CN109062053A - 一种基于多变量校正的脱硝喷氨控制方法 - Google Patents

一种基于多变量校正的脱硝喷氨控制方法 Download PDF

Info

Publication number
CN109062053A
CN109062053A CN201811015018.3A CN201811015018A CN109062053A CN 109062053 A CN109062053 A CN 109062053A CN 201811015018 A CN201811015018 A CN 201811015018A CN 109062053 A CN109062053 A CN 109062053A
Authority
CN
China
Prior art keywords
scr denitration
denitration system
ammonia
spraying amount
content
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
Application number
CN201811015018.3A
Other languages
English (en)
Other versions
CN109062053B (zh
Inventor
周飞
丁旭春
钱勇武
陈宏伟
李俊
钟治锟
钱强
刘洲
宜清正
钱能
范潇
李小岗
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Young Leaves Energy Science Co Ltd
Jiangsu Guoxin Jingjiang Power Generation Co Ltd
Original Assignee
Beijing Young Leaves Energy Science Co Ltd
Jiangsu Guoxin Jingjiang Power Generation Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Young Leaves Energy Science Co Ltd, Jiangsu Guoxin Jingjiang Power Generation Co Ltd filed Critical Beijing Young Leaves Energy Science Co Ltd
Priority to CN201811015018.3A priority Critical patent/CN109062053B/zh
Publication of CN109062053A publication Critical patent/CN109062053A/zh
Application granted granted Critical
Publication of CN109062053B publication Critical patent/CN109062053B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D53/00—Separation of gases or vapours; Recovering vapours of volatile solvents from gases; Chemical or biological purification of waste gases, e.g. engine exhaust gases, smoke, fumes, flue gases, aerosols
    • B01D53/34—Chemical or biological purification of waste gases
    • B01D53/74—General processes for purification of waste gases; Apparatus or devices specially adapted therefor
    • B01D53/86—Catalytic processes
    • B01D53/8621—Removing nitrogen compounds
    • B01D53/8625—Nitrogen oxides

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Evolutionary Computation (AREA)
  • General Chemical & Material Sciences (AREA)
  • Oil, Petroleum & Natural Gas (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Analytical Chemistry (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Treating Waste Gases (AREA)

Abstract

本发明涉及一种基于多变量校正的脱硝喷氨控制方法，属于火力发电机组脱硝***喷氨控制技术领域，解决了现有技术中SCR***出口NOx波动剧烈的问题。包括：实时获取脱硝***仪表的测量数据及工况信息；构建SCR脱硝***入口NOx含量预测模型，预测当前时刻SCR***入口的NOx含量；基于上述预测的SCR***入口的NOx含量及测量数据，进行喷氨量前馈控制和预测矫正，生成当前时刻喷氨量控制指令，控制喷氨调阀，调节喷氨量。本发明通过SCR入口脱硝***NOx含量精确预测模型和智能前馈控制方法在保证烟气NOx排放满足环保指标的前提下，大幅减少SCR脱硝***出口NOx的波动和空间上的偏差，提高出口NOx平均值，减少喷氨量，降低氨逃逸水平，降低脱硝成本。

