一种循环流化床锅炉数字孪生系统NO技术方案

一种循环流化床锅炉数字孪生系统NO

【技术实现步骤摘要】
一种循环流化床锅炉数字孪生系统NO
x
排放预测及控制方法


[0001]本专利技术涉及循环流化床锅炉数字孪生系统NO
x
排放预测及控制领域，特别涉及一种循环流化床发电机组搭建数字孪生系统NO
x
排放浓度预测方法。

技术介绍

[0002]众所周知，新型电力系统下循环流化床发电机组承担近零深度调峰特殊工况，利用循环流化床机组蓄热量大的特点，在一定的时段内，切断燃料和风烟系统，汽轮机不打闸，发电机不解列的情况下，还要利用原有SNCR系统，也是一种运行工况。循环流化床锅炉具有煤种适应性好、负荷调节范围广，较强的连续运行能力、蓄热能力强，在超低负荷下也能稳定燃烧等优点。在正常运行工况下，原始NO
x
生成量较低。SNCR是电厂常用的脱硝方法，主要是在旋风分离器入口处喷射尿素溶液，利用高温烟气加热生成氨气，然后尽可能使氨气和烟气混合均匀，并进行化学反应，生成N2和H2O，从而降低烟气中NO
x
的含量。电力系统为了响应低碳减排号召，开始向以新能源为主体的新型电力系统过渡。但新能源具有“波动性”和“间歇性”，大规模并入电网后，会显著影响电网的稳定性，而火电作为调节性能最好的电源，需要进行深度调峰，提高机组灵活性。在调峰过程中，可以利用循环流化床锅炉蓄热能力强的优势，开展近零深度调峰，在操作过程中不可避免会在快速深度变负荷条件下运行。当循环流化床锅炉低负荷甚至超低负荷运行时，同时要满足锅炉流化的需要，一、二次风量与燃料比值出现了不平衡，导致尾部烟气含氧量增加，促进NO
x
生成，而且炉膛在低负荷运行工况下温度较低，降低了以尿素为代表的NO
x
还原剂的还原效率，造成脱硝效率下降和氨的利用率降低。若仅依靠现有的控制系统很难满足控制指标的要求，即满足不了50mg/Nm3的超低排放标准，或造成还原剂的极大浪费，甚至加快热力设备的腐蚀速率。为此，我国一些循环流化床燃煤电厂已经采用自动化控制的方式参与脱硝过程。专利CN217795433U技术公开了一种自动化烟气脱硝设备，通过对气体均匀输送，提高脱硝效率；专利CN113433911A专利技术了一种基于浓度精准预测的脱硝装置喷氨精准控制系统；专利1055975537B提出了一种基于预测控制技术的脱硝控制方法，根据每个烟道区域内脱硝反应器的NO
x
浓度偏差与预设值进行对比，进而判断脱硝剂量。上述专利普遍是以自动化、高脱硝效率、常规负荷为出发点进行脱硝控制的，未能满足近零深度调峰对脱硝剂的使用效率以及极宽负荷变化时NO
x
排放浓度实现超低排放要求。因此需要采取新的办法，解决宽负荷工况下，利用人工历史经验难以有效进行脱硝控制的难题。
[0003]随着人工智能的快速发展，实际工业生产技术也在不断革新，尤其是数字孪生系统和神经网络应用，电厂这种每天生产大量运行数据的传统工业，为数字孪生系统带来了深度学习网络建模的可能。我们在分析原有PID控制的基础上，提出了300MW循环流化床锅炉的数字孪生脱硝NO
x
排放浓度预测及控制方法。

