[发明专利]一种基于模型预测的SCR脱硝装置喷氨流量调节方法

权利要求书

1.一种基于模型预测的SCR脱硝装置喷氨流量调节方法，其特征在于，包括以下步骤：

步骤1：利用工业炉历史运行数据建立基于神经网络的工业炉燃烧预测模型，对所述工业炉燃烧预测模型进行训练测试并保存；

步骤2：利用SCR反应器的历史运行数据建立基于神经网络与PSO控制器的多变量预测控制模型，对所述多变量预测控制模型进行训练测试并保存；

步骤3：根据工业炉的当前运行参数和所述工业炉燃烧预测模型对SCR反应器入口的氮氧化物浓度进行预测，得到SCR反应器入口的氮氧化物浓度的预测值；

步骤4：根据SCR反应器入口的氮氧化物浓度的预测值和测量值之间的差值对氮氧化物浓度的预测值进行校正，并确定初始喷氨量；

步骤5：根据校正后的SCR反应器入口氮氧化物浓度的预测值、SCR反应器的多变量参数以及所述多变量预测控制模型对SCR反应器出口的氮氧化物浓度进行预测；

步骤6：根据SCR反应器出口氮氧化物浓度的预测值、测量值、设定值以及喷氨量构建性能指标函数；

步骤7：采用所述多变量预测控制模型中的PSO控制器对性能指标函数最小化，进行喷氨量的初步寻优；

步骤8：以喷氨量的初步寻优结果更新SCR反应器的实际喷氨量并作为下一次PSO算法的最佳位置初值，再对SCR反应器出口氮氧化物浓度进行预测，并返回步骤7继续采用PSO算法对性能指标进行优化，如此反复迭代，实现预测控制，

步骤2中，所述多变量预测控制模型包括预测部分和控制部分，其中预测部分为长短时记忆网络模型，控制部分为PSO优化控制器，

步骤6中，性能指标函数的如下公式(3)：

其中，k为当前迭代步数，i为迭代次数，α、β为权重因子且大于等于0，O_p为SCR反应器出口氮氧化物浓度预测值，O_r为SCR反应器出口氮氧化物浓度设定值，O_c为SCR反应器出口氮氧化物浓度测量值，u为喷氨量，n为预测长度，

步骤7中，PSO控制器所采用的PSO算法的第k步过程如下：

根据公式(3)、公式(4)和公式(5)，反复迭代更新速度与位置直至性能指标函数达到极小值，得到最优喷氨量u(k+1)：

v(k+1)＝ωv(k)+c₁·rand₁(pbest(k)-u(k))+c₂·rand₂(gbest(k)-u(k)) (4)

u(k+1)＝u(k)+v(k+1) (5)

其中k为当前迭代步数，pbest为局部最佳位置，gbest为全局最佳位置，ω为非负惯性因子，v为喷氨增量，c₁、c₂为学习因子，rand₁、rand₂为介于(0,1)之间的随机数，i＝1，2，3…，S，其中S为此群中粒子总数。

2.根据权利要求1所述的基于模型预测的SCR脱硝装置喷氨流量调节方法，其特征在于：步骤1中，所述工业炉燃烧预测模型为长短时记忆网络模型，用于预测SCR反应器入口的氮氧化物浓度。

3.根据权利要求1或2所述的基于模型预测的SCR脱硝装置喷氨流量调节方法，其特征在于：所述工业炉历史运行数据包括：工业炉运行负荷、烟气温度、总烟气量、一次风量、二次风量以及工业炉出口氮氧化物浓度。

4.根据权利要求1所述的基于模型预测的SCR脱硝装置喷氨流量调节方法，其特征在于：所述SCR反应器的历史运行数据包括：SCR反应器入口氮氧化物浓度测量值、SCR反应器出口氮氧化物浓度测量值、SCR反应器出口氮氧化物浓度设定值、喷氨量、总烟气量以及烟气温度。