基于浓度精准预测的脱硝装置喷氨精准控制系统与方法制造方法及图纸

本发明专利技术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。本发明专利技术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，本发明专利技术在保证出口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。性与稳定性。性与稳定性。

【技术实现步骤摘要】
响应模型的参数；在现场调试时，工况发生变化，模型中主要改变的量为比例环节K
pi
， 而响应环节T
pi
及滞后环节T
di
基本保持不变；
[0038]步骤7：多模型预测控制模块基于满负荷、高负荷、中负荷、低负荷等不同负荷工 况段建立多个子区间预测模型，以加权切换的方式保证在大范围变负荷工况下脱硝装置 出口NOx控制效果的稳定性；
[0039]步骤8：多模型预测控制模块在控制过程中将当前风量、煤量及脱硝装置入口NOx 浓度输出值作为前馈根据当前负荷工况输入到到对应的子区间预测模型中，然后与动态 矩阵控制模型中的反馈校正模块一起对喷氨量进行前馈
‑
反馈协同控制，计算下一次控 制的喷氨优化量du，然后传递给脱硝控制对象以计算脱硝装置喷氨装置阀门开度及喷 氨泵频率，最后将经过喷氨控制后的出口NOx浓度通过反馈校正模块重新进行下一步 的喷氨量du的计算，实现喷氨装置的精准控制。
[0040]作为优选，多模型预测控制模块采用根据炉膛出口温度进行欧式距离聚类的方式进 行工况划分，建立不同工况下的子区间模型。
[0041]作为优选，在阶跃响应模型建立阶段，通过带纯滞后的一阶惯性系统模型表示：
[0042][0043]式中，K
Pi
代表比例环节，T
Pi
代表响应环节，T
di
代表纯滞后环节，X
i
(s)代表系统输 入，Y(s)代表系统输出，G
i
(s)代表系统传递函数；
[0044]采用动态惯性权重的改进型粒子群寻优算法获取各子区间带纯滞后的一阶惯性系 统的最优参数，寻找在划定的典型工况子区间下的多模型预测控制模块，动态惯性权重 调整的公式为：
[0045][0046]式中，w为惯性权重，R为当前迭代次数，R
max
为最大迭代次数。
[0047]作为优选，在每一个工况子区间模型运行区间，根据出口NOx浓度相对于喷氨量、 总风量以及给煤量输入参数的实际比例、惯性及延迟参数对模型进行整定；出口NOx 的设定值选取在35～45mg/m3。
[0048]本专利技术的有益效果在于：
[0049]本专利技术可以对脱硝装置入口NOx浓度进行精准预测，再以前馈的形式输入到以动 态响应矩阵为内核的多变负荷工况下多模型预测控制模块中，克服了脱硝系统控制的大 惯性、大延迟性及强非线性；在大范围变负荷工况下，本专利技术在保证出口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。
附图说明
[0050]图1是本专利技术脱硝装置入口NOx浓度预测模型建立的流程图；
[0051]图2是本专利技术的原理图；
[0052]图3是本专利技术应用在某CFB电厂升负荷工况下控制效果图；
[0053]图4是本专利技术应用在某CFB电厂降负荷工况下控制效果图；
[0054]图5是本专利技术应用在某CFB电厂稳定负荷工况下控制效果图；
值；
[0067]根据评价公式筛选出关联性强的输入特征，删除互信息值低的输入特征，保留高互 信息值的输入特征变量；
[0068](3)数据标准化处理：由于部分输入特征之间存在数量级的差距，为避免影响模 型权重更新速度，还需要对输入特征进行标准化，标准化后的特征分布是以0为均值， 1为标准差的正态分布；标准化处理公式如下：
[0069][0070]式中，x为输入特征变量，μ为输入特征变量的均值，σ为输入特征变量的标准差；
[0071](4)小波变换确定特征量延时：由于控制模型确定的输入特征对入口NO
X
浓度影 响具有时序性，因此引入“信号的时间
‑
尺度(时间
‑
频率)分析方法”，即引入小波变 换方法来确定输入/输出特征之间的延迟，消除由于仪器自身波动而引起的信号波动， 将原始数据库的数据与不同输入/输出特征建立联系，确定不同特征之间的响应时间差， 最终确定历史、实时数据与不同输入/输出特征之间的响应时间差，小波变换公式为：
[0072][0073]式中，a为尺度因子，b为平移因子，＜f(t)，ψ
a，b
(t)>表示两个函数的内积，*表 示取共轭；
[0074](5)分析数据工况：对所选特征量的历史数据进行工况辨识，筛选出稳定工况、 吹扫工况以及变负荷工况，并针对变负荷工况根据给煤量进行聚类分段，聚类方式选取 欧氏距离聚类；
[0075]考虑到不同锅炉、运行工况、煤质条件对锅炉NOx排放特性影响较大，通过欧式 聚类方法分析可以代表锅炉运行特征的瞬时总给煤量，找到系统运行的若干典型工况， 针对多个典型工况划分子区间模型，(变工况LSTM模型一、变工况LSTM模型二、变 工况LSTM模型三)基于此子区间模型开发大范围变负荷工况下入口NOx浓度预测模 型；
