CN111611691B - 基于多模态模型预测控制脱硫***多目标优化控制方法 - Google Patents
基于多模态模型预测控制脱硫***多目标优化控制方法 Download PDFInfo
- Publication number
- CN111611691B CN111611691B CN202010318242.0A CN202010318242A CN111611691B CN 111611691 B CN111611691 B CN 111611691B CN 202010318242 A CN202010318242 A CN 202010318242A CN 111611691 B CN111611691 B CN 111611691B
- Authority
- CN
- China
- Prior art keywords
- model
- slurry
- desulfurization
- desulfurization system
- absorption tower
- 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.)
- Active
Links
- 238000006477 desulfuration reaction Methods 0.000 title claims abstract description 122
- 230000023556 desulfurization Effects 0.000 title claims abstract description 122
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000005457 optimization Methods 0.000 title claims abstract description 50
- 239000002002 slurry Substances 0.000 claims abstract description 121
- 238000010521 absorption reaction Methods 0.000 claims abstract description 65
- 230000008569 process Effects 0.000 claims abstract description 15
- 238000004458 analytical method Methods 0.000 claims abstract description 6
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 40
- 239000003546 flue gas Substances 0.000 claims description 39
- 239000000376 reactant Substances 0.000 claims description 24
- 230000008859 change Effects 0.000 claims description 21
- 239000007788 liquid Substances 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 17
- 239000007789 gas Substances 0.000 claims description 17
- 235000019738 Limestone Nutrition 0.000 claims description 14
- 239000006028 limestone Substances 0.000 claims description 14
- 238000005070 sampling Methods 0.000 claims description 13
- 238000006243 chemical reaction Methods 0.000 claims description 12
- 239000010440 gypsum Substances 0.000 claims description 12
- 229910052602 gypsum Inorganic materials 0.000 claims description 12
- 238000012546 transfer Methods 0.000 claims description 11
- 238000013178 mathematical model Methods 0.000 claims description 10
- -1 hydrogen ions Chemical class 0.000 claims description 9
- 238000005096 rolling process Methods 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 7
- 238000013461 design Methods 0.000 claims description 6
- 239000007921 spray Substances 0.000 claims description 6
- LSNNMFCWUKXFEE-UHFFFAOYSA-L sulfite Chemical compound [O-]S([O-])=O LSNNMFCWUKXFEE-UHFFFAOYSA-L 0.000 claims description 6
- 238000012847 principal component analysis method Methods 0.000 claims description 5
