[发明专利]基于浓度精准预测的脱硝装置喷氨精准控制系统与方法有效
申请号: | 202110736767.0 | 申请日: | 2021-06-30 |
公开(公告)号: | CN113433911B | 公开(公告)日: | 2022-05-20 |
发明(设计)人: | 高翔;郑成航;谭畅;张涌新;周灿;吴卫红;翁卫国;杨洋;张悠;姚龙超;刘少俊;李钦武;孙德山 | 申请(专利权)人: | 浙江大学 |
主分类号: | G05B19/418 | 分类号: | G05B19/418 |
代理公司: | 杭州君度专利代理事务所(特殊普通合伙) 33240 | 代理人: | 郑芳 |
地址: | 310027 浙*** | 国省代码: | 浙江;33 |
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 浓度 精准 预测 装置 控制系统 方法 | ||
本发明涉及一种基于浓度精准预测的脱硝装置喷氨精准控制系统与方法,所述喷氨精准控制系统包括电站信息系统、脱硝装置入口NOx浓度预测模型、多模型预测控制模块、脱硝装置控制对象。本发明通过提前预测脱硝装置入口NOx浓度,为脱硝装置喷氨量控制提供精准前馈,同时建立多变负荷工况下的多模型预测控制模块,实现脱硝装置喷氨量的精准控制,克服脱硝系统的大延迟、大惯性及强非线性缺点;在大范围变负荷工况下,本发明在保证出口NOx浓度达标的情况下,大幅提高了脱硝装置喷氨量控制的经济性与稳定性。
技术领域
本发明属于脱硝系统喷氨装置优化技术领域,具体涉及一种基于浓度精准预测的脱 硝装置喷氨精准控制系统与方法。
背景技术
煤炭燃烧会产生氮氧化物、二氧化硫和烟尘等污染物,对大气环境和人体健康都会 造成危害。
SNCR/SCR耦合脱硝技术,是结合SNCR技术与SCR技术发展起来的一种联合工 艺,兼具SNCR技术投资成本低、SCR技术脱硝效率高的特点。然而,由于脱硝系统 入口NOx浓度测量滞后性大、测准难度高,系统强非线性的特点,采用SNCR和SCR 耦合脱硝技术的CFB锅炉存在喷氨量无法精准控制的问题,喷氨量过少时,会导致NOx 浓度超出排放标准;喷氨量过多时会出现氨逃逸,对大气造成污染,且会生成硫酸盐导 致空预器、催化剂堵塞严重,对设备安全造成影响。
为了在保证出口烟气NOx浓度达标的前提下,提升脱硝装置喷氨过程的经济性及稳定性,需要建立适当的脱硝装置入口NOx浓度预测模型与出口NOx浓度控制方法, 对脱硝系统喷氨量进行精准控制。
发明内容
为了克服现有技术存在的不足,本发明提供了一种基于浓度精准预测的脱硝装置喷 氨精准控制系统与方法;本发明通过提前预测脱硝装置入口NOx浓度,为脱硝装置喷 氨量控制提供精准前馈,同时建立多变负荷工况下的多模型预测控制模块,实现脱硝装 置喷氨量的精准控制,克服脱硝系统的大延迟、大惯性及强非线性缺点。
本发明所采用的技术方案是:
一种基于浓度精准预测的脱硝装置喷氨精准控制系统,所述喷氨精准控制系统包括 电站信息系统、脱硝装置入口NOx浓度预测模型、多模型预测控制模块、脱硝装置控 制对象;
所述电站信息系统包括电厂OPC(OLE for Process Control)服务器及DCS控制设备,电站信息系统与脱硝装置入口NOx浓度预测模型进行通信连接,将DCS数据实时 传输到脱硝装置入口NOx浓度预测模型中;脱硝装置入口NOx浓度预测模型计算得到 提前于污染物排放连续监测系统(Continuous Emission Monitoring System,CEMS)表计 的当前时刻出口NOx预测值,再将预测值作为前馈输入到多模型预测控制模块中;
所述多模型预测控制模块以动态矩阵控制为内核,以脱硝装置入口NOx浓度预测模型作为前馈,通过典型工况划分了不同子区间模型,实现大范围变负荷工况下喷氨装 置的精准控制;
所述脱硝装置控制对象包括脱硝装置喷氨装置阀门开度及喷氨泵频率。
作为优选,所述脱硝装置入口NOx浓度预测模型为基于长短期记忆神经网络(LSTM)算法建立的脱硝装置入口NOx浓度预测模型;模型针对锅炉脱硝装置入口 NOx浓度表计测量不准、滞后性大的问题,对锅炉总给煤量的历史典型运行工况进行 数据聚类,对超参数进行优化后建立了适应锅炉大范围变负荷变工况下的全局LSTM神 经网络预测模型,消除CEMS系统的测量滞后误差,对脱硝装置入口NOx浓度进行精 准预测;所述脱硝装置入口NOx浓度预测模型通过下述步骤建立:
(1)从机理上分析锅炉机组运行状况(分析CFB锅炉NOx生成及脱除机理),选 取影响NOx生成及脱除的参数作为模型输入特征变量,以脱硝装置入口NOx浓度预测 值作为模型输出值;
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浙江大学,未经浙江大学许可,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/202110736767.0/2.html,转载请声明来源钻瓜专利网。