一种基于双神经网络的制造技术

本发明专利技术涉及一种基于双神经网络的

【技术实现步骤摘要】
一种基于双神经网络的SCR脱硝系统喷氨量预测方法


[0001]本专利技术属于
SCR
脱硝系统
，尤其涉及一种基于双神经网络的
SCR
脱硝系统喷氨量预测方法
。

技术介绍

[0002]SCR
脱硝系统存在大惯性
、
大延迟和强扰动等特性，生成运行中脱硝效率难以控制
。
因此，亟需一种
SCR
脱硝系统喷氨量优化预测方法，用以解决现有技术中喷氨量不准确和不及时，导致的出口
NOx
浓度值波动较大问题
。

技术实现思路

[0003]本专利技术的目的是提供一种基于双神经网络的
SCR
脱硝系统喷氨量预测方法，以解决现有技术中喷氨量不准确和不及时，导致的出口
NOx
浓度值波动较大问题
。
[0004]本专利技术提供了一种基于双神经网络的
SCR
脱硝系统喷氨量预测方法，包括如下步骤：
[0005]步骤1，选取负荷
、
氧量
、
总燃料量
、
总风量
、
入口
No
x
浓度值
、
喷胺量和出口
NO
x
浓度值作为预测模型训练数据对模型进行训练，构建由
BP
神经网络构成的出口
NO
x
浓度预测模型和喷氨量预测模型；
[0006]步骤2，选取前时刻
(t)
和之前
p
个时刻
(t
‑1，
t
‑
2,
…
t
‑
p)
的负荷
、
氧量
、
总燃料量
、
总风量
、
入口
No
x
浓度值
、
喷胺量和出口
NO
x
浓度值作为出口
NO
x
浓度预测模型的输入参量，通过计算获得一个时刻
(t+1)
的出口
NO
x
浓度预测值，并使用反馈校正方法对出口
NO
x
浓度预测值进行修正；
[0007]步骤3，将当前时刻
(t)
与之前
p
个时刻和
(t
‑1，
t
‑
2,
…
t
‑
p)
的入口
NO
x
浓度，出口
NO
x
浓度和喷氨量值，以及
t+1
时刻的出口
NO
x
浓度预测修正值作为输入参量载入喷氨量预测模型中，获得
t+1
时刻的喷氨量预测值；
[0008]步骤4，通过喷氨量判定逻辑对出口
NO
x
浓度预测模型和喷氨量预测模型的预测结果进行判断分析，并根据分析结果对喷氨量做出限定；所述喷氨量判定逻辑中设有出口
NO
x
浓度限定值；
[0009]步骤5，如果出口
NO
x
浓度预测值大于出口
NO
x
浓度限定值，则将出口
NO
x
浓度预测值输入喷氨量预测模型来获取喷氨量预测值；
[0010]步骤6，如果出口
NO
x
浓度预测值小于出口
NO
x
浓度限定值，则将出口
NO
x
浓度限定值输入喷氨量预测模型来获取喷氨量预测值
。
[0011]进一步地，所述出口
NO
x
浓度预测模型采用多层
BP
神经网络结构，包含1个输入层
、n
个隐含层和1个输出层，
n≥10
层；其中，输入层包含
p+1
个神经元，即
p+1
个输入参量；每个隐含层包含
2(p+1)
个神经元，输出层包含
d
个神经元，即
d
个输出参量；输入层
p+1
个神经元所对应的输入量分别为当前时刻
(t)
之前
p
个时刻和
(t
‑1，
t
‑
2,
…
t
‑
p)
的负荷
、
氧量
、
总燃料量
、
总风量
、
入口
No
x
浓度值
、
喷胺量和出口
NO
x
浓度值，模型输出参量为下一个时刻
(t+1)
的
出口
NOx
浓度值
。
[0012]进一步地，所述出口
NO
x
浓度预测模型中设有用于防止网络加深造成模型退化现象的残差模块，所述残差模块为多层
BP
神经网络结构，包含1个输入层
、1
个隐含层和1个输出层；其中，输入层包含
p+1
个神经元，即
p+1
个输入参量；每个隐含层包含
2(p+1)
