求1所述的方法，其特征在于，得到所述喷氨量前馈信号的方法为：将所述预测值乘以烟气量，然后再乘以氨氮摩尔比计算出氨气量需求量，作为SCR脱硝***的所述喷氨量前馈信号。
5.如权利要求1所述的方法，其特征在于，所述自适应PID控制器根据入口氮氧化物浓度和出口氮氧化物浓度建立SCR喷氨***模型；然后采用遗传算法或者PSO优化算法对SCR喷氨***模型参数进行优化，得到所述自适应PID控制器的PID最佳参数。
6.如权利要求1所述的方法，其特征在于，所述自适应PID控制器采用自适应PID控制算法调整当前工况下的PID参数的方法为：初次调试时根据现场测试，得到燃煤火电机组燃烧***不同工况下的特性参数，建立SCR脱硝输入输出***模型，通过该SCR脱硝输入输出***模型确定所述自适应PID控制器的PID参数；在运行过程中，实时采集燃煤火电机组燃烧***的运行数据，并对该SCR脱硝输入输出***模型进行修正，然后基于修正后的SCR脱硝输入输出***模型得到当前工况下的最佳PID参数。
7.一种基于软测量和模型自适应的SCR脱硝智能喷氨优化***，其特征在于，包括喷氨量前馈信号产生单元、自适应PID控制器和SCR脱硝***；其中，
所述喷氨量前馈信号产生单元，连接煤火电机组燃烧***运行数据传感器，基于燃煤火电机组燃烧***运行数据传感器采集的运行数据，建立入口氮氧化物浓度模型；并利用该入口氮氧化物浓度模型和当前采集的运行数据，得到入口氮氧化物浓度的预测值，然后根据入口氮氧化物浓度预测值计算当前运行工况下的喷氨量前馈信号；
所述自适应PID控制器，连接出口氮氧化物浓度测量仪表，用于根据燃煤火电机组燃烧***的出口氮氧化物浓度的实测值与出口氮氧化物浓度设定值的偏差得到喷氨量反馈控制信号；其中，自适应PID控制器采用自适应PID控制算法调整当前工况下的PID参数；
所述SCR脱硝***，分别连接所述喷氨量前馈信号产生单元和所述自适应PID控制器以接收所述喷氨量前馈信号和喷氨量反馈控制信号，用于根据该喷氨量前馈信号和喷氨量反馈控制信号控制SCR脱硝反应器的喷氨量。
8.如权利要求7所述的***，其特征在于，通过主元分析算法对所述运行数据进行划分，确定出与入口氮氧化物关联紧密的参数；然后将确定出的与入口氮氧化物关联紧密的参数作为训练数据，采用深度学习算法或者最小二乘支持向量机算法，建立入口氮氧化物浓度模型；所述运行数据包括机组负荷、一次风量、二次风量、总煤量、磨煤机运行台数。
9.如权利要求7所述的***，其特征在于，所述自适应PID控制器根据入口氮氧化物浓度和出口氮氧化物浓度建立SCR喷氨***模型；然后采用遗传算法或者PSO优化算法对SCR喷氨***模型参数进行优化，得到所述自适应PID控制器的PID最佳参数。
10.如权利要求7所述的***，其特征在于，所述自适应PID控制器基于初次调试时燃煤火电机组燃烧***不同工况下的特性参数，建立SCR脱硝输入输出***模型，通过该SCR脱硝输入输出***模型确定所述自适应PID控制器的PID参数；在运行过程中，基于实时采集的燃煤火电机组燃烧***的运行数据对该SCR脱硝输入输出***模型进行修正，然后基于修正后的SCR脱硝输入输出***模型得到当前工况下的最佳PID参数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810708659.0A CN108803309A (zh) | 2018-07-02 | 2018-07-02 | 一种基于软测量和模型自适应的scr脱硝智能喷氨优化方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810708659.0A CN108803309A (zh) | 2018-07-02 | 2018-07-02 | 一种基于软测量和模型自适应的scr脱硝智能喷氨优化方法及*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108803309A true CN108803309A (zh) | 2018-11-13 |
Family
ID=64072825
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810708659.0A Pending CN108803309A (zh) | 2018-07-02 | 2018-07-02 | 一种基于软测量和模型自适应的scr脱硝智能喷氨优化方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108803309A (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111522290A (zh) * | 2020-04-24 | 2020-08-11 | 大唐环境产业集团股份有限公司 | 一种基于深度学习方法的脱硝控制方法和*** |
| CN111540412A (zh) * | 2020-04-24 | 2020-08-14 | 大唐环境产业集团股份有限公司 | 一种基于最小二乘法的scr反应器入口烟气软测量方法 |
| CN112185475A (zh) * | 2020-09-28 | 2021-01-05 | 齐鲁工业大学 | 针对于SCR脱硝***失真态NOx浓度的高精度智能预测方法 |
