[发明专利]一种基于卡尔曼滤波的烟气NOx浓度测量方法

摘要

本发明公开了一种基于卡尔曼滤波的烟气NOx浓度测量方法，方法如下：步骤一：根据DCS中现有运行历史数据，建立烟气的NOx浓度与相关辅助变量的软测量模型，其中辅助变量包括一次风量、二次风量和给煤量；步骤二：对比软测量模型与CEMS测量结果，考虑软测量的模型精度、CEMS测量的滞后时间、测量对象特性以及实际工程需要，根据卡尔曼滤波的思想，设置软测量和CEMS测量的方差为P_f和P_d；步骤三：对CEMS测量结果和软测量所得结果通过基于卡尔曼滤波的数据融合方法，得到最终的NOx浓度。本发明方法能有效克服CEMS存在较大滞后的缺点，同时拥有比软测量更高的准确度，能够实现对燃煤电厂NOx浓度快速可靠的测量。

主权项

1.一种基于卡尔曼滤波的烟气NOx浓度测量方法，其特征在于，方法如下：步骤一：根据DCS中现有运行历史数据，建立烟气NOx浓度与相关辅助变量的软测量模型，其中辅助变量包括一次风量、二次风量和给煤量；步骤二：对比NOx浓度软测量与CEMS测量，考虑实际工程需要，根据卡尔曼滤波的思想，设置基于软测量和CEMS测量的NOx浓度状态方差，方差分别为Pf和Pd；步骤三：综合CEMS测量和软测量的测量结果，采用基于卡尔曼滤波的数据融合方法进行数据融合，得到NOx浓度的最优估计，即融合测量NOx浓度；融合测量、软测量和CEMS测量的NOx浓度关系表示如下：Pe＝(Pf‑1+Pd‑1)‑1ye＝Pe(Pf‑1xf+Pd‑1xd)式中，Pf是软测量的状态估计方差，Pd是CEMS测量的状态估计方差，Pe是融合测量的方差，ye是基于卡尔曼滤波数据融合方法的最优估计，即融合测量值；xf是基于软测量yf(t)并利用卡尔曼滤波算法得到的NOx浓度的状态估计，xd是基于CEMS测量yd(t)并利用卡尔曼滤波算法得到的NOx浓度的状态估计；运用卡尔曼滤波算法结合软测量的历史数据，实现融合测量值的更新，得到t‑d时刻的NOx浓度的融合最优估计，即融合测量值，表达式如下：1)NOx浓度空间状态的动态变化2)NOx浓度融合测量的一步预测ye(t|t‑1)＝zye(t‑1)3)卡尔曼滤波增益4)NOx浓度空间状态的最优估计ye(t)＝xf(t)+K[ye(t|t‑1)‑xf(t)]5)NOx浓度空间状态方差的更新Pe＝(1‑K)Pf其中，z是NOx浓度空间的变化率，ye(t|t‑1)是基于t‑1时刻融合测量和软测量动态变化而得到的t时刻的融合测量估计值，K是卡尔曼滤波增益，ye(t)是基于卡尔曼滤波算法的NOx浓度最优估计值，即所求的融合测量值。