基于神经网络预测控制的燃煤机组SCR烟气脱硝控制方法技术

本发明专利技术涉及一种基于神经网络预测控制的燃煤机组SCR烟气脱硝控制方法，属于烟气脱硝技术领域。包括以下步骤：步骤S1，采集SCR脱硝系统的关于时间变化的样本数据，并根据样本数据确定动态神经网络的输入层和输出层的神经元；步骤S2，采用动态神经网络对SCR脱硝系统进行模型辨识，建立SCR预测模型；步骤S3，利用SCR预测模型计算SCR脱硝系统出口处的NOx浓度的预测值，并利用SCR脱硝系统出口处的NOx浓度的预测值对SCR脱硝系统的喷氨量进行控制。利用本发明专利技术所提供的方法可以基本控制出口氮氧化物浓度保持不变，在喷氨量制定上可以实时准确的满足要求，克服了浪费还原剂、氨逃逸增加的问题，大大提高了喷氨量预测控制的准确性。

SCR flue gas denitrification control method for coal-fired unit based on neural network predictive control

The invention relates to a SCR flue gas denitrification control method based on the predictive control of neural network, which belongs to the field of flue gas denitrification technology. Includes the following steps: step S1, about the time change of sample data acquisition SCR denitrification system, and according to the dynamic neural network input layer and the output layer neurons to determine the sample data; step S2, dynamic neural network is used for SCR denitration system identification model, establish SCR prediction model; step S3, NOx forecast the concentration of SCR and calculation at the outlet of denitrification system using SCR prediction model with the value of the prediction of NOx concentration and the use of SCR and exit the denitrification system for controlling the SCR value ammonia denitration system. The method provided by the invention can control the export of nitrogen oxide concentrations remained unchanged, can meet the real-time and accurate requirements in ammonia making, to overcome the increasing waste reducing agent, ammonia escape problems, greatly improves the prediction accuracy of ammonia injection control.

【技术实现步骤摘要】
基于神经网络预测控制的燃煤机组SCR烟气脱硝控制方法
本专利技术属于烟气脱硝
，涉及一种基于神经网络预测控制的燃煤机组SCR烟气脱硝控制方法。
技术介绍
SCR(SelectiveCatalyticReduction)——选择性催化还原法是目前国际上技术最成熟、应用最广泛的烟气脱硝技术。SCR是在催化剂的作用下，利用还原剂NH3等来有选择性地与烟气中的NOx反应并生成无毒无污染的N2和H2O。SCR技术对锅炉烟气NOx的控制效果十分显著，技术较为成熟，目前已成为世界上应用最多、最有成效的一种烟气脱硝技术。在脱硝系统中，氨气流量是通过NOx流量信号乘以NH3/NOx摩尔比得到的，其中，NH3/NOx摩尔比是固定的，NOx流量为烟气入口NOx浓度与烟气流量的乘积。同时烟气出口NOx浓度对NH3需求量加以修正，最终得出所需要的氨气流量值。脱硝控制系统根据计算得出的氨气流量值，通过控制氨气调节门的开度，可以实现氨气流量的自动控制。喷氨量是SCR脱硝系统的重要控制量，目前电厂普遍采用PID控制喷氨量，当机组的负荷在稳定状态时，能得到较好的控制效果，但在变工况条件下，系统呈现出非线性、大滞本文档来自技高网...

【技术保护点】
一种基于神经网络预测控制的燃煤机组SCR烟气脱硝控制方法，其特征在于，包括下列步骤：步骤S1，采集SCR脱硝系统的关于时间变化的样本数据，并根据所述样本数据确定动态神经网络的输入层和输出层的神经元；步骤S2，采用所述动态神经网络对所述SCR脱硝系统进行模型辨识，建立SCR预测模型；步骤S3，利用所述SCR预测模型计算所述SCR脱硝系统出口处的NOx浓度的预测值，并利用所述SCR脱硝系统出口处的NOx浓度的预测值对所述SCR脱硝系统的喷氨量进行控制。

【技术特征摘要】
1.一种基于神经网络预测控制的燃煤机组SCR烟气脱硝控制方法，其特征在于，包括下列步骤：步骤S1，采集SCR脱硝系统的关于时间变化的样本数据，并根据所述样本数据确定动态神经网络的输入层和输出层的神经元；步骤S2，采用所述动态神经网络对所述SCR脱硝系统进行模型辨识，建立SCR预测模型；步骤S3，利用所述SCR预测模型计算所述SCR脱硝系统出口处的NOx浓度的预测值，并利用所述SCR脱硝系统出口处的NOx浓度的预测值对所述SCR脱硝系统的喷氨量进行控制。2.根据权利要求1所述的基于神经网络预测控制的燃煤机组SCR烟气脱硝控制方法，其特征在于，所述样本数据包括所述SCR脱硝系统入口处的NOx浓度、SCR反应装置处的温度、机组负荷，所述SCR脱硝系统的喷氨量和所述SCR脱硝系统出口处的NOx浓度。3.根据权利要求1或2所述的基于神经网络预测控制的燃煤机组SCR烟气脱硝控制方法，其特征在于，在所述步骤S2之前，还包括：步骤S4，对所述样本数据进行高频滤波处理；步骤S5，对进行高频滤波处理后的样本数据进行归一化处理。4.根据权利要求1至3任一项所述的基于神经网络预测控制的燃煤机组SCR烟气脱硝控制方法，其特征在于：所述动态神经网络的输入层的神经元为所述SCR脱硝系统入口处的NOx浓度、SCR反应装置处的温度、机组负荷和所述SCR脱硝系统的喷氨量；所述动态神经网络的输出层的神经元为所述SCR脱硝...

【专利技术属性】
技术研发人员：徐博，孟范伟，夏志，王松寒，李航，周宏伟，都明亮，崔希生，王朔，高长征，史冬云，朱爱军，金春林，马晓琴，
申请(专利权)人：吉林省电力科学研究院有限公司，国网吉林省电力有限公司电力科学研究院，国网吉林节能服务有限公司，东北大学秦皇岛分校，国家电网公司，
类型：发明
国别省市：吉林,22