技术实现思路

[0004]本专利技术的一个目的是基于数字孪生系统对循环流化床锅炉进行脱硝前NOx排放浓
度实时预测及显示传输的方法。
[0005]本专利技术的另外一个目的是针对变负荷工况下，燃料特性、一二次风量以及温度引发NO
x
浓度增加难处理的问题，提出人为干预或模拟量叠加方式，即构建数字孪生系统对NO
x
浓度进行预判的方法，是在DCS未智能化之前一种行之有效的方法。
[0006]本专利技术的再一个目的是解决基于超低负荷(近零)运行(Ultra
‑
low load operation)
‑
超长等待(Ultra
‑
long duration)
‑
超快恢复(Ultra
‑
fastrestoration)的3U循环流化床数字孪生系统的脱硝难题，解决变负荷脱硝控制问题，提高电厂脱硝过程的控制质量。
[0007]为达到上述目的，一方面，本专利技术提供了一种基于数字孪生系统的循环流化床锅炉NOx排放浓度预测方法，包括如下步骤：
[0008]步骤一，利用SIS系统数据库从锅炉DCS控制系统中实时获取相关参数，包括燃料投加量、机组负荷、炉膛温度、氧气浓度、一次风量、二次风量、尿素溶液浓度和SNCR反应区烟气温度，以获取的实时相关参数为基础，在数字化处理平台中嵌入关于预测NO
x
浓度的BP神经网络算法，形成数字化处理预测系统；
[0009]步骤二，将实时获取的相关参数作为BP神经网络输入层的输入值，进行数值的前向计算，即输入参数传递到隐含层后通过激活函数逐层传递至输出层；
[0010]步骤三，误差的反向传播，从输出层获取到隐含层计算后的输出结果，将该输出结果与相同工况下历史NO
x
浓度经验值进行误差计算，对激活函数反向求导逐层更新神经网络的连接权值和阈值，在设定的迭代次数下完成网络的训练，修正未来预测趋势，进行反馈校正，最终实现精准预测；
[0011]进一步的，使该BP神经网络基于非线性算法可在宽负荷变化工况下对炉膛中脱硝前NO
x
浓度进行精准预测；
[0012]另一方面，本专利技术提供了一种还原剂流量控制方法，包括：
[0013]基于还原剂耗量求解算法在数字化平台中构建稀释混合后尿素溶液流量即变频泵流量的求解系统；
[0014]所述还原剂耗量求解算法公式为：
[0015][0016]式中，w
n
为尿素耗量，kg/h；ρ是NO的摩尔浓度，mg/Nm3；
[0017]v
q
为反应器入口的烟气流量，即实际含氧量下的干烟气，Nm3/h；
[0018]NSRN为尿素和氮的当量摩尔比。
[0019]进一步的，设定尿素稀释后的混合溶液浓度为μ，％；
[0020]根据尿素耗量w
n
，求得变频泵的平均流量的计算公式为：
[0021][0022]f
n
为变频泵的流量，kg/h；
[0023]进一步的，上述所有算法无需对现场工艺及设备进行更改即可使用，其对应数据平台运行为绿色化运行方式；
[0024]进一步的，上述所有算法可以兼容任何windows平台，无需增加硬件投资。
[0025]所述从锅炉DCS控制系统获取控制参数的实时数据，频率为0.2Hz，即5s每次。
[0026]第三方面，为实现上述目的，本专利技术提出了一套构建自动化脱硝系统的方法，包括：
[0027]步骤四，建立NO
x
自动去除的控制单元，所述的控制单元要与NOx浓度预测数字化处理平台互联；
[0028]进一步的，利用数字化处理平台预测出的NO
x
浓度，在控本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数字孪生系统的循环流化床锅炉NO
x
排放浓度预测方法，其特征在于：包括如下步骤：步骤一，利用SIS系统数据库从锅炉DCS控制系统中实时获取相关参数，包括燃料投加量、机组负荷、炉膛温度、氧气浓度、一次风量、二次风量、尿素溶液浓度和SNCR反应区烟气温度，以获取的实时相关参数为基础，在数字化处理平台中嵌入关于预测NO
x
浓度的BP神经网络算法，形成数字化处理预测系统；步骤二，将实时获取的相关参数作为BP神经网络输入层的输入值，进行数值的前向计算，即输入参数传递到隐含层后通过激活函数逐层传递至输出层；步骤三，误差的反向传播，从输出层获取到隐含层计算后的输出结果，将该输出结果与相同工况下历史NO
x
浓度经验值进行误差计算，对激活函数反向求导逐层更新神经网络的连接权值和阈值，在设定的迭代次数下完成网络的训练，修正未来预测趋势，进行反馈校正，最终实现精准预测。2.根据权利要求1所述方法，其特征在于：步骤一中使该BP神经网络基于非线性算法，在宽负荷变化工况下对炉膛中脱硝前NO
x
浓度进行精准预测。3.基于权利要求1的一种还原剂流量控制方法，其特征在于：包括：基于还原剂耗量求解算法在数字化平台中构建稀释混合后尿素溶液流量即变频泵流量的求解系统；所述还原剂耗量求解算法公式为：式中，w
n
为尿素耗量，kg/h；ρ是NO的摩尔浓度，mg/Nm3；v
q
为反应器入口的烟气流量，即实际含氧量下的干烟气，Nm3/h；NSRN为尿素和氮的当量摩尔比。4.根据权利要求3所述方法，其特征在于：设定尿素稀释后的混合溶液浓度为μ，％；根据尿素耗量w
n
，求得变频泵的平均流量的计算公式为：f
n
为变频泵的流量，kg/h。所述从锅炉DCS控制系统获取控制参数的实时数据，频率为0.2Hz，即5s每次。5.根据权利要求1所述方法，其特征在于：还包括：步骤四，构建自动化脱硝系统建立NO
x
自动去除的控制单元，所述的控制单元要与NO
x
浓度预测数字化处理平台互联；步骤五，在控制单元中利用数字化处理平台中尿素溶液流量求解结果控制变频泵的流量以及尿素溶...

【专利技术属性】
技术研发人员：张媛媛，张锴，
申请(专利权)人：华北电力大学，
类型：发明
国别省市：