- BHPQYMZQTOCNFJ-UHFFFAOYSA-N Calcium cation Chemical compound [Ca+2] BHPQYMZQTOCNFJ-UHFFFAOYSA-N 0.000 claims description 4
- QAOWNCQODCNURD-UHFFFAOYSA-L Sulfate Chemical compound [O-]S([O-])(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-L 0.000 claims description 4
- 229910001424 calcium ion Inorganic materials 0.000 claims description 4
- 238000004134 energy conservation Methods 0.000 claims description 4
- 230000008020 evaporation Effects 0.000 claims description 4
- 238000001704 evaporation Methods 0.000 claims description 4
- 239000001257 hydrogen Substances 0.000 claims description 4
- 229910052739 hydrogen Inorganic materials 0.000 claims description 4
- QAOWNCQODCNURD-UHFFFAOYSA-M hydrogensulfate Chemical compound OS([O-])(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-M 0.000 claims description 4
- 150000002500 ions Chemical class 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 230000003647 oxidation Effects 0.000 claims description 4
- 238000007254 oxidation reaction Methods 0.000 claims description 4
- LSNNMFCWUKXFEE-UHFFFAOYSA-M Bisulfite Chemical compound OS([O-])=O LSNNMFCWUKXFEE-UHFFFAOYSA-M 0.000 claims description 2
- 230000014509 gene expression Effects 0.000 claims description 2
- 229940079826 hydrogen sulfite Drugs 0.000 claims description 2
- 238000013459 approach Methods 0.000 claims 1
- 230000001276 controlling effect Effects 0.000 description 9
- 239000000779 smoke Substances 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 238000005265 energy consumption Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 3
- 235000008733 Citrus aurantifolia Nutrition 0.000 description 2
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 2
- 235000011941 Tilia x europaea Nutrition 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 239000004571 lime Substances 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 229910052717 sulfur Inorganic materials 0.000 description 2
- 239000011593 sulfur Substances 0.000 description 2
- 239000004215 Carbon black (E152) Substances 0.000 description 1
- 239000006096 absorbing agent Substances 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011088 calibration curve Methods 0.000 description 1
- 229910002091 carbon monoxide Inorganic materials 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000003009 desulfurizing effect Effects 0.000 description 1
