[發明專利]一種全工況電站SCR脫硝系統的控制方法及系統

在審

• 申請號: 202011276325.4
• 申請日: 2020-11-16
• 公開（公告）號: CN112418284A
• 公開（公告）日: 2021-02-26
• 發明（設計）人: 楊婷婷;白楊;呂游;張文廣;王坤
• 申請（專利權）人: 華北電力大學;國網天津市電力公司電力科學研究院
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/12;B01D53/86;B01D53/56
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 王立普

1.一種全工況電站SCR脫硝系統的控制方法，其特征在于，所述控制方法包括如下步驟：

獲取SCR脫硝系統的歷史運行數據；

采用聚類算法將歷史運行數據劃分至多個負荷區間，獲得多個負荷區間的歷史運行數據；

分別利用每個負荷區間的歷史運行數據訓練神經網絡模型，獲得每個負荷區間的SCR脫硝系統輸出預測模型；SCR脫硝系統輸出預測模型用于根據SCR脫硝系統當前的工作狀態數據和預測時間段內的每個控制時間點的噴氨量，預測SCR脫硝系統在預測時間段內的每個預測時間點的出口NO_x濃度和出口氨逃逸；所述工作狀態數據包括機組負荷、SCR脫硝系統入口的NO_x濃度和煙氣流量；

根據SCR脫硝系統的負荷指令，獲取負荷指令對應的機組負荷所在的負荷區間的SCR脫硝系統輸出預測模型；

根據負荷指令對應的機組負荷所在的負荷區間的SCR脫硝系統輸出預測模型，采用遺傳算法確定使多目標優化函數最優的噴氨量，作為最優噴氨量；

根據所述最優噴氨量對SCR脫銷系統進行控制。

2.根據權利要求1所述的全工況電站SCR脫硝系統的控制方法，其特征在于，所述神經網絡模型包括輸入層、輸出層和隱含層，所述輸入層包括4個神經元，所述輸出層包括2個神經元，所述輸出層包括5個神經元。

3.根據權利要求1所述的全工況電站SCR脫硝系統的控制方法，其特征在于，所述根據負荷指令對應的機組負荷所在的負荷區間的SCR脫硝系統輸出預測模型，采用遺傳算法確定使多目標優化函數最優的噴氨量，作為最優噴氨量，具體包括：

以預測時間段內每個控制時間點的噴氨量為個體，初始化遺傳算法的種群；

判斷種群中每個個體中的每個控制時間點的噴氨量對應的SCR脫硝系統的閥門開度是否在閥門開度的下限值和上限值之間，獲得第一判斷結果；

若所述第一判斷結果表示否，則將SCR脫硝系統的閥門開度小于閥門開度的下限值的個體中的噴氨量用閥門開度的下限值對應的噴氨量代替，將SCR脫硝系統的閥門開度大于閥門開度的上限值的個體中的噴氨量用閥門開度的上限值對應的噴氨量代替；

將種群中每個個體輸入SCR脫硝系統輸出預測模型，獲得每個個體對應的預測時間段內每個預測時間點的預測出口NO_x濃度和預測出口氨逃逸量；

利用公式對每個個體對應的預測時間段內每個預測時間點的預測出口NO_x濃度進行校正，獲得每個個體對應的預測時間段內每個預測時間點的校正后的預測出口NO_x濃度；其中，為k+i·s₁時刻校正后的預測出口NO_x濃度，為k+i·s₁時刻的預測出口NO_x濃度，為k時刻的預測出口NO_x濃度，為k時刻的SCR脫硝系統的實際出口NO_x濃度，i表示第i個預測時間點，s₁為預測步長，r為校正系數；

根據每個個體對應的預測時間段內每個預測時間點的預測出口NO_x濃度、預測出口氨逃逸量和校正后的預測出口NO_x濃度，分別利用第一目標函數和第二目標函數，計算每個個體的第一目標函數值和第二目標函數值；

確定種群中滿足第二目標函數的個體中第一目標函數最小的個體作為第L次迭代的最優個體，將第L次迭代的最優個體與第L-1次迭代的全局最優個體中第一目標函數值較大的個體設置為第L次迭代的全局最優個體；

判斷迭代次數是否大于迭代次數閾值，獲得第二判斷結果；

若所述第二判斷結果表示否，則令迭代次數的數值增加1，采用遺傳算法中的遺傳、變異和重組的方式更新種群，返回步驟“判斷種群中每個個體中的每個控制時間點的噴氨量對應的SCR脫硝系統的閥門開度是否在閥門開度的下限值和上限值之間，獲得第一判斷結果”；

若所述第二判斷結果表示是，輸出第L次迭代的全局最優個體作為最優噴氨量。