CN116832614A - 一种scr脱硝***喷氨量控制方法及*** - Google Patents
一种scr脱硝***喷氨量控制方法及*** Download PDFInfo
- Publication number
- CN116832614A CN116832614A CN202310591620.6A CN202310591620A CN116832614A CN 116832614 A CN116832614 A CN 116832614A CN 202310591620 A CN202310591620 A CN 202310591620A CN 116832614 A CN116832614 A CN 116832614A
- Authority
- CN
- China
- Prior art keywords
- scr denitration
- denitration system
- ammonia injection
- injection amount
- ammonia
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 title claims abstract description 286
- 229910021529 ammonia Inorganic materials 0.000 title claims abstract description 142
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000005507 spraying Methods 0.000 title claims description 34
- 238000002347 injection Methods 0.000 claims abstract description 100
- 239000007924 injection Substances 0.000 claims abstract description 100
- 238000005457 optimization Methods 0.000 claims abstract description 13
- 239000007921 spray Substances 0.000 claims abstract description 13
- 238000007781 pre-processing Methods 0.000 claims abstract description 10
- 238000012847 principal component analysis method Methods 0.000 claims abstract description 7
- 239000000243 solution Substances 0.000 claims description 14
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 12
- 241000283153 Cetacea Species 0.000 claims description 12
- 239000003546 flue gas Substances 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 230000007613 environmental effect Effects 0.000 claims description 10
- VHUUQVKOLVNVRT-UHFFFAOYSA-N Ammonium hydroxide Chemical compound [NH4+].[OH-] VHUUQVKOLVNVRT-UHFFFAOYSA-N 0.000 claims description 6
- 235000011114 ammonium hydroxide Nutrition 0.000 claims description 6
- 238000004140 cleaning Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 5
- 238000000513 principal component analysis Methods 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 5
- 239000003054 catalyst Substances 0.000 claims description 4
- 230000006870 function Effects 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000007621 cluster analysis Methods 0.000 claims description 3
