CN112156649B - 一种基于大数据及萤火虫算法的多层级精细化智能脱硝***及方法 - Google Patents
一种基于大数据及萤火虫算法的多层级精细化智能脱硝***及方法 Download PDFInfo
- Publication number
- CN112156649B CN112156649B CN202011018364.4A CN202011018364A CN112156649B CN 112156649 B CN112156649 B CN 112156649B CN 202011018364 A CN202011018364 A CN 202011018364A CN 112156649 B CN112156649 B CN 112156649B
- Authority
- CN
- China
- Prior art keywords
- nox
- ammonia
- denitration
- ammonia injection
- firefly
- 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
- 241000254158 Lampyridae Species 0.000 title claims abstract description 115
- 238000000034 method Methods 0.000 title claims description 38
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 claims abstract description 523
- 229910021529 ammonia Inorganic materials 0.000 claims abstract description 252
- 238000002347 injection Methods 0.000 claims abstract description 156
- 239000007924 injection Substances 0.000 claims abstract description 156
- 238000009826 distribution Methods 0.000 claims abstract description 88
- 239000003054 catalyst Substances 0.000 claims abstract description 81
- 238000012544 monitoring process Methods 0.000 claims abstract description 47
- 229910000069 nitrogen hydride Inorganic materials 0.000 claims abstract description 39
- 238000005457 optimization Methods 0.000 claims abstract description 18
- 238000004458 analytical method Methods 0.000 claims abstract description 16
- 239000000428 dust Substances 0.000 claims abstract description 11
- 238000005192 partition Methods 0.000 claims abstract description 11
- 238000006477 desulfuration reaction Methods 0.000 claims abstract description 7
- 230000023556 desulfurization Effects 0.000 claims abstract description 7
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 45
- 239000003546 flue gas Substances 0.000 claims description 45
- 238000005507 spraying Methods 0.000 claims description 43
- 238000005259 measurement Methods 0.000 claims description 34
- 239000000779 smoke Substances 0.000 claims description 25
- 239000000523 sample Substances 0.000 claims description 24
- 239000007789 gas Substances 0.000 claims description 22
- 230000003197 catalytic effect Effects 0.000 claims description 21
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 claims description 18
- 238000011217 control strategy Methods 0.000 claims description 17
- 230000001276 controlling effect Effects 0.000 claims description 17
- 230000001105 regulatory effect Effects 0.000 claims description 14
- 239000000243 solution Substances 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000005070 sampling Methods 0.000 claims description 12
- 238000012937 correction Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 239000013589 supplement Substances 0.000 claims description 9
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 8
- 239000001301 oxygen Substances 0.000 claims description 8
- 229910052760 oxygen Inorganic materials 0.000 claims description 8
- 238000013461 design Methods 0.000 claims description 7
- 238000010790 dilution Methods 0.000 claims description 6
- 239000012895 dilution Substances 0.000 claims description 6
- 230000001502 supplementing effect Effects 0.000 claims description 5
- 230000001172 regenerating effect Effects 0.000 claims description 4
- 238000002835 absorbance Methods 0.000 claims description 3
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- 239000002245 particle Substances 0.000 abstract description 4
- 230000008021 deposition Effects 0.000 abstract description 2
- 230000009977 dual effect Effects 0.000 abstract description 2
- 230000000694 effects Effects 0.000 abstract description 2
- 239000003570 air Substances 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 6
- 239000003245 coal Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 238000010521 absorption reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 239000012080 ambient air Substances 0.000 description 2
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- VHUUQVKOLVNVRT-UHFFFAOYSA-N Ammonium hydroxide Chemical compound [NH4+].[OH-] VHUUQVKOLVNVRT-UHFFFAOYSA-N 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 235000011114 ammonium hydroxide Nutrition 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
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D2251/00—Reactants
- B01D2251/20—Reductants