Description

一种基于多变量校正的脱硝喷氨控制方法
技术领域
本发明涉及火力发电机组脱硝***喷氨控制技术领域，尤其涉及一种基于多变量校正的脱硝喷氨控制方法。
背景技术
长期以来人们对SCR(Selective Catalytic Reduction，选择性催化还原法)脱硝***的研究主要集中在其物理原理、设备结构和运行方式方面，尚未开展脱硝自动控制策略的研究，而脱硝***的自动控制品质与电厂的长期运行成本密切相关。由于脱硝被控对象(NH3流量-烟囱入口NOx浓度)的响应纯延迟时间接近3min，整个响应过程长达十几分钟，是典型的大滞后被控对象，而且SCR脱硝过程本身就是一个复杂的非线性化学反应过程，并随着催化剂的不断消耗，脱硝被控过程的动态特性会发生较大的变化。因此，采用简单的PID控制(比例-积分-微分控制器)方案很难取得理想的控制品质。
目前，对于氨喷射***控制方面的研究，也主要集中在对现有的控制***进行优化。比如：1.引入负荷前馈，增强变负荷时控制***的及时性，以及整定控制器中的比例积分控制参数，使得出口氮氧化物的浓度随着负荷的变化而变化，从而增强变负荷时控制***的稳定性。但这种方法只是将负荷这一影响因素加入了控制过程，其他影响因素仍未考虑；2.依靠建立严格的数学模型应用现代控制理论的方法优化喷氨过程，此种方法不适合工程实际应用；3.应用混结构径向基函数神经网络方法控制氨喷射***中的喷氨量，通过建立氨氮比和进出口NOx(氮氧化物)的广义数学模型，此结构具有一定的动态调整能力，但是隐含层的神经元个数选择为固定值，不能保证所选择的隐含层个数是最优值；4.基于模型来预测控制氨喷射***的喷氨量，但釆用的是几个固定负荷点上的数据来建立模型，与控制***实际运行情况存在较大偏差。
发明内容
鉴于上述的分析，本发明旨在提供一种基于多变量校正的脱硝喷氨控制方法，用以解决现有技术中因SCR***入口和出口NOx测量滞后巨大，使得喷氨控制回路无法适应脱硝过程非线性、大滞后和快时变的特点造成的出口NOx波动剧烈的问题。
本发明的目的主要是通过以下技术方案实现的：
提供了一种基于多变量校正的脱硝喷氨控制方法，包括以下步骤：
实时获取SCR脱硝***仪表的测量数据、及发电机组的工况信息；
构建SCR脱硝***入口NOx含量预测模型，并根据上述发电机组的工况信息预测当前时刻SCR脱硝***入口的NOX含量；
基于上述预测的当前时刻SCR脱硝***入口的NOX含量及SCR脱硝***仪表的测量数据，进行喷氨量前馈控制与预测矫正，生成当前时刻喷氨量控制指令；
根据上述喷氨量控制指令，控制喷氨调阀，调节喷氨量。
本发明有益效果如下：
本发明通过SCR入口NOx精确预测模型和超弛模型的智能前馈控制方法可以很好地解决由于脱硝过程的大滞后性、复杂性和非线性带来的问题，在保证烟气NOx排放满足环保指标的前提下，大幅减少出口NOx的波动和空间上的偏差，提高出口NOx平均值，减少喷氨量，降低氨逃逸水平，降低脱硝成本。
在上述方案的基础上，本发明还做了如下改进：
进一步，所述进行喷氨量前馈控制包括：
通过SCR脱硝***出口NOx含量设定值、SCR脱硝***入口NOx含量预测模型、SCR脱硝***入口NOx含量实际值进行喷氨量前馈控制。
进一步，还包括：根据实时获得的SCR脱硝***出口的氨逃逸率对SCR脱硝***出口NOx含量设定值进行校正。
进一步，所述进行喷氨量预测矫正包括：
SCR脱硝***出口NOx含量设定值与SCR脱硝***出口NOx含量反馈值进行偏差计算，进而进行喷氨量预测矫正；
在不同机组负荷下，进行喷氨量扰动试验，获得SCR脱硝***出口NOX含量的动态特性，根据上述动态特性，通过实时获取的SCR脱硝***出口的NOX含量反馈值的波动趋势对喷氨量预测矫正。
采用上述进一步方案的有益效果是：本发明采取了基于SCR出口氨逃逸闭环校正对喷氨控制过程进行优化，即将脱硝出口的氨逃逸率加入喷氨量校正环节，可以有效降低出口氨逃逸率和喷氨量。由此优化可以实现氨逃逸率相对优化前降低3ppm以上。
进一步，所述进行喷氨量预测矫正还包括：
通过分析机组不同负荷下，SCR脱硝***出口烟气中NO和NO2的比例分配，确定出不同负荷工况下合理的氨氮摩尔比，调整喷氨量，防止冒黄烟现象的发生。
进一步，机组负荷、风量、煤量作为输入参数构建SCR脱硝***入口NOx含量预测模型。
进一步，所述构建SCR脱硝***入口NOx含量预测模型，并根据上述发电机组的工况信息预测当前时刻SCR脱硝***入口的NOX含量，包括：
通过SPSS对发电机组的工况信息数据筛选处理，提取主成分；
结合粒子群优化算法寻找最优参数，获得最优参数组合；
