一种基于深度神经网络的火电机组脱硝控制方法技术

一种基于深度神经网络的火电机组脱硝控制方法，属于热工自动控制领域，本发明专利技术根据火电机组锅炉燃烧系统、尿素热解系统及SCR系统的运行历史数据，利用深度神经网络建立锅炉总煤量、煤质系数、尿素热解炉温度、SCR入口烟气温度、烟气流量等对净烟气NOx浓度的模型，并依据模型计算所需尿素流量，以此实现净烟气NOx浓度精准调节和提高脱硝过程经济性。本发明专利技术提供的建模方法所需调整参数少，实用性强，并提高了模型的精确性。高了模型的精确性。高了模型的精确性。

【技术实现步骤摘要】
一种基于深度神经网络的火电机组脱硝控制方法


[0001]本专利技术涉及电力系统的自动控制领域，特别涉及一种基于深度神经网络的火电机组脱硝控制方法。

技术介绍

[0002]随着燃煤电站烟气排放标准的提高，为了保证脱硝效率同时避免过量喷氨，需要对SCR脱硝系统的喷氨量进行精确控制，而建立准确的SCR系统模型是优化控制的前提。同时为减少氨站对电厂安全性的影响，电厂大多选择将液氨控制改为尿素控制，这也使得控制过程更加复杂。
[0003]火电机组中广泛采用选择性催化还原(SCR)烟气脱硝系统，但SCR烟气脱硝方式存在大延迟、大惯性的特点，传统的PID控制器难以实现机组工况发生较大变化时喷氨量的精确控制，导致喷氨不足NOx排放过量或喷氨过多造成二次污染。如何在脱硝系统特性的基础上建立准确动态喷氨量计算模型，是亟需解决的问题。因此本申请提出一种利用深度神经网络的脱硝系统建模和控制方法。

技术实现思路

[0004]为了解决以上问题，本申请提出一种基于深度神经网络的火电机组脱硝控制方法，在脱硝系统特性的基础上建立准确动态喷氨量计算模型。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度神经网络的火电机组脱硝控制方法，包括以下步骤，其特征在于：步骤1：根据历史数据筛选得到深度神经网络训练数据；步骤2：设置深度神经网络训练所需参数；步骤3：训练完成后输入实时数据并根据净烟气NOx浓度设定得到预测的尿素流量；步骤4：根据步骤3的预测结果作为尿素流量阀门开度PID设定值，计算阀门开度。2.根据权利要求1所述一种基于深度神经网络的火电机组脱硝控制方法，其特征在于：所述步骤1具体步骤如下：训练输出为预测的尿素流量，所述训练数据选取时间间隔为1s，当单侧入口NOx浓度测点维护时，将另一侧变化增量叠加到维护的一侧以弥补测点维护带来的数据丢失。3.根据权利要求2所述一种基于深度神经网络的火电机组脱硝控制方法，其特征在于：所述步骤1具体步骤如下：所述训练数据包括机组负荷、锅炉总煤量、煤质矫正系数、尿素热解炉温度、烟气流量、SCR入口烟气温度、左/右侧SCR入口NOx浓度、净烟气NOx浓度设定值和实际值。4.根据权利要求1所述一种基于深度神经网络的火电机组脱硝控制方法，其特征在于：所述步骤2具体步骤如下：所述建模过程使用的深度神经网络类型为递归神经网络。5.根据权利要求4所述一种基于深度神经网络的火电机组脱硝控制方法，其特征在...

【专利技术属性】
技术研发人员：蒋荣，杨远忠，张磊，成丽波，邓继军，
申请(专利权)人：南京英纳维特自动化科技有限公司，
类型：发明
国别省市：