[發明專利]SCR煙氣脫硝系統控制方法及設備

有效

• 申請號: 201610179588.0
• 申請日: 2016-03-24
• 公開（公告）號: CN105629738B
• 公開（公告）日: 2018-06-29
• 發明（設計）人: 尹金和;齊詠生;李引龍;李智林
• 申請（專利權）人: 內蒙古瑞特優化科技股份有限公司
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 北京市商泰律師事務所 11255
• 代理人: 麻吉鳳

1.一種選擇性催化還原法SCR煙氣脫硝系統控制方法，其特征在于，包括：

根據鍋爐運行參數和SCR煙氣脫硝系統的氮氧化物NOx的采樣濃度，使用第一徑向基函數RBF神經網絡獲得鍋爐燃燒后生成的NOx的預測值；

根據所述NOx的預測值和所述SCR煙氣脫硝系統的運行參數，使用第二徑向基函數RBF神經網絡獲得用于進行SCR煙氣脫硝的各噴氨閥的噴氨量設定值；

使用基于動態矩陣控制DMC的噴氨量控制器，按照各噴氨閥的噴氨量設定值控制總噴氨量，進行SCR煙氣脫硝處理，

其中，根據所述NOx的預測值和所述SCR煙氣脫硝系統的運行參數，使用第二徑向基函數RBF神經網絡獲得用于進行SCR煙氣脫硝的各噴氨閥的噴氨量設定值的步驟包括：

根據所述NOx的預測值和所述SCR煙氣脫硝系統的運行參數，建立正向的SCR煙氣脫硝系統的運行特性模型；以及

根據所述運行特性模型，使用遺傳算法確定各噴氨閥的噴氨量設定值，包括以下步驟：使用遺傳算法搜索徑向基函數網絡的連接權值和神經元的偏置值；根據所述連接權值和神經元的偏置值，確定各噴氨閥的噴氨量設定值，

其中，所述徑向基函數網絡為根據代價函數，使用遺傳算法訓練后的徑向基函數網絡；其中，所述代價函數為所述鍋爐的實際脫硝效率和所述徑向基函數網絡的輸出間的最小均方誤差函數。

2.根據權利要求1所述的方法，其特征在于，所述根據鍋爐運行參數和SCR煙氣脫硝系統的氮氧化物NOx的采樣濃度，使用第一徑向基函數RBF神經網絡獲得鍋爐燃燒后生成的NOx的預測值的步驟包括：

通過所述第一徑向基函數RBF神經網絡的輸入層獲取鍋爐運行參數和SCR煙氣脫硝系統的NOx的采樣濃度；

通過所述第一徑向基函數RBF神經網絡的隱含層，使用徑向基函數對所述輸入層接收的所述鍋爐運行參數和所述NOx的采樣濃度進行變換處理；

通過所述第一徑向基函數RBF神經網絡的輸出層輸出所述變換處理的結果，獲得鍋爐燃燒后生成的NOx的預測值。

3.根據權利要求2所述的方法，其特征在于，在通過所述第一徑向基函數RBF神經網絡的輸出層輸出所述變換處理的結果，獲得鍋爐燃燒后生成的NOx的預測值的步驟之后，還包括：

使用往期NOx測量值對所述NOx的預測值進行修正。

4.根據權利要求1至3任一項所述的方法，其特征在于，所述鍋爐運行參數包括：機組負荷、煤質測量值、一次總風量，各層二次風量、磨煤機出口風溫、煙氣含氧量、給煤機各層偏置信號、和前次實測的滯后NOx濃度。

5.根據權利要求1所述的方法，其特征在于，所述SCR煙氣脫硝系統的運行參數包括：脫硝反應器入口NOx濃度、氨氣流量、氨空比、噴氨調節閥、脫硝反應器差壓、脫硝反應器出口氧量、反應器入口煙氣溫度。

6.根據權利要求1所述的方法，其特征在于，所述使用基于動態矩陣控制DMC的噴氨量控制器，按照各噴氨閥的噴氨量設定值控制總噴氨量的步驟包括：

根據往期噴氨總量的采樣值及往期各噴氨閥的噴氨量設定值的采樣值，使用動態矩陣控制DMC確定各噴氨閥的噴氨量設定值的偏差和偏差變化率；

根據各噴氨閥的噴氨量設定值的偏差和偏差變化率，按照使用第二徑向基函數RBF神經網絡獲得的各噴氨閥的噴氨量設定值控制總噴氨量。

7.一種選擇性催化還原法SCR煙氣脫硝系統控制設備，其特征在于，包括：

第一RBF神經網絡模塊，用于根據鍋爐運行參數和SCR煙氣脫硝系統的氮氧化物NOx的采樣濃度，使用第一徑向基函數RBF神經網絡獲得鍋爐燃燒后生成的NOx的預測值；

第二RBF神經網絡模塊，用于根據所述NOx的預測值和所述SCR煙氣脫硝系統的運行參數，使用第二徑向基函數RBF神經網絡獲得用于進行SCR煙氣脫硝的各噴氨閥的噴氨量設定值；

DMC控制模塊，用于使用基于動態矩陣控制DMC的噴氨量控制器，按照各噴氨閥的噴氨量設定值控制總噴氨量，進行SCR煙氣脫硝處理，

其中，所述第二RBF神經網絡模塊，根據所述NOx的預測值和所述SCR煙氣脫硝系統的運行參數，建立正向的SCR煙氣脫硝系統的運行特性模型，并根據所述運行特性模型，使用遺傳算法確定各噴氨閥的噴氨量設定值，在所述使用遺傳算法確定各噴氨閥的噴氨量設定值中，使用遺傳算法搜索徑向基函數網絡的連接權值和神經元的偏置值，并根據所述連接權值和神經元的偏置值，確定各噴氨閥的噴氨量設定值，

其中，所述徑向基函數網絡為根據代價函數，使用遺傳算法訓練后的徑向基函數網絡；其中，所述代價函數為所述鍋爐的實際脫硝效率和所述徑向基函數網絡的輸出間的最小均方誤差函數。