[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 | ||
本发明涉及基于多模态模型预测控制脱硫系统多目标优化控制方法。该基于多模态模型预测控制脱硫系统多目标优化控制方法包括如下步骤: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,建立数据库;对数据库进行归一化处理;吸收塔模型的建立、浆液池模型的建立、脱硫效率模型的建立和其它必要模型及连接单元的建立;稳态点线性状态空间辨识;基于线性状态空间模型预测未来系统动态。本发明提供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,通过将多目标稳态优化、不确定性补偿以及非线性预测控制相结合,达到脱硫系统多目标实时优化控制。
技术领域
本发明涉及脱硫系统优化控制、模型预测控制、多目标优化领域,尤其是涉及基于多模态模型预测控制脱硫系统多目标优化控制方法。
背景技术
目前,世界能源紧张、环境污染问题日益受到关注。燃煤电厂烟气中含有大量的SO2、一氧化碳、碳氢化合物、氮氧化合物、粉尘等污染物,必须采用相应的技术控制排放量。为了治理燃煤电厂烟气排放所产生的大气污染,国务院常务会议深入讨论了全面实施燃煤电厂超低排放和强化节能减排工作的环保政策,会议最终决定实旋这项环保政策。国家发展和改革委员会、环境保护部、能源局三家单位联合发出的“环发164号关于印发《全面实施燃煤电厂超低排放和节能改造工作方案》的通知”,“通知”中明确提出“国内燃煤电厂在技术可行的前提下要通过改造力争实现超低排放(即在基准氧含量6%条件下,烟尘、SO2、氮氧化物排放浓度分别不高于10、35、50毫克/立方米)”。为了达到日益严格的烟气排放指标,全世界燃煤电厂所采用的烟气脱硫工艺以石灰石—石膏湿法脱硫工艺为主,因为相比其它烟气脱硫技术,石灰石(石灰)-石膏湿法脱硫工艺具有技术成熟,脱硫效率高等优点。但随着脱硫系统投用时间的增长,石灰石(石灰)-石膏湿法工艺的产物石膏易附着在喷淋塔的内壁及各喷淋层上,不易清理,进而出现脱硫装置运行性能下降明显和脱硫效率在实际运行时不能满足国家标准要求的情况,该情况对脱硫系统的实时运行和控制水平提出了较大的挑战。
燃煤电厂脱硫系统是大范围变工况的复杂耦合系统,实际运行过程中常常会出现烟气含硫量大范围变化和燃煤含硫量变化等情况,对脱硫系统多目标实时优化要求较高。在这种需求背景下,预测控制逐渐发展起来。它最大程度地迎合了工业过程控制的实际需求,控制综合效果好,一经提出即在工业控制领域获得了较快应用。随着计算机技术的飞速发展,预测控制的应用领域也迅速扩展到包括电厂控制在内的众多工程领域。
现有的预测控制系统在实际的应用中也存在着无法实时预测,准确性差的问题。
发明内容
本发明的第一目的在于提供基于多模态模型预测控制脱硫系统多目标优化控制方法,该基于多模态模型预测控制脱硫系统多目标优化控制方法能够实时通过多模态模型预测控制脱硫系统;
本发明的第二目的在于提供基于多模态模型预测控制脱硫系统多目标优化控制方法,旨在解决现有的脱硫系统模型无法实时预测,准确性差的问题。
本发明提供基于多模态模型预测控制脱硫系统多目标优化控制方法,基于多模态模型预测控制脱硫系统多目标优化控制方法包括如下步骤:
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。
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/202010318242.0/2.html,转载请声明来源钻瓜专利网。