- 230000003670 easy-to-clean Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Geometry (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Treating Waste Gases (AREA)
Abstract
本发明涉及基于多模态模型预测控制脱硫***多目标优化控制方法。该基于多模态模型预测控制脱硫***多目标优化控制方法包括如下步骤：以DCS控制***所记录的脱硫***和主机***历史数据作为工艺特性分析的数据来源，建立数据库；对数据库进行归一化处理；吸收塔模型的建立、浆液池模型的建立、脱硫效率模型的建立和其它必要模型及连接单元的建立；稳态点线性状态空间辨识；基于线性状态空间模型预测未来***动态。本发明提供的基于多模态模型预测控制脱硫***多目标优化控制方法,通过将多目标稳态优化、不确定性补偿以及非线性预测控制相结合，达到脱硫***多目标实时优化控制。
Description
技术领域
本发明涉及脱硫***优化控制、模型预测控制、多目标优化领域，尤其是涉及基于多模态模型预测控制脱硫***多目标优化控制方法。
背景技术
目前，世界能源紧张、环境污染问题日益受到关注。燃煤电厂烟气中含有大量的SO2、一氧化碳、碳氢化合物、氮氧化合物、粉尘等污染物，必须采用相应的技术控制排放量。为了治理燃煤电厂烟气排放所产生的大气污染，国务院常务会议深入讨论了全面实施燃煤电厂超低排放和强化节能减排工作的环保政策，会议最终决定实旋这项环保政策。国家发展和改革委员会、环境保护部、能源局三家单位联合发出的“环发164号关于印发《全面实施燃煤电厂超低排放和节能改造工作方案》的通知”，“通知”中明确提出“国内燃煤电厂在技术可行的前提下要通过改造力争实现超低排放(即在基准氧含量6％条件下，烟尘、SO2、氮氧化物排放浓度分别不高于10、35、50毫克/立方米)”。为了达到日益严格的烟气排放指标，全世界燃煤电厂所采用的烟气脱硫工艺以石灰石—石膏湿法脱硫工艺为主，因为相比其它烟气脱硫技术，石灰石(石灰)-石膏湿法脱硫工艺具有技术成熟，脱硫效率高等优点。但随着脱硫***投用时间的增长，石灰石(石灰)-石膏湿法工艺的产物石膏易附着在喷淋塔的内壁及各喷淋层上，不易清理，进而出现脱硫装置运行性能下降明显和脱硫效率在实际运行时不能满足国家标准要求的情况，该情况对脱硫***的实时运行和控制水平提出了较大的挑战。
燃煤电厂脱硫***是大范围变工况的复杂耦合***，实际运行过程中常常会出现烟气含硫量大范围变化和燃煤含硫量变化等情况，对脱硫***多目标实时优化要求较高。在这种需求背景下，预测控制逐渐发展起来。它最大程度地迎合了工业过程控制的实际需求，控制综合效果好，一经提出即在工业控制领域获得了较快应用。随着计算机技术的飞速发展，预测控制的应用领域也迅速扩展到包括电厂控制在内的众多工程领域。
现有的预测控制***在实际的应用中也存在着无法实时预测，准确性差的问题。
发明内容
本发明的第一目的在于提供基于多模态模型预测控制脱硫***多目标优化控制方法，该基于多模态模型预测控制脱硫***多目标优化控制方法能够实时通过多模态模型预测控制脱硫***；
本发明的第二目的在于提供基于多模态模型预测控制脱硫***多目标优化控制方法，旨在解决现有的脱硫***模型无法实时预测，准确性差的问题。
本发明提供基于多模态模型预测控制脱硫***多目标优化控制方法，基于多模态模型预测控制脱硫***多目标优化控制方法包括如下步骤：
步骤一：依据脱硫***和主机***历史数据建立数据库；
步骤二：对数据库进行归一化处理，并对归一化数据进行数据分析；
步骤三：建立吸收塔的模型、建立浆液池的模型、建立脱硫效率的模型和建立基于质量守恒定律、能量守恒定律的脱硫***动态数学模型；
步骤四：步骤三中建立的模型转化为线性状态空间模型，根据线性状态空间模型确定***稳态点；
步骤五：通过线性状态空间模型预测未来***动态；
步骤六：基于预测的未来***动态求解多约束开环优化，并进行滚动式计算。
其中，所述步骤一中以DCS控制***所记录的脱硫***和主机***历史数据作为工艺特性分析的数据来源，通过支持OPC协议的标准OPC方式建立数据库，并通过DCS控制***所采集的实时数据不断扩充数据库，从而采集脱硫***和主机***运行产生的各物理量。
其中，所述步骤二中以步骤1所记录的数据库作为数据来源，对其归一化处理，并采用核主元分析法降维，分析识别已归一化数据的相互关联程度从而识别出对吸收塔出口烟气SO2浓度和浆液池主体pH值影响较大的相关物理量并按照预先设置的前多个主成分总占比数对分类效果影响较大的物理量进行主成分占比计算。
其中，所述步骤三中：
建立吸收塔的模型采用计算喷淋液滴和吸收塔气相区SO2的传质系数、液滴下落时间、液滴内部离子浓度随高度的变化与脱硫***脱硫效率密切相关的参数，计算气相区相关参数方法建立；
建立浆液池的模型采用建立包含氢离子、氢氧根离子、硫酸根离子、亚硫酸根离子、硫酸氢根离子、亚硫酸氢根离子、钙离子、石膏反应物的化学反应模型，结合吸收塔返回浆液池的液滴对浆液池各反应物浓度的影响、循环浆液泵组从浆液池抽走的浆液对浆液池各反应物浓度的影响、浆液排出泵从浆液池抽走的石膏浆液对浆液池各反应物浓度的影响、供浆泵向浆液池供给的新鲜石灰石浆液对浆液池各反应物浓度的影响，计算浆液池各反应物浓度随各个条件的变化来建立模型；
建立脱硫效率的模型采用以气相区质量守恒的原则，以氧化空气量、浆液池蒸发量、入口烟气量为输入，吸收塔出口烟气量为输出，结合吸收塔模型的SO2的吸收速率、液滴直径、液滴内部浓度参数，计算吸收塔出口烟气SO2浓度的方式来建立模型
建立基于质量守恒定律、能量守恒定律的脱硫***动态数学模型包括：吸收塔动态特性计算、浆液池动态特性计算、脱硫效率计算、浆液池pH值计算；模仿在不同烟气流速、入口SO2浓度、液气比、浆液池pH值工况下脱硫效率的变化。
