[发明专利]一种面向火电厂脱硝装置的NOx排放浓度软测量方法

说明书

本发明涉及一种面向火电厂脱硝装置的NOx排放浓度软测量方法，包括如下步骤:收集火电厂脱销系统的历史数据，通过历史数据训练LSTM模型，基于LSTM模型设计注意力机制自适应算子，引入蒙特·卡罗方法被引入作为LASSO算法求解的辅助算法；通过“滑窗法”交叉检验法求解LASSO收缩参数，得到调整后的软测量模型；将测量模型应用火电厂脱销系统的工控机中，获取脱销系统在线运行状态下的实时数据，在线预测脱销系统的NOx排放浓度。利用建模和软测量仪表的实时在线校正来保证NOx排放浓度值的预测精度，同时该软测量模型为系统的优化和控制提供有效技术支持。

技术领域

本发明涉及火电厂脱销领域，具体涉及一种面向火电厂脱硝装置的NOx排放浓度软测量方法。

背景技术

在现代火电厂的工业生产中，大都采用选择性催化还原(selective catalyticreduction，SCR)技术对锅炉燃烧过程产生的烟气进行脱硝处理。火电厂多采用高温高尘布置方式，即反应器布置在省煤器和空预器之间，烟气竖直向下流经催化剂层，其工艺流程图如图6所示。为了满足环保标准和提高经济效益，就需要对该系统的NOx浓度和该变量密切相关的变量进行严格的控制。然而SCR系统出口处的NOx存在测量不稳的问题，反馈控制很难达到及时有效。

原烟气中的NOx在参与脱硝反应后，通过空气预热器依次进入电除尘器和脱硫装置，净化后的烟气最终通过烟囱排放到大气中。为了保证NOx排放浓度满足国家标准以及生产效益最大化，需要对该烟囱检测点的NOx浓度进行实时监测，以使NOx浓度保持在一定范围内。受工业现场环境以及硬件设备的限制，烟气排放连续监测系统在测量NOx浓度时的取样管路较长，测量值存在较大的延时；同时，烟气排放连续监测系统需进行定期对管路进行维护吹扫，维护保养期间NOx的浓度测量工作无法进行。因此需要一种代替在线分析仪表的数据驱动软测量方法，该软传感器不仅可以替代硬件传感器工作，而且可以作为硬件传感器的备份，用于校正测量数据的准确性。而在面对系统具有大量复杂的输入变量时，如何快速准确的实现对多个输入变量进行有效筛选和系数压缩，以及对该脱硝系统出口处NOx的浓度值的预测成为一个十分困难的测量难题。

软测量技术是一种应用回归算法的估计模型，其使用在线可用的传感器(如温度、压力、流量等)来预测无法测量的变量，或者只能以高成本或高延迟(如实验室分析)进行测量的变量。在现代工业过程中，各种类型的软传感器在过程监控、控制和优化中起着至关重要的作用，传感器的监测能够实时反应工业过程的运行状况。新的理论、先进的技术和信息基础设施的出现，使软测量的性能得到了提高。虽然我们已经看到可获得性的明显增加物理传感器收集的原始数据，如果没有适当的数据分析、信息提取和知识开发技术，最终将成为数据垃圾。在软测量技术开发中，其主要利用集散控制系统提供的历史数据建立回归模型。在数据的分析应用中，输入变量的选择、模型训练以及优化都是其重要的组成部分。

随着而机器学习的发展，针对非线性，动态化的生产状况，神经网络逐渐引入到建立软测量模型中，多层反向传播网络和径向基函数网络被得到了广泛应用。此类静态软测量模型常常会导致软仪表在实际应用时估计精度低、泛化能力不足。为了提高模型的精度、可靠性和动态自适应能力，采用了许多复杂的动态神经网络模型。模型的训练和优化需要占用大量的计算资源，动态软测量建模方法的应用满足了现在复杂多变的工业生产现状，变量选择及优化算法简化了模型复杂性结构的，同时大大提高了模型的预测精度和鲁棒性能。

发明内容

针对上述问题，本发明提供了一种面向火电厂脱硝装置的NOx排放浓度软测量方法，通过电厂集散控制系统与数据库相连，获取脱硝系统在线运行状态下的实时数据，将最终得到的软测量模型下载到工控机中在线预测脱硝系统的NOx排放浓度，利用建模和软测量仪表的实时在线校正来保证NOx排放浓度值的预测精度，同时该软测量模型为系统的优化和控制提供有效技术支持；基于注意力机制与LASSO的LSTM算法的软测量方法预测精准且计算成本低，基于此方法的软测量传感器克服了普通传感器价格昂贵、滞后和维护保养困难的缺点，具有较好的实用性和经济性。