[發(fā)明專利]一種SCR脫硝系統(tǒng)噴氨量優(yōu)化建模方法

有效

• 申請?zhí)枺?/td>: 202110760346.1
• 申請日: 2021-07-05
• 公開（公告）號: CN113488111B
• 公開（公告）日: 2022-11-22
• 發(fā)明（設(shè)計）人: 司風(fēng)琪;楊浩;董云山
• 申請（專利權(quán)）人: 東南大學(xué)
• 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(chǎn)權(quán)代理有限公司 11467
• 代理人: 郝雅潔

本發(fā)明涉及一種SCR脫硝系統(tǒng)噴氨量優(yōu)化建模方法，是基于深度學(xué)習(xí)的SCR反應(yīng)器出口參數(shù)的動態(tài)建模方法。采用門控循環(huán)神經(jīng)網(wǎng)絡(luò)建立準確的SCR反應(yīng)器特性辨識模型，在此基礎(chǔ)上，根據(jù)出口NOx濃度的主要干擾參數(shù)建立基于深度神經(jīng)網(wǎng)絡(luò)的噴氨量目標值優(yōu)化模型，以此實現(xiàn)SCR出口NOx濃度的準確調(diào)節(jié)，從抑制外擾和平衡噴氨經(jīng)濟性出發(fā)，提高控制系統(tǒng)的控制品質(zhì)，最終提高SCR脫硝過程的調(diào)節(jié)精度和魯棒性，解決了傳統(tǒng)PID控制存在滯后且適應(yīng)性差的技術(shù)問題。

技術(shù)領(lǐng)域

本發(fā)明涉及基于深度學(xué)習(xí)的控制建模技術(shù)領(lǐng)域，尤其是一種SCR脫硝系統(tǒng)噴氨量優(yōu)化建模方法。

背景技術(shù)

氮氧化物是大氣中的主要污染物之一，對生態(tài)環(huán)境和人類健康都有巨大的危害，而電力、熱力行業(yè)生產(chǎn)造成的氮氧化物排放約占總排放量的45％。為此，中國要求所有火電機組的氮氧化物排放均需滿足50mg/Nm³的超低排放標準。

燃煤電站機組廣泛采用選擇性催化還原(Selective Catalytic Reduction，SCR)技術(shù)來降低煙氣中NOx含量，SCR脫硝系統(tǒng)中化學(xué)反應(yīng)的機理過程復(fù)雜，NOx濃度受煙氣流量、煙氣含氧量等干擾參數(shù)的影響，具有非線性、大遲延、多變量耦合等特點。傳統(tǒng)脫硝控制系統(tǒng)采用串級控制邏輯，通過調(diào)節(jié)噴氨量來控制SCR出口處的NOx濃度，其中，NOx濃度信號由CEMS抽樣所測，測量過程存在較大滯后，因而NOx濃度的測量信號不能準確地反映SCR系統(tǒng)運行狀態(tài)，脫硝控制系統(tǒng)的精度和準確性難以保障。

為削弱干擾參數(shù)對SCR脫硝系統(tǒng)的不利影響，提高脫硝控制系統(tǒng)的調(diào)節(jié)精度和魯棒性。目前主要采用的方法包括優(yōu)化噴氨量及控制器參數(shù)等。其中，傳統(tǒng)噴氨量優(yōu)化計算方法未考慮輸入?yún)?shù)擾動的影響，計算所得的噴氨量無法及時響應(yīng)SCR入口處的NOx濃度變化，即傳統(tǒng)PID控制存在滯后且適應(yīng)性差的技術(shù)問題，無法保證機組的經(jīng)濟性和環(huán)保性。

如何在脫硝系統(tǒng)特性的基礎(chǔ)上建立準確動態(tài)噴氨量計算模型，是亟需解決的問題。

發(fā)明內(nèi)容

針對現(xiàn)有技術(shù)的缺陷，本發(fā)明提供一種SCR脫硝系統(tǒng)噴氨量優(yōu)化建模方法，目的是解決傳統(tǒng)PID控制存在滯后且適應(yīng)性差的技術(shù)問題。

本發(fā)明采用的技術(shù)方案如下：

一種SCR脫硝系統(tǒng)噴氨量優(yōu)化建模方法，包括以下步驟：

S1：根據(jù)所述SCR脫硝系統(tǒng)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(tǒng)的控制系統(tǒng)的干擾參數(shù)和影響參數(shù)；所述SCR出口NOx及氨逃逸的特性指由所述影響參數(shù)的變化而引起SCR出口NOx及氨逃逸的變化；

S2：根據(jù)SCR出口NOx的特性、所述影響參數(shù)及所述SCR的物理結(jié)構(gòu)，基于GRU門控循環(huán)神經(jīng)網(wǎng)絡(luò)訓(xùn)練SCR出口參數(shù)預(yù)測模型；其中，所述GRU門控循環(huán)神經(jīng)網(wǎng)絡(luò)的輸入為所述影響參數(shù)，輸出為SCR出口NOx濃度及氨逃逸量；

S3：根據(jù)SCR出口NOx的特性，在所述SCR出口參數(shù)預(yù)測模型的基礎(chǔ)上，基于DNN深度神經(jīng)網(wǎng)絡(luò)建立噴氨量目標值優(yōu)化模型；

其中，DNN深度神經(jīng)網(wǎng)絡(luò)的輸入層的輸入為所述干擾參數(shù)的一階差分值以及控制系統(tǒng)反饋偏差Es，DNN深度神經(jīng)網(wǎng)絡(luò)的輸出層的輸出為噴氨量偏置值D_out；