其中，所述步骤四中确定DCS控制***稳态点，以脱硫***为被控对象，以脱硫***新鲜石灰石浆液量和循环浆液量为控制量，以吸收塔出口烟气SO2浓度和浆液池主体pH值作为被控量，采用阶跃辨识法辨识出准确反映脱硫***预测模型稳态点动态特性的传递函数模型，并将其转化线性状态空间模型。其中，所述步骤六中开环优化的滚动式计算：建立吸收塔的模型多约束开环优化，所得到的控制序列的第一个元素作用于被控对象。在下一个采样时刻，重复上述过程，用新的测量值作为此时预测***未来动态的初始条件，刷新优化并重新求解。
本发明有益效果：本发明提供的基于多模态模型预测控制脱硫***多目标优化控制方法，通过将多目标稳态优化、不确定性补偿以及非线性预测控制相结合，达到脱硫***多目标实时优化控制。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明基于多模态模型预测控制脱硫***多目标优化控制方法流程图；
图2为本发明基于多模态模型预测控制脱硫***多目标优化控制方法的脱硫效率设定值效果图；
图3为本发明基于多模态模型预测控制脱硫***多目标优化控制方法的浆液池主体pH值设定值控制效果图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的描述中，需要理解的是，术语"中心"、"纵向"、"横向"、"长度"、"宽度"、"厚度"、"上"、"下"、"前"、"后"、"左"、"右"、"坚直"、"水平"、"顶"、"底"、"内"、"外"、"顺时针"、"逆时针"等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，术语"第一"、"第二"仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有"第一"、"第二"的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明的描述中，"多个"的含义是两个或两个以上，除非另有明确具体的限定。此外，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
参阅图1至图3，基于多模态模型预测控制脱硫***多目标优化控制方法包括如下步骤：
步骤一：依据脱硫***和主机***历史数据建立数据库；
步骤二：对数据库进行归一化处理，并对归一化数据进行数据分析；
步骤三：建立吸收塔的模型、建立浆液池的模型、建立脱硫效率的模型和建立基于质量守恒定律、能量守恒定律的脱硫***动态数学模型；
步骤四：步骤三中建立的模型转化为线性状态空间模型，根据线性状态空间模型确定***稳态点；
步骤五：通过线性状态空间模型预测未来***动态；
步骤六：基于预测的未来***动态求解多约束开环优化，并进行滚动式计算。
具体的，所述步骤一中以DCS控制***所记录的脱硫***和主机***历史数据作为工艺特性分析的数据来源，通过支持OPC协议的标准OPC方式建立数据库，并通过DCS控制***所采集的实时数据不断扩充数据库，从而采集脱硫***和主机***运行产生的各物理量。
具体的，所述步骤二中以步骤1所记录的数据库作为数据来源，对其归一化处理，并采用核主元分析法降维，分析识别已归一化数据的相互关联程度从而识别出对吸收塔出口烟气SO2浓度和浆液池主体pH值影响较大的相关物理量并按照预先设置的前多个主成分总占比数对分类效果影响较大的物理量进行主成分占比计算。
具体的，所述步骤三中：
建立吸收塔的模型采用计算喷淋液滴和吸收塔气相区SO2的传质系数、液滴下落时间、液滴内部离子浓度随高度的变化与脱硫***脱硫效率密切相关的参数，计算气相区相关参数。
建立浆液池的模型采用建立包含氢离子、氢氧根离子、硫酸根离子、亚硫酸根离子、硫酸氢根离子、亚硫酸氢根离子、钙离子、石膏反应物的化学反应模型，结合吸收塔返回浆液池的液滴对浆液池各反应物浓度的影响、循环浆液泵组从浆液池抽走的浆液对浆液池各反应物浓度的影响、浆液排出泵从浆液池抽走的石膏浆液对浆液池各反应物浓度的影响、供浆泵向浆液池供给的新鲜石灰石浆液对浆液池各反应物浓度的影响，计算浆液池各反应物浓度随各个条件的变化来建立模型；
建立脱硫效率的模型采用以气相区质量守恒的原则，以氧化空气量、浆液池蒸发量、入口烟气量为输入，吸收塔出口烟气量为输出，结合吸收塔模型的SO2的吸收速率、液滴直径、液滴内部浓度参数，计算吸收塔出口烟气SO2浓度的方式来建立模型；
建立基于质量守恒定律、能量守恒定律的脱硫***动态数学模型包括：吸收塔动态特性计算、浆液池动态特性计算、脱硫效率计算、浆液池pH值计算；模仿在不同烟气流速、入口SO2浓度、液气比、浆液池pH值工况下脱硫效率的变化。
具体的，所述步骤四中确定DCS控制***稳态点，以脱硫***为被控对象，以脱硫***新鲜石灰石浆液量和循环浆液量为控制量，以吸收塔出口烟气SO2浓度和浆液池主体pH值作为被控量，采用阶跃辨识法辨识出准确反映脱硫***预测模型稳态点动态特性的传递函数模型，并将其转化线性状态空间模型。
具体的，所述步骤五中根据采样得到的当前测量信息，将DCS控制***当前采样时刻的状态和控制输入作为线性状态空间模型的初始条件，代入线性状态空间模型并预测到一段时间内的***状态和输出。
具体的，所述步骤六中以跟踪吸收塔出口烟气SO2浓度和浆液池主体pH值为控制目标，以脱硫***新鲜石灰石浆液量和循环浆液量的物理约束为约束条件，确定优化问题中目标函数和约束条件的数学表述，采用内点法求解该多约束开环优化问题，预测一段时间内的控制序列。
具体的，所述步骤六中开环优化的滚动式计算：建立吸收塔的模型多约束开环优化，所得到的控制序列的第一个元素作用于被控对象，在下一个采样时刻，重复上述过程，用新的测量值作为此时预测***未来动态的初始条件，刷新优化并重新求解。