- 231100000817 safety factor Toxicity 0.000 claims description 3
- 230000001502 supplementing effect Effects 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 238000010531 catalytic reduction reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 229910000069 nitrogen hydride Inorganic materials 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006722 reduction reaction Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- B01D53/90—Injecting reactants
-
- 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
- B01D53/30—Controlling by gas-analysis apparatus
-
- 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
- B01D53/8631—Processes characterised by a specific device
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B05—SPRAYING OR ATOMISING IN GENERAL; APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
- B05B—SPRAYING APPARATUS; ATOMISING APPARATUS; NOZZLES
- B05B12/00—Arrangements for controlling delivery; Arrangements for controlling the spray area
- B05B12/08—Arrangements for controlling delivery; Arrangements for controlling the spray area responsive to condition of liquid or other fluent material to be discharged, of ambient medium or of target ; responsive to condition of spray devices or of supply means, e.g. pipes, pumps or their drive means
- B05B12/12—Arrangements for controlling delivery; Arrangements for controlling the spray area responsive to condition of liquid or other fluent material to be discharged, of ambient medium or of target ; responsive to condition of spray devices or of supply means, e.g. pipes, pumps or their drive means responsive to conditions of ambient medium or target, e.g. humidity, temperature position or movement of the target relative to the spray apparatus
-
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D2258/00—Sources of waste gases
- B01D2258/02—Other waste gases
- B01D2258/0283—Flue gases
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Analytical Chemistry (AREA)
- General Chemical & Material Sciences (AREA)
- Oil, Petroleum & Natural Gas (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Treating Waste Gases (AREA)
Abstract
