[發明專利]基于神經網絡預測控制的燃煤機組SCR煙氣脫硝控制方法

在審

• 申請號: 201711075034.7
• 申請日: 2017-11-03
• 公開（公告）號: CN107694337A
• 公開（公告）日: 2018-02-16
• 發明（設計）人: 徐博;孟范偉;夏志;王松寒;李航;周宏偉;都明亮;崔希生;王朔;高長征;史冬云;朱愛軍;金春林;馬曉琴
• 申請（專利權）人: 吉林省電力科學研究院有限公司;國網吉林省電力有限公司電力科學研究院;國網吉林節能服務有限公司;東北大學秦皇島分校;國家電網公司
• 主分類號: B01D53/90
• 分類號: B01D53/90;B01D53/56;G06N3/04
• 代理公司: 吉林長春新紀元專利代理有限責任公司22100
• 代理人: 魏征驥

1.一種基于神經網絡預測控制的燃煤機組SCR煙氣脫硝控制方法，其特征在于，包括下列步驟：

步驟S1，采集SCR脫硝系統的關于時間變化的樣本數據，并根據所述樣本數據確定動態神經網絡的輸入層和輸出層的神經元；

步驟S2，采用所述動態神經網絡對所述SCR脫硝系統進行模型辨識，建立SCR預測模型；

步驟S3，利用所述SCR預測模型計算所述SCR脫硝系統出口處的NOx濃度的預測值，并利用所述SCR脫硝系統出口處的NOx濃度的預測值對所述SCR脫硝系統的噴氨量進行控制。

2.根據權利要求1所述的基于神經網絡預測控制的燃煤機組SCR煙氣脫硝控制方法，其特征在于，所述樣本數據包括所述SCR脫硝系統入口處的NOx濃度、SCR反應裝置處的溫度、機組負荷，所述SCR脫硝系統的噴氨量和所述SCR脫硝系統出口處的NOx濃度。

3.根據權利要求1或2所述的基于神經網絡預測控制的燃煤機組SCR煙氣脫硝控制方法，其特征在于，在所述步驟S2之前，還包括：

步驟S4，對所述樣本數據進行高頻濾波處理；

步驟S5，對進行高頻濾波處理后的樣本數據進行歸一化處理。

4.根據權利要求1至3任一項所述的基于神經網絡預測控制的燃煤機組SCR煙氣脫硝控制方法，其特征在于：所述動態神經網絡的輸入層的神經元為所述SCR脫硝系統入口處的NOx濃度、SCR反應裝置處的溫度、機組負荷和所述SCR脫硝系統的噴氨量；所述動態神經網絡的輸出層的神經元為所述SCR脫硝系統出口處的NOx濃度。

5.根據權利要求1至4任一項所述的基于神經網絡預測控制的燃煤機組SCR煙氣脫硝控制方法，其特征在于：采集所述樣本數據的頻率為每分鐘一次。

6.根據權利要求1至5任一項所述的基于神經網絡預測控制的燃煤機組SCR煙氣脫硝控制方法，其特征在于：所述動態神經網絡由BP神經網絡組成。

7.根據權利要求6所述的基于神經網絡預測控制的燃煤機組SCR煙氣脫硝控制方法，其特征在于：經過所述步驟S2中的模型辨識后，確定所述BP神經網絡的輸入層的延時為10個采樣周期，輸出層的延時為2個采樣周期，隱含層的個數為60，所述隱含層的激活函數為非負對數S函數，即logsig(x)。

8.根據權利要求7所述的基于神經網絡預測控制的燃煤機組SCR煙氣脫硝控制方法，其特征在于：所述BP神經網絡的隱含層采用Sigmoid函數，即β>0；利用所述Sigmoid函數對所述SCR脫硝系統出口處的NOx濃度進行優化，通過不斷迭代，利用最速梯度法求得最優噴氨量。

9.根據權利要求8所述的基于神經網絡預測控制的燃煤機組SCR煙氣脫硝控制方法，其特征在于，當控制時域為P步時，根據時間順序建立P個BP神經網絡，其中，第s個BP神經網絡BP_s表示為：

式中角標s表示第s個BP網絡，x_i為第i個隱節點的輸入，對應的輸出為z_i，表示輸入節點j到隱節點i的連接權系數，表示隱節點i的輸入偏移值，為輸入節點的輸入偏移值。