将基于多模态模型预测控制脱硫***多目标优化控制方法细分为如下步骤：
步骤1，数据采集：以DCS控制***所记录的脱硫***和主机***历史数据作为工艺特性分析的数据来源，通过支持OPC协议的标准OPC方式建立数据库，并通过DCS控制***所采集的实时数据不断扩充数据库，从而采集脱硫***和主机***运行产生的各物理量。
各物理量为脱硫***和主机***在实际的工作中通过脱硫设备获得的数据，例如：吸收塔出口烟气SO2浓度和浆液池主体pH。
步骤2，相关性分析：以步骤1所记录的数据库作为数据来源，对其归一化处理，并采用核主元分析法降维，分析识别已归一化数据的相互关联程度从而识别出对吸收塔出口烟气SO2浓度(折算)和浆液池主体pH值影响较大的相关物理量并按照预先设置的前多个主成分总占比数对分类效果影响较大的物理量进行主成分占比计算。
多个主成分为常规的对吸收塔出口烟气SO2浓度(折算)和浆液池主体pH值影响较大的成分。
基于脱硫设备的现场运行数据分析烟气流速、入口SO2浓度、液气比、浆液池pH值因素对脱硫效率和***能耗的影响，通过核主元分析法将烟气流速、入口SO2浓度、液气比、浆液池pH值因素视为线性相关变量压缩，将所述的线性相关变为不相关的变量。并将相关变量投影到另一组正交空间内，得到一组新的变量，新变量的特点是具有最大的方差(方差反映了数据差异的程度，方差最大的方向对应信息量最大的方向)。确定影响脱硫效率和***能耗的主要因素，分析脱硫效率和***能耗在单因素影响下的变化规律。
单因素来进行规律的判断，其他的因素固定不变，进行方差分析。
步骤3，吸收塔模型的建立：依据脱硫***中喷淋液滴和吸收塔气相区SO2的传质系数、液滴下落时间、液滴内部离子浓度随高度的变化与脱硫***脱硫效率密切相关的参数建立吸收塔模型；通过吸收塔模型计算吸收塔气相区SO2相关参数。
吸收塔模型中吸收塔部分的气与液接触区为平推流反应器，吸收塔中气体浓度和液滴内部各物质浓度随着高度变化。
吸收塔模型的建立作为线性状态空间模型数据。
步骤4，浆液池模型，浆液池模型建立包含氢离子、氢氧根离子、硫酸根离子、亚硫酸根离子、硫酸氢根离子、亚硫酸氢根离子、钙离子、石膏反应物的化学反应模型；
结合步骤3中吸收塔返回浆液池的液滴对浆液池各反应物浓度的影响、循环浆液泵组从浆液池抽走的浆液对浆液池各反应物浓度的影响、浆液排出泵从浆液池抽走的石膏浆液对浆液池各反应物浓度的影响、供浆泵向浆液池供给的新鲜石灰石浆液对浆液池各反应物浓度的影响，计算浆液池各反应物浓度随各个条件的变化，为一个全混流反应器模型，所述全混流反应器模型作为浆液池模型数据模型的补充。
步骤5，脱硫效率模型，脱硫效率模型建立吸收塔入口的原烟气和氧化风机鼓入的空气混合脱硫后引出吸收塔并送入烟囱数据所形成的脱硫效率模型。
脱硫效率模型中变量有氧化风机流量、出口烟气中的SO2浓度、脱硫效率。脱硫效率模型以气相区质量守恒为原则，以氧化空气量、浆液池蒸发量、入口烟气量为输入，吸收塔出口烟气量为输出，结合步骤3中吸收塔模型的SO2的吸收速率、液滴直径、液滴内部浓度参数，计算吸收塔出口烟气SO2浓度(折算)。
步骤6，其它必要模型及连接单元，其它必要模型及连接单元的建立：建立基于质量守恒定律、能量守恒定律的脱硫***动态数学模型，包括吸收塔动态特性计算、浆液池动态特性计算、脱硫效率计算、浆液池pH值计算和必要的连接，模仿在不同烟气流速、入口SO2浓度、液气比、浆液池pH值工况下脱硫效率的变化，建立模型。
步骤7，稳态点线性状态空间辨识：首先确定***稳态点，以脱硫***为被控对象，以脱硫***新鲜石灰石浆液量和循环浆液量为控制量，以吸收塔出口烟气SO2浓度(折算)和浆液池主体pH值作为被控量，采用阶跃辨识法辨识出准确反映脱硫***预测模型稳态点动态特性的传递函数模型，并将其转化线性状态空间模型。
建立基于小偏差理论的模糊化模型，采用泰勒展开等模型简化方法计算不同工作点线性状态空间模型并将其模糊化。采用集中参数法降低非关键中间变量的数目，采用稳态点局部线性化方法将偏微分方程转变为稳态点附近的常微分方程。
建立的线性状态空间模型能够较好的反映脱硫***的动态特性。
步骤8，基于线性状态空间模型预测未来***动态：根据采样得到的当前测量信息，将脱硫***当前采样时刻的状态和控制输入作为线性状态空间模型的初始条件，代入线性状态空间模型并预测到一段时间内的***状态和输出。定义模型输入量分别为新鲜石灰石浆液调节阀开度、循环浆液量调节阀开度，输出量分别为吸收塔脱硫效率、浆液池主体pH值。目标函数由脱硫***实际值和设定值偏差和预测控制输出误差加权两部分构成，基于FGD数学模型和线性化模型预测未来动态。状态预测的目的是基于***当前运行状态和运行参数，通过先前建立的脱硫***数学模型预测***未来一段时间内各变量的变化趋势，从而为求解多目标优化问题提供***运行状态信息。
步骤9，基于预测的未来***动态求解多约束开环优化；以跟踪吸收塔出口烟气SO2浓度(折算)和浆液池主体pH值为控制目标，以脱硫***新鲜石灰石浆液量和循环浆液量的物理约束为约束条件，采用内点法求解该多约束开环优化问题，预测一段时间内的控制序列。
步骤10，开环优化的滚动计算；将得到的控制序列的第一个元素作用于被控对象。在下一个采样时刻，重复上述过程，用新的测量值作为此时预测***未来动态的初始条件，刷新优化问题并重新求解。滚动优化的将求解得到的第一个控制量作为控制器所输出的控制量引入脱硫***，同进入下一个采样时间。当***处于新的采样时间时，新测量得到的状态量会被重新引入控制器并作为预测模型中的输出量去计算下一采样时间所对应的预测时域内的脱硫***的动态变化。新的预测序列会被用来求解目标函数优化问题从而得到新的一组控制增量序列。
所述控制器为非线性模型预测控制器。