| CN112619394A (zh) * | 2020-11-24 | 2021-04-09 | 呼和浩特科林热电有限责任公司 | 脱硝喷氨自适应控制方法、装置及脱硝*** |
| CN113325693A (zh) * | 2021-05-25 | 2021-08-31 | 国网新疆电力有限公司电力科学研究院 | 用于scr脱硝***的改进型pid控制方法、装置 |
| CN113433911A (zh) * | 2021-06-30 | 2021-09-24 | 浙江大学 | 基于浓度精准预测的脱硝装置喷氨精准控制***与方法 |
| CN113485106A (zh) * | 2021-07-07 | 2021-10-08 | 山西大学 | 一种火电厂氮氧化物浓度的控制方法 |
| CN114225662A (zh) * | 2021-12-07 | 2022-03-25 | 国网河北能源技术服务有限公司 | 一种基于滞后模型的烟气脱硫脱硝优化控制方法 |
| CN114326387A (zh) * | 2021-12-07 | 2022-04-12 | 江苏方天电力技术有限公司 | 一种火电机组脱硝控制装置及控制方法 |
| CN114326384A (zh) * | 2021-11-24 | 2022-04-12 | 海南热带海洋学院 | 火电厂scr烟气脱硝***的控制方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2684597A1 (de) * | 2012-07-14 | 2014-01-15 | Deutz AG | Verfahren zur Verminderung von Stickoxiden aus Dieselmotorenabgasen |
| US20160209031A1 (en) * | 2015-01-20 | 2016-07-21 | Alstom Technology Ltd | Model-based controls for a furnace and method for controlling the furnace |
| CN106681381A (zh) * | 2017-01-03 | 2017-05-17 | 华北电力大学 | 一种基于智能前馈信号的scr脱硝***喷氨量优化控制***及方法 |
| CN106773649A (zh) * | 2016-12-21 | 2017-05-31 | 成都千嘉科技有限公司 | 一种基于pso‑pid算法的燃气自动控制阀门智能调控方法 |
| CN107561941A (zh) * | 2017-09-01 | 2018-01-09 | 华北电力大学（保定） | 一种火电机组脱硝***的全工况达标排放控制方法 |
-
2018
- 2018-07-02 CN CN201810708659.0A patent/CN108803309A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2684597A1 (de) * | 2012-07-14 | 2014-01-15 | Deutz AG | Verfahren zur Verminderung von Stickoxiden aus Dieselmotorenabgasen |
| US20160209031A1 (en) * | 2015-01-20 | 2016-07-21 | Alstom Technology Ltd | Model-based controls for a furnace and method for controlling the furnace |
| CN106773649A (zh) * | 2016-12-21 | 2017-05-31 | 成都千嘉科技有限公司 | 一种基于pso‑pid算法的燃气自动控制阀门智能调控方法 |
| CN106681381A (zh) * | 2017-01-03 | 2017-05-17 | 华北电力大学 | 一种基于智能前馈信号的scr脱硝***喷氨量优化控制***及方法 |
| CN107561941A (zh) * | 2017-09-01 | 2018-01-09 | 华北电力大学（保定） | 一种火电机组脱硝***的全工况达标排放控制方法 |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111540412A (zh) * | 2020-04-24 | 2020-08-14 | 大唐环境产业集团股份有限公司 | 一种基于最小二乘法的scr反应器入口烟气软测量方法 |
| CN111540412B (zh) * | 2020-04-24 | 2021-03-09 | 大唐环境产业集团股份有限公司 | 一种基于最小二乘法的scr反应器入口烟气软测量方法 |
| CN111522290A (zh) * | 2020-04-24 | 2020-08-11 | 大唐环境产业集团股份有限公司 | 一种基于深度学习方法的脱硝控制方法和*** |
| CN112185475B (zh) * | 2020-09-28 | 2023-07-14 | 齐鲁工业大学 | 针对于SCR脱硝***失真态NOx浓度的高精度智能预测方法 |
