[發明專利]一種基于深度神經網絡的水泥生產線煙氣NOx濃度預測方法

在審

• 申請號: 201910529701.7
• 申請日: 2019-06-19
• 公開（公告）號: CN110263997A
• 公開（公告）日: 2019-09-20
• 發明（設計）人: 郝曉辰;宋智星;趙彥濤;郭曈曈;楊躍;史鑫
• 申請（專利權）人: 燕山大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/04;G06N3/04;G06N3/08
• 代理公司: 北京挺立專利事務所(普通合伙) 11265
• 代理人: 劉陽

本發明公開了基于深度神經網絡的水泥生產線煙氣NO_x濃度預測方法，屬于水泥生產煙氣NO_x濃度檢測領域。首先根據NO_x產生機理結合水泥生產線工藝流程，篩選出預測NO_x所需的相關變量，從水泥數據庫下載變量的數據并進行預處理；然后以滑動窗口的方式將變量數據形成輸入數據，以使輸入數據隱含各變量的時延特征；再把DNN網絡的輸入層和隱含層作為DBN進行無監督訓練以提取時延特征，用BP算法反向有監督訓練DNN網絡以提取對應關系特征；最后，歷史數據結合模型預測值滾動預測出未來一段時間的NO_x。本發明方法，較好地解決了因煙氣NO_x檢測點設置于煙囪，導致NO_x濃度延遲檢測，從而難以建立NO_x預測模型的問題。

技術領域

本發明屬于水泥生產煙氣NO_x濃度檢測領域,具體涉及一種基于深度神經網絡的水泥生產線煙氣NO_x濃度預測方法。

背景技術

我國水泥行業的氮氧化物(NO_x)排放量占全國NO_x排放量的10％左右,是火力發電和汽車尾氣后的第三大NO_x排放源。大量的NO_x排放能改變大氣的性質，從而引起酸雨、光化學污染等大氣污染問題，對自然環境及人類生存環境有巨大危害。《水泥工業“十三五”發展規劃》中明確指出，2020年NO_x排放量要比2015年減少30％。因此，水泥行業作為NO_x排放的重要工業之一，控制并減少NO_x排放具有重大意義。

目前水泥煙氣脫硝主要采用的是選擇性非催化還原(Selective No CatalyticReduction，縮寫為SNCR，下文以“SNCR”表示選擇性非催化還原)法。SNCR法是在合適的溫度區噴入氨水，在不使用催化劑的條件下將煙氣中的NO_x快速還原成無毒的水和氮氣，進而實現煙氣脫硝。水泥工業產生的NO_x在脫硝反應發生區被還原，完成NO_x濃度的降低，之后煙氣NO_x濃度不發生巨大變化經多級旋風預熱器、增濕塔、收塵器等工藝環節，流動至煙囪排出。有效檢測煙氣NO_x濃度傳感器設置在煙囪排入大氣口處而非實際脫硝反應發生區，造成不可避免的工藝流程性的NO_x濃度檢測延遲。同時水泥生產系統具有大時滯、時變、強非線性的特點，使得NO_x濃度檢測的時延具有不確定性。煙氣NO_x濃度的準確預測能夠為NO_x減排控制(本發明基于SNCR脫硝控制)提供有效的數據支持，故而準確預測延遲檢測到的煙氣NO_x濃度具有重要意義。

發明內容

為了克服現有技術的不足，本發明提出了一種基于深度神經網絡(Deep NeuralNetwork，DNN)預測煙氣NO_x濃度的方法，能夠即時預測一段時間的NO_x濃度，較好地解決了煙氣NO_x檢測的延遲問題，為SNCR脫硝控制過程中的噴氨量計算提供了可靠的數據支持。

為實現上述目的，本發明是根據以下技術方案實現的：

一種基于深度神經網絡的水泥生產線煙氣NO_x濃度預測方法，包括如下步驟：

步驟S1：根據NO_x產生機理結合水泥生產線工藝流程，篩選預測NO_x濃度的相關變量；

步驟S2：從水泥企業數據庫下載篩選的變量數據并進行預處理，通過滑動窗口的方式使各變量數據形成數列，以將各變量數據包含的時延特征隱含在模型的輸入數列中；