步骤11，大范围变工况下稳态工况的选取：计算吸收塔出口烟气SO2浓度(折算)大范围变化时脱硫***控制量和被控量之间的线性度，即吸收塔出口烟气SO2浓度(折算)校准曲线与拟合直线间的最大偏差与额定工况输出的百分比，选取非线性较强的三组稳态工况作为特征工况用于非线性模型预测控制器的设计。例如：
表1三个典型稳态点
步骤12，模糊规则和权重的设计：采用模型与被控对象之间输出的相对误差衡量子模型和被控对象的接近程度，将各输出误差放在同一个量级上进行计算进行加权计算，设计基于控制器输出加权的脱硫***多模态模糊控制规则，并确定相应权重。子模型和被控对象越接近，表明该子模型对应子控制器的输出占总控制量的比重会越大，控制器的权值也就越大。例如：
表2七个动态特性差异较大的典型工况
步骤13，基于多模态的非线性模型预测控制器设计：根据步骤12的模糊规则和权重设计，将吸收塔出口烟气SO2浓度(折算)作为控制模糊规则切换的关键变量，设计切换规则，实现基于多模态模型预测控制脱硫***多目标优化控制方法的非线性控制器设计。
多模态控制器的基本设计原理：
多模态控制器的基本设计原理是通过跟踪工况的实时变动，将不同的子控制器所输出的信号通过事先设计好的模糊规则加权处理后作为统一的控制信号输出，从而适应脱硫过程非线性、大滞后的控制特点。为了实现多模态控制，引入隶属度函数和所对应的模糊规则，将不同稳态点所设计的线性模型预测控制器输出的控制量整合成为一个新的控制量，用于控制脱硫***。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (7)
1.基于多模态模型预测控制脱硫***多目标优化控制方法，其特征在于，包括如下步骤：
步骤一：依据脱硫***和主机***历史数据建立数据库；
步骤二：对数据库进行归一化处理，并对归一化数据进行数据分析；
步骤三：建立吸收塔的模型、建立浆液池的模型、建立脱硫效率的模型和建立基于质量守恒定律、能量守恒定律的脱硫***动态数学模型；
步骤四：步骤三中建立的模型转化为线性状态空间模型，根据线性状态空间模型确定***稳态点；
步骤五：通过线性状态空间模型预测未来***动态；
步骤六：基于预测的未来***动态求解多约束开环优化，并进行滚动式计算；
所述步骤四中确定DCS控制***稳态点，以脱硫***为被控对象，以脱硫***新鲜石灰石浆液量和循环浆液量为控制量，以吸收塔出口烟气SO2浓度和浆液池主体pH值作为被控量，还包括，采用阶跃辨识法辨识出准确反映脱硫***预测模型稳态点动态特性的传递函数模型，并将其转化线性状态空间模型；
步骤七：采用线性状态空间模型与被控对象之间输出的相对误差衡量线性状态空间模型和被控对象的接近程度，将各输出误差放在同一个量级上进行加权计算，设计基于控制器输出加权的脱硫***多模态模糊控制规则，并确定相应权重；
步骤八：将吸收塔出口烟气SO2浓度作为控制模糊规则切换的关键变量，设计切换规则，实现基于多模态模型预测控制脱硫***多目标优化控制方法的非线性控制器设计。
2.根据权利要求1所述的基于多模态模型预测控制脱硫***多目标优化控制方法，其特征在于，所述步骤一中以DCS控制***所记录的脱硫***和主机***历史数据作为工艺特性分析的数据来源，通过支持OPC协议的标准OPC方式建立数据库，并通过DCS控制***所采集的实时数据不断扩充数据库，从而采集脱硫***和主机***运行产生的各物理量。
3.根据权利要求1所述的基于多模态模型预测控制脱硫***多目标优化控制方法，其特征在于，所述步骤二中以步骤一所记录的数据库作为数据来源，对其归一化处理，并采用核主元分析法降维，分析识别已归一化数据的相互关联程度从而识别出对吸收塔出口烟气SO2浓度和浆液池主体pH值影响较大的相关物理量并按照预先设置的前多个主成分总占比数对分类效果影响较大的物理量进行主成分占比计算。
4.根据权利要求1所述的基于多模态模型预测控制脱硫***多目标优化控制方法，其特征在于，所述步骤三中建立吸收塔的模型采用计算喷淋液滴和吸收塔气相区SO2的传质系数、液滴下落时间、液滴内部离子浓度随高度的变化与脱硫***脱硫效率密切相关的参数，计算气相区相关参数方法建立；
建立浆液池的模型建立包含氢离子、氢氧根离子、硫酸根离子、亚硫酸根离子、硫酸氢根离子、亚硫酸氢根离子、钙离子、石膏反应物的化学反应模型，结合吸收塔返回浆液池的液滴对浆液池各反应物浓度的影响、循环浆液泵组从浆液池抽走的浆液对浆液池各反应物浓度的影响、浆液排出泵从浆液池抽走的石膏浆液对浆液池各反应物浓度的影响、供浆泵向浆液池供给的新鲜石灰石浆液对浆液池各反应物浓度的影响，计算浆液池各反应物浓度随各个条件的变化来建立浆液池的模型；
建立脱硫效率的模型以气相区质量守恒的原则，以氧化空气量、浆液池蒸发量、入口烟气量为输入，吸收塔出口烟气量为输出，结合吸收塔模型的SO2的吸收速率、液滴直径、液滴内部浓度参数，计算吸收塔出口烟气SO2浓度的方式来建立模型；
建立基于质量守恒定律、能量守恒定律的脱硫***动态数学模型包括：吸收塔动态特性计算、浆液池动态特性计算、脱硫效率计算、浆液池pH值计算；模仿在不同烟气流速、入口SO2浓度、液气比、浆液池pH值工况下脱硫效率的变化,基于变化情况建立基于质量守恒定律、能量守恒定律的脱硫***动态数学模型。
5.根据权利要求1所述的基于多模态模型预测控制脱硫***多目标优化控制方法，其特征在于，所述步骤五中根据采样得到的当前测量信息，将DCS控制***当前采样时刻的状态和控制输入作为线性状态空间模型的初始条件，代入线性状态空间模型并预测到一段时间内的***状态和输出。
6.根据权利要求1所述的基于多模态模型预测控制脱硫***多目标优化控制方法，其特征在于，所述步骤六中以跟踪吸收塔出口烟气SO2浓度和浆液池主体pH值为控制目标，以脱硫***新鲜石灰石浆液量和循环浆液量的物理约束为约束条件，确定优化问题中目标函数和约束条件的数学表述，采用内点法求解该多约束开环优化问题，预测一段时间内的控制序列。