本发明公开了一种SCR脱硝***喷氨量控制方法及***,方法包括:采集SCR脱硝***的运行数据作为样本,对运行数据进行预处理;通过主成分分析法对样本特征进行重要性排序;依据排序后的样本特征建立基于长短时记忆网络的SCR脱硝***出口NOx浓度预测模型;依据预测结果建立多目标优化模型,搜寻SCR脱硝***最优喷氨量;依据寻优后的最优喷氨量计算出各个喷枪的平均喷氨量,获得最佳喷氨策略。本发明能够针对SCR脱硝***出口NOx浓度进行预测,并将预测结果寻找最优喷氨量的约束条件,采用NSGA‑III算法进行多目标寻优,并根据最优喷氨量制定出最佳喷氨策略。极大地降低了燃煤电厂SCR脱硝***的运行成本,降低污染,提升了设备的使用寿命。
Description
技术领域
本发明涉及选择性催化还原烟气脱硝技术领域,尤其涉及一种SCR脱硝***喷氨量控制方法及***。
背景技术
选择催化还原(SCR)脱硝技术是目前国际上应用最为广泛的烟气脱硝技术,选择是指在催化剂的作用和氧气存在条件下,NH3优先和NOx发生还原脱除反应,生成氮气和水。该技术没有副产物,不形成二次污染,装置结构简单,并且脱除效率高,运行可靠,便于维护。
国内大部分的燃煤电厂使用SCR脱硝***进行烟气的脱硝处理,喷氨量由调节阀自动控制。喷氨量过大时,易造成氨逃逸,对环境造成污染;喷氨量过少时,会导致反应不充分,使得排放的烟气中污染物超标。由于传统控制方式存在较大延迟,为了保证燃煤电厂的烟气排放满足国家标准,降低SCR脱硝***的运行成本,燃煤电厂应建立高精度的NOx排放预测模型,并在此基础上实现喷氨量的最优控制。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有存在的问题,提出了本发明解决喷氨量过大时,易造成氨逃逸,对环境造成污染;喷氨量过少时,会导致反应不充分,使得排放的烟气中污染物超标的问题。
为解决上述技术问题,本发明提供如下技术方案:
第一方面,本发明提供了一种SCR脱硝***喷氨量控制方法,包括:
采集SCR脱硝***的运行数据作为样本,对所述运行数据进行预处理;
通过主成分分析法对样本特征进行重要性排序;
依据排序后的样本特征建立基于长短时记忆网络的SCR脱硝***出口NOx浓度预测模型;
依据预测结果建立多目标优化模型,搜寻SCR脱硝***最优喷氨量;
依据寻优后的最优喷氨量计算出各个喷枪的平均喷氨量,获得最佳喷氨策略。
作为本发明所述的SCR脱硝***喷氨量控制方法的一种优选方案,其中:所述运行数据包括,SCR脱硝***入口NOx浓度、SCR喷氨量、SCR反应器入口压力、反应温度、烟气速度、催化剂活性。
作为本发明所述的SCR脱硝***喷氨量控制方法的一种优选方案,其中:所述预处理包括,数据清洗和归一化;
数据清洗包括,
针对机组SCR脱硝***入口NOx浓度、反应温度、烟气速度,检测是否出现零值;若出现零值,则将此数据删去;
对剩余数据进行聚类分析,去除异常值;
对缺失值做线性插值,补齐数据。
作为本发明所述的SCR脱硝***喷氨量控制方法的一种优选方案,其中:所述通过主成分分析法对样本特征进行重要性排序,还包括,
将样本按照对结果的贡献程度进行打分,将累计贡献率大于85%的成分作为SCR脱硝***出口NOx浓度的输入特征。
作为本发明所述的SCR脱硝***喷氨量控制方法的一种优选方案,其中:建立基于长短时记忆网络的SCR脱硝***出口NOx浓度预测模型,包括,
初始化LSTM的超参数;
设定鲸鱼种群规模、最大迭代次数、超参数的搜索空间;
每个鲸鱼个体根据当前的位置更新下一代的位置;
判断是否达到全局最优解;若是,则输出当前鲸鱼位置作为超参数的最优解;
将最优解作为LSTM模型的超参数进行SCR脱硝***出口NOx浓度预测;
还包括,利用WOA算法对LSTM算法的学习率、隐含层节点数两个超参数进行优化。
作为本发明所述的SCR脱硝***喷氨量控制方法的一种优选方案,其中:依据预测结果建立多目标优化模型,包括,
以经济性、环保性、安全性为目标,目标函数分别为:
经济性目标:min fp(s)=s×P
环保性目标:min fNOx(s)=ONOx(s)-ENOx(s)
安全性目标:min fa(s)=α×Mesc+β×ONOx(s)
约束条件为:ONOx(s)<50
式中,fp(s)为氨水的总价,是经济性目标;s为喷氨量;P为氨水的单价;fNOx(s)为预测模型预测的NOx浓度预测值与期望值的差值,是环保性目标;ONOx(s)为NOx浓度预测值,ENOx(s)为NOx浓度期望值;fa(s)为氨逃逸和超排放程度,是安全性目标;α和β是安全系数;Mesc为氨逃逸量。
作为本发明所述的SCR脱硝***喷氨量控制方法的一种优选方案,其中:依据寻优后的最优喷氨量计算出各个喷枪的平均喷氨量,获得最佳喷氨策略,包括,
根据最佳喷氨量动态计算出各个喷枪的平均喷氨量;
其中,靠近SCR脱硝***入口的区域,其喷氨量大于平均喷氨量;
位于SCR脱硝***中部的区域,其喷氨量等于平均喷氨量;
靠近SCR脱硝***出口的区域,其喷氨量小于平均喷氨量;
各区域总的喷氨量之和与最优喷氨量相等。
