针对于SCR脱硝系统失真态NOx浓度的高精度智能预测方法与流程

本发明涉及热能动力工程技术领域，特别涉及一种针对于scr脱硝系统失真态nox浓度的高精度智能预测方法。

背景技术：

选择性催化还原（selectivecatalystreduction,scr）脱硝系统是目前燃煤装备主流应用的烟气氮氧化物（nox）脱除系统，实时获取其准确的运行状态对于指导机组的运行优化意义重大。scr脱硝系统的运行状态可由很多运行参数进行综合描述，入口nox浓度和出口nox浓度这两个浓度测量参数便是scr脱硝系统非常关键的两个运行参数；其中：入口nox浓度表征了进入scr脱硝系统的nox量有多少，进而可以指导运行人员应该喷射多少氨参与脱硝氧化还原反应，而不会导致氨不足或氨过量；出口nox浓度表征了流出scr脱硝系统的nox量有多少，进而可以反映是否满足了国家针对nox的排放控制要求，同时对喷氨特性评估等具有较强的指导意义。

然而，目前燃煤装备scr脱硝系统的入口或出口nox浓度测量方式均为抽取式的nox浓度测量方法，且受scr脱硝系统高尘布置方式的影响，抽取的烟气中含有大量的飞灰，连续长时间的在线分析极易对nox浓度分析仪的工作产生不利影响，甚至会造成分析仪堵塞、核心分析单元（光机等）损坏等。因此，在工业应用环境中，燃煤装备scr脱硝系统入口或出口nox浓度分析仪采取了定期维护的工作模式，即通过定期停止烟气取样，转而采用压缩空气等反吹取样管路，从而达到避免损坏核心测量装备的目的，上述nox浓度分析仪单次维护的持续时长高达5-10分钟左右。由上不难发现，nox浓度分析仪定期维护工作模式必然导致在维护运行期间nox浓度测量值的不准确、不具代表性，且每次维护结束后多会发生nox浓度实际测量值的非正常跳变，此类失真态的nox浓度测量值非常不利于指导机组的正常运行。

技术实现要素：

本发明为了弥补现有技术的不足，提供了一种全时段、高精度、测量结果准确的针对于scr脱硝系统失真态nox浓度的高精度智能预测方法。

本发明是通过如下技术方案实现的：

一种针对于scr脱硝系统失真态nox浓度的高精度智能预测方法，其特征为，包括如下步骤：（1）建立与scr系统入口、出口nox浓度分析仪工作状态相匹配的nox浓度测量数据切换控制框架；（2）在炉内燃烧参数、机组负荷、磨煤机运行参数的输入下，训练得到失真态入口nox浓度智能预测模型；（3）在喷氨量、入口nox浓度、炉内燃烧参数的输入下，训练得到失真态出口nox浓度智能预测模型；（4）在上述3个步骤的基础上，通过单独针对性的调整入口或者出口nox浓度智能预测模型下游的延迟模块系统特性参数，实现失真态与非失真态nox浓度的切换，最终获得全时段、高精度的nox浓度测量数据。

本发明首先建立与scr系统入口、出口nox浓度分析仪工作状态相匹配的全时段高精度nox浓度测量数据切换控制框架；随后在炉内燃烧参数、机组负荷、磨煤机运行参数的输入下，训练得到失真态入口nox浓度智能预测模型；进而在喷氨量、入口nox浓度、炉内燃烧参数的输入下，训练得到失真态出口nox浓度智能预测模型；最后通过单独针对性地调整入口或出口nox浓度智能预测模型下游的延迟模块系统特性参数，实现失真态与非失真态nox浓度的切换，最终获得全时段高精度的nox浓度测量数据。

本发明方法可以实现针对于scr脱硝系统失真态nox浓度的高精度智能预测，为后续系统的运行优化调整提供准确的数据基础。

本发明的更优技术方案为：

步骤（1）中，入口、出口nox浓度分析仪工作状态分别有0和1两种，状态0表示nox浓度分析仪正常工作，输出的nox浓度测量值正确，状态1表示nox浓度分析仪处于维护运行状态，输出的nox浓度测量值处于失真态，实际测量结果不准确。

nox浓度测量数据切换控制框架对nox浓度分析状态为0的运行时间段t1，取用nox浓度分析仪正常输出的nox浓度测量值；而对于nox浓度分析仪状态为1的运行时间段t2，取用经入口或出口nox浓度智能预测模型输出的nox浓度预测值。