7.根据权利要求6所述的基于多模态模型预测控制脱硫***多目标优化控制方法，其特征在于，所述步骤六中开环优化的滚动式计算：建立吸收塔的模型多约束开环优化，所得到的控制序列的第一个元素作用于被控对象，在下一个采样时刻，重复上述过程，用新的测量值作为此时预测***未来动态的初始条件，刷新优化并重新求解。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010318242.0A CN111611691B (zh) | 2020-04-21 | 2020-04-21 | 基于多模态模型预测控制脱硫***多目标优化控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010318242.0A CN111611691B (zh) | 2020-04-21 | 2020-04-21 | 基于多模态模型预测控制脱硫***多目标优化控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111611691A CN111611691A (zh) | 2020-09-01 |
| CN111611691B true CN111611691B (zh) | 2024-05-31 |
Family
ID=72204729
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010318242.0A Active CN111611691B (zh) | 2020-04-21 | 2020-04-21 | 基于多模态模型预测控制脱硫***多目标优化控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111611691B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112288295B (zh) * | 2020-11-03 | 2024-06-18 | 国能龙源环保有限公司 | 一种基于在线的脱硫子***评价装置及其应用方法 |
| CN112364562B (zh) * | 2020-11-11 | 2024-05-31 | 福建龙净环保股份有限公司 | 一种烟气环保岛协同控制方法及*** |
| CN112522466A (zh) * | 2020-12-01 | 2021-03-19 | 攀钢集团西昌钢钒有限公司 | 一种脱硫最优参数的确定方法 |
| CN112967760B (zh) * | 2021-03-02 | 2023-02-28 | 西安热工研究院有限公司 | 基于脱硫***入口二氧化硫含量的石灰石浆液量预估方法 |
| CN113033873B (zh) * | 2021-03-02 | 2022-02-22 | 华电邹县发电有限公司 | 基于入炉煤质测量的脱硫***入口硫氧化物含量预测方法 |
| CN113082954B (zh) * | 2021-04-07 | 2022-04-01 | 浙江大学 | 一种湿法脱硫装置的全过程智能运行调控*** |
| CN113379166B (zh) * | 2021-07-27 | 2023-05-26 | 成都佳华物链云科技有限公司 | 一种工艺参数的预测方法、装置、电子设备及存储介质 |
| CN114191953B (zh) * | 2021-12-07 | 2024-02-20 | 国网河北能源技术服务有限公司 | 一种基于卷积神经网络和XGBoost的烟气脱硫脱硝控制方法 |
| CN115684276B (zh) * | 2022-12-28 | 2023-03-21 | 北京华科仪科技股份有限公司 | 一种基于集成融合模型的脱硫***ph值预测方法及*** |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102580513A (zh) * | 2012-01-01 | 2012-07-18 | 蔡如钰 | 火电厂烟气脱硫过程模拟优化*** |
| CN107168055A (zh) * | 2017-05-15 | 2017-09-15 | 东南大学 | 一种基于多变量预测控制的氨法脱硫优化控制方法 |
| CN107203687A (zh) * | 2017-04-17 | 2017-09-26 | 中国大唐集团科学技术研究院有限公司火力发电技术研究所 | 吸收塔脱硫过程多目标协同智能优化控制方法 |
| CN109034260A (zh) * | 2018-08-07 | 2018-12-18 | 东南大学 | 基于统计原理和智能寻优的脱硫塔氧化风机故障诊断***及方法 |
| CN110471291A (zh) * | 2019-09-05 | 2019-11-19 | 东南大学 | 一种氨法脱硫***的扰动抑制预测控制方法 |
| WO2020013220A1 (ja) * | 2018-07-13 | 2020-01-16 | 三菱日立パワーシステムズ株式会社 | 湿式排煙脱硫装置の制御方法、湿式排煙脱硫装置の制御装置、及びこの湿式排煙脱硫装置の制御装置を備えた遠隔監視システム |
-
2020
- 2020-04-21 CN CN202010318242.0A patent/CN111611691B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102580513A (zh) * | 2012-01-01 | 2012-07-18 | 蔡如钰 | 火电厂烟气脱硫过程模拟优化*** |
