一种基于模型预测的SCR脱硝装置喷氨流量调节方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111897373A(43)申请公布日2020.11.06(21)申请号202010777984.X(22)申请日2020.08.05(71)申请人海南创实科技有限公司地址571924海南省海口市老城高新技术产业示范区海南生态软件园A17幢一层1001(72)发明人蔡晨晓朱茂旗王丽娜赵博(74)专利代理机构北京科龙寰宇知识产权代理有限责任公司11139代理人侯奇慧(51)Int.Cl.G05D7/06(2006.01)B01D53/86(2006.01)权利要求书2页说明书5页附图2页(54)发明名称一种基于模型预测的SCR脱硝装置喷氨流量调节方法(57)摘要一种基于模型预测的SCR脱硝装置喷氨流量调节方法，首先训练并得到工业炉燃烧预测模型以及多变量预测控制模型，之后预测得到SCR反应器入口的氮氧化物浓度的预测值，再确定初始喷氨量；接着，根据校正后的SCR反应器入口氮氧化物浓度的预测值、SCR反应器的多变量参数以及所述多变量预测控制模型对SCR反应器出口的氮氧化物浓度进行预测以及根据SCR反应器出口氮氧化物浓度的预测值、测量值、设定值以及喷氨量构建性能指标函数，随后进行喷氨量的初步寻优；再之后，以喷氨量的初步寻优结果更新SCR反应器的实际喷氨量并作为下一次PSO算法的最佳位置初值，再对SCR反应器出口氮氧化物浓度进行预测，并返回步骤7继续采用PSO算法对性能指标进行优化，如此反复迭代。CN111897373ACN111897373A权利要求书1/2页1.一种基于模型预测的SCR脱硝装置喷氨流量调节方法，其特征在于，包括以下步骤：步骤1：利用工业炉历史运行数据建立基于神经网络的工业炉燃烧预测模型，对所述工业炉燃烧预测模型进行训练测试并保存；步骤2：利用SCR反应器的历史运行数据建立基于神经网络与PSO控制器的多变量预测控制模型，对所述多变量预测控制模型进行训练测试并保存；步骤3：根据工业炉的当前运行参数和所述工业炉燃烧预测模型对SCR反应器入口的氮氧化物浓度进行预测，得到SCR反应器入口的氮氧化物浓度的预测值；步骤4：根据SCR反应器入口的氮氧化物浓度的预测值和测量值之间的差值对氮氧化物浓度的预测值进行校正，并确定初始喷氨量；步骤5：根据校正后的SCR反应器入口氮氧化物浓度的预测值、SCR反应器的多变量参数以及所述多变量预测控制模型对SCR反应器出口的氮氧化物浓度进行预测；步骤6：根据SCR反应器出口氮氧化物浓度的预测值、测量值、设定值以及喷氨量构建性能指标函数；步骤7：采用所述多变量预测控制模型中的PSO控制器对性能指标函数最小化，进行喷氨量的初步寻优；步骤8：以喷氨量的初步寻优结果更新SCR反应器的实际喷氨量并作为下一次PSO算法的最佳位置初值，再对SCR反应器出口氮氧化物浓度进行预测，并返回步骤7继续采用PSO算法对性能指标进行优化，如此反复迭代，实现预测控制。2.根据权利要求1所述的基于模型预测的SCR脱硝装置喷氨流量调节方法，其特征在于：步骤1中，所述工业炉燃烧预测模型为长短时记忆网络模型，用于预测SCR反应器入口的氮氧化物浓度。3.根据权利要求1或2所述的基于模型预测的SCR脱硝装置喷氨流量调节方法，其特征在于：所述工业炉历史运行数据包括：工业炉运行负荷、烟气温度、总烟气量、一次风量、二次风量以及工业炉出口氮氧化物浓度。4.根据权利要求1所述的基于模型预测的SCR脱硝装置喷氨流量调节方法，其特征在于：步骤2中，所述多变量预测控制模型包括预测部分和控制部分，其中预测部分为长短时记忆网络模型，控制部分为PSO优化控制器。5.根据权利要求1或4所述的基于模型预测的SCR脱硝装置喷氨流量调节方法，其特征在于：所述SCR反应器的历史运行数据包括：SCR反应器入口氮氧化物浓度测量值、SCR反应器出口氮氧化物浓度测量值、SCR反应器出口氮氧化物浓度设定值、喷氨量、总烟气量以及烟气温度。6.根据权利要求1所述的基于模型预测的SCR脱硝装置喷氨流量调节方法，其特征在于：步骤4中，按照公式(1)和公式(2)计算SCR反应器入口氮氧化物浓度修正后的预测值和初始喷氨量：Ip(k)＝Im(k)+λ(Ic(k)-Im(k))(1)u(k)＝(Ip(k)-Oc(k))×M×N(2)其中，k为当前迭代步数，Ic(k)为SCR反应器入口氮氧化物浓度测量值，Im(k)为SCR反应器入口氮氧化物浓度预测值，Ip(k)为SCR反应器入口氮氧化物浓度修正后的预测值，λ为修正系数，u为初始喷氨量，Oc为反应器出口氮氧化物浓度测量值，M为总烟气量，N为氨氮摩尔2CN111897373A权利要求书2/2页比。7.根据权利要求1所述的基于模型预测的SCR脱硝装置喷氨流量调节方法，其特征在于