通过SVM预测模型，预测当前时刻SCR脱硝***入口的NOx含量。
进一步，所述根据实时获得的SCR脱硝***出口的氨逃逸率对SCR脱硝***出口NOx含量设定值进行校正，包括：
实时测量SCR脱硝***两侧烟道的氨逃逸率和脱硝效率；
比较上述两侧烟道的氨逃逸率和脱硝效率，对氨逃逸率较高的一侧烟道进行出口NOx设定值校正。
进一步，还包括：利用SCR脱硝***入口NOx含量实际值对SCR脱硝***入口NOx含量预测模型进行校正。
本发明中，上述各技术方案之间还可以相互组合，以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述，并且，部分优点可从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书、权利要求书以及附图中所特别指出的内容中来实现和获得。
附图说明
附图仅用于示出具体实施例的目的，而并不认为是对本发明的限制，在整个附图中，相同的参考符号表示相同的部件。
图1为本发明实施例中基于多变量校正的脱硝喷氨控制流程图；
图2为本发明实施例中SCR脱硝***出口NOx含量设定值校正流程图；
图3为本发明实施例中混合SPSS-PSO-SVMSCR脱硝***入口的NOX含量预测流程图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例，其中，附图构成本申请一部分，并与本发明的实施例一起用于阐释本发明的原理，并非用于限定本发明的范围。
本发明的一个具体实施例，公开了一种基于多变量校正的脱硝喷氨控制方法，如图2所示，包括以下步骤：
步骤S1、实时获取SCR脱硝***仪表的测量数据、及发电机组的工况信息；
步骤S2、构建SCR脱硝***入口NOx含量预测模型，并根据上述发电机组的工况信息预测当前时刻SCR脱硝***入口的NOX含量；
步骤S3、基于上述预测的当前时刻SCR脱硝***入口的NOX含量及SCR脱硝***仪表的测量数据，进行喷氨量前馈控制与预测娇正，生成当前时刻喷氨量控制指令；
步骤S4、根据上述喷氨量控制指令，控制喷氨调阀，调节喷氨量。
与现有技术相比，本实施例提供的基于多变量校正的脱硝喷氨控制方法，通过SCR入口NOx精确预测模型和智能前馈控制方法可以很好地解决由于脱硝过程的大滞后性、复杂性和非线性带来的问题，在保证烟气NOx排放满足环保指标的前提下，大幅减少出口NOx的波动和空间上的偏差，提高出口NOx平均值，减少喷氨量，降低氨逃逸水平，降低脱硝成本。基于理论计算和数值模拟结果，本实施例方法可以使脱硝出口NOx波动相对优化前降低20％以上，使总喷氨量相对优化前降低4％以上。
具体来说，在步骤S1中，实时获取SCR脱硝***仪表的测量数据、及发电机组的工况信息；
其中，SCR脱硝***仪表的测量数据(SCR脱硝***入口的NOX含量实际值、SCR脱硝***出口的氨逃逸率、SCR脱硝***出口的NOX含量反馈值等)及发电机组的工况信息(机组负荷、风量、煤量等)直接上传到DCS***，通过OPC或者MODBUS与电厂DCS***通讯，即可读取DCS***中相关的数据。
在步骤S2中，构建SCR脱硝***入口NOx含量预测模型，并根据上述发电机组的工况信息预测当前时刻SCR脱硝***入口的NOX含量；
鉴于SCR脱硝***的大迟延特性，本实施例中控制策略采用带预估功能的预测控制方法，实现SCR出口NOx的平稳运行。
通过SCR脱硝***入口NOx含量预测模型，预测SCR脱硝***入口NOx含量，并作为喷氨前馈的重要参数，参与到喷氨总量的闭环控制中，解决了SCR脱硝***入口NOx含量测量滞后的问题。具体地，通过发电机组的风量、煤量、负荷等燃烧工况构建入口NOx精确预测模型，并通过实时获取的上述工况信息预测得到当前时刻SCR脱硝***入口的NOX含量。
构建SCR脱硝***入口NOx含量的预测模型，如图3所示，通过SPSS(StatisticalProduct and Service Solutions，统计产品与服务解决方案)对数据筛选处理，以SVM为预测模型，并结合粒子群优化算法(PSO，Particle Swarm Optimization)寻找最优参数，进而获得较好预测精度的入口NOx精确预测模型。具体包括以下步骤：
步骤S201、进行SPSS主成分分析，以消除变量之间的相关性，同时去除影响较小的变量，以免造成结论的偏差。
主成分是在损失较少信息的前提下将多个单一变量转化为的少量综合性变量，其中的每一个组成分都是通过原始变量的线性组合得到，且主成分之间不具有相关性。设原始变量矩阵X是由p个向量组合而成，记为X＝(X1,X2,...,Xp)，则主成分矩阵Y由下列向量组成，满足下式：