- B01D2251/206—Ammonium compounds
- B01D2251/2062—Ammonia
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- General Chemical & Material Sciences (AREA)
- Oil, Petroleum & Natural Gas (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Treating Waste Gases (AREA)
- Exhaust Gas Treatment By Means Of Catalyst (AREA)
Abstract
本发明公开了一种基于大数据及萤火虫算法的多层级精细化智能脱硝***，包括省煤器、SCR脱硝装置、空预器、除尘装置、脱硫装置、尾气排放装置、锅炉机组、喷氨母管组件、脱硝入口流速及NOx场分布监测***、脱硝出口NOx/NH3场分布监测***、催化剂区的NOX场分布监测***和催化剂区的NOx/NH3不均匀度分析***；本发明通过大数据以及粒子群优化算法，建立喷氨支管实时调整制度，实现分区控制和喷氨总量优化双重控制；流场匹配准确、变工况适应性强，能有效提升喷氨控制的品质，使SCR性能适应NOx超低排放要求，达到节约喷氨量、降低NOx排放浓度、降低空预器堵塞几率、减轻尾部设备积灰综合效果。
Description
技术领域
本发明涉及一种燃煤电厂脱硝***，尤其是涉及一种多层级精细化智能脱硝***，属于电厂污染处理技术领域。
背景技术
由于我国较为严格的NOX排放限值，除了燃烧中控制技术外，还必须结合燃烧后烟气脱硝技术，主要包括SCR、SNCR和SCR/SNCR混合等技术。燃煤电厂脱硝改造呈全面爆发的增长趋势，其中，SCR烟气脱硝技术因其较高的脱硝效率(最高可达90％)，占火电机组脱硝容量的95％以上，成为我国燃煤电厂烟气脱硝的主流技术。
SCR烟气脱硝技术，由于脱硝技术引进消化吸收不彻底、运行工况复杂，脱硝装置在设计、设备选型和运行等方面还存在诸多问题，比如烟气流场、NOX浓度场分布不均；烟气流速、NOX浓度测量不具有代表性；脱硝出口NH3浓度场分布不均，测量不具有代表性；烟气量分配不均；煤种和负荷多变，缺乏科学动态调整喷氨的依据和手段；
目前影响SCR脱硝***效率的因素有很多，但确保合理的区域喷氨量和喷氨后氨气能够与原烟气混合均匀是提升SCR脱硝效率的有效技术手段。现有技术一般是点对点解决，这在电厂频繁调峰的需求以及耦合反应存在的情况下往往不能得到良好的结果。
发明内容
本发明的目的在于：针对现有技术的不足，提供一种实时在线多层级精细化智能脱硝***。解决SCR流场和浓度场分布不均，无法实现精细化喷氨，无法适应煤种和负荷变化的问题，最终实现燃煤电厂超低排放下的智能脱硝。
本发明具体技术方案为：
一种基于大数据及萤火虫算法的多层级精细化智能脱硝***，
包括省煤器、SCR脱硝装置、空预器、除尘装置、脱硫装置、尾气排放装置、锅炉机组、喷氨母管组件、脱硝入口流速及NOx场分布监测***、脱硝出口NOx/NH3场分布监测***、催化剂区的NOx场分布监测***和催化剂区的NOx/NH3不均匀度分析***；NOx/NH3表示NOx和NH3；
省煤器、SCR脱硝装置、空预器、除尘装置、脱硫装置和尾气排放装置之间通过烟道依次顺序连接；锅炉机组与省煤器通过烟道连接；
SCR脱硝装置中设置SCR催化剂层；催化剂区的NOx场分布监测***和催化剂区的NOx/NH3不均匀度分析***设置在SCR脱硝装置的SCR催化剂层；
脱硝入口流速及NOx场分布监测***设置在省煤器出口和SCR脱硝装置的入口之间的烟道中；
脱硝出口NOx/NH3场分布监测***设置在SCR脱硝装置的出口和空预器入口之间的烟道中。
喷氨母管组件包括液氨储罐、液氨蒸发器、氨气缓冲器、气体混合器和稀释风机，所述液氨储罐、液氨蒸发器、氨气缓冲器和气体混合器通过喷氨母管依次顺序相连接，稀释风机的出风口连接气体混合器，气体混合器的出口设置喷氨支管，喷氨支管与省煤器的出口处的烟道相连通，喷氨支管上设置有喷氨支管阀门，液氨储罐与液氨蒸发器之间设置有喷氨总阀。
脱硝入口流速及NOx场分布监测***将烟道的截面等分为n个区域，脱硝入口流速及NOx场分布监测***将每个区域沿烟气流速方向分为三层，第一脱硝入口层为入口烟气流量测量层，第二脱硝入口层为入口NOx场分布测量层，第三脱硝入口层为控制喷氨层；
第一脱硝入口层的入口烟气流量测量采用差压流量计，总共安装n套差压流量计用于测量烟气流速；第二脱硝入口层入口NOx场分布测量层采用紫外差分仪表测量，每个区域设置一个取样探头，探头数量总共为n个；第三脱硝入口层为控制喷氨层；
脱硝出口NOx和NH3场分布监测***将选定烟道的截面等分为n个区域，将每个区域沿烟气流速方向分为二层，第一脱硝出口层为出口NOx场分布测量层，第二脱硝出口层为出口NH3场分布测量层；第一脱硝出口层的出口NOx场分布测量采用紫外差分仪表测量，每个区域设置一个取样探头，探头数量总共为n个；第二脱硝出口层的出口NH3场分布测量采用在线三点式实时氨逃逸监测***。
SCR催化剂层沿烟气流速方向分为三层，分别为第一催化层、第二催化层和第三催化层；第一催化层位于催化剂层顶部，第二催化层位于催化剂层中部，第三催化层位于催化剂层尾部；第一催化层和第二催化层将烟道截面等分为n个区域；第一催化层设置催化剂区的NOx场分布监测***，采用紫外差分仪表测量NOx场分布，每个区域设置一个取样探头，探头数量总共为n个；第二催化层为补氨补烟气层，n个区域依次设置喷氨喷烟气探头；第三催化层为NOx和NH3不均匀度分析层，催化剂区的NOx/NH3不均匀度分析***设置在第三催化层。
脱硝入口流速及NOx场分布监测***、脱硝出口NOx/NH3场分布监测***、催化剂区的NOx场分布监测***和催化剂区的NOx/NH3不均匀度分析***均包括仪器仪表测量单元；
仪器仪表测量单元包括矩阵流量计、多点NOx和NH3测量子***和喷氨自动调节阀；
矩阵流量计用于烟气流量测量，实时测量结果通过模拟量调节信号实时传入DCS卡件；多点NOx和NH3测量子***分析测量对应区域的烟气中NOx和NH3浓度，实时测量结果通过模拟量调节信号方式实时传入DCS卡件；喷氨自动调节阀接收来自DCS(集散控制***)卡件的模拟量调节信号，实现喷氨支管阀门开度自动调整以控制喷氨支管阀门的喷氨量。
一种基于大数据及萤火虫算法的多层级精细化智能脱硝方法，包括如下步骤：
步骤S1，根据前馈信号生成喷氨总量预判指令，控制喷氨总阀开度，判断排口NOx是否达标，达标则进入步骤S2进行喷氨支管控制，不达标重新生成喷氨总量预判指令，仅进行喷氨母管喷氨总流量控制；
步骤S2，控制喷氨支管阀门开度，对SCR脱硝出口全截面NOx和NH3场分布进行评价，如果SCR脱硝出口全截面NOx和NH3场分布达标，则返回喷氨母管喷氨总流量控制；若不达标，计算催化剂层不均匀度；
步骤S3，如果催化剂层不均匀度小于等于不均匀度限定阈值，则进行补氨补烟气，若大于不均匀度限定阈值，通过大数据以及萤火虫优化算法，计算各喷氨支管所对应的喷氨分区实际喷氨需求量来调整喷氨支管阀门的开度，实现分区域自动调节。
一种基于大数据及萤火虫算法的多层级精细化智能脱硝方法，包括以下步骤：
步骤1所述喷氨母管喷氨总流量控制的控制策略包括负荷闭环控制策略和喷氨需求量自动计算控制策略；
负荷闭环控制策略根据锅炉机组在设计煤种、标准工控时，不同负荷所对应的标准喷氨量进行数据统计及验证，获取锅炉机组从低负荷至满负荷整个连续区间所对应的标准喷氨量对应关系表；实时获取当前锅炉机组负荷，根据预设的对应关系图计算出目前负荷条件下所对应的喷氨量理论值，并以所述喷氨量理论值为基准来调整喷氨母管中的喷氨流量；
喷氨需求量自动计算控制策略根据SCR脱硝装置入口分区测量到的多点NOx数据、烟气流量数据和入***氧量，SCR脱硝装置出口测量到的多点NOx场分布和NH3逃逸率，计算出在当前工况下的实际喷氨需求量，并以计算出的实际喷氨需求量为基准调整喷氨母管中的喷氨总量；
实际喷氨需求量M(实际氨消耗量)包括实际脱硝用氨和逃逸氨，计算公式为式(1)：
M＝(Vq*CNO*17/(30*106)+Vq*CNO2*17*2/(46*106))*m (1)
其中，CNO、CNO2为SCR脱硝装置进口烟气中NO、NO2浓度(mg/Nm3)；Vq为反应器进口烟气流量(Nm3/h)；m是实际脱硝效率，实际脱硝效率表示氨逃逸后的氨消耗量与100％脱硝效率时理论氨消耗量的比值(％)；17、30和46分别为NH3、NO和NO2的分子质量，M实际喷氨需求量(kg/h)；
CNOx6％O2＝CNOx*(20.9％-6％)/(20.9％-O2实测值)；20.9％为O2在环境空气中的含量，(20.9％-6％)/(20.9％-O2实测值)为实际氧量下的干烟气量与6％O2下的干烟气量转换关系；
CNO＝CNOx/2.05*0.95*1.34；
CNO2＝CNOx*0.05；
CNOx、CNO2、CNO分别实际含氧量下的标准干烟气中的NOx、NO2、NO浓度，mg/Nm3；
CNOx6％O2指工程设计中所提供的氮氧化物排放含量通常为mg/Nm3(标准状态6％O2)，CNOx6％O2表示氮氧化物排放量。
催化剂层不均匀度计算公式为；
PVi(i＝1，2，3···n，n为分区数量)为第i个分区对应NOx浓度，PV为整个截面NOx浓度的平均值,CV为催化剂层不均匀度。
补氨补烟气的过程中，补氨补烟气的修正量和补氨补烟气位置由催化剂层第一催化剂层测量的NOx场分布决定，修正量基于步长和步进周期进行递进修正，补氨补烟气过程每间隔固定周期对SCR脱硝装置出口全截面NOx，NH3场分布重新进行评价。
通过大数据以及萤火虫优化算法，计算各喷氨支管所对应的喷氨分区实际喷氨需求量来调整喷氨支管阀门的开度，实现分区域自动调节，具体包括以下步骤：
S301，利用大数据以及机器学习方法对喷氨支管阀门进行控制，
min:σ2(f(X′))+w1·∑f(X′)+w2·∑V氨+λ∑Z′ (2)
Z′＝|Z标-Z时|
S.t.