个神经元，输出层包含
d
个神经元，即
d
个输出参量；输入层
p+1
个神经元所对应的输入量分别为当前时刻
(t)
之前
p
个时刻和
(t
‑1，
t
‑
2,
…
t
‑
p)
的负荷
、
氧量
、
总燃料量
、
总风量
、
入口
NO
x
浓度值
、
喷胺量和出口
NO
x
浓度值，模型输出参量为未来
d
个时刻
(t+1
，
t+2,
…
t+d)
的出口
NO
x
浓度值
。
[0013]进一步地，所述反馈校正的计算公式为：
[0014]NO
x
(t+1)
re
＝
NO
x
(t+1)
sim
+(NO
x
(t)
meas
‑
NO
x
(t)
sim
)
；
[0015]式中，
NO
x
(t+1)
re
为
t+1
时刻本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于双神经网络的
SCR
脱硝系统喷氨量预测方法，其特征在于，包括如下步骤：步骤1，选取负荷
、
氧量
、
总燃料量
、
总风量
、
入口
No
x
浓度值
、
喷胺量和出口
NO
x
浓度值作为预测模型训练数据对模型进行训练，构建由
BP
神经网络构成的出口
NO
x
浓度预测模型和喷氨量预测模型；步骤2，选取前时刻
(t)
和之前
p
个时刻
(t
‑1，
t
‑
2,
…
t
‑
p)
的负荷
、
氧量
、
总燃料量
、
总风量
、
入口
No
x
浓度值
、
喷胺量和出口
NO
x
浓度值作为出口
NO
x
浓度预测模型的输入参量，通过计算获得一个时刻
(t+1)
的出口
NO
x
浓度预测值，并使用反馈校正方法对出口
NO
x
浓度预测值进行修正；步骤3，将当前时刻
(t)
与之前
p
个时刻和
(t
‑1，
t
‑
2,
…
t
‑
p)
的入口
NO
x
浓度，出口
NO
x
浓度和喷氨量值，以及
t+1
时刻的出口
NO
x
浓度预测修正值作为输入参量载入喷氨量预测模型中，获得
t+1
时刻的喷氨量预测值；步骤4，通过喷氨量判定逻辑对出口
NO
x
浓度预测模型和喷氨量预测模型的预测结果进行判断分析，并根据分析结果对喷氨量做出限定；所述喷氨量判定逻辑中设有出口
NO
x
浓度限定值；步骤5，如果出口
NO
x
浓度预测值大于出口
NO
x
浓度限定值，则将出口
NO
x
浓度预测值输入喷氨量预测模型来获取喷氨量预测值；步骤6，如果出口
NO
x
浓度预测值小于出口
NO
x
浓度限定值，则将出口
NO
x
浓度限定值输入喷氨量预测模型来获取喷氨量预测值
。2.
根据权利要求1所述的基于双神经网络的
SCR
脱硝系统喷氨量预测方法，其特征在于，所述出口
NO
x
浓度预测模型采用多层
BP
神经网络结构，包含1个输入层
、n
个隐含层和1个输出层，
n≥10
层；其中，输入层包含
p+1
个神经元，即
p+1
个输入参量；每个隐含层包含
2(p+1)
个神经元，输出层包含
d
个神经元，即
d
个输出参量；输入层
p+1
个神经元所对应的输入量分别为当前时刻
(t)
之前
p
个时刻和
(t
‑1，
t
‑
2,
…
t
‑
p)
的负荷
、
氧量
、
总燃料量
、
总风量
、
入口
No
x
浓度值
、
喷胺量和出口
NO
x
浓度值，模型输出参量为下一个时刻<...

【专利技术属性】
技术研发人员：陈兆晋，王长庚，魏东昇，崔延洪，郭洪义，张春玉，梁猛，杨怀旺，赵志刚，龙俊峰，王凯民，武永鑫，王海刚，李旭凯，于政公，
申请(专利权)人：中国大唐集团科学技术研究总院有限公司中国大唐集团科学技术研究总院有限公司大唐华北电力试验研究院，
类型：发明
国别省市：