Yi＝bi1X1+bi2X2+…+bipXp
式中，bi1…bip分别为第i个向量的系数。
通过该公式的线性变换，得到主成分的统计特性并不唯一，合理的主成分提取要满足三个条件，每个主成分对应的系数平方和为1；不同主成分之间线性无关；先提取的主成分方差永远比后提取的主成分的大。
主成分的提取系数并不能通过SPSS直接得到，但是可得到基于主成分分析的因子载荷矩阵ξ＝(ξi1,ξi2,…ξip)(p为向量个数)，设提取q个公因子，提取的因子模型可表示为：
ZXi＝ξi1f1+ξi2f2+…+ξiqfq+εi
式中，i＝(1,2…p),q为公因子个数，εi为特殊因子。
其中因子载荷系数与主成分系数之间的关系式为为第j个主成分对应的方差。
则主成分可表示为：
其中，λj为第j个主成分对应的方差；p为向量个数；ZX为提取的因子模型；ξpj为因子载荷矩阵向量。
步骤S202、通过粒子群优化算法PSO，获得最优参数组合，以达到最优的预测精度；
设粒子群Z处在D维搜索空间，表示为，每个粒子(发电机组的风量、煤量、负荷、锅炉本体氧量、二次风量等工况信息)都是由一个D维向量组成，通过下式更新自身的速度和位置。
式中：Vid为第i个粒子的速度；Zid为第i个粒子的位置；Pid为种群个体极值；Pgd为全局极值；k为第k次迭代；c1和c2为取值非负常数的学习因子，分别被认为是认知和社会参数；r1和r2为两个随机函数，取值范围[0,1]，用于增加搜索随机性；w反映粒子在速度上继承先前速度的程度，即惯性权重；α为限制速度权重的约束因子。
每个粒子的历史最好位置的适应值与全局最好位置的适应值比较，确定全局最优值，直到满足条件，终止PSO运算。
步骤S203、支持向量机SVM的matlab仿真，预测当前时刻锅炉出口的NOx含量，进而制定喷氨量。
依据结构风险最小化原则，SVM转化研究过程为求解优化问题，并通过对偶问题的相互转换，最终求解函数为二次规划方程的最大化。
采用拉格朗日算子求解最优分类超平面，决策函数如下式所示:
式中，x为训练集中的样本，ai*为第i个最终对偶优化问题的解；b*＝1-w0xi，yi＝1或b*＝-1-w0xi,yi＝-1，
通过试验得到不同负荷下的SCR反应器的传递函数，进而有针对性的实施先进控制模型。逐步累积测试得到的数据，自动学习，逐步达到与燃烧器组合、燃料变化时的快速判断调整，(能够根据数据变化趋势及时发现SCR装置的堵塞和磨损失效等问题，并及时调整运行方式)并逐渐减少实时测试的频率，最终实现SCR***的智能、精细控制。
为了进一步提高预测模型的准确性，通过测量得到的实际SCR脱硝***入口NOx含量不断对构建的模型进行校准。
步骤S3、基于上述预测的当前时刻SCR脱硝***入口的NOX含量及SCR脱硝***仪表的测量数据，进行喷氨量前馈控制与预测娇正，生成当前时刻喷氨量控制指令；
***投运氨逃逸仪表后，结合氨逃逸实时测量数据和SCR出口烟气NOx含量，将脱硝出口的氨逃逸率加入校正环节，对SCR脱硝***喷氨量控制过程进行优化，可以有效降低出口氨逃逸率和喷氨量，由此优化可以实现氨逃逸率相对优化前降低3ppm以上。
步骤S301、利用SCR脱硝***出口NOx含量设定值、SCR脱硝***入口NOx含量预测模型和SCR脱硝***入口NOx含量实际值，进行喷氨量前馈控制。
根据精确氨逃逸测量技术实时测得的SCR脱硝***出口的氨逃逸率及两侧烟道的脱硝效率对SCR脱硝***出口NOx含量设定值进行校正，如图2所示；
具体地，比较A、B两侧烟道的氨逃逸率和脱硝效率，生成影响因子(即A、B两侧烟道的氨逃逸率和脱硝效率差值的函数)，对氨逃逸率较高的一侧进行校正。通常情况下，脱硝效率越高则氨逃逸越高。因此当一侧氨逃逸高(影响因子符合正常情况)的时候，可以认为此时该侧的喷氨量过高，然后通过校正相应侧SCR脱硝***出口NOx设定值来调整喷氨量，达到平衡两侧氨逃逸的目的。
另外，为了进一步对预测的喷氨量进行合理控制，通过分析机组不同负荷下，烟气中NO和NO2的比例分配，确定出不同负荷工况下合理的氨氮摩尔比，防止冒黄烟现象的发生。
需要强调的是，为确保机组动态过程喷氨量的准确性和及时性，考虑到烟气流量测量的不准确性和NOx测量的滞后性，在控制中采用软测量的方法对上述测量参数进行动态修正；软测量时通过大量的实测数据间接得到，克服NOX测量仪表取样测量反应迟缓的问题。
步骤S302、SCR出口烟气NOX含量对喷氨量进行预测矫正。
