The invention discloses a prediction method for the SCR entrance NOx concentration online, the method comprises the following steps: obtain operation parameters data of the current time period, the operating parameters including the load, the quantity of coal, air valve and flue gas oxygen content; parameters data input to advance online training enabled NOx emission model, forecast the value of NOx concentrations corresponding to the current time period SCR entrance. By applying the technical scheme provided by the embodiment of the invention, the NOx emission model is obtained by on-line training, and the prediction of the NOx concentration is improved, and the accuracy of the NOx concentration prediction is improved. The invention also discloses a SCR inlet NOx concentration on-line prediction device, which has corresponding technical effects.
【技术实现步骤摘要】
一种SCR入口NOx浓度在线预测方法及装置
本专利技术涉及计算机应用
,特别是涉及一种SCR入口NOx浓度在线预测方法及装置。
技术介绍
煤炭是重要的一次能源,煤电机组的发电量占总发电量的70%以上,煤粉炉燃烧产生的氮氧化物NOx是目前大气氮氧化物污染的主要来源。随着社会生产生活水平的提高,人们的环保意识逐渐增强。严格控制煤电机组的氮氧化物排放,是解决大气氮氧化物污染问题的重要手段之一。目前,常通过建立NOx浓度预测模型进行NOx浓度预测,其中一种NOx浓度预测模型的建模方法是基于神经网络的建模,步骤如下:(1)确定神经网络的结构;(2)从DCS中获取数据作为训练样本集;(3)初始化权值和阈值;(4)输入训练样本,将训练样本逐一输入;(5)计算输入层、输出层、隐含层的训练误差;(6)修正权值和阈值;(7)当样本集中的所有样本都经历了(4)-(6)步,即完成了一个训练周期,计算性能指标;(8)如果性能指标满足精度要求,训练结束。基于神经网络的建模,需要庞大的训练样本集合,如果样本不足将会导致模型精度的下降,使得对于NOx浓度预测的准确率较低。
技术实现思路
本专利技术的目的是提供一种SCR入口的NOx浓度在线预测方法及装置,以通过在线训练得到的NOx排放模型进行NOx浓度的预测,提高NOx浓度预测的准确率。为解决上述技术问题,本专利技术提供如下技术方案:一种SCR入口NOx浓度在线预测方法,包括:获得当前时间周期的运行参数数据,所述运行参数数据包括负荷、给煤量、风门阀位和烟气含氧量;将所述运行参数数据输入到预先在线训练启用的NOx排放模型中,获得所述当前时 ...
【技术保护点】
一种SCR入口NOx浓度在线预测方法,其特征在于,包括:获得当前时间周期的运行参数数据,所述运行参数数据包括负荷、给煤量、风门阀位和烟气含氧量;将所述运行参数数据输入到预先在线训练启用的NOx排放模型中,获得所述当前时间周期对应的SCR入口的NOx浓度预测值。
【技术特征摘要】
1.一种SCR入口NOx浓度在线预测方法,其特征在于,包括:获得当前时间周期的运行参数数据,所述运行参数数据包括负荷、给煤量、风门阀位和烟气含氧量;将所述运行参数数据输入到预先在线训练启用的NOx排放模型中,获得所述当前时间周期对应的SCR入口的NOx浓度预测值。2.根据权利要求1所述的方法,其特征在于,还包括:如果连续M个时间周期的NOx浓度预测值与相应的NOx浓度实测值的差值绝对值大于预设阈值,则启动所述NOx排放模型的在线训练,M为预设数值。3.根据权利要求1或2所述的方法,其特征在于,通过以下步骤预先在线训练得到所述NOx排放模型:初始化NOx排放预测的T-S模糊模型;在线获得样本数据,所述样本数据包括输入样本数据和输出样本数据,所述输入样本数据包括多个时间周期的负荷、给煤量、风门阀位、烟气含氧量,所述输出样本数据包括各个时间周期对应的所述SCR入口的NOx浓度实测值;基于所述样本数据构建NOx排放预测的自回归滑动平均ARMA模型;确定所述T-S模糊模型的前件结构;对所述输入样本数据进行模糊划分;对所述T-S模糊模型的后件参数进行辨识;利用所述输入样本数据,对所述T-S模糊模型进行训练,直至各时间周期对应的NOx浓度预测值与相应时间周期对应的NOx浓度实测值的差值绝对值小于或等于预设阈值,将训练后的所述T-S模糊模型确定为所述NOx排放模型,并启用所述NOx排放模型。4.根据权利要求3所述的方法,其特征在于,所述样本数据为进行归一化处理后的数据。5.根据权利要求3所述的方法,其特征在于,所述对所述T-S模糊模型的后件参数进行辨识,包括:针对任意一个模糊规则下的所述ARMA模型,通过最小二乘法进行后件参数的辨识。6.一种SCR入口NOx浓度在线预测装置,其特征...
【专利技术属性】
技术研发人员:汪自翔,胡建根,尹峰,罗志浩,苏烨,张江丰,
申请(专利权)人:杭州意能电力技术有限公司,
类型:发明
国别省市:浙江,33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。