[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

技術領域

本發明屬于煙氣脫硝技術領域，涉及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。

背景技術

SCR(Selective Catalytic Reduction)——選擇性催化還原法是目前國際上技術最成熟、應用最廣泛的煙氣脫硝技術。SCR是在催化劑的作用下，利用還原劑NH₃等來有選擇性地與煙氣中的NOx反應并生成無毒無污染的N₂和H₂O。SCR技術對鍋爐煙氣NOx的控制效果十分顯著，技術較為成熟，目前已成為世界上應用最多、最有成效的一種煙氣脫硝技術。

在脫硝系統中，氨氣流量是通過NOx流量信號乘以NH₃/NOx摩爾比得到的，其中，NH₃/NOx摩爾比是固定的，NOx流量為煙氣入口NOx濃度與煙氣流量的乘積。同時煙氣出口NOx濃度對NH₃需求量加以修正，最終得出所需要的氨氣流量值。脫硝控制系統根據計算得出的氨氣流量值，通過控制氨氣調節門的開度，可以實現氨氣流量的自動控制。

噴氨量是SCR脫硝系統的重要控制量，目前電廠普遍采用PID控制噴氨量，當機組的負荷在穩定狀態時，能得到較好的控制效果，但在變工況條件下，系統呈現出非線性、大滯后性，難以確保最佳噴氨比例。如果噴氨量過少，則難以保證NOx排放標準；如果噴氨量過多，則不僅造成氨的浪費，而且又會造成新的污染。因此，采用常規的PID控制方式往往難以取得較好的控制效果。

發明內容

本發明提供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，以解決因變工況條件下無法準確控制SCR脫銷系統的噴氨量而導致難以保證NOx排放標準、浪費還原劑、增加氨逃逸的問題。

本發明采用的技術方案是，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。

本發明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。

本發明在所述步驟S2之前，所述方法還包括：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。

本發明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。

本發明采集所述樣本數據的頻率為每分鐘一次。

本發明所述動態神經網絡由BP神經網絡組成。

本發明經過所述步驟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)。

本發明所述BP神經網絡的隱含層采用Sigmoid函數，即利用所述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。

本發明當控制時域為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。

本發明具有以下優點：

1、從影響SCR脫硝效率的眾多因素中提取主要因素，根據主要因素獲取樣本數據，該樣本數據具有遍歷性、致密性和相容性的特點，利于簡化系統模型；