[發明專利]一種SCR脫硝系統噴氨量優化建模方法

有效

• 申請號: 202110760346.1
• 申請日: 2021-07-05
• 公開（公告）號: CN113488111B
• 公開（公告）日: 2022-11-22
• 發明（設計）人: 司風琪;楊浩;董云山
• 申請（專利權）人: 東南大學
• 主分類號: G16C20/10
• 分類號: G16C20/10;G16C20/30;G16C20/70;G06N3/04;G06N3/08;B01D53/86;B01D53/56;B01D53/34
• 代理公司: 北京德崇智捷知識產權代理有限公司 11467
• 代理人: 郝雅潔

1.一種SCR脫硝系統噴氨量優化建模方法，其特征在于，包括以下步驟：

S1：根據所述SCR脫硝系統的運行特性，確定SCR出口NOx及氨逃逸的特性、以及SCR脫硝系統的控制系統的干擾參數和影響參數；所述SCR出口NOx及氨逃逸的特性指由所述影響參數的變化而引起SCR出口NOx及氨逃逸的變化；

S2：根據SCR出口NOx的特性、所述影響參數及所述SCR的物理結構，基于GRU門控循環神經網絡訓練SCR出口參數預測模型；其中，所述GRU門控循環神經網絡的輸入為所述影響參數，輸出為SCR出口NOx濃度及氨逃逸量；

S3：根據SCR出口NOx的特性，在所述SCR出口參數預測模型的基礎上，基于DNN深度神經網絡建立噴氨量目標值優化模型；

其中，DNN深度神經網絡的輸入層的輸入為所述干擾參數的一階差分值以及控制系統反饋偏差Es，DNN深度神經網絡的輸出層的輸出為噴氨量偏置值D_out；

所述反饋偏差Es經控制系統的控制器輸出對應的噴氨量U，將所述噴氨量U與所述噴氨量偏置值D_out相加，得到優化噴氨量Q_in＝U+D_out，若Q_in未超過噴氨量的變化限值Q_max，則將F_in＝[Q_in，F_other]輸入到所述SCR出口參數預測模型中，否則輸入F_in＝[Q_max，F_other]，計算SCR出口NOx濃度及氨逃逸，利用損失函數Loss_DNN訓練所述DNN深度神經網絡直至模型的精度達到要求或訓練達到最大迭代次數，得到所述噴氨量目標值優化模型；其中，F_other為除了噴氨量外其他的SCR出口參數預測模型輸入；

S4：根據所述噴氨量目標值優化模型對SCR出口NOx進行動態優化。

2.根據權利要求1所述的SCR脫硝系統噴氨量優化建模方法，其特征在于，所述反饋偏差Es為所述SCR出口參數預測模型計算所得的NOx濃度經控制系統的延遲環節計算后，與SCR出口NOx設定值的差值；所述控制系統的延遲環節是CEMS測量SCR出口NOx的純延遲時間。

3.根據權利要求2所述的SCR脫硝系統噴氨量優化建模方法，其特征在于，所述損失函數Loss_DNN的表達式如下：

其中，y_p為SCR出口NOx濃度預測后，經延遲環節的輸出值；y_r為SCR出口NOx濃度設定值；W為平均耗氨量權重系數；α為氨逃逸懲罰系數；ε為SCR反應器出口氨逃逸；ε_max為氨逃逸標準限制；β為NOx濃度小時均值超限懲罰系數；y_e為額定SCR出口NOx濃度設定值；ReLU表示線性整流函數，n表示樣本數，i為樣本編號。

4.根據權利要求1所述的SCR脫硝系統噴氨量優化建模方法，其特征在于，所述影響參數包括SCR入口煙氣流量、SCR入口NOx濃度、SCR入口氧量、噴氨量和催化劑層溫度。

5.根據權利要求1所述的SCR脫硝系統噴氨量優化建模方法，其特征在于，所述干擾參數包括負荷、SCR入口煙氣流量、SCR入口NOx濃度、鍋爐氧量、煤量、一次風量和二次風量。