为了增加变负荷时，对喷氨控制的稳定性，本实施例在三个不同机组负荷工况下(优选的，660MW(100％负荷)、495MW(75％负荷)、330MW(50％负荷))，进行喷氨量扰动试验，获得SCR出口的动态特性，并作为闭环控制策略的设计依据；SCR脱硝***出口的NOX含量反馈值的波动趋势对喷氨量预测矫正。
另外，为了进一步提高喷氨量预测的精确性，将SCR脱硝***出口NOx设定值与出口NOx反馈值进行偏差计算，作为喷氨主回路的预测控制***的一部分，进行喷氨量预测矫正。
步骤S4、据上述喷氨量控制指令，控制喷氨调阀，调节喷氨量。
经过上述步骤控制处理，生成优化指令。将通过分析处理后的优化指令传输给DCS***，通过DCS***调节喷氨调阀，实现喷氨量的控制，实时调节更新喷氨量。
本领域技术人员可以理解，实现上述实施例方法的全部或部分流程，可以通过计算机程序指令相关的硬件来完成，所述的程序可存储于计算机可读存储介质中。其中，所述计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种基于多变量校正的脱硝喷氨控制方法，其特征在于，包括以下步骤：
实时获取SCR脱硝***仪表的测量数据、及发电机组的工况信息；
构建SCR脱硝***入口NOx含量预测模型，并根据上述发电机组的工况信息预测当前时刻SCR脱硝***入口的NOX含量；
基于上述预测的当前时刻SCR脱硝***入口的NOX含量及SCR脱硝***仪表的测量数据，进行喷氨量前馈控制与预测矫正，生成当前时刻喷氨量控制指令；
根据上述喷氨量控制指令，控制喷氨调阀，调节喷氨量。
2.根据权利要求1所述的方法，其特征在于，所述SCR脱硝***仪表的测量数据包括：SCR脱硝***入口的NOX含量实际值、SCR脱硝***出口的氨逃逸率、SCR脱硝***出口的NOX含量反馈值。
3.根据权利要求2所述的方法，其特征在于，所述进行喷氨量前馈控制包括：
通过SCR脱硝***出口NOx含量设定值、SCR脱硝***入口NOx含量预测模型、SCR脱硝***入口NOx含量实际值进行喷氨量前馈控制。
4.根据权利要求3所述的方法，其特征在于，还包括：根据实时获得的SCR脱硝***出口的氨逃逸率对SCR脱硝***出口NOx含量设定值进行校正。
5.根据权利要求1-4之一所述的方法，其特征在于，所述进行喷氨量预测矫正包括：
SCR脱硝***出口NOx含量设定值与SCR脱硝***出口NOx含量反馈值进行偏差计算，进而进行喷氨量预测矫正；
在不同机组负荷下，进行喷氨量扰动试验，获得SCR脱硝***出口NOX含量的动态特性，根据上述动态特性，通过实时获取的SCR脱硝***出口的NOX含量反馈值的波动趋势对喷氨量预测矫正。
6.根据权利要求5所述的方法，其特征在于，所述进行喷氨量预测矫正还包括：
通过分析机组不同负荷下，SCR脱硝***出口烟气中NO和NO2的比例分配，确定出不同负荷工况下合理的氨氮摩尔比，调整喷氨量，防止冒黄烟现象的发生。
7.根据权利要求6所述的方法，其特征在于，机组负荷、风量、煤量作为输入参数构建SCR脱硝***入口NOx含量预测模型。
8.根据权利要求7所述的方法，其特征在于，所述构建SCR脱硝***入口NOx含量预测模型，并根据上述发电机组的工况信息预测当前时刻SCR脱硝***入口的NOX含量，包括：
通过SPSS对发电机组的工况信息数据筛选处理，提取主成分；
结合粒子群优化算法寻找最优参数，获得最优参数组合；
通过SVM预测模型，预测当前时刻SCR脱硝***入口的NOx含量。
9.根据权利要求8所述的方法，其特征在于，所述根据实时获得的SCR脱硝***出口的氨逃逸率对SCR脱硝***出口NOx含量设定值进行校正，包括：
实时测量SCR脱硝***两侧烟道的氨逃逸率和脱硝效率；
比较上述两侧烟道的氨逃逸率和脱硝效率，对氨逃逸率较高的一侧烟道进行出口NOx设定值校正。
10.根据权利要求9所述的方法，其特征在于，还包括：利用SCR脱硝***入口NOx含量实际值对SCR脱硝***入口NOx含量预测模型进行校正。
CN201811015018.3A 2018-08-31 2018-08-31 一种基于多变量校正的脱硝喷氨控制方法 Active CN109062053B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811015018.3A CN109062053B (zh) 2018-08-31 2018-08-31 一种基于多变量校正的脱硝喷氨控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811015018.3A CN109062053B (zh) 2018-08-31 2018-08-31 一种基于多变量校正的脱硝喷氨控制方法