| CN112185475A (zh) * | 2020-09-28 | 2021-01-05 | 齐鲁工业大学 | 针对于SCR脱硝***失真态NOx浓度的高精度智能预测方法 |
| CN112619394A (zh) * | 2020-11-24 | 2021-04-09 | 呼和浩特科林热电有限责任公司 | 脱硝喷氨自适应控制方法、装置及脱硝*** |
| CN113325693A (zh) * | 2021-05-25 | 2021-08-31 | 国网新疆电力有限公司电力科学研究院 | 用于scr脱硝***的改进型pid控制方法、装置 |
| CN113433911A (zh) * | 2021-06-30 | 2021-09-24 | 浙江大学 | 基于浓度精准预测的脱硝装置喷氨精准控制***与方法 |
| CN113485106A (zh) * | 2021-07-07 | 2021-10-08 | 山西大学 | 一种火电厂氮氧化物浓度的控制方法 |
| CN114326384A (zh) * | 2021-11-24 | 2022-04-12 | 海南热带海洋学院 | 火电厂scr烟气脱硝***的控制方法 |
| CN114326384B (zh) * | 2021-11-24 | 2024-04-09 | 海南热带海洋学院 | 火电厂scr烟气脱硝***的控制方法 |
| CN114225662A (zh) * | 2021-12-07 | 2022-03-25 | 国网河北能源技术服务有限公司 | 一种基于滞后模型的烟气脱硫脱硝优化控制方法 |
| CN114326387A (zh) * | 2021-12-07 | 2022-04-12 | 江苏方天电力技术有限公司 | 一种火电机组脱硝控制装置及控制方法 |
| CN114225662B (zh) * | 2021-12-07 | 2024-02-13 | 国网河北能源技术服务有限公司 | 一种基于滞后模型的烟气脱硫脱硝优化控制方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108837699A (zh) | 一种基于软测量和预测控制的scr脱硝智能喷氨优化方法及*** | |
| CN108803309A (zh) | 一种基于软测量和模型自适应的scr脱硝智能喷氨优化方法及*** | |
| CN108628177A (zh) | 一种基于模型自适应pid的scr脱硝智能喷氨优化方法及*** | |
| 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*** | |
| 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*** | |
| CN105597537B (zh) | 基于预测控制技术的脱硝控制方法 | |
| CN107526292B (zh) | 一种基于入口NOx浓度预测的调控喷氨量的方法 | |
| CN107243257B (zh) | 适合全负荷的智能喷氨控制*** | |
| 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 | |
| CN112580250A (zh) | 基于深度学习的火电机组脱硝***及优化控制方法 | |
| CN105629736B (zh) | 数据驱动的火电机组scr脱硝扰动抑制预测控制方法 | |
| CN105404145B (zh) | 基于指数预测和时滞预估补偿的脱硝新型串级控制方法 | |
| CN102563599B (zh) | 快速自适应燃煤热值变化的超临界机组机炉协调控制方法 | |
| CN103268066B (zh) | 一种电站锅炉运行的优化方法和装置 | |
| CN103759277B (zh) | 燃煤电站锅炉智能吹灰闭环控制方法、装置和*** | |
| CN103771553B (zh) | 湿法烟气脱硫废水蒸发处理的自适应模糊控制方法 | |
| CN101286044B (zh) | 一种燃煤锅炉***蒸汽温度混合建模方法 | |
| CN103927420B (zh) | 选择性催化还原脱硝装置的气固两相流场与喷氨优化方法 | |
| 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*** | |
| CN111624876B (zh) | 一种智能的喷氨优化控制*** | |
| CN113433911B (zh) | 基于浓度精准预测的脱硝装置喷氨精准控制***与方法 | |
| CN109304086A (zh) | 一种电站锅炉scr脱硝精细化喷氨控制方法 | |
| CN109603525A (zh) | 一种基于不均匀度判断的脱硝分区喷氨控制方法 | |
| CN109833773B (zh) | 一种高效脱硝氨流量精确控制方法 | |
| CN105276561A (zh) | 一种锅炉主蒸汽压力的自适应预测控制方法 |
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 |