S302,利用萤火虫算法对权重参数w1,w2进行在线寻优；
萤火虫算为每只萤火虫都向着看上去比自己更亮的萤火虫飞行；在D维解空间内每个萤火虫的位置为Y＝(y1,y2,…,yD).对权重参数w1,w2寻优，选择2维解空间，位置为Y＝(y1,y2)；
萤火虫之间的相对吸引度由以下公式(3)
β0为萤火虫之间初始吸引度，即两只萤火虫之间距离为0时的吸引度，r为第i个萤火虫与第j个萤火虫之间的距离；e是自然常数，γ表示对光的吸收率，β(r)表示距离为r的萤火虫之间的相对吸引度；
每只萤火虫将会朝着所有亮度比自己高的所有萤火虫移动，其移动位置由以下公式(4)计算得出：
其中Yi′表示一个比第i个个体Yi亮度更高的萤火虫的位置，r表示第i个萤火虫与第j个萤火虫之间的距离；rand()为一个随机扰动，α为扰动的步长因子；
初始化，设定萤火虫的种群为N，介质对光的吸收系数为γ＝1，设置初始步长a，βmax和βmin，初始吸引度β0＝1.0，，其吸引度公式如(5)：
式(5)以保证任何两个萤火虫之间的最小吸引度为βmin，最大的吸引度为βmax；
根据萤火虫的位置计算出每个萤火虫的吸引度值，吸引度值越优的萤火虫亮度越高；
每个萤火虫将根据式(4)向所有比自己亮度高的萤火虫飞行其中第t代时萤火虫飞行的步长为式(6)：
α(t)＝αt (6)；
式(6)计算出的萤火虫飞行步长将随时间递减；α是[0,1]之间的随机数，t为代数
群体中亮度最高的个体将不会更新其位置；群体中亮度最大的个体将按照公式(7)来更新位置；
Yi′＝Yi+αrandGuass() (7)
计算在萤火虫向所有比自己亮度高的其它个体飞行后所到的新位置的吸引度值，若新位置的优于飞行之前的位置，则萤火虫将飞行到新的位置，否则萤火虫将停留在原处；randGuass()表示高斯分布随机数序列；
若算法到达最大迭代次数则将搜索到的最优的萤火虫的位置作为解输出，否则将重新计算吸引度值；输出对w1,w2寻优，对得到的最优解空间位置Y＝(y1,y2)，代入式(2)以满足条件。
本发明的有益效果在于：本发明公开一种基于大数据及萤火虫算法的多层级精细化智能脱硝***根据前馈信号生成喷氨总量预判指令，通过大数据以及粒子群优化算法，建立喷氨支管实时调整制度，实现分区控制和喷氨总量优化双重控制；流场匹配准确、变工况适应性强，过程调节速度快，能有效提升喷氨控制的品质，使SCR性能适应NOx超低排放要求，达到节约喷氨量、降低NOx排放浓度、降低空预器堵塞几率、减轻尾部设备(如电除尘极线、除尘滤袋、低压省煤器)积灰综合效果。
本发明大数据及萤火虫算法的多层级精细化智能脱硝***及方法通过锅炉负荷、SCR入口流速、NOx浓度等的前馈信号与催化剂层NOx浓度、NOx和NH3不均匀度以及SCR出口NOx、NH3浓度等的反馈信号来计算出实时脱硝反应的氨量需求，通过调节喷氨总阀控制总的纯氨量，再通过每个区域的喷氨自动调节阀的开度来调整每个喷氨支管的喷入量，达到氨氮摩尔比的相对匹配；
本发明大数据及萤火虫算法的多层级精细化智能脱硝***及方法将烟道按照矩阵排列分区域多点采样测量，获取每个小分区对应的NOx浓度，同时对喷氨支管手动调节阀进行改造设计，改造为自动调节阀，做到能够根据分区浓度进行多点喷氨自动调节控制，以实现不同分区的喷氨相对均匀性；
本发明大数据及萤火虫算法的多层级精细化智能脱硝***及方法引接前馈信号生成喷氨总量预判指令，结合调试人员在脱硝喷氨均匀性调整上的工程经验以及相关反馈信号，通过大数据以及粒子群优化算法，建立喷氨支管实时调整制度，实现分区控制和喷氨总量优化双重控制。
附图说明
图1为本发明一种基于大数据及萤火虫算法的多层级精细化智能脱硝***结构示意图；
图2为本发明的脱硝入口流速及NOX场分布监测***结构示意图；
图3为本发明的催化剂层结构示意图；
图4为本发明的实时氨逃逸监测***示意图；
图5为本发明的不同入口NOx浓度下NH3/NOx摩尔比范围图；
图6为本发明的喷氨母管以及喷氨支管示意图；
图7为本发明的一种基于大数据及萤火虫算法的多层级精细化智能脱硝方法流程图。
具体实施方式
为使本发明的目的、技术方案、优点更加清楚，下面结合附图对本发明的具体实施方式进行详细说明。
以下将结合本发明的附图，对本发明实施例中的技术方案进行清楚、完整的描述和讨论，显然，这里所描述的仅仅是本发明的一部分实例，并不是全部的实例，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的前提下所获得的所有其他实施例，都属于本发明的保护范围。
如图1所示，一种基于大数据及萤火虫算法的多层级精细化智能脱硝***，包括省煤器、SCR脱硝装置、空预器、除尘装置、脱硫装置、尾气排放装置、锅炉机组、喷氨母管组件、脱硝入口流速及NOx场分布监测***、脱硝出口NOx/NH3场分布监测***、催化剂区的NOx场分布监测***和催化剂区的NOx/NH3不均匀度分析***；
省煤器、SCR脱硝装置、空预器、除尘装置、脱硫装置和尾气排放装置之间通过烟道依次顺序连接；锅炉机组与省煤器通过烟道连接；
喷氨母管组件包括液氨储罐、液氨蒸发器、氨气缓冲器、气体混合器和稀释风机，所述液氨储罐、液氨蒸发器、氨气缓冲器和气体混合器通过喷氨母管依次顺序相连接，稀释风机的出风口连接气体混合器，如图6所示，气体混合器的出口设置喷氨支管，喷氨支管与省煤器的出口处的烟道相连通，喷氨支管上设置有喷氨支管阀门，液氨储罐与液氨蒸发器之间设置有喷氨总阀；
SCR脱硝装置中设置SCR催化剂层；催化剂区的NOx场分布监测***和催化剂区的NOx/NH3不均匀度分析***设置在SCR脱硝装置的SCR催化剂层；
脱硝入口流速及NOx场分布监测***设置在省煤器出口和SCR脱硝装置的入口之间的烟道中；
脱硝出口NOx/NH3场分布监测***设置在SCR脱硝装置的出口和空预器3入口之间的烟道中；
如图2所示，脱硝入口流速及NOx场分布监测***将烟道的截面等分为12个区域，脱硝入口流速及NOx场分布监测***将每个区域沿烟气流速方向分为三层，第一脱硝入口层为入口烟气流量测量层，第二脱硝入口层为入口NOX场分布测量层，第三脱硝入口层为控制喷氨层；
第一脱硝入口层的入口烟气流量测量采用防堵笛型差压流量计，总共安装12套差压流量计用于测量烟气流速；第二脱硝入口层入口NOX场分布测量层采用紫外差分仪表测量，每个区域设置一个取样探头，探头数量总共为12个，紫外差分仪表共用，数量1台；第三脱硝入口层为控制喷氨层；
脱硝出口NOx和NH3场分布监测***将选定烟道的截面等分为12个区域，将每个区域沿烟气流速方向分为二层，第一脱硝出口层为出口NOx场分布测量层，第二脱硝出口层为出口NH3场分布测量层；第一脱硝出口层的出口NOx场分布测量采用紫外差分仪表测量，每个区域设置一个取样探头，探头数量总共为12个，分析仪表为共用，数量1台；第二脱硝出口层的出口NH3场分布测量采用一台在线三点式实时氨逃逸监测***，如图4所示，在线三点式实时氨逃逸监测***包含三个取样探头和一个总控制箱。