Publications (2)

Publication Number Publication Date
CN109062053A true CN109062053A (zh) 2018-12-21
CN109062053B CN109062053B (zh) 2022-11-29

Family

ID=64759163

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811015018.3A Active CN109062053B (zh) 2018-08-31 2018-08-31 一种基于多变量校正的脱硝喷氨控制方法

Country Status (1)

Country Link
CN (1) CN109062053B (zh)

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109985523A (zh) * 2019-04-17 2019-07-09 江苏科技大学 一种基于scr的船舶尾气脱硝控制方法
CN110368808A (zh) * 2019-07-18 2019-10-25 华北电力科学研究院有限责任公司 一种scr烟气脱硝***的喷氨量控制方法及***
CN110442991A (zh) * 2019-08-12 2019-11-12 江南大学 一种基于参数化fir模型的动态硫回收软测量建模方法
CN110618706A (zh) * 2019-09-27 2019-12-27 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 一种基于数据驱动的多级智能脱硝在线优化控制***
CN110908351A (zh) * 2019-11-25 2020-03-24 东南大学 一种融合支持向量机的scr脱硝***扰动抑制预测控制方法
CN111111393A (zh) * 2019-12-31 2020-05-08 鲁西化工集团股份有限公司动力分公司 一种脱硫塔出口硫含量的精细化自动控制方法及其应用
CN111413938A (zh) * 2020-04-16 2020-07-14 南京英璞瑞自动化科技有限公司 一种基于折算喷氨量的scr脱硝***扰动抑制预测控制方法
CN111624876A (zh) * 2020-04-23 2020-09-04 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***
CN111897373A (zh) * 2020-08-05 2020-11-06 海南创实科技有限公司 一种基于模型预测的scr脱硝装置喷氨流量调节方法
CN112221347A (zh) * 2020-08-11 2021-01-15 华电电力科学研究院有限公司 一种scr脱硝***精准喷氨控制方法
CN112418284A (zh) * 2020-11-16 2021-02-26 华北电力大学 一种全工况电站scr脱硝***的控制方法及***
CN113304609A (zh) * 2021-05-28 2021-08-27 上海明华电力科技有限公司 一种用于火电机组脱硝***的平衡控制方法
CN113380338A (zh) * 2021-06-16 2021-09-10 哈电发电设备国家工程研究中心有限公司 一种循环流化床机组旋风分离器进口处NOx浓度测量修正及预测方法
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
CN113856457A (zh) * 2021-09-27 2021-12-31 京能（锡林郭勒）发电有限公司 一种用于低热值褐煤的NOx排放控制***
CN114367191A (zh) * 2021-12-27 2022-04-19 国能神皖安庆发电有限责任公司 脱硝控制方法
CN115591378A (zh) * 2022-12-12 2023-01-13 清华大学（Cn） 火电机组scr脱硝的前馈补偿和扰动抑制控制***及方法

