[发明专利]一种基于卡尔曼滤波的烟气NOx浓度测量方法

权利要求书

1.一种基于卡尔曼滤波的烟气NOx浓度测量方法，其特征在于，方法如下：

步骤一：根据DCS中现有运行历史数据，建立烟气NOx浓度与相关辅助变量的软测量模型，其中辅助变量包括一次风量、二次风量和给煤量；

步骤二：对比NOx浓度软测量与CEMS测量，考虑实际工程需要，根据卡尔曼滤波的思想，设置基于软测量和CEMS测量的NOx浓度状态方差，方差分别为P_f和P_d；

步骤三：综合CEMS测量和软测量的测量结果，采用基于卡尔曼滤波的数据融合方法进行数据融合，得到NOx浓度的最优估计，即融合测量NOx浓度；融合测量、软测量和CEMS测量的NOx浓度关系表示如下：

P_e＝(P_f^-1+P_d^-1)^-1

y_e＝P_e(P_f^-1x_f+P_d^-1x_d)

式中，P_f是软测量的状态估计方差，P_d是CEMS测量的状态估计方差，P_e是融合测量的方差，y_e是基于卡尔曼滤波数据融合方法的最优估计，即融合测量值；x_f是基于软测量y_f(t)并利用卡尔曼滤波算法得到的NOx浓度的状态估计，x_d是基于CEMS测量y_d(t)并利用卡尔曼滤波算法得到的NOx浓度的状态估计；

运用卡尔曼滤波算法结合软测量的历史数据，实现融合测量值的更新，得到t-d时刻的NOx浓度的融合最优估计，即融合测量值，表达式如下：

1)NOx浓度空间状态的动态变化

2)NOx浓度融合测量的一步预测

y_e(t|t-1)＝zy_e(t-1)

3)卡尔曼滤波增益

4)NOx浓度空间状态的最优估计

y_e(t)＝x_f(t)+K[y_e(t|t-1)-x_f(t)]

5)NOx浓度空间状态方差的更新

P_e＝(1-K)P_f

其中，z是NOx浓度空间的变化率，y_e(t|t-1)是基于t-1时刻融合测量和软测量动态变化而得到的t时刻的融合测量估计值，K是卡尔曼滤波增益，y_e(t)是基于卡尔曼滤波算法的NOx浓度最优估计值，即所求的融合测量值。

2.根据权利要求1所述的基于卡尔曼滤波的烟气NOx浓度测量方法，其特征在于：在无新的CEMS测量值y_d(t+s)可用之前，利用t+1时刻的软测量值y_f(t+1)、t时刻的软测量值y_f(t)以及t时刻的融合测量值y_e(t)对融合测量值进行更新，得到t+1时刻的融合测量值y_e(t+1)；并随着软测量值的更新对融合测量值进行递推更新，直到t+s时刻CEMS测量值更新，其中s为大于0的整数。