如图3所示，SCR催化剂层沿烟气流速方向分为三层，第一催化层位于催化剂层顶部，第二催化层位于催化剂层中部，第三催化层位于催化剂层尾部；第一催化层和第二催化层将烟道截面等分为12个区域；第一催化层设置NOx场分布监测***，采用紫外差分仪表测量NOx场分布，每个区域设置一个取样探头，探头数量总共为12个，紫外差分仪表共用，数量1台；第二催化层为补氨补烟气层，12个区域依次设置喷氨喷烟气探头；第三催化层为NOx和NH3不均匀度分析层，催化剂区的NOx/NH3不均匀度分析***设置在第三催化层；
脱硝入口流速及NOx场分布监测***、脱硝出口NOx/NH3场分布监测***、催化剂区的NOX场分布监测***和催化剂区的NOx/NH3不均匀度分析***均包括仪器仪表测量单元；
仪器仪表测量单元包括矩阵流量计、多点NOx和NH3测量子***和喷氨自动调节阀；
矩阵流量计用于烟气流量测量，实时测量结果通过4～20mA模拟量输入信号实时传入DCS卡件；多点NOx和NH3测量子***分析测量对应区域的烟气中NOx和NH3浓度，实时测量结果通过4～20mA模拟量调节信号方式实时传入DCS卡件；喷氨自动调节阀接收来自DCS的4～20mA模拟量调节信号，实现喷氨支管阀门开度自动调整以控制喷氨支管阀门的喷氨量，同时提供实际开度反馈4～20mA模拟量信号到DCS(集散控制***)；
通过锅炉负荷、SCR入口流速、NOx浓度等的前馈信号与催化剂层NOX浓度、NOx和NH3不均匀度以及SCR出口NOx、NH3浓度的反馈信号来计算出实时脱硝反应的氨量需求，通过调节喷氨总阀控制总的纯氨量，再通过每个区域的喷氨自动调节阀的开度来调整每个喷氨支管的喷入量，达到氨氮摩尔比的相对匹配；
将烟道按照2×6的矩阵排列分区域多点采样测量，获取每个小分区对应的NOx浓度，同时对喷氨支管手动调节阀进行改造设计，改造为自动调节阀，做到能够根据分区浓度进行多点喷氨自动调节控制，以实现不同分区的喷氨相对均匀性；
整套脱硝***由DCS***集中监控，DCS控制***主要为DCS脱硝子***中已经实现的机组负荷信号闭环控制、喷氨母管总喷氨量的自动控制；脱硝测控信号所对应的各类AI、AO、DI、DO(AI：模拟量输入；AO：模拟量输出；DI：数字量输入；DO：数字量输出)卡件及过程控制DPU卡件。
如图7所示，一种基于大数据及萤火虫算法的多层级精细化智能脱硝方法，包括如下步骤：
步骤S1，根据前馈信号(锅炉负荷、SCR入口流速和NOx浓度)生成喷氨总量预判指令，控制喷氨总阀开度，判断排口NOx是否达标，达标则进入步骤S2进行喷氨支管控制，不达标重新生成喷氨总量预判指令，仅进行喷氨母管喷氨总流量控制；
喷氨母管组件通过施加了压力的饱和蒸汽，将20％的氨水蒸发成氨气/水蒸汽的混合气，再将该混合气氨浓度稀释至5％以下，通过喷氨支管进入SCR反应器进行脱硝反应。
步骤S2，控制喷氨支管阀门开度，对SCR脱硝出口全截面NOx和NH3场分布进行评价，如果SCR脱硝出口全截面NOx和NH3场分布达标，则返回喷氨母管喷氨总流量控制；若不达标，计算催化剂层不均匀度；
PVi(i＝1，2，3···n，n＝12)为第i个分区对应NOx浓度,PV为整个截面NOx浓度的平均值,CV为催化剂层不均匀度；本实施例，n＝12，即将烟道的截面等分为12个区域；
SCR脱硝装置出口全截面NOx和NH3场分布达标标准为：SCR脱硝出口NH3逃逸<3ppm，NOX排放浓度为80％～90％的排放限值，与设定值的偏差控制在±5mg/m3；脱硝出口NOX浓度场的不均匀度小于等于10％；脱硝出口NOX均值与总排口NOX浓度偏差小于或者等于±5mg/m3。
步骤S3，如果催化剂层不均匀度小于等于10％，则进行补氨补烟气，若大于10％，通过大数据以及萤火虫优化算法，计算各喷氨支管所对应的喷氨分区实际喷氨需求量来调整喷氨支管阀门的开度，实现分区域自动调节。
引接前馈信号生成喷氨总量预判指令，结合调试人员在脱硝喷氨均匀性调整上的工程经验以及相关反馈信号，通过大数据以及粒子群优化算法，建立喷氨支管实时调整制度，实现分区控制和喷氨总量优化双重控制。
步骤1所述喷氨母管喷氨总流量控制的控制策略包括负荷闭环控制策略和喷氨需求量自动计算控制策略；正常情况下，同一机组仅允许其中一种脱硝控制策略执行；两种控制策略可以手动切换；
负荷闭环控制策略根据锅炉机组在设计煤种、标准工控时，不同负荷所对应的标准喷氨量进行数据统计及验证，获取锅炉机组从低负荷至满负荷整个连续区间所对应的标准喷氨量对应关系表；实时获取当前锅炉机组负荷，根据预设的对应关系图计算出目前负荷条件下所对应的喷氨量理论值，并以所述喷氨量理论值为基准来调整喷氨母管中的喷氨流量；
喷氨需求量自动计算控制策略根据SCR脱硝装置入口分区测量到的多点NOx数据、烟气流量数据和入***氧量，SCR脱硝装置出口测量到的多点NOx场分布和NH3逃逸率，计算出在当前工况下的实际喷氨需求量，并以计算出的实际喷氨需求量为基准调整喷氨母管中的喷氨总量；
反应原理(有氧状态)：
4NH3+4NO+O2→4N2+6H2O 4NH3+2NO2+O2→3N2+6H2O
实际喷氨需求量M(实际氨消耗量)包括实际脱硝用氨和逃逸氨，计算公式为式(1)：
M＝(Vq*CNO*17/(30*106)+Vq*CNO2*17*2/(46*106))*m (1)
其中，CNO、CNO2为SCR脱硝装置进口烟气中NO、NO2浓度(mg/Nm3)；Vq为反应器进口烟气流量(Nm3/h)；m是实际脱硝效率，实际脱硝效率表示氨逃逸后的氨消耗量与100％脱硝效率时理论氨消耗量的比值(％)；17、30和46分别为NH3、NO和NO2的分子质量，M实际喷氨需求量(kg/h)；
CNOx6％O2＝CNOx*(20.9％-6％)/(20.9％-O2实测值)；20.9％为O2在环境空气中的含量，(20.9％-6％)/(20.9％-O2实测值)为实际氧量下的干烟气量与6％O2下的干烟气量转换关系；
CNO＝CNOx/2.05*0.95*1.34；
CNO2＝CNOx*0.05；
CNOx、CNO2、CNO分别实际含氧量下的标准干烟气中的NOx、NO2、NO浓度，mg/Nm3。
CNOx6％O2指工程设计中所提供的氮氧化物排放含量通常为mg/Nm3(标准状态6％O2)，CNOx6％O2表示氮氧化物排放量。
补氨补烟气的过程中，补氨补烟气的修正量和补氨补烟气位置由催化剂层第一催化剂层测量的NOx场分布决定，修正量(修正量＝修正值-当前值)的10％为步长、30秒为步进周期进行递进修正，以尽量消除反馈控制的延迟性带来的震动问题；补氨补烟气过程每两分钟对脱硝出口全截面NOx，NH3场分布重新进行评价。
利用大数据以及萤火虫优化算法进行智能决策，实时调整喷氨支管喷氨量具体包括以下步骤：
S301，利用大数据以及机器学习方法对喷氨支管阀门进行控制，