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10216459A (ja) * 1997-01-30 1998-08-18 Nkk Corp 燃焼排ガスのＮＯｘ還元方法および装置
JP2011094572A (ja) * 2009-10-30 2011-05-12 Mitsubishi Heavy Ind Ltd 内燃機関のＮＯｘ浄化装置
US20150190749A1 (en) * 2012-06-26 2015-07-09 Perkins Engines Company Limited Method and Apparatus for Estimating the Amount of Reductant Slip in a Selective Catalytic Reduction Device
CN105137760A (zh) * 2015-09-25 2015-12-09 华能平凉发电有限责任公司 一种脱硝喷氨自动控制方法及***
CN105498497A (zh) * 2016-01-05 2016-04-20 中国科学院自动化研究所 多变量控制的烟气脱硫脱硝一体化设备及其控制方法
CN105573117A (zh) * 2014-11-04 2016-05-11 霍尼韦尔国际公司 用于车辆控制***的可配置推断传感器
CN105629738A (zh) * 2016-03-24 2016-06-01 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
CN105629736A (zh) * 2016-03-22 2016-06-01 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
CN105700576A (zh) * 2016-03-11 2016-06-22 东南大学 基于多变量区间约束预测的scr脱硝优化控制***及方法
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
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
CN106873381A (zh) * 2017-04-10 2017-06-20 内蒙古瑞特优化科技股份有限公司 喷氨控制***
CN107168065A (zh) * 2017-06-20 2017-09-15 上海海事大学 一种用于选择性催化还原脱硝装置的控制方法及***
CN107158946A (zh) * 2017-05-27 2017-09-15 苏州西热节能环保技术有限公司 一种氨逃逸浓度实时在线预测与控制方法
CN107243257A (zh) * 2017-05-08 2017-10-13 浙江大学 适合全负荷的智能喷氨控制***
CN107486012A (zh) * 2017-09-27 2017-12-19 北京京桥热电有限责任公司 一种烟气脱硝控制方法

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10216459A (ja) * 1997-01-30 1998-08-18 Nkk Corp 燃焼排ガスのＮＯｘ還元方法および装置
JP2011094572A (ja) * 2009-10-30 2011-05-12 Mitsubishi Heavy Ind Ltd 内燃機関のＮＯｘ浄化装置
US20150190749A1 (en) * 2012-06-26 2015-07-09 Perkins Engines Company Limited Method and Apparatus for Estimating the Amount of Reductant Slip in a Selective Catalytic Reduction Device
CN105573117A (zh) * 2014-11-04 2016-05-11 霍尼韦尔国际公司 用于车辆控制***的可配置推断传感器
CN105137760A (zh) * 2015-09-25 2015-12-09 华能平凉发电有限责任公司 一种脱硝喷氨自动控制方法及***
CN105498497A (zh) * 2016-01-05 2016-04-20 中国科学院自动化研究所 多变量控制的烟气脱硫脱硝一体化设备及其控制方法
CN105700576A (zh) * 2016-03-11 2016-06-22 东南大学 基于多变量区间约束预测的scr脱硝优化控制***及方法
CN105629736A (zh) * 2016-03-22 2016-06-01 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
CN105629738A (zh) * 2016-03-24 2016-06-01 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
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
CN106873381A (zh) * 2017-04-10 2017-06-20 内蒙古瑞特优化科技股份有限公司 喷氨控制***
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
CN107243257A (zh) * 2017-05-08 2017-10-13 浙江大学 适合全负荷的智能喷氨控制***
CN107158946A (zh) * 2017-05-27 2017-09-15 苏州西热节能环保技术有限公司 一种氨逃逸浓度实时在线预测与控制方法
CN107168065A (zh) * 2017-06-20 2017-09-15 上海海事大学 一种用于选择性催化还原脱硝装置的控制方法及***
CN107486012A (zh) * 2017-09-27 2017-12-19 北京京桥热电有限责任公司 一种烟气脱硝控制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
JINGHUA ZHAO: "Urea-SCR Process Control for Diesel Engine Using Feedforward-Feedback Nonlinear Method", 《IFAC-PAPERSONLINE》 *
孙健: "新型脱硝控制策略及其在快速变负荷中的应用研究", 《能源与节能》 *