第二方面,本发明提供了一种SCR脱硝***喷氨量控制的***,包括,
采集模块,用于采集SCR脱硝***的运行数据作为样本,对所述运行数据进行预处理;
排序模块,用于通过主成分分析法对样本特征进行重要性排序;
预测模块,用于依据排序后的样本特征建立基于长短时记忆网络的SCR脱硝***出口NOx浓度预测模型;
寻优模块,用于依据预测结果建立多目标优化模型,搜寻SCR脱硝***最优喷氨量;
策略制定模块,用于依据寻优后的最优喷氨量计算出各个喷枪的平均喷氨量,获得最佳喷氨策略。
第三方面,本发明提供了一种计算设备,包括:
存储器和处理器;
所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令,该计算机可执行指令被处理器执行时实现所述SCR脱硝***喷氨量控制方法的步骤。
第四方面,本发明提供了一种计算机可读存储介质,其存储有计算机可执行指令,该计算机可执行指令被处理器执行时实现所述SCR脱硝***喷氨量控制方法的步骤。
与现有技术相比,本发明的有益效果:本发明能够针对SCR脱硝***出口NOx浓度进行预测,并将预测结果寻找最优喷氨量的约束条件,以经济性、环保性和安全性作为优化目标,采用NSGA-III算法进行多目标寻优,并根据最优喷氨量制定出最佳喷氨策略。极大地降低了燃煤电厂SCR脱硝***的运行成本,降低污染,提升了设备的使用寿命。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。其中:
图1为本发明一个实施例所述的SCR脱硝***喷氨量控制方法的整体流程示意图;
图2为本发明一个实施例所述的SCR脱硝***喷氨量控制方法中SCR脱硝***出口NOx浓度预测结果示意图;
图3为本发明一个实施例所述的SCR脱硝***喷氨量控制方法中SCR脱硝***出口NOx浓度值优化前后效果图;
图4为本发明一个实施例所述的SCR脱硝***喷氨量控制方法中喷氨策略示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明,显然所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通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,都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述,在详述本发明实施例时,为便于说明,表示器件结构的剖面图会不依一般比例作局部放大,而且所述示意图只是示例,其在此不应限制本发明保护的范围。此外,在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中,需要说明的是,术语中的“上、下、内和外”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***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、第二或第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定,术语“安装、相连、连接”应做广义理解,例如:可以是固定连接、可拆卸连接或一体式连接;同样可以是机械连接、电连接或直接连接,也可以通过中间媒介间接相连,也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。
实施例1
参照图1-4,为本发明的一个实施例,提供了一种SCR脱硝***喷氨量控制方法,包括:
S1:采集SCR脱硝***的运行数据作为样本,对所述运行数据进行预处理;
更进一步的,所述运行数据包括,SCR脱硝***入口NOx浓度、SCR喷氨量、SCR反应器入口压力、反应温度、烟气速度、催化剂活性。
更进一步的,所述预处理包括,数据清洗和归一化;
数据清洗包括,
针对机组SCR脱硝***入口NOx浓度、反应温度、烟气速度,检测是否出现零值;若出现零值,则将此数据删去;
对剩余数据进行聚类分析,去除异常值;
对缺失值做线性插值,补齐数据。
具体的,对数据进行归一化处理,消除量纲不同带来的影响,归一化公式如下所示:
式中,代表归一化之后的数据,xi代表归一化之前的原始数据,/>代表数据的均值,/>为锅炉运行数据的方差,ξ为非零常数。
S2:通过主成分分析法对样本特征进行重要性排序;
更进一步的,所述通过主成分分析法对样本特征进行重要性排序,还包括,
将样本按照对结果的贡献程度进行打分,将累计贡献率大于85%的成分作为SCR脱硝***出口NOx浓度的输入特征。
具体的,SCR脱硝***出口NOx浓度预测模型的输入特征可为:SCR脱硝***入口NOx浓度、SCR喷氨量、反应温度。
S3:依据排序后的样本特征建立基于长短时记忆网络的SCR脱硝***出口NOx浓度预测模型;
更进一步的,建立基于长短时记忆网络的SCR脱硝***出口NOx浓度预测模型,包括,
A1:初始化LSTM的超参数;