min:σ2(f(X′))+w1·∑f(X′)+w2·∑V氨+λ∑Z′ (2)
Z′＝|Z标-Z时|
S.t.
公式(2)衡量阀门开度大小和方差，动态循环调节以获得满足条件的X′；
S302,利用萤火虫算法对权重参数w1,w2进行在线寻优；
萤火虫算为每只萤火虫都向着看上去比自己更亮的萤火虫飞行；在D维解空间内每个萤火虫的位置为Y＝(y1,y2,…,yD).对权重参数w1,w2寻优，选择2维解空间，位置为Y＝(y1,y2)；
萤火虫之间的相对吸引度由以下公式(3)
β0为萤火虫之间初始吸引度，即两只萤火虫之间距离为0时的吸引度，r为第i个萤火虫与第j个萤火虫之间的距离；e是自然常数，γ表示对光的吸收率，通常取1，β(r)表示距离为r的萤火虫之间的相对吸引度。
每只萤火虫将会朝着所有亮度比自己高的所有萤火虫移动，其移动位置由以下公式(4)计算得出：
其中其中Yi′表示一个比第i个个体Yi亮度更高的萤火虫的位置，r表示第i个萤火虫与第j个萤火虫之间的距离；rand()为一个随机扰动，α为扰动的步长因子；rand()取值为[-0.5,0.5]范围内的均匀分布或者U(0,1)的标准正态分布，a取值[0,1]之间；
初始化，设定萤火虫的种群为N，介质对光的吸收系数为γ＝1，初始步长a＝0.97，初始吸引度β0＝1.0，其中βmax＝1.0,βmin＝0.2，其吸引度公式如(5)：
式(5)以保证任何两个萤火虫之间的最小吸引度为0.2，最大的吸引度为1.0；
根据萤火虫的位置计算出每个萤火虫的吸引度值，吸引度值越优的萤火虫亮度越高；
每个萤火虫将根据式(4)向所有比自己亮度高的萤火虫飞行其中第t代时萤火虫飞行的步长为式(6)：
α(t)＝αt (6)；
式(6)计算出的萤火虫飞行步长将随时间递减；α是[0,1]之间的随机数，t为代数
由于所有个体只会向比自己亮度高的个体飞行，那么群体中亮度最高的个体将不会更新其位置；群体中亮度最大的个体将按照以下公式(7)来更新自己的位置；
Yi′＝Yi+αrandGuass() (7)
计算在萤火虫向所有比自己亮度高的其它个体飞行后所到的新位置的吸引度值，若该位置优于飞行之前的位置，则该萤火虫将飞行到新的位置，否则萤火虫将停留在原处；randGuass()表示高斯分布随机数序列；
若算法到达最大迭代次数则将搜索到的最优的萤火虫的位置作为解输出，否则将重新计算吸引度值；输出对w1,w2寻优，对得到的最优解空间位置Y＝(y1,y2)，代入式(2)以满足条件。
本实施列提供一种实时在线多层级精细化智能脱硝***工作流程如下：
(1)根据入口烟气数据等前馈信号生成喷氨总量预判指令，控制总阀开度，判断是否达标，达标则进行喷氨支管控制，不达标重新生成喷氨总量预判指令；
(2)对出口全截面NOx和NH3场分布进行评价。若达标，则返回母管控制，正常运行。若不达标，判断不均匀度；
(3)若不均匀度小于等于10％，则补氨补烟气，若大于10％，利用大数据以及萤火虫优化算法进行智能决策；
(4)在补氨补烟气或智能决策后，对出口全截面NOx，NH3场分布进行评价。
优化目标：脱硝出口NH3逃逸<3ppm；NOX排放浓度稳定控制在80％～90％的排放限值，与设定值的偏差控制在±5mg/m3；脱硝出口NOX浓度场的不均匀度控制在10％以内；脱硝出口NOX均值与总排口NOX浓度偏差控制在±5mg/m3。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下被实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多特征。更确切地说，如权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员应当理解在本文所公开的示例中的设备的模块或单元或组间可以布置在如该实施例中所描述的设备中，或者可替换地可以定位在与该示例中的设备不同的一个或多个设备中。前述示例中的模块可以组合为一个模块或者此外可以分成多个子模块。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组间组合成一个模块或单元或组间，以及此外可以把它们分成多个子模块或子单元或子组间。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
此外，所述实施例中的一些在此被描述成可以由计算机***的处理器或者由执行所述功能的其它装置实施的方法或方法元素的组合。因此，具有用于实施所述方法或方法元素的必要指令的处理器形成用于实施该方法或方法元素的装置。此外，装置实施例的在此所述的元素是如下装置的例子：该装置用于实施由为了实施该发明的目的的元素所执行的功能。
这里描述的各种技术可结合硬件或软件，或者它们的组合一起实现。从而，本发明的方法和设备，或者本发明的方法和设备的某些方面或部分可采取嵌入有形媒介，例如软盘、CD-ROM、硬盘驱动器或者其它任意机器可读的存储介质中的程序代码(即指令)的形式，其中当程序被载入诸如计算机之类的机器，并被所述机器执行时，所述机器变成实践本发明的设备。
在程序代码在可编程计算机上执行的情况下，计算设备一般包括处理器、处理器可读的存储介质(包括易失性和非易失性存储器和/或存储元件)，至少一个输入装置，和至少一个输出装置。其中，存储器被配置用于存储程序代码；处理器被配置用于根据该存储器中存储的所述程序代码中的指令，执行本发明的方法。
以示例而非限制的方式，计算机可读介质包括计算机存储介质和通信介质。计算机可读介质包括计算机存储介质和通信介质。计算机存储介质存储诸如计算机可读指令、数据结构、程序模块或其它数据等信息。通信介质一般以诸如载波或其它传输机制等已调制数据信号来体现计算机可读指令、数据结构、程序模块或其它数据，并且包括任何信息传递介质。以上的任一种的组合也包括在计算机可读介质的范围之内。
如在此所使用的那样，除非另行规定，使用序数词“第一”、“第二”、“第三”等等来描述普通对象仅仅表示涉及类似对象的不同实例，并且并不意图暗示这样被描述的对象必须具有时间上、空间上、排序方面或者以任意其它方式的给定顺序。
尽管根据有限数量的实施例描述了本发明，但是受益于上面的描述，本技术领域内的技术人员明白，在由此描述的本发明的范围内，可以设想其它实施例。此外，应当注意，本说明书中使用的语言主要是为了可读性和教导的目的而选择的，而不是为了解释或者限定本发明的主题而选择的。因此，在不偏离所附权利要求书的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围，对本发明所做的公开是说明性的，而非限制性的，本发明的范围由所附权利要求书限定。
以上仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (9)
1.一种基于大数据及萤火虫算法的多层级精细化智能脱硝***，其特征在于，
