[发明专利]基于多模态模型预测控制脱硫系统多目标优化控制方法在审
申请号: | 202010318242.0 | 申请日: | 2020-04-21 |
公开(公告)号: | CN111611691A | 公开(公告)日: | 2020-09-01 |
发明(设计)人: | 竺森林;胡建垠;杨路宽 | 申请(专利权)人: | 大唐环境产业集团股份有限公司 |
主分类号: | G06F30/20 | 分类号: | G06F30/20;G06Q10/04;G06F111/06;G06F111/04 |
代理公司: | 北京八月瓜知识产权代理有限公司 11543 | 代理人: | 李斌 |
地址: | 100097 *** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 多模态 模型 预测 控制 脱硫 系统 多目标 优化 方法 | ||
1.基于多模态模型预测控制脱硫系统多目标优化控制方法,其特征在于,包括如下步骤:
步骤一:依据脱硫系统和主机系统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系统动态数学模型;
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系统稳态点;
步骤五:通过线性状态空间模型预测未来系统动态;
步骤六:基于预测的未来系统动态求解多约束开环优化,并进行滚动式计算。
2.根据权利要求1所述的基于多模态模型预测控制脱硫系统多目标优化控制方法,其特征在于,所述步骤一中以DCS控制系统所记录的脱硫系统和主机系统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控制系统所采集的实时数据不断扩充数据库,从而采集脱硫系统和主机系统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系统多目标优化控制方法,其特征在于,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。
4.根据权利要求1所述的基于多模态模型预测控制脱硫系统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系统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系统动态数学模型包括: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系统动态数学模型。
5.根据权利要求1所述的基于多模态模型预测控制脱硫系统多目标优化控制方法,其特征在于,所述步骤四中确定DCS控制系统稳态点,以脱硫系统为被控对象,以脱硫系统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系统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。
6.根据权利要求1所述的基于多模态模型预测控制脱硫系统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控制系统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系统状态和输出。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于大唐环境产业集团股份有限公司,未经大唐环境产业集团股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010318242.0/1.html,转载请声明来源钻瓜专利网。