[发明专利]一种烟气在线连续监测系统的测量时延修正方法

权利要求书

1.一种烟气在线连续监测系统的测量时延修正方法，其特征在于包括下述步骤：

（1）空间和分析结合的时延计算方法的提出：测量各烟气采样管中的烟气流速和采样管实际长度，计算被测烟气通过采样装置到达分析仪表所需的时间，即烟气在线连续监测系统对采样烟气的测量时延；

对于热电厂超低排放智能环保岛中的烟气在线连续监测系统，其采样点包括SCR系统脱硝前烟气采样点，WFGD系统脱硫前采样点，WFGD系统脱硫后采样点，WESP系统除尘前采样点和WESP系统除尘后采样点，通过采样管在采样点出口刻度L₁和进入CEMS分析仪时的进口刻度L₂之差，计算出采样实际长度L=｜L₁-L₂｜；根据采样管型号和参数得到管内径为d；根据采样泵参数得平均采样流量为Q；通过下式计算出采样管内烟气的平均流速：；

在采样仪器能够测得烟气动压和烟气静压的情况下，通过以下气体流速计算公式对计算得到的烟气平均流速进行适当修正：

其中，v’为原始流速，K_p为皮托管系数，ρ’为计算气体密度，p₁为烟气动压，p₂为烟气静压，p₀为设定静压，1.205为标准大气压下，20摄氏度时的空气密度；

系统分析仪分析污染物浓度耗时为△t；由此可得烟气在线连续监测系统对采样烟气的测量时延为：；

（2）预测模型的建立：通过被测烟气历史采样值，根据不同污染物选取相应输入量，通过深度学习建立神经网络预测模型；

烟气在线连续监测系统对SCR脱硝前烟气的采样，采集不同负荷和不同煤种下的特征量，包括锅炉负荷、给煤量、总风量、入口原烟气NOx浓度、入口原烟气氧量、入口温度；

（3）针对不同采样断面下的不同污染物浓度进行的预测：利用步进滚动的迭代预测方法来预测被测烟气中污染物的当前实时浓度；

以步骤（1）计算得到的测量时延t作为步进滚动迭代的时间周期，将过去一个时间周期内的历史采样数据作为初始输入量，历史数据的采样时间间隔为t/20，结合步骤（2）中深度神经网络预测输出值进行步进滚动迭代，当完成对下一个时间周期的预测时，最后输出2t时刻的预测值即为经过时延修正后的污染物浓度实时值；

步骤（1）中，获得烟气在线连续监测系统对采样烟气测量时延的方法具体包括以下几个步骤：

步骤L1：SCR系统脱硝前采样位点的确定，通过观测得到脱硝前采样管在采样点出口刻度L₁和进入CEMS分析仪时的进口刻度L₂，得采样管长度为L，采样管型号并查询到对应的管内径d；

步骤L2：结合仪器参数和采样泵参数，通过采样流量并综合考虑采样气体的温度、压力、湿度因素的影响，计算被测烟气在采样管中的平均流速v；其中采样流量通过CEMS分析仪中采样泵参数确定为Q；

步骤L3：计算被测烟气经过各采样管到达分析仪所需的时间，即需要修正的测量时延；其中系统分析仪分析污染物浓度耗时△t，最终得测量时延为；

步骤（2）中，建立神经网络预测模型的方法具体包括以下几个步骤：

步骤T1：对热电厂超低排放智能环保岛中CEMS系统对SCR脱硝前烟气的采样，输入量为锅炉负荷L_i，煤种A_i，给煤量K_i，总风量Q_i，入口原烟气NO_x浓度采样值C_1i、入口原烟气氧量C_2i、入口温度T_i，输出为入口原烟气NO_x浓度采样值C’_i；

步骤T2：采集数据并进行预处理和修正，确定神经网络预测模型的训练样本大小，工况样本集为D(K_i,Q_i,C_1i,C_2i,T_i,C’_i)_Li,Ai，先确定锅炉负荷L_i，煤种A_i，在锅炉负荷L_i，煤种A_i为一定量时，再通过考察给煤量K_i，总风量Q_i，入口原烟气NO_x浓度采样值C_1i、入口原烟气氧量C_2i、入口温度T_i，输出为入口原烟气NO_x浓度采样值C’_i来形成工况样本集，样本大小取20；

步骤T3：取样本数目的90%作为训练集，其余10%作为检验集；

步骤T4：用处理好的数据建立训练模型并评估模型性能，根据模型收敛性调整参数；

步骤（3）中，步进滚动的迭代预测方法具体包括以下几个步骤：

步骤S1：采用过去一个时间周期内的烟气历史采样值作为第一次迭代预测过程中的输入量，通过预测模型输出一个预测值；

步骤S2：第二次迭代预测过程中，步骤S1中的预测值与烟气历史采样值的一部分相结合形成新的输入量，通过预测模型输出一个预测值；

步骤S3：之后每一次的输入量形成过程都采用与步骤S2相同的方式完成，根据上一步输出的预测值来更新下一次的输入量；

步骤S4：当完成对下一个时间周期的全部预测时，本次迭代预测过程停止。