包括省煤器、SCR脱硝装置、空预器、除尘装置、脱硫装置、尾气排放装置、锅炉机组、喷氨母管组件、脱硝入口流速及NOx场分布监测***、脱硝出口NOx/NH3场分布监测***、催化剂区的NOx 场分布监测***和催化剂区的NOx/NH3不均匀度分析***；
省煤器、SCR脱硝装置、空预器、除尘装置、脱硫装置和尾气排放装置之间通过烟道依次顺序连接；锅炉机组与省煤器通过烟道连接；
SCR脱硝装置中设置SCR催化剂层；催化剂区的NOx场分布监测***和催化剂区的NOx/NH3不均匀度分析***设置在SCR脱硝装置的SCR催化剂层；
脱硝入口流速及NOx场分布监测***设置在省煤器出口和SCR脱硝装置的入口之间的烟道中；
脱硝出口NOx/NH3场分布监测***设置在SCR脱硝装置的出口和空预器入口之间的烟道中；
脱硝入口流速及NOx场分布监测***将烟道的截面等分为n个区域，脱硝入口流速及NOx场分布监测***将每个区域沿烟气流速方向分为三层，第一脱硝入口层为入口烟气流量测量层，第二脱硝入口层为入口NOx场分布测量层，第三脱硝入口层为控制喷氨层；
第一脱硝入口层的入口烟气流量测量采用差压流量计，总共安装n套差压流量计用于测量烟气流速；第二脱硝入口层入口NOx场分布测量层采用紫外差分仪表测量，每个区域设置一个取样探头，探头数量总共为n个；第三脱硝入口层为控制喷氨层；
脱硝出口NOx和NH3场分布监测***将选定烟道的截面等分为n个区域，将每个区域沿烟气流速方向分为二层，第一脱硝出口层为出口NOx场分布测量层，第二脱硝出口层为出口NH3场分布测量层；第一脱硝出口层的出口NOx场分布测量采用紫外差分仪表测量，每个区域设置一个取样探头，探头数量总共为n个；第二脱硝出口层的出口NH3场分布测量采用在线三点式实时氨逃逸监测。
2.根据权利要求1所述的一种基于大数据及萤火虫算法的多层级精细化智能脱硝***，其特征在于，
喷氨母管组件包括液氨储罐、液氨蒸发器、氨气缓冲器、气体混合器和稀释风机，所述液氨储罐、液氨蒸发器、氨气缓冲器和气体混合器通过喷氨母管依次顺序相连接，稀释风机的出风口连接气体混合器，气体混合器的出口设置喷氨支管，喷氨支管与省煤器的出口处的烟道相连通，喷氨支管上设置有喷氨支管阀门，液氨储罐与液氨蒸发器之间设置有喷氨总阀。
3.根据权利要求1所述的一种基于大数据及萤火虫算法的多层级精细化智能脱硝***，其特征在于，
SCR催化剂层沿烟气流速方向分为三层，分别为第一催化层、第二催化层和第三催化层；第一催化层位于催化剂层顶部，第二催化层位于催化剂层中部，第三催化层位于催化剂层尾部；第一催化层和第二催化层将烟道截面等分为n个区域；第一催化层设置催化剂区的NOx场分布监测***，采用紫外差分仪表测量NOx场分布，每个区域设置一个取样探头，探头数量总共为n个；第二催化层为补氨补烟气层，n个区域依次设置喷氨喷烟气探头；第三催化层为NOx和NH3不均匀度分析层，催化剂区的NOx/NH3不均匀度分析***设置在第三催化层。
4.根据权利要求1所述的一种基于大数据及萤火虫算法的多层级精细化智能脱硝***，其特征在于，
脱硝入口流速及NOx场分布监测***、脱硝出口NOx/NH3场分布监测***、催化剂区的NOx场分布监测***和催化剂区的NOx/NH3不均匀度分析***均包括仪器仪表测量单元；
仪器仪表测量单元包括矩阵流量计、多点NOx和NH3测量子***和喷氨自动调节阀；
矩阵流量计用于烟气流量测量，实时测量结果通过模拟量调节信号实时传入DCS卡件；多点NOx和NH3测量子***分析测量对应区域的烟气中NOx和NH3浓度，实时测量结果通过模拟量调节信号方式实时传入DCS卡件；喷氨自动调节阀接收来自DCS卡件的模拟量调节信号，实现喷氨支管阀门开度调整，控制喷氨支管阀门的喷氨量。
5.一种基于大数据及萤火虫算法的多层级精细化智能脱硝方法，其特征在于，包括如下步骤：
步骤S1，根据前馈信号生成喷氨总量预判指令，控制喷氨总阀开度，判断排口NOx是否达标，达标则进入步骤S2进行喷氨支管控制，不达标重新生成喷氨总量预判指令，仅进行喷氨母管喷氨总流量控制；
步骤S2，控制喷氨支管阀门开度，对SCR脱硝出口全截面NOx和NH3场分布进行评价，如果SCR脱硝出口全截面NOx和NH3场分布达标，则返回喷氨母管喷氨总流量控制；若不达标，计算催化剂层不均匀度；
步骤S3，如果催化剂层不均匀度小于或者等于不均匀度限定阈值，则进行补氨补烟气，若大于不均匀度限定阈值，通过大数据以及萤火虫优化算法，计算各喷氨支管所对应的喷氨分区实际喷氨需求量来调整喷氨支管阀门的开度，实现分区域自动调节。
6.根据权利要求5所述的一种基于大数据及萤火虫算法的多层级精细化智能脱硝方法，其特征在于，
步骤1所述喷氨母管喷氨总流量控制的控制策略包括负荷闭环控制策略和喷氨需求量自动计算控制策略；
负荷闭环控制策略根据获取的锅炉机组从低负荷至满负荷整个连续区间所对应的标准喷氨量对应关系表；实时获取当前锅炉机组负荷，根据预设的标准喷氨量对应关系表计算出目前负荷条件下所对应的喷氨量理论值，并以所述喷氨量理论值为基准来调整喷氨母管中的喷氨流量；
喷氨需求量自动计算控制策略根据SCR脱硝装置入口分区测量到的多点NOx数据、烟气流量数据和入***氧量，SCR脱硝装置出口测量到的多点NOx场分布和NH3逃逸率，计算出在当前工况下的实际喷氨需求量，并以计算出的实际喷氨需求量为基准调整喷氨母管中的喷氨总量；
实际喷氨需求量M包括实际脱硝用氨和逃逸氨，计算公式为式(1)：
M＝(Vq*CNO*17/(30*106)+Vq*CNO2*17*2/(46*106))*m(1)
其中，CNO、CNO2为SCR脱硝装置进口烟气中NO、NO2浓度；Vq为反应器进口烟气流量；m是实际脱硝效率；17、30和46分别为NH3、NO和NO2的分子质量，M实际喷氨需求量；
CNOx6％O2＝CNOx*(20.9％-6％)/(20.9％-O2实测值)；
CNO＝CNOx/2.05*0.95*1.34；
CNO2＝CNOx*0.05；
CNOx、CNO2、CNO分别实际含氧量下的标准干烟气中的NOx、NO2、NO浓度；
CNOx6％O2表示工程设计中所提供的氮氧化物排放含量，CNOx6％O2表示氮氧化物排放量。
7.根据权利要求5所述的一种基于大数据及萤火虫算法的多层级精细化智能脱硝方法，其特征在于，
催化剂层不均匀度计算公式为；
PVi(i＝1，2，3···n，n为分区数量)为第i个分区对应NOx浓度，PV为整个截面NOx浓度的平均值,CV为催化剂层不均匀度。
8.根据权利要求5所述的一种基于大数据及萤火虫算法的多层级精细化智能脱硝方法，其特征在于，
补氨补烟气的过程中，补氨补烟气的修正量和补氨补烟气位置根据催化剂层第一催化剂层测量的NOx场分布设置，补氨补烟气的修正量基于步长和步进周期进行递进修正，补氨补烟气过程每间隔固定周期对SCR脱硝装置出口全截面NOx/NH3场分布重新进行评价。
