智能喷氨的区域选择性预测控制装置及方法制造方法及图纸

本发明专利技术公开了智能喷氨的区域选择性预测控制装置及方法,包括包括烟气氮氧化物浓度区域选择性预测模块：用于对各区域烟气的氮氧化物浓度进行预测，人机交互界面：与用户的交互，显示喷头的喷洒状态和参数，使得用户可以根据需要调整液氨喷洒的参数；便于用户的监控与管理，本发明专利技术通过建立本发明专利技术氮氧化物浓度预测模型对烟气中氮氧化物浓度进行智能预测，通过液氨喷洒装置对液氨进行精细喷洒，智能控制装置根据预测值智能控制液氨喷洒范围和喷量，传感器组合模块对环境和液氨喷洒过程进行实时监测和反馈，确保喷洒效果和喷洒质量，具有成本低、效果好、精度高、自动化程度高的优点。自动化程度高的优点。自动化程度高的优点。

【技术实现步骤摘要】
智能喷氨的区域选择性预测控制装置及方法


[0001]本专利技术属于脱硝
，涉及智能喷氨的区域选择性预测控制装置及方法。

技术介绍

[0002]随着工业生产的不断发展，不可避免地会产生氮气排放。其中，火电厂中烟道氮氧化物的排放量不断增加，对大气环境造成了巨大的影响。为了减少氮氧化物的排放，可通过SNCR(选择性非催化还原)进行脱硝处理。
[0003]SNCR是一种不用催化剂，在锅炉炉膛温度区域为800～1100℃的范围内喷入还原剂(如氨水、液氨或尿素等)，还原剂在高温环境下迅速分解成NH3并与烟气中的NOx发生还原反应，生成无害的N2和H2О的脱硝工艺，但因烟气中的NOx受机组负荷、温度、环境等参数影响很大，任意一项参数改变会导致NOx监测量发生改变，这导致无法通过精确控制喷氨流量取得良好脱硝效果，目前在SNCR实际运用过程中，往往采用过量喷氨的方式进行脱硝，这种方式往往造成氨逃逸量大、烟道积灰、环境污染以及脱硝效果不佳的问题。