| CN107203687A (zh) * | 2017-04-17 | 2017-09-26 | 中国大唐集团科学技术研究院有限公司火力发电技术研究所 | 吸收塔脱硫过程多目标协同智能优化控制方法 |
| CN107168055A (zh) * | 2017-05-15 | 2017-09-15 | 东南大学 | 一种基于多变量预测控制的氨法脱硫优化控制方法 |
| WO2020013220A1 (ja) * | 2018-07-13 | 2020-01-16 | 三菱日立パワーシステムズ株式会社 | 湿式排煙脱硫装置の制御方法、湿式排煙脱硫装置の制御装置、及びこの湿式排煙脱硫装置の制御装置を備えた遠隔監視システム |
| CN109034260A (zh) * | 2018-08-07 | 2018-12-18 | 东南大学 | 基于统计原理和智能寻优的脱硫塔氧化风机故障诊断***及方法 |
| CN110471291A (zh) * | 2019-09-05 | 2019-11-19 | 东南大学 | 一种氨法脱硫***的扰动抑制预测控制方法 |
Non-Patent Citations (2)
| Title |
|---|
| 吸收塔浆液pH值动态矩阵控制仿真研究;肖淑斌;潘维加;;自动化与仪器仪表(04);10-12, 15 * |
| 基于自校正模型的非线性***多模型预测控制;许锋;罗雄麟;;中国石油大学学报(自然科学版)(02);133-137 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111611691A (zh) | 2020-09-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111611691B (zh) | 基于多模态模型预测控制脱硫***多目标优化控制方法 | |
| CN102693451B (zh) | 基于多参数的氨法烟气脱硫效率预测方法 | |
| Liu et al. | Operation strategy optimization of desulfurization system based on data mining | |
| CN113082954A (zh) | 一种湿法脱硫装置的全过程智能运行调控*** | |
| CN109062053A (zh) | 一种基于多变量校正的脱硝喷氨控制方法 | |
| CN106503380B (zh) | 炼焦烟气中氮氧化物浓度预测方法及预测*** | |
| CN112967760B (zh) | 基于脱硫***入口二氧化硫含量的石灰石浆液量预估方法 | |
| CN107103176A (zh) | 基于多源信息融合技术的燃煤锅炉scr催化剂寿命评价方法 | |
| CN115309117B (zh) | 一种基于数据驱动的wfgd出口so2浓度预测及智能优化方法 | |
| CN105974953A (zh) | 一种反应釜负压精馏模糊控制方法 | |
| CN109224815A (zh) | 一种基于多变量约束区间预测控制的氨法脱硫优化控制方法 | |
| Hu et al. | Multi-model ensemble prediction model for carbon efficiency with application to iron ore sintering process | |
| CN104615114A (zh) | 一种循环流化床的炉内脱硫优化控制方法 | |
| CN110981021A (zh) | 一种基于模糊bp神经网络的废水高级氧化处理智能加药***及方法 | |
| CN113723002A (zh) | 全工况下脱硫***浆液pH值预测模型建立方法及*** | |
| CN116822380A (zh) | 一种基于数字孪生在铜冶炼过程中尾气回收利用的协同优化方法 | |
| CN111450694B (zh) | 一种基于多目标优化的脱硫***工业控制器和控制方法 | |
| CN111178602A (zh) | 基于支持向量机和神经网络的循环水损失预测方法 | |
| CN107247994B (zh) | 一种托盘塔脱硫装置脱硫效率的模糊建模方法 | |
| Fulget et al. | MELISSA: global control strategy of the artificial ecosystem by using first principles models of the compartments | |
| Zhao et al. | Hybrid modeling and real-time predictive scheduling of wet flue gas desulfurization for energy saving and life extension | |
| Li et al. | Intelligent partition of operating condition-based multi-model control in flue gas desulfurization | |
| CN112415148B (zh) | 一种基于在线学习的湿法脱硫***CaSO3软测量方法 | |
| CN114862074A (zh) | 一种脱硫***浆液循环泵运行组合优化方法 | |
| Xie et al. | Energy efficiency analysis and optimization of industrial processes based on a novel data reconciliation |
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 |