9.根据权利要求5所述的一种基于大数据及萤火虫算法的多层级精细化智能脱硝方法，其特征在于，
通过大数据以及萤火虫优化算法，计算各喷氨支管所对应的喷氨分区实际喷氨需求量来调整喷氨支管阀门的开度，具体包括以下步骤：
S301，利用大数据以及机器学习方法对喷氨支管阀门进行控制，
min:σ2(f(X′))+w1·∑f(X′)+w2·∑V氨+λ∑Z′ (2)
Z′＝|Z标-Z时|
S302，利用萤火虫算法对权重参数w1,w2进行在线寻优；
萤火虫算为每只萤火虫都向着看上去比自己更亮的萤火虫飞行；在D维解空间内每个萤火虫的位置为Y＝(y1,y2,…,yD).对权重参数w1,w2寻优，选择2维解空间，位置为Y＝(y1,y2)；
萤火虫之间的相对吸引度由以下公式(3)
β0为萤火虫之间初始吸引度，即两只萤火虫之间距离为0时的吸引度，r为第i个萤火虫与第j个萤火虫之间的距离；e是自然常数，γ表示对光的吸收率，β(r)表示距离为r的萤火虫之间的相对吸引度；
每只萤火虫将会朝着所有亮度比自己高的所有萤火虫移动，萤火虫移动位置由公式(4)计算得出：
其中Yi′表示一个比第i个个体Yi亮度更高的萤火虫的位置，r表示第i个萤火虫与第j个萤火虫之间的距离；rand()为一个随机扰动，α为扰动的步长因子；
初始化，设定萤火虫的种群为N，介质对光的吸收率为γ＝1，设置初始步长a，βmax和βmin，初始吸引度β0＝1.0，吸引度公式(5)：
式(5)中，任何两个萤火虫之间的最小吸引度为βmin，最大的吸引度为βmax；
根据萤火虫的位置计算出每个萤火虫的吸引度值，吸引度值越优的萤火虫亮度越高；
每个萤火虫将根据式(4)向所有比自己亮度高的萤火虫飞行其中第t代时萤火虫飞行的步长为式(6)：
α(t)＝αt (6)；
式(6)计算出的萤火虫飞行步长α(t)将随时间递减；α是[0,1]之间的随机数，t为代数
群体中亮度最高的个体将不会更新其位置；群体中亮度最大的个体基于公式(7)更新位置；
Yi′＝Yi+αrandGuass() (7)
计算在萤火虫向所有比自己亮度高的其它个体飞行后所到的新位置的吸引度值，若新位置的优于飞行之前的位置，则萤火虫将飞行到新的位置，否则萤火虫将停留在原处；randGuass()表示高斯分布随机数序列；
若算法到达最大迭代次数则将搜索到的最优的萤火虫的位置作为解输出，否则将重新计算吸引度值；输出对w1,w2寻优，对得到的最优解空间位置Y＝(y1,y2)，代入式(2)以满足条件，获取各喷氨支管阀门开度值矩阵。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011018364.4A CN112156649B (zh) | 2020-09-24 | 2020-09-24 | 一种基于大数据及萤火虫算法的多层级精细化智能脱硝***及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011018364.4A CN112156649B (zh) | 2020-09-24 | 2020-09-24 | 一种基于大数据及萤火虫算法的多层级精细化智能脱硝***及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112156649A CN112156649A (zh) | 2021-01-01 |
| CN112156649B true CN112156649B (zh) | 2021-07-20 |
Family
ID=73862894
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011018364.4A Active CN112156649B (zh) | 2020-09-24 | 2020-09-24 | 一种基于大数据及萤火虫算法的多层级精细化智能脱硝***及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112156649B (zh) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113648830B (zh) * | 2021-02-26 | 2022-07-01 | 齐鲁工业大学 | 一种大截面燃煤烟气流速测量及scr***氨定量方法 |
| CN113091050A (zh) * | 2021-04-07 | 2021-07-09 | 贵州黔西中水发电有限公司 | 一种尾部脱硝与炉内燃烧联合的优化***及其控制方法 |
| CN114259855A (zh) * | 2021-12-27 | 2022-04-01 | 国能神皖安庆发电有限责任公司 | 脱硝***及其控制方法 |
| CN114904379A (zh) * | 2022-04-06 | 2022-08-16 | 华光环保能源(西安)设计研究院有限公司 | 一种电站锅炉脱硝***自动喷氨的优化方法 |
| CN114870627B (zh) * | 2022-05-30 | 2023-08-01 | 西安热工研究院有限公司 | 一种燃煤电厂scr脱硝分区精准喷氨控制方法及*** |
| CN115144231B (zh) * | 2022-06-21 | 2023-04-07 | 浙江兴核智拓科技有限公司 | 一种适用于燃机余热锅炉脱硝装置的尿素直喷分区测控*** |
| CN115318096A (zh) * | 2022-07-18 | 2022-11-11 | 华能曲阜热电有限公司 | 一种喷氨量自动调节方法及*** |
| CN115463543B (zh) * | 2022-07-28 | 2023-06-16 | 华电电力科学研究院有限公司 | 一种燃煤机组scr脱硝精准喷氨*** |
| CN115337762A (zh) * | 2022-10-13 | 2022-11-15 | 承德建龙特殊钢有限公司 | 尾部烟气低温脱硝剂自动控制***及方法 |
| CN115532035A (zh) * | 2022-12-01 | 2022-12-30 | 张家港华益特种设备有限公司 | 一种分布式烟气净化方法及*** |
| CN117797625B (zh) * | 2024-02-29 | 2024-05-07 | 山西蓝天美誉环保科技有限公司 | 一种烟气脱硫脱硝*** |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN201930723U (zh) * | 2010-05-18 | 2011-08-17 | 浙江大学 | 一种带有优化喷氨装置上游流场的结构的scr烟气脱硝*** |
| CN103900097A (zh) * | 2014-03-26 | 2014-07-02 | 东南大学 | 一种锅炉scr脱硝改造方法及装置 |