技术实现思路

[0004]本专利技术为了克服现有技术的不足，提供智能喷氨的区域选择性预测控制装置及方法。
[0005]为了实现上述目的，本专利技术采用以下技术方案：智能喷氨的区域选择性预测控制装置及方法,包括烟气氮氧化物浓度区域选择性预测模块：用于对各区域烟气的氮氧化物浓度进行预测；人机交互界面：与用户的交互，显示喷头的喷洒状态和参数，使得用户可以根据需要调整液氨喷洒的参数；便于用户的监控与管理；
[0006]液氨喷洒装置，用于对液氨进行精细喷洒；
[0007]智能控制装置：根据氮氧化物浓度的预测值，控制液氨喷洒范围和喷洒量，并通过传感器组合模块对环境和液氨喷洒过程进行实时监测和反馈。
[0008]进一步的，所述液氨喷洒装置包括喷头，喷头与喷氨总管道通过支管连通，各支管设有阀门，液氨由总管道分流至各支管，支管的液氨通过喷头喷出，阀门控制支管的液氨流量。
[0009]进一步的，所述智能控制装置包括芯片，芯片作为智能控制装置的核心处理器，芯片用于图像处理、信号处理以及机器学习。
[0010]进一步的，所述烟气氮氧化物浓度区域选择性预测模块包括喷洒位置设定模块、数据处理模块以及模型建立模块，
[0011]喷洒位置设定模块：用于在烟道布置喷氨区段，喷氨区段分区域布置喷洒点，传感器组合模块获取烟气参数、环境参数的原始数据；
[0012]数据处理模块：用于将获取到的原始数据进行处理和预处理；
[0013]模型建立模块：用于建立氮氧化物浓度预测模型得到各区域烟气氮氧化物浓度预测值。
[0014]智能喷氨的区域选择性预测控制方法，包括以下步骤：
[0015]步骤1：在烟道布置喷氨区段，喷氨区段分区域布置喷洒点；
[0016]步骤2：获取烟气参数、环境参数的原始数据和喷氨参数；
[0017]步骤3：将获取到的原始数据进行处理和预处理，建立氮氧化物浓度预测模型得到各区域烟气氮氧化物浓度预测值；
[0018]步骤4：基于各区域烟气氮氧化物浓度预测值和喷氨参数，确定各区域喷洒点的液氨喷洒范围和喷洒量；
[0019]根据步骤4得到的各区域喷洒点的液氨喷洒范围和喷洒量，智能控制装置控制液氨喷洒装置执行液氨喷洒作业。
[0020]进一步的，所述步骤1中，在烟道截面布置喷氨区段具体为，在整个烟道从省煤器至空气预热器指定一段长度的烟道区域S布置喷氨栅格的区段A，区段A划分为n个区域，标记为A
a
，a＝1,2...n；n个区域布置n个喷洒点，喷洒点设置有液氨喷洒装置的喷头，喷洒点依此标记为B
a
，B
a
与A
a
一一对应，即喷洒点B
a
位于区段A的A
a
区域。
[0021]进一步的，所述步骤3得到各区域烟气氮氧化物浓度预测值，具体包括以下步骤：
[0022]步骤3.1：将获取的原始参数数据处理和预处理，包括对数据清洗、数据整合、特征提取以得到完整、准确的烟气参数以及环境参数的数据集；
[0023]步骤3.2：利用采用机器学习算法对数据进行训练，建立氮氧化物浓度预测模型。
[0024]进一步的，所述步骤3.1中特征提取为从大量原始数据中选取与喷氨流量有关的参数，烟气参数的数据集包括特征数据氮气浓度、温度、湿度和压力，环境参数的数据集包括特征数据温度、湿度、压力、风速、风向，并将具备不同量纲的烟气参数以及环境参数数据集的特征数据无量纲化，进行特征归一化处理，形成设为形成特征向量X
ca
。
[0025]进一步的，所述步骤3.2中建立氮氧化物浓度预测模型为：
[0026][0027]Y＝[y
11
...y
ca
...y
mn
]；
ꢀꢀ
(2)
[0028]上式(1)中，y
ca
因变量，表示为通过位于区域A
a
范围的传感器组合模块采集的参数预测的烟气氮氧化物浓度预测值；c＝1，2...m，m为传感器组合模块的序号；比如y11为序号为1且位于区域A1范围的传感器组合模块，m个传感器组合模块分布在区段A，区段A划分为n个区域，因此m个传感器组合模块分布在n个区域，m≥n，每个区域至少分布一个传感器组合模块；
[0029]b为偏差向量；
[0030]X
ca
＝[x1,x2...x
d
]T
，为区域A
a
范围内的输入特征向量，x1,x2...x
d
为区域A
a
范围内的输入特征，即机组参数以及位于区域A
a
范围的传感器组合模块采集的烟气参数和环境参数，d为参数的个数，即输入层的单元数；
[0031]上式(1)为区域A
