一种基于数据驱动多模型的脱硫氧化风系统控制方法.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CN112044270A(43)申请公布日2020.12.08(21)申请号202010828597.4(22)申请日2020.08.18(71)申请人北京国电龙源环保工程有限公司地址100039北京市海淀区西四环中路16号院1号楼911室(72)发明人杨艳春(74)专利代理机构北京中建联合知识产权代理事务所(普通合伙)11004代理人宋元松(51)Int.Cl.B01D53/96(2006.01)B01D53/50(2006.01)B01D53/80(2006.01)G06F30/20(2020.01)权利要求书2页说明书5页附图3页(54)发明名称一种基于数据驱动多模型的脱硫氧化风系统控制方法(57)摘要本发明公开了一种基于数据驱动多模型的脱硫氧化风系统控制方法，包括步骤S1：建模数据筛选，采用机组历史运行数据及CaSO3化验浓度数据作为建模原始数据；步骤S2：建立吸收塔CaSO3浓度预测模型；步骤S3：对实时预测所得吸收塔CaSO3浓度采用滑动平均的方式计算获取吸收塔CaSO3平均浓度；步骤S4：氧化风机的启停控制；本方法以机组长期保存的历史数据及化验数据为原料进行方案设计及建模，无需对系统进行建模试验，对机组安全运行无任何影响；采用神经网络等建模的方式实现亚硫酸钙的浓度的软测量，无需增加新的测量设备，亦无需对原有氧化风系统进行变频改造，只需增加一台工控机即可，投资成本低。CN112044270ACN112044270A权利要求书1/2页1.一种基于数据驱动多模型的脱硫氧化风系统控制方法，其特征在于，包括以下步骤，步骤S1：建模数据筛选，采用机组历史运行数据及CaSO3化验浓度数据作为建模原始数据；步骤S2：建模，以氧化风机运行台数，包括氧化风机全部停运的情况，作为建模划分依据，以机组历史运行数据作为建模过程输入变量，以吸收塔CaSO3化验浓度数据作为系统输出，采用基于历史数据驱动的人工神经网络、偏最小二乘、支持向量机、多元线性回归、多项式拟合的建模方式进行建模，获取不同氧化风机运行台数时的吸收塔CaSO3浓度预测模型；步骤S3：对实时预测所得吸收塔CaSO3浓度采用滑动平均的方式计算获取吸收塔CaSO3平均浓度；步骤S4：氧化风机的启停控制，设当氧化风机运行台数n≥1时，吸收塔CaSO3平均浓度极限值为当步骤S3中所得吸收塔CaSO3平均浓度超过时，增加启动一台氧化风机，同时将现时刻k置为1后重新计时，待k>m时，按照步骤S3中重新计算吸收塔CaSO3平均浓度，再次依据所得吸收塔CaSO3平均浓度对氧化风机启停操作进行判断；当步骤S3中所得吸收塔CaSO3平均浓度小于在应用n台氧化风机运行时的模型计算吸收塔CaSO3平均浓度的同时，同步加入应用n-1台氧化风机运行时的模型进行吸收塔CaSO3平均浓度估算，即应用(k-m+1)时刻到k时刻的系统输入与(n-1)台氧化风机运行时的模型进行k时氧化风机时吸收塔CaSO3平均浓度估算，当应用n台氧化风机与(n-1)台氧化风机工况对应的两种模型估算吸收塔CaSO3平均浓度均小于时，停止一台氧化风机，同时将现时刻k置为1后重新计时，待k>m时，按照步骤S3中重新计算吸收塔CaSO3平均浓度，再次依据所得吸收塔CaSO3平均浓度对氧化风机启停操作进行判断。2.根据权利要求1所述的基于数据驱动多模型的脱硫氧化风系统控制方法，其特征在于，所述步骤S3计算获取吸收塔CaSO3平均浓度的过程为，设实时滚动预测吸收塔CaSO3浓度均值时间跨度为m，氧化风自动控制系统投运后，经过m时刻后，开始进行吸收塔CaSO3浓度的预测，设现时刻为k，氧化风机运行台数为n，该时刻吸收塔CaSO3实时预测浓度为ρn(k)，则有k时刻吸收塔CaSO3平均浓度计算方式为：3.根据权利要求1所述的基于数据驱动多模型的脱硫氧化风系统控制方法，其特征在于，所述步骤S4中，当氧化风机运行台数n＝0时，当步骤S3中所得吸收塔CaSO3平均浓度超过时，增加启动一台氧化风机，同时将现时刻k置为1后重新计时，待k>m时，按照步骤S3中重新计算吸收塔CaSO3平均浓度，再次依据所得吸收塔CaSO3平均浓度对氧化风机启停操作进行判断；当步骤S3中所得吸收塔CaSO3平均浓度小于保持现有运行状态。4.根据权利要求1所述的基于数据驱动多模型的脱硫氧化风系统控制方法，其特征在于，所述步骤S2在建模过程中，以机组历史运行数据经主元分析降维后获取的主元变量作为建模过程输入数据，以吸收塔CaSO3化验浓度数据作为系统输出。5.根据权利要求1所述的基于数据驱动多模型的脱硫氧化风系统控制方法，其特征在于，所述步骤S2中的机组历史运行数据包括：氧化风系统相关变量：机组负荷、FGD