| CN105547388A (zh) * | 2015-12-07 | 2016-05-04 | 华北电力大学（保定） | 一种用于脱硫脱硝控制的烟气流量在线标定方法 |
| CN110363277A (zh) * | 2019-07-15 | 2019-10-22 | 南京工业大学 | 基于改进的萤火虫算法优化概率神经网络的电力变压器故障诊断方法及*** |
| CN209530541U (zh) * | 2018-12-25 | 2019-10-25 | 国电科学技术研究院有限公司 | 一种基于大数据分析燃煤电站智慧脱硝*** |
| CN111467957A (zh) * | 2020-04-13 | 2020-07-31 | 华电电力科学研究院有限公司 | 一种监测和动态调控燃煤电厂脱硝环节流场分布的***及方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10391448B2 (en) * | 2016-05-25 | 2019-08-27 | Florida Power & Light Company | Selective catalytic reduction (SCR) control optimization |
-
2020
- 2020-09-24 CN CN202011018364.4A patent/CN112156649B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN201930723U (zh) * | 2010-05-18 | 2011-08-17 | 浙江大学 | 一种带有优化喷氨装置上游流场的结构的scr烟气脱硝*** |
| CN103900097A (zh) * | 2014-03-26 | 2014-07-02 | 东南大学 | 一种锅炉scr脱硝改造方法及装置 |
| CN105547388A (zh) * | 2015-12-07 | 2016-05-04 | 华北电力大学（保定） | 一种用于脱硫脱硝控制的烟气流量在线标定方法 |
| CN209530541U (zh) * | 2018-12-25 | 2019-10-25 | 国电科学技术研究院有限公司 | 一种基于大数据分析燃煤电站智慧脱硝*** |
| CN110363277A (zh) * | 2019-07-15 | 2019-10-22 | 南京工业大学 | 基于改进的萤火虫算法优化概率神经网络的电力变压器故障诊断方法及*** |
| CN111467957A (zh) * | 2020-04-13 | 2020-07-31 | 华电电力科学研究院有限公司 | 一种监测和动态调控燃煤电厂脱硝环节流场分布的***及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112156649A (zh) | 2021-01-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112156649B (zh) | 一种基于大数据及萤火虫算法的多层级精细化智能脱硝***及方法 | |
| CN105126616B (zh) | 一种基于权重阀调控的scr脱硝***喷氨优化方法 | |
| CN109603525B (zh) | 一种基于不均匀度判断的脱硝分区喷氨控制方法 | |
| CN104793651B (zh) | 水泥生产中sncr烟气脱硝***的喷氨量控制方法 | |
| CN106837488A (zh) | Scr前馈控制计算方法 | |
| CN106582284A (zh) | 火电机组scr脱硝喷氨的自动控制方法及*** | |
| CN110263452B (zh) | 一种烟道内烟气时间分布特性分析方法、***及脱硝*** | |
| CN111359432B (zh) | 一种基于NOx质量流量差分布的可实现灵活分区的脱硝喷氨***及方法 | |
| EP2214808A2 (en) | Adaptive control system for reagent distribution control in scr reactors | |
| CN103831016B (zh) | 一种w火焰锅炉scr***脱硝运行优化方法 | |
| CN110354630A (zh) | 用于烟气净化***中解析塔的冷风量控制方法及装置 | |
| CN108786459A (zh) | 一种气水协同实现宽负荷脱硝的***及其运行方法 | |
| WO2021129174A1 (zh) | 一种利用气体测量、控制***及在脱硝烟气检测中的应用 | |
| CN109445383A (zh) | 一种带前置静态混合器的scr分区喷氨优化控制方法 | |
| CN112221347A (zh) | 一种scr脱硝***精准喷氨控制方法 | |
| CN108786460A (zh) | 燃煤电厂脱硝喷氨装置流场优化*** | |
| CN113713599B (zh) | 一种循环流化床半干法低负荷脱硫***及控制方法 | |
| CN112973400B (zh) | 一种基于流速与NOx浓度监测的SCR***喷氨支管控制方法 | |
| CN112370964B (zh) | 一种改善燃煤电站锅炉scr***综合性能的方法及*** | |
| CN211906073U (zh) | 一种工业锅炉sncr脱硝控制*** | |
| WO2024021943A1 (zh) | 基于scr反应动力学模型的喷氨优化方法、装置及介质 | |
| CN109933884B (zh) | 一种面向燃煤机组scr脱硝***神经网络逆控制的方法 | |
| CN107486012A (zh) | 一种烟气脱硝控制方法 | |
| CN103962006B (zh) | 一种scr烟气脱硝***的喷氨均匀性调整方法 | |
| CN213853892U (zh) | 一种烟气脱硝*** |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20220216 Address after: 210000 No. 8 Yongjin Road, Jiangbei New District, Nanjing City, Jiangsu Province Patentee after: NANJING GUODIAN ENVIRONMENTAL PROTECTION TECHNOLOGY Co.,Ltd. Address before: 211816 Puzhu South Road, Nanjing, Jiangsu 30 Patentee before: Nanjing Tech University |