基于预测控制的水泥分解炉脱硝调控优化系统和方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114609986A(43)申请公布日2022.06.10(21)申请号202210256526.0B01D53/56(2006.01)(22)申请日2022.03.16B01D53/78(2006.01)(71)申请人中国中材国际工程股份有限公司地址211100江苏省南京市江宁开发区将军大道106号(72)发明人朱永长陈翼刘仁越朱刚赵小亮周斌陈蕾刘志国赵美江钟文琪戚子豪陈曦周冠文徐越(74)专利代理机构南京苏高专利商标事务所(普通合伙)32204专利代理师柏尚春(51)Int.Cl.G05B19/418(2006.01)B01D53/34(2006.01)权利要求书2页说明书6页附图2页(54)发明名称基于预测控制的水泥分解炉脱硝调控优化系统和方法(57)摘要本发明公开了一种基于预测控制的水泥分解炉脱硝调控优化系统和方法，所述系统包括DCS数据处理模块、模型计算模块、预测控制模块、SNCR喷氨阀门控制器。本发明基于水泥厂历史运行数据，采用数据驱动的建模方法，以水泥分解炉侧可调参数作为模型输入，以分解炉出口NOx浓度作为输出，结合卷积神经网络与长短期记忆网络算法构建NOx浓度预测模型，通过分段线性化动态矩阵控制方法对SNCR脱硝系统喷氨量进行控制，能够较好地应对水泥分解炉运行过程中非线性及时滞等问题，本发明的优化方法具有响应速度快、计算量小、控制超调量低以及控制质量高等优点。CN114609986ACN114609986A权利要求书1/2页1.一种基于预测控制的水泥分解炉脱硝调控优化系统，其特征在于，包括DCS数据处理模块、模型计算模块、预测控制模块、SNCR喷氨阀门控制器；所述DCS数据处理模块能够接受水泥厂DCS系统的数据，获取分解炉运行工况数据，将其加工转化为综合工况信息并存储；所述模型计算模块接收DCS传递的数据，使用结合卷积神经网络和长短期记忆网络的方法对系统进行辨识，能够建立良好的水泥分解炉运行过程模型，并将计算结果传递给预测控制模块；所述预测控制模块使用分段线性化动态矩阵控制算法，将分解炉SNCR还原区域运行过程分段线性化，通过模型计算模块获得各线性子对象的阶跃响应信息，并对其设计自适应动态矩阵控制优化算法，实现水泥分解炉SNCR脱硝过程的预测控制；所述SNCR喷氨阀门接收预测控制模块指令，调整阀门开度，改变氨水使用量，避免由于氨水量不足而造成脱硝效果不理想或氨水量过多造成氨逃逸及成本升高。2.根据权利要求1所述的基于预测控制的水泥分解炉脱硝调控优化系统，其特征在于，所述模型计算模块用于计算分解炉出口NOx浓度，该模块设有两路输入数据端口，其中一个数据输入端口接收DCS数据处理模块的综合工况信息，另一个数据输入端口用于直接接收预测计算指令。3.根据权利要求1所述的基于预测控制的水泥分解炉脱硝调控优化系统，其特征在于，所述模型计算模块输入的数据包括分解炉内喷煤量、生料下料管下料量、三次风量、三次风温、煤粒径、生料粒径、煤种工业分析数据、石灰石工业分析数据、回转窑烟室气体成分以及分解炉SNCR系统氨水浓度及喷氨量，输出为分解炉出口NOx浓度。4.根据权利要求1所述的基于预测控制的水泥分解炉脱硝调控优化系统，其特征在于，所述模型计算模块中应用的结合卷积神经网络和长短期记忆网络的模型辨识方法是以卷积神经网络为基础，提取分解炉运行对象的非线性特征，结合长短期记忆网络的时间序列处理能力，消除生产过程时滞性的影响，对分解炉生产过程进行较为精确的建模。5.根据权利要求1所述的基于预测控制的水泥分解炉脱硝调控优化系统，其特征在于，所述分段线性化是指通过研究水泥分解炉SNCR脱硝系统的动态特性，将脱硝过程分为若干各近似线性的子对象，对每个子对象分别进行计算。6.根据权利要求1所述的基于预测控制的水泥分解炉脱硝调控优化系统，其特征在于，所述动态矩阵控制以线性子对象的阶跃响应作为预测模型，能够适用于开环稳定、具有纯滞后、强非线性特征的复杂过程；该模块同时使用模型预测、反馈校正、滚动优化策略进一步优化控制性能；所述反馈校正是对预测误差的一种修正手段，防止系统运行一段时间后由于模型泛化性降低或其他干扰因素导致预测误差增大，把预测误差在输出端进行补偿；所述滚动优化是指按照确定的性能指标，反复地进行连续、实时地优化。7.一种基于预测控制的水泥分解炉脱硝调控优化方法，其特征在于，包括以下步骤：(1)通过研究水泥分解炉SNCR脱硝系统的动态特性，将脱硝过程分为若干各近似线性的子对象，对每个子对象分别进行计算控制；(2)将分段线性化后各个线性子对象对应的不同幅度的阶跃信号输入到CNN‑LSTM模型中，得到各组阶跃响应值随样本时间变化的序列，从而获得子对象的模型向量，并由此建立喷氨过程的动