A2:设定鲸鱼种群规模、最大迭代次数、超参数的搜索空间;
A3:每个鲸鱼个体根据当前的位置更新下一代的位置;
A4:判断是否达到全局最优解;若是,则输出当前鲸鱼位置作为超参数的最优解;
A5:将最优解作为LSTM模型的超参数进行SCR脱硝***出口NOx浓度预测;
还包括,利用WOA算法对LSTM算法的学习率、隐含层节点数两个超参数进行优化。
应说明的是,具体的,
设鲸鱼种群规模为N,每个鲸鱼的位置代表一个可行解X。当|A|>1时,位置更新公式为:
x(i)=xrand(i-1)-A|Cxrand(i-1)-x(i-1)|
式中,xrand(i-1)为第i-1次迭代时随机选择的鲸鱼位置;x(i-1)为当前个体第i-1次迭代时的位置;A和C为系数向量,其中A=2ar-a,C=2r,r为[0,1]之间的随机数,T为迭代次数。
当|A|<1时,位置更新公式为:
式中,p为[0,1]之间的随机数,l为[0,1]之间的随机数;xbest(i-1)为种群最优个***置。
WOA-LSTM算法不断重复步骤A2到步骤A4,直到满足迭代条件或者达到最大迭代次数,结束优化过程。
优选的,预测结果的精度评价指标主要采用均方根误差(RMSE)和平均相对误差(MRE):
式中,M(i)和P(i)分别为实际值和预测值。
S4:依据预测结果建立多目标优化模型,搜寻SCR脱硝***最优喷氨量;
更进一步的,依据预测结果建立多目标优化模型,包括,
以经济性、环保性、安全性为目标,目标函数分别为:
经济性目标:min fp(s)=s×P
环保性目标:min fNOx(s)=ONOx(s)-ENOx(s)
安全性目标:min fa(s)=α×Mesc+β×ONOx(s)
约束条件为:ONOx(s)<50
式中,fp(s)为氨水的总价,是经济性目标;s为喷氨量;P为氨水的单价;fNOx(s)为预测模型预测的NOx浓度预测值与期望值的差值,是环保性目标;ONOx(s)为NOx浓度预测值,ENOx(s)为NOx浓度期望值;fa(s)为氨逃逸和超排放程度,是安全性目标;α和β是安全系数;Mesc为氨逃逸量。
S5:依据寻优后的最优喷氨量计算出各个喷枪的平均喷氨量,获得最佳喷氨策略。
更进一步的,包括,
如图4所示,根据最佳喷氨量动态计算出各个喷枪的平均喷氨量;
其中,靠近SCR脱硝***入口的区域,其喷氨量大于平均喷氨量;
位于SCR脱硝***中部的区域,其喷氨量等于平均喷氨量;
靠近SCR脱硝***出口的区域,其喷氨量小于平均喷氨量;
各区域总的喷氨量之和与最优喷氨量相等。
上述为本实施例的一种SCR脱硝***喷氨量控制方法的示意性方案。需要说明的是,该SCR脱硝***喷氨量控制的***的技术方案与上述的SCR脱硝***喷氨量控制方法的技术方案属于同一构思,本实施例中SCR脱硝***喷氨量控制推***的技术方案未详细描述的细节内容,均可以参见上述SCR脱硝***喷氨量控制推送方法的技术方案的描述。
本实施例中SCR脱硝***喷氨量控制***,包括:采集模块,用于采集SCR脱硝***的运行数据作为样本,对所述运行数据进行预处理;
排序模块,用于通过主成分分析法对样本特征进行重要性排序;
预测模块,用于依据排序后的样本特征建立基于长短时记忆网络的SCR脱硝***出口NOx浓度预测模型;
寻优模块,用于依据预测结果建立多目标优化模型,搜寻SCR脱硝***最优喷氨量;
策略制定模块,用于依据寻优后的最优喷氨量计算出各个喷枪的平均喷氨量,获得最佳喷氨策略。
本实施例还提供一种计算设备,适用于SCR脱硝***喷氨量控制的情况,包括:
存储器和处理器;存储器用于存储计算机可执行指令,处理器用于执行计算机可执行指令,实现如上述实施例提出的实现SCR脱硝***喷氨量控制方法。
本实施例还提供一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述实施例提出的实现SCR脱硝***喷氨量控制方法。
本实施例提出的存储介质与上述实施例提出的实现SCR脱硝***喷氨量控制方法属于同一发明构思,未在本实施例中详尽描述的技术细节可参见上述实施例,并且本实施例与上述实施例具有相同的有益效果。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(ReadOnly,Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例的方法。
实施例2
参照图1-4,表1-2,为本发明的一个实施例,提供了一种SCR脱硝***喷氨量控制方法,为了验证其有益效果,提供了一种应用场景的具体方法实现过程。
S1:采集SCR脱硝***的运行数据作为样本,对所述运行数据进行预处理;
S2:通过主成分分析法对样本特征进行重要性排序,结果如表1所示:
表1主成分分析结果
由此可见,前两个主成分的累计贡献率已经超过85%,满足建模条件。考虑到模型的精确度和复杂程度,本发明针对前三个主成分进行分析,最终确定SCR脱硝***出口NOx浓度预测模型的输入特征为:SCR脱硝***入口NOx浓度、SCR喷氨量、反应温度。