a
氮氧化物浓度预测模型，其中φ
j
(||X
ca
‑
c
j
||,σ
j
)为径向基函数，这里取高斯函数，φ
j
(||X
ca
‑
c
j
||,σ
j
)表示隐藏层第j层的径向基函数，||X
ca
‑
c
j
||为欧几里德范数；c
j
为第j层径向基函数的中心值，σ
j
为第j层径向基函数的中心宽度的标准化常数，c
j
以及σ
j
为根据有限次计算得到的设定值；j＝1...h，h为隐藏层的层数；
[0032]W
ji
为隐藏层到输出层的权值，i＝1...k，k为输出层的层数，i＝1；W
ji
表示为隐藏层第j层的神经单元指向输出层第i层神经元的箭头的权值；
[0033]上式(2)中，Y＝本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.智能喷氨的区域选择性预测控制装置,其特征在于：包括烟气氮氧化物浓度区域选择性预测模块：用于对各区域烟气的氮氧化物浓度进行预测；人机交互界面：与用户的交互，显示喷头的喷洒状态和参数，使得用户可以根据需要调整液氨喷洒的参数；便于用户的监控与管理；液氨喷洒装置，用于对液氨进行精细喷洒；智能控制装置：根据氮氧化物浓度的预测值，控制液氨喷洒范围和喷洒量，并通过传感器组合模块对环境和液氨喷洒过程进行实时监测和反馈。2.根据权利要求1所述的智能喷氨的区域选择性预测控制装置，其特征在于：所述液氨喷洒装置包括喷头，喷头与喷氨总管道通过支管连通，各支管设有阀门，液氨由总管道分流至各支管，支管的液氨通过喷头喷出，阀门控制支管的液氨流量。3.根据权利要求1所述的智能喷氨的区域选择性预测控制装置，其特征在于：所述智能控制装置包括芯片，芯片作为智能控制装置的核心处理器，芯片用于图像处理、信号处理以及机器学习。4.根据权利要求1所述的智能喷氨的区域选择性预测控制装置，其特征在于：所述烟气氮氧化物浓度区域选择性预测模块包括喷洒位置设定模块、数据处理模块以及模型建立模块，喷洒位置设定模块：用于在烟道布置喷氨区段，喷氨区段分区域布置喷洒点，传感器组合模块获取烟气参数、环境参数的原始数据；数据处理模块：用于将获取到的原始数据进行处理和预处理；模型建立模块：用于建立氮氧化物浓度预测模型得到各区域烟气氮氧化物浓度预测值。5.智能喷氨的区域选择性预测控制方法，其特征在于：包括以下步骤：步骤1：在烟道布置喷氨区段，喷氨区段分区域布置喷洒点；步骤2：获取烟气参数、环境参数的原始数据和喷氨参数；步骤3：将获取到的原始数据进行处理和预处理，建立氮氧化物浓度预测模型得到各区域烟气氮氧化物浓度预测值；步骤4：基于各区域烟气氮氧化物浓度预测值和喷氨参数，确定各区域喷洒点的液氨喷洒范围和喷洒量；根据步骤4得到的各区域喷洒点的液氨喷洒范围和喷洒量，智能控制装置控制液氨喷洒装置执行液氨喷洒作业。6.根据权利要求5所述的智能喷氨的区域选择性预测控制方法，其特征在于：所述步骤1中，在烟道截面布置喷氨区段具体为，在整个烟道从省煤器至空气预热器指定一段长度的烟道区域S布置喷氨栅格的区段A，区段A划分为n个区域，标记为A
a
，a＝1,2...n；n个区域布置n个喷洒点，喷洒点设置有液氨喷洒装置的喷头，喷洒点依此标记为B
a
，B
a
与A
a
一一对应，即喷洒点B
a
位于区段A的A
a
区域。7.根据权利要求5所述的智能喷氨的区域选择性预测控制方法，其特征在于：所述步骤3得到各区域烟气氮氧化物浓度预测值，具体包括以下步骤：步骤3.1：将获取的原始参数数据处理和预处理，包括对数据清洗、数据整合、特征提取以得到完整、准确的烟气参数以及环境参数的数据集；
步骤3.2：利用采用机器学习算法对数据进行训练，建立氮氧化物浓度预测模型。8.根据权利要求7所述的智能喷氨的区域选择性预测控制方法，其特征在于：所述步骤3.1中特征提取为从大量原始数据中选取与喷氨流量有关的参数，烟气参数的数据集包括特征数据氮气浓度、温度、湿度和压力，环境参数的数据集包括特征数据温度、湿度、压力、风速、风向，并将具备不同量纲的烟气参数以及环境参数数据集的特征数据无量纲化，进行特征归一化处理，形成设为形成特征向量X
...

【专利技术属性】
技术研发人员：杨健，丁毅，施丁希，边洋震，杨力宁，彭建仁，肖宗亮，杜双伟，钟泉鸣，
申请(专利权)人：安赢浙江智能科技有限公司，
类型：发明
国别省市：