CN115145152B 一种锅炉燃烧与脱硝过程协同优化控制的方法 （浙江大学）

一种锅炉燃烧与脱硝过程协同优化控制的本发明涉及一种锅炉燃烧-脱硝过程协同优本发明建立了CO浓度与燃烧效率之间的神经网区喷入阀门开度，实现还原剂与烟气的均匀混21.一种锅炉燃烧-脱硝过程协同优化控制方法，其特征在于包括基于CO监测的燃烧优所述基于风量在内的参数预报的还原剂总量控制模块，用于监测影响出口NOx浓度的所述基于分区喷入量分布表的分区喷入控制模块，根据不同工况下烟道内NOx流速与(1)基于历史数据采用长短期记忆神经网络算法，建立燃烧效率与CO浓度之间的神经GNox＝f(Coal,L,X)co为CO浓度预(4)燃烧优化控制模块基于实时CO浓度控制风量优化炉内燃烧效率，并把风量控制指线监测设备具有历史数据和实时数据输入输出功能，并与智能算法服务器实现信息互通，3脱硝装置控制对象包括各个分区还原剂喷入阀门开度及还原剂2.根据权利要求1所述锅炉燃烧-脱硝过程协同优化控制方法，其特征在于步骤(1)具步骤A2：根据得到的燃烧效率与CO浓度之间的长短期标准化处理采用min-max标准化方法对预处理过的数据进建立燃烧效率与CO浓度之间的长短期记忆神经网络模型的方法包括构建验证集与训将处理过的数据随机分为验证集与训练集，利用训练集对长短期记4.根据权利要求3所述的锅炉燃烧-脱硝过程协同优化控制方法，其特征在于步骤(2)步骤B1：对机组历史运行数据进行分析，根据锅炉4步骤B2：根据步骤B1中确定的锅炉工况特征，在各个工况步骤B3中采用的粒子群算法寻优目标为得到与试验结果拟合优度R2最大的模型参数，步骤C2：根据步骤B1中确定的锅炉的工况特征，在各个i为分区喷入量分布表中的值，Ci为i分区内的NOx浓度，Vi为i分区内的烟气流5步骤F1：根据步骤E3中确定的当前工况，控制策略选择对6炉效率每提高1机组的效率可提高0.3供电煤耗可降低约0.7然而机组负荷短时间内频繁且大范围的变化会造成锅炉燃烧效率降低、烟气中氮氧化物(NOx)浓度的大幅度[0008]一种锅炉燃烧-脱硝过程协同优化控制方法，包括基于CO监测的燃烧优化控制模7NOx浓度达标条件下还原剂消耗量最小的控[0013](1)基于历史数据采用长短期记忆(LongShort-TermMemory,LSTM)神经网络算[0019](4)燃烧优化控制模块基于实时CO浓度控制风量优化炉内燃烧效率，并把风量控[0020](5)根据实时工况数据智能算法服务器通过模糊规则库判断实时的锅炉工况，况下各关键影响参数对出口NOx浓度的影响机制建立预测模型，结合风量预报以减少系统延迟带来的不利影响，并根据实时数据基于模糊规则判断当前工况下需要使用的预测模8对应烟道区域的影响情况，根据不同负荷条件下烟道内NOx浓度和流速的特征得到各个区[0025]本发明步骤(1)和步骤(4)阐述基于CO监测的燃烧优化控制模块的建模过程与实[0037]步骤A1中，对数据进行预处理的方法包括异常值剔除、CEMS(Continuous9[0044]建立燃烧效率与CO浓度之间的长短期记忆神经网络模型的方法包括构建验证集在不同工况下对应出口NOx浓度试验数据以及风量对应CO浓NOx浓度之间的预测模型以及风量与CO浓度的预测模型；上述预测模型均通过带纯滞后的[0053]步骤B3中采用的粒子群算法寻优目标为得到与试验结果拟合优度R2最大的模型建立多工况下多种影响参数与出口NOx浓度之间的预测模型，并采用模糊规则确定锅炉工[0104](1)基于历史数据采用长短期记忆神经网络算法，建立燃烧效率与CO浓度之间的[0105]对于某电厂来说，采用DCS系统和对应数据库采集其近一年内不同负荷工况下的个分区内的比例因与NOx量分布比例一一对应，因此可计算得到烟道内各区域实际所需的[0114](4)燃烧优化控制模块基于实时CO浓度控制风量优化炉内燃烧效率，并把风量控[0115](5)根据实时工况数据，控制器通过模糊规则库判断应采用的预测模型以及其所在不同工况下对应出口NOx浓度试验数据以及风量对应CO浓NOx浓度之间的预测模型以及风量与CO浓度的预测[0140]步骤B3中采用的粒子群算法寻优目标为得到与试验结果拟合优度R2最大的模型[0142]步骤B32：基于粒子群算法的特点，通过大量粒子不断更新其位置和速度进行寻[0155]式中X为风量，Xmax和Xmin分别是风量参数的上下限，是锅炉效率优化系数，通过粒子群算法优化预测模型参数得到R2＞0.9的煤-出口NOx浓度预测模型。基于上述试烟道分区内NOx浓度、烟气流速等数据，根据公式计算得到15种工况下的分区喷入量分布该数据作为控制参数输入DCS系统，并将当前工况数据和还原剂总量数据传输至分区喷入优于原运行工况，优化后的热效率的范围为94.28到94.41相比于优化前增效比例约度概率密度分布对比、平稳负荷条件下出口NOx浓度概率密度分布对比结果如图7～10所