S3:依据排序后的样本特征建立基于长短时记忆网络的SCR脱硝***出口NOx浓度预测模型;
参照图2,为本发明SCR脱硝***出口NOx浓度预测结果图。
预测结果的精度评价指标如表2所示:
表2误差结果
S4:依据预测结果建立多目标优化模型,搜寻SCR脱硝***最优喷氨量;
采用NSGA-III算法对上述目标函数进行求解,进而获得最优的喷氨量并制定SCR脱硝***的喷氨策略,并将优化后的SCR脱硝***出口NOx浓度值与优化前的相比较,其结果如图3所示。
S5:依据寻优后的最优喷氨量计算出各个喷枪的平均喷氨量,获得最佳喷氨策略,SCR脱硝***喷氨策略如图4所示。
通过表3可以看出我方不论是喷氨量以及NOx的排放量都比传统的方法降低污染,提升了设备的使用寿命。
表3喷氨控制效果对比
应说明的是,以上实施例仅用于说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种SCR脱硝***喷氨量控制方法,其特征在于,包括:
采集SCR脱硝***的运行数据作为样本,对所述运行数据进行预处理;
通过主成分分析法对样本特征进行重要性排序;
依据排序后的样本特征建立基于长短时记忆网络的SCR脱硝***出口NOx浓度预测模型;
依据预测结果建立多目标优化模型,搜寻SCR脱硝***最优喷氨量;
依据寻优后的最优喷氨量计算出各个喷枪的平均喷氨量,获得最佳喷氨策略。
2.如权利要求1所述的SCR脱硝***喷氨量控制方法,其特征在于,所述运行数据包括,SCR脱硝***入口NOx浓度、SCR喷氨量、SCR反应器入口压力、反应温度、烟气速度、催化剂活性。
3.如权利要求1或2所述的SCR脱硝***喷氨量控制方法,其特征在于,所述预处理包括,数据清洗和归一化;
数据清洗包括,
针对机组SCR脱硝***入口NOx浓度、反应温度、烟气速度,检测是否出现零值;若出现零值,则将此数据删去;
对剩余数据进行聚类分析,去除异常值;
对缺失值做线性插值,补齐数据。
4.如权利要求3所述的SCR脱硝***喷氨量控制方法,其特征在于,所述通过主成分分析法对样本特征进行重要性排序,还包括,
将样本按照对结果的贡献程度进行打分,将累计贡献率大于85%的成分作为SCR脱硝***出口NOx浓度的输入特征。
5.如权利要求4所述的SCR脱硝***喷氨量控制方法,其特征在于,建立基于长短时记忆网络的SCR脱硝***出口NOx浓度预测模型,包括,
初始化LSTM的超参数;
设定鲸鱼种群规模、最大迭代次数、超参数的搜索空间;
每个鲸鱼个体根据当前的位置更新下一代的位置;
判断是否达到全局最优解;若是,则输出当前鲸鱼位置作为超参数的最优解;
将最优解作为LSTM模型的超参数进行SCR脱硝***出口NOx浓度预测;
还包括,利用WOA算法对LSTM算法的学习率、隐含层节点数两个超参数进行优化。
6.如权利要求1或5所述的SCR脱硝***喷氨量控制方法,其特征在于,
依据预测结果建立多目标优化模型,包括,
以经济性、环保性、安全性为目标,目标函数分别为:
经济性目标:min fp(s)=s×P
环保性目标:min fNOx(s)=ONOx(s)-ENOx(s)
安全性目标:min fa(s)=α×Mesc+β×ONOx(s)
约束条件为:ONOx(s)<50
式中,fp(s)为氨水的总价,是经济性目标;s为喷氨量;P为氨水的单价;fNOx(s)为预测模型预测的NOx浓度预测值与期望值的差值,是环保性目标;ONOx(s)为NOx浓度预测值,ENOx(s)为NOx浓度期望值;fa(s)为氨逃逸和超排放程度,是安全性目标;α和β是安全系数;Mesc为氨逃逸量。
7.如权利要求6所述的SCR脱硝***喷氨量控制方法,其特征在于,依据寻优后的最优喷氨量计算出各个喷枪的平均喷氨量,获得最佳喷氨策略,包括,
根据最佳喷氨量动态计算出各个喷枪的平均喷氨量;
其中,靠近SCR脱硝***入口的区域,其喷氨量大于平均喷氨量;
位于SCR脱硝***中部的区域,其喷氨量等于平均喷氨量;
靠近SCR脱硝***出口的区域,其喷氨量小于平均喷氨量;
各区域总的喷氨量之和与最优喷氨量相等。
8.一种SCR脱硝***喷氨量控制的***,其特征在于,包括,
采集模块,用于采集SCR脱硝***的运行数据作为样本,对所述运行数据进行预处理;
排序模块,用于通过主成分分析法对样本特征进行重要性排序;
预测模块,用于依据排序后的样本特征建立基于长短时记忆网络的SCR脱硝***出口NOx浓度预测模型;
寻优模块,用于依据预测结果建立多目标优化模型,搜寻SCR脱硝***最优喷氨量;
策略制定模块,用于依据寻优后的最优喷氨量计算出各个喷枪的平均喷氨量,获得最佳喷氨策略。
9.一种电子设备,包括:
存储器和处理器;
所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令,该计算机可执行指令被处理器执行时实现权利要求1至7任意一项所述SCR脱硝***喷氨量控制方法的步骤。
