一种CFB锅炉烟气脱硝自动控制方法及系统技术方案

本发明专利技术公开了一种CFB锅炉烟气脱硝自动控制方法，该方法包括以下步骤：S1、实时采集并记录不同时刻CFB锅炉内反应参数作为测定数据；S2、将所述测定数据代入脱硝控制模型进行预测并输出脱硝控制量；S3、根据所述脱硝控制量对喷氨调节阀进行调节控制实际喷氨量；S4、测量实际脱硝效率作为依据对所述脱硝控制模型进行优化修正；本发明专利技术还公开了一种CFB锅炉烟气脱硝自动控制系统。本发明专利技术通过利用灰色模型对历史脱硝大数据进行建模，结合马尔科夫预测模型，能够精确地对未来监测周期内数据进行预测，同时配合自适应的脱硝控制模型计算得到精确的脱硝控制量，从而对喷氨量进行精准调节控制，保证脱硝效率质量。保证脱硝效率质量。保证脱硝效率质量。

【技术实现步骤摘要】
一种CFB锅炉烟气脱硝自动控制方法及系统


[0001]本专利技术涉及烟气脱硝
，具体来说，涉及一种CFB锅炉烟气脱硝自动控制方法及系统。

技术介绍

[0002]煤作为主要的一次能源，在电站锅炉、工业锅炉和各种相关工业领域的动力设备以及居民生活等的能源消耗中占有很大的比例。特别是近年来随着我国经济的发展，对电的需求大幅度地增加，极大的增加了煤的消耗。由于大量煤炭在燃烧过程中释放出SO2、NO2等污染物带来严重的环境污染和生态破坏，降低了居民的生活质量。
[0003]随着日益严格的环保要求标准，循环流化床(CFB)锅炉依靠自身特性已不足以满足烟气排放标准要求，而选择性非催化还原(SNCR)脱硝工艺具有成本低、占地面积小、设施简单等优点，适于老电厂及中小型机组的脱硝改造。循环流化床锅炉SNCR脱硝系统综合脱硝效率可达50％～70％，满足现有环保标准要求。然而，由于受煤质条件变动、运行工况不稳定、运行操作不到位等因素影响，实际运行中存在各种问题，难以实现达标排放。
[0004]选择性非催化还原法(SNCR)技术是一种不用催化剂，在本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种CFB锅炉烟气脱硝自动控制方法，其特征在于，该方法包括以下步骤：S1、实时采集并记录不同时刻CFB锅炉内反应参数作为测定数据；S2、将所述测定数据代入脱硝控制模型进行预测并输出脱硝控制量；S3、根据所述脱硝控制量对喷氨调节阀进行调节控制实际喷氨量；S4、测量实际脱硝效率作为依据对所述脱硝控制模型进行优化修正；所述实时采集并记录不同时刻CFB锅炉内反应参数作为测定数据包括以下步骤：S11、设定并按照监测周期对所述CFB锅炉进行实时监测；S12、测量所述CFB锅炉内的床温、风量及给煤量参数确定锅炉负荷；S13、测量所述CFB锅炉内烟气中NO
x
气体的浓度，作为初始浓度；S14、获取当前所述监测周期内喷氨调节阀的开合度；S15、获取并记录当前所述监测周期与当前所述开合度前提下的喷氨量，作为初始喷氨量；S16、将同一所述监测周期内的所述锅炉负荷、所述初始浓度、所述开合度及所述初始喷氨量作为某一监测周期的测定数据；将所述测定数据代入脱硝控制模型进行预测并输出脱硝控制量包括以下步骤：S21、结合历史脱硝浓度大数据构建灰色马尔科夫预测模型；S22、结合历史喷氨量大数据小脑模型神经网络构建喷氨调节模型；S23、将所述灰色马尔科夫预测模型与所述脱硝控制神经网络构建满足脱硝控制策略的脱硝控制模型；S24、将所述测定数据依次代入所述脱硝控制模型中，输出脱硝控制量；所述结合历史脱硝浓度大数据构建灰色马尔科夫预测模型包括以下步骤：S211、以历史脱硝浓度大数据作为基础数据构建灰色预测模型；S212、向所述灰色模型中输入仿真数据集进行仿真预测，并输出仿真预测结果；S213、根据所述仿真预测结果，计算真实值与预测值之间的相对误差，并通过误差范围对状态区间进行划分；S214、将当前状态经过若干步骤转移到下一状态的概率组合形成状态转移概率矩阵；S215、根据当前状态与所述状态转移矩阵对下一时刻的状态进行预测；所述结合历史喷氨量大数据小脑模型神经网络构建喷氨调节模型包括以下步骤：S221、利用高斯函数作为小脑模型神经网络的基函数构建初始模型；S222、将历史喷氨量大数据进行扩充并划分为训练集与测试集；S223、将所述训练集代入所述初始模型进行训练得到喷氨调节模型；S223、利用所述测试集对所述喷氨调节模型进行测试训练与验证。2.根据权利要求1所述的一种CFB锅炉烟气脱硝自动控制方法，其特征在于，将所述测定数据依次代入所述脱硝控制模型中...

【专利技术属性】
技术研发人员：杨祯，
申请(专利权)人：连云港虹洋热电有限公司，
类型：发明
国别省市：