[0076](6)选取LSTM算法为基础进行建模，基于LSTM神经网络原理建立脱硝装置入 口NOx浓度预测模型，并确定预测时间步长(prediction time step)、回溯时间步长(look
‑
back time step)、隐含层数目(hidden layers)和隐含层节点数(hidden neural) 四个超参数；其中，预测时间步长由实际预测需求与准确度共同确定，回溯时间步长是 在相同的网络结构下通过预训练获得的最优解，隐含层数目和隐含层节点数采用粒子群 优化算法对网络隐藏层结构寻优获得；四个超参数确定后，即可建立脱硝装置入口NOx 浓度预测模型；
[0077](7)建立基于LSTM的脱硝装置入口NOx浓度预测模型后，进行超参数的调整， 再进行模型准确度的验证。
[0078]由此建立的离线LSTM脱硝装置入口NOx浓度预测模型具有较好的预测效果，能 够在大范围变负荷工况下对脱硝装置入口NOx浓度进行精准提前预测，降低甚至消除 了由于CEMS表计延迟造成的滞后性。
[0079]本专利技术针对锅炉脱硝装置入口NOx浓度表计测量不准、滞后性大等问题，对锅炉 总给煤量的历史典型运行工况进行数据聚类，建立了适应锅炉变工况下的全局LSTM神 经
况段建立多个子区间预测模型，以加权切换的方式保证在大范围变负荷工况下脱硝系统 出口NOx控制效果的稳定性；
[0091]步骤8：多模型预测控制模块在控制过程中将当前风量、煤量及脱硝装置入口NOx 浓度输出值作为前馈，根据当前负荷工况输入到对应的子区间预测模型中，然后与动态 矩阵控制模型中的反馈校正模块一起对喷氨量进行前馈
‑
反馈协同控制，计算下一次控 制的喷氨优化量，然后传递给脱硝控制对象以计算脱硝装置喷氨装置阀门开度及喷氨泵 频率，最后将经过喷氨控制后的出口NOx浓度通过反馈校正模块重新进行下一步的喷 氨量du的计算，实现喷氨装置的精准控制。
[0092]多模型预测控制模块以动态矩阵控制为内核，通过各个本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于浓度精准预测的脱硝装置喷氨精准控制系统，其特征在于：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；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。2.根据权利要求1所述基于浓度精准预测的脱硝装置喷氨精准控制系统，其特征在于：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算法建立的脱硝装置入口NOx浓度预测模型；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，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；(2)利用互信息的统计学方法分析选取的输入特征变量与输出值的关系，计算两者之间的互信息值，并形成判断逻辑；(3)对输入特征进行标准化，标准化处理公式如下：式中，x为输入特征变量，μ为输入特征变量的均值，σ为特征的标准差；(4)引入小波变换方法来确定输入/输出特征之间的延迟，将原始数据库的数据与不同输入/输出特征建立联系，确定不同特征之间的响应时间差，最终确定历史、实时数据与不同输入/输出特征之间的响应时间差；(5)对所选特征变量的历史数据进行工况辨识，筛选出稳定工况、吹扫工况以及变负荷工况，并针对变负荷工况根据给煤量进行聚类分段；(6)选取LSTM算法为基础进行建模，基于LSTM原理建立脱硝装置入口NOx浓度预测模型，并确定超参数；超参数确定后，即可建立脱硝装置入口NOx浓度预测模型。3.根据权利要求2所述基于浓度精准预测的脱硝装置喷氨精准控制系统，其特征在于：所述输入特征变量包括给煤量、一次风量、二次风量、炉床温度、炉膛出口烟温、主蒸汽流量、烟气O2体积百分比；所述超参数包括预测时间步长、回溯时间步长、隐含层数目和隐含层节点数。4.根据权利要求2所述基于浓度精准预测的脱硝装置喷氨精准控制系统，其特征在于：计算输入特征变量与输出值之间的互信息值时，采用最小冗余最大相关算法和经验知识作为评价指标，评价公式为：mRMR:式中，x为输入特征变量，y为输出值，S为特征{x
i
}的集合，I为x,y之间的互信息值。5.根据权利要求2所述基于浓度精准预测的脱硝装置喷氨精准控制系统，其特征在于：
建立脱硝装置入口NOx浓度预测模型后，进行超参数的调整，再进行模型准确度的验证。6.一种基于浓度精准预测的脱硝装置喷氨精准控制方法，其特征在于：将权利要求1
‑
5任一种喷氨精准控制系统以模块的形式内嵌于脱硝DCS系统中，与脱硝DCS系统进行实时通信，当锅炉燃烧状况发生变化时，将脱硝装置入口NOx浓度预测模型的输入特征变量和输出值作为前馈输入到多模型预测控制模块中；与此同时，多模型预测控制模块在线识别当前负荷工况，对当前...

【专利技术属性】
技术研发人员：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，
类型：发明
国别省市：