10.一种计算机可读存储介质,其存储有计算机可执行指令,该计算机可执行指令被处理器执行时实现权利要求1至7任意一项所述SCR脱硝***喷氨量控制方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310591620.6A CN116832614B (zh) | 2023-05-24 | 2023-05-24 | 一种scr脱硝***喷氨量控制方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310591620.6A CN116832614B (zh) | 2023-05-24 | 2023-05-24 | 一种scr脱硝***喷氨量控制方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116832614A true CN116832614A (zh) | 2023-10-03 |
CN116832614B CN116832614B (zh) | 2024-05-24 |
Family
ID=88158931
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310591620.6A Active CN116832614B (zh) | 2023-05-24 | 2023-05-24 | 一种scr脱硝***喷氨量控制方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116832614B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001062246A (ja) * | 1999-08-26 | 2001-03-13 | Toshiba Corp | 脱硝制御方法およびその制御装置 |
CN109304086A (zh) * | 2018-10-31 | 2019-02-05 | 华中科技大学 | 一种电站锅炉scr脱硝精细化喷氨控制方法 |
KR20200078016A (ko) * | 2018-12-21 | 2020-07-01 | 한국기계연구원 | 질소산화물 정화 시스템용 반응기 및 질소산화물 정화 시스템 |
CN111804146A (zh) * | 2020-06-29 | 2020-10-23 | 远光软件股份有限公司 | 一种智能喷氨控制方法以及智能喷氨控制装置 |
CN111968708A (zh) * | 2020-10-23 | 2020-11-20 | 浙江浙能技术研究院有限公司 | 一种基于随机森林和lstm神经网络的scr脱硝喷氨量预测方法 |
CN112418284A (zh) * | 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*** |
CN113627071A (zh) * | 2021-06-26 | 2021-11-09 | 西安科技大学 | 一种基于鲸鱼算法优化长短时记忆网络的燃煤锅炉nox软测量方法 |
CN114558447A (zh) * | 2022-01-28 | 2022-05-31 | 中国大唐集团科学技术研究总院有限公司华北电力试验研究院 | 基于scr脱硝***的喷氨量优化控制装置及控制方法 |
CN115113519A (zh) * | 2021-03-22 | 2022-09-27 | 上海电力大学 | 一种煤-煤气混烧锅炉脱硝***出口NOx浓度预警方法 |
CN115524976A (zh) * | 2022-10-27 | 2022-12-27 | 东北电力大学 | 考虑锅炉燃烧状态的scr***喷氨量调节方法 |
-
2023
- 2023-05-24 CN CN202310591620.6A patent/CN116832614B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001062246A (ja) * | 1999-08-26 | 2001-03-13 | Toshiba Corp | 脱硝制御方法およびその制御装置 |
CN109304086A (zh) * | 2018-10-31 | 2019-02-05 | 华中科技大学 | 一种电站锅炉scr脱硝精细化喷氨控制方法 |
KR20200078016A (ko) * | 2018-12-21 | 2020-07-01 | 한국기계연구원 | 질소산화물 정화 시스템용 반응기 및 질소산화물 정화 시스템 |
CN111804146A (zh) * | 2020-06-29 | 2020-10-23 | 远光软件股份有限公司 | 一种智能喷氨控制方法以及智能喷氨控制装置 |
CN111968708A (zh) * | 2020-10-23 | 2020-11-20 | 浙江浙能技术研究院有限公司 | 一种基于随机森林和lstm神经网络的scr脱硝喷氨量预测方法 |