Cited By (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109985523A (zh) * 2019-04-17 2019-07-09 江苏科技大学 一种基于scr的船舶尾气脱硝控制方法
CN110368808A (zh) * 2019-07-18 2019-10-25 华北电力科学研究院有限责任公司 一种scr烟气脱硝***的喷氨量控制方法及***
CN110368808B (zh) * 2019-07-18 2021-10-08 华北电力科学研究院有限责任公司 一种scr烟气脱硝***的喷氨量控制方法及***
CN110442991A (zh) * 2019-08-12 2019-11-12 江南大学 一种基于参数化fir模型的动态硫回收软测量建模方法
CN110618706A (zh) * 2019-09-27 2019-12-27 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 一种基于数据驱动的多级智能脱硝在线优化控制***
CN110618706B (zh) * 2019-09-27 2023-05-12 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 一种基于数据驱动的多级智能脱硝在线优化控制***
CN110908351A (zh) * 2019-11-25 2020-03-24 东南大学 一种融合支持向量机的scr脱硝***扰动抑制预测控制方法
CN110908351B (zh) * 2019-11-25 2022-11-18 东南大学 一种融合支持向量机的scr脱硝***扰动抑制预测控制方法
CN111111393A (zh) * 2019-12-31 2020-05-08 鲁西化工集团股份有限公司动力分公司 一种脱硫塔出口硫含量的精细化自动控制方法及其应用
CN111413938A (zh) * 2020-04-16 2020-07-14 南京英璞瑞自动化科技有限公司 一种基于折算喷氨量的scr脱硝***扰动抑制预测控制方法
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***
CN111624876A (zh) * 2020-04-23 2020-09-04 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***
CN111897373A (zh) * 2020-08-05 2020-11-06 海南创实科技有限公司 一种基于模型预测的scr脱硝装置喷氨流量调节方法
CN112221347A (zh) * 2020-08-11 2021-01-15 华电电力科学研究院有限公司 一种scr脱硝***精准喷氨控制方法
CN112418284A (zh) * 2020-11-16 2021-02-26 华北电力大学 一种全工况电站scr脱硝***的控制方法及***
CN113304609A (zh) * 2021-05-28 2021-08-27 上海明华电力科技有限公司 一种用于火电机组脱硝***的平衡控制方法
CN113380338A (zh) * 2021-06-16 2021-09-10 哈电发电设备国家工程研究中心有限公司 一种循环流化床机组旋风分离器进口处NOx浓度测量修正及预测方法
CN113433911B (zh) * 2021-06-30 2022-05-20 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
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
CN113856457A (zh) * 2021-09-27 2021-12-31 京能（锡林郭勒）发电有限公司 一种用于低热值褐煤的NOx排放控制***
CN113856457B (zh) * 2021-09-27 2024-04-02 京能（锡林郭勒）发电有限公司 一种用于低热值褐煤的NOx排放控制***
CN114367191A (zh) * 2021-12-27 2022-04-19 国能神皖安庆发电有限责任公司 脱硝控制方法
CN114367191B (zh) * 2021-12-27 2023-03-14 国能神皖安庆发电有限责任公司 脱硝控制方法
CN115591378A (zh) * 2022-12-12 2023-01-13 清华大学（Cn） 火电机组scr脱硝的前馈补偿和扰动抑制控制***及方法

Also Published As

Publication number Publication date
CN109062053B (zh) 2022-11-29

Similar Documents

Publication Publication Date Title
CN109062053A (zh) 一种基于多变量校正的脱硝喷氨控制方法
CN105629738B (zh) Scr烟气脱硝***控制方法及设备
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
Li et al. Coordinated load frequency control of multi-area integrated energy system using multi-agent deep reinforcement learning
CN104607042B (zh) 一种基于约束预测控制的scr脱硝***及方法
CN113433911B (zh) 基于浓度精准预测的脱硝装置喷氨精准控制***与方法
CN104181895A (zh) 适应新能源接入的短期与超短期协调滚动调度优化策略
CN112580250A (zh) 基于深度学习的火电机组脱硝***及优化控制方法
CN102444784B (zh) 基于动态矩阵控制的钢铁企业蒸汽管网压力控制***
CN107526292A (zh) 一种基于入口NOx浓度预测的调控喷氨量的方法
Bo et al. Online adaptive dynamic programming based on echo state networks for dissolved oxygen control
CN109765787B (zh) 一种基于日内-实时滚动控制的配电网源荷快速跟踪方法
CN104826493A (zh) 一种选择性催化还原法烟气脱硝***的控制方法
Yang et al. Predictive control of solid oxide fuel cell based on an improved Takagi–Sugeno fuzzy model
CN111952965B (zh) 一种基于预测控制与区间规划的cchp***优化运行方法
Yan et al. Multi-objective evaluation-based hybrid intelligent control optimization for shaft furnace roasting process
Gouadria et al. Comparison between self-tuning fuzzy PID and classic PID controllers for greenhouse system
CN107561944A (zh) 一种基于拉盖尔模型的脱硝***自适应预测控制方法
Wadi et al. Load frequency control in smart grids: A review of recent developments
Qiao et al. Online-growing neural network control for dissolved oxygen concentration
CN109833773A (zh) 一种高效脱硝氨流量精确控制方法
CN106356899A (zh) 适用于大规模风电控制过程的分层优化模型
Chi et al. Fuzzy dynamic matrix predictive control of ammonia injection quantityin SCR denitration systems
Wu et al. Study on nonlinear pH control strategy based on external recurrent neural network
Hu et al. Adaptive internal model control of SCR denitration system based on multi-objective optimization

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