CN112418284A (zh) * | 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*** |
CN115113519A (zh) * | 2021-03-22 | 2022-09-27 | 上海电力大学 | 一种煤-煤气混烧锅炉脱硝***出口NOx浓度预警方法 |
CN113627071A (zh) * | 2021-06-26 | 2021-11-09 | 西安科技大学 | 一种基于鲸鱼算法优化长短时记忆网络的燃煤锅炉nox软测量方法 |
CN114558447A (zh) * | 2022-01-28 | 2022-05-31 | 中国大唐集团科学技术研究总院有限公司华北电力试验研究院 | 基于scr脱硝***的喷氨量优化控制装置及控制方法 |
CN115524976A (zh) * | 2022-10-27 | 2022-12-27 | 东北电力大学 | 考虑锅炉燃烧状态的scr***喷氨量调节方法 |
Non-Patent Citations (3)
Title |
---|
姚宁 等: "基于改进鲸鱼算法优化Bi-LSTM的脱硝***NOx建模", 《华北电力大学学报》, vol. 49, no. 6, pages 76 - 83 * |
王桂林 等: "基于支持向量机的选择性催化还原脱硝***运行优化", 环境工程学报, vol. 9, no. 10, pages 5011 - 5016 * |
钱虹 等: "基于深度循环神经网络的SCR烟气脱硝***出口NO_x排放预测研究", 热能动力工程, vol. 35, no. 8, pages 77 - 84 * |
Also Published As
Publication number | Publication date |
---|---|
CN116832614B (zh) | 2024-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107243257B (zh) | 适合全负荷的智能喷氨控制*** | |
CN107526292B (zh) | 一种基于入口NOx浓度预测的调控喷氨量的方法 | |
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*** | |
CN114749006B (zh) | 一种湿法脱硫浆液循环泵优化方法 | |
CN111598308B (zh) | 基于回归和二重pso算法解决浆液循环泵组合优化方法 | |
CN109078483B (zh) | 一种基于两级潜能折算的scr催化剂提效预测方法 | |
CN104009494A (zh) | 一种环境经济发电调度方法 | |
CN104613468A (zh) | 基于模糊自适应推理的循环流化床锅炉燃烧优化控制方法 | |
CN111589302A (zh) | 燃煤电厂scr脱硝性能预测方法、装置、设备和存储介质 | |
JP3242049U (ja) | 粒子群アルゴリズムに基づく脱硝制御用インテリジェントpid適応補正装置 | |
CN113009890B (zh) | 一种基于bmo-lssvm的火电厂scr烟气脱硝控制***的优化控制方法 | |
CN112417764A (zh) | 一种面向锅炉特种设备蒸汽量预测的k近邻回归预测方法 | |
CN116832614B (zh) | 一种scr脱硝***喷氨量控制方法及*** | |
CN111401652A (zh) | 一种基于co在线检测的锅炉优化方法及*** | |
CN112933913B (zh) | 喷氨控制方法、装置及煤燃烧*** | |
CN117829342A (zh) | 基于改进随机森林算法的燃煤电厂氮氧化物排放预测方法 | |
CN116128136A (zh) | 一种基于LSO-CatBoost的燃煤电厂锅炉NOX排放预测方法 | |
CN115511386B (zh) | 基于多目标混合非洲秃鹫优化算法的多能***调度方法 | |
CN112488564B (zh) | 基于随机分形-逐次逼近算法的梯级电站调度方法及*** | |
CN113837459A (zh) | 一种基于rf-dtw的智能电厂燃煤发电机组短期负荷预测方法 | |
CN115113519A (zh) | 一种煤-煤气混烧锅炉脱硝***出口NOx浓度预警方法 | |
CN112418284B (zh) | 一种全工况电站scr脱硝***的控制方法及*** | |
CN116402411B (zh) | 耗差分析方法、装置、设备及存储介质 | |
CN113339113B (zh) | 一种SCR***NOx生成与氨需求预测方法、***及存储介质 | |
CN112287535B (zh) | 一种用于确定火电机组最低运行负荷的方法及*** |
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 |