步骤（2）中，失真态入口nox浓度智能预测模型中，炉内燃烧参数包括总分量、总煤量、上层燃尽风门开度、上层二次小风门开度，机组负荷为机组的实发功率，磨煤机运行参数包括每台磨煤机的启停工作状态及瞬时给煤量。

步骤（3）中，失真态出口nox浓度智能预测模型中，喷氨量为scr脱硝系统对应侧反应器的瞬时喷氨流量，入口nox浓度为对应侧入口nox浓度分析仪输出的nox浓度实际测量值，炉内燃烧参数包括总分量、总没量、上层燃尽风门开度、上层二次小风门开度、烟气流量。

所述失真态入口nox浓度智能预测模型，其特征在于，所述模型输入为炉内燃烧参数、机组负荷、磨煤机运行参数；模型输出为入口nox浓度预测值；联合应用模糊树模型、支持向量机模型进行nox浓度预测。

所述失真态出口nox浓度智能预测模型，其特征在于，所述模型输入为喷氨量、入口nox浓度、炉内燃烧参数；模型输出为出口nox浓度预测值；联合应用模糊树模型、支持向量机模型进行nox浓度预测。

优选的，nox浓度预测以模糊树模型预测输出为主，以支持向量机模型预测输出未付，具体的联合应用规则为：

，

；

计算相邻时刻模糊树模型的预测结果变化趋势、相邻时刻模糊树模型的预测结果变化趋势；

，

其中：为t+1时刻下的入口或出口nox浓度智能预测模型预测输出值；为t+1时刻下基于模糊树模型的入口或出口nox浓度预测值；为t+1时刻下基于支持向量机模型的入口或出口nox浓度预测值。

步骤（4）中，所述nox浓度智能预测模型下游的延迟模块系统特性参数，体现为预设的延迟时间τ，其设定规则为：

；

其中，τ为需要设定的延迟模块延迟时间，为对应入口或出口nox浓度分析仪单次维护运行状态的持续总时长，κ为经验性设定系数，根据运行情况取1/8-1/4之间的任意值。

所述全时段、高精度的nox浓度测量数据中，全时段由nox浓度分析仪正常运行时间段、nox浓度分析仪维护运行时间短共同组成；其中因延迟时间τ的设定，nox浓度分析仪维护结束后的短暂时间短内，仍取用nox浓度智能预测模型输出的nox浓度预测值。

与现有技术相比，本发明具有的优点为：提出了一种针对于scr脱硝系统失真态nox浓度的高精度智能预测方法，建立了与scr系统入口、出口nox浓度分析仪工作状态相匹配的全时段高精度nox浓度测量数据切换控制框架，联合应用模糊树与支持向量机模型建立了失真态入口或出口nox浓度智能预测模型，并利用延迟模块实现了失真态与非失真态nox浓度的切换，获取了全时段高精度的nox浓度测量数据。本发明的应用，能够弥补nox浓度分析仪维护运行期间浓度测量值失真的弊端，实现全时段内scr脱硝关键运行状态的准确描述，能够为后续系统的运行优化调整提供准确的数据基础。

附图说明

下面结合附图对本发明作进一步的说明。

图1为本发明的工艺流程示意图；

图2为本发明实施例中入口nox浓度智能预测特性；

图3为本发明实施例中出口nox浓度智能预测特性。

具体实施方式

下面结合附图对本发明进行详细说明，本实施案例在以本技术方案为前提下进行实施，应当理解实施案例是为了说明本发明，但是本发明的保护范围不局限于实施案例。

本实施案例基于某600mw燃煤火电机组前后墙对冲锅炉scr系统具体实施，开展了所提出的一种针对于scr脱硝系统失真态nox浓度的高精度智能预测方法工程应用研究。具体的实施过程如下：

步骤1：建立与scr系统入口、出口nox浓度分析仪工作状态相匹配的全时段高精度nox浓度测量数据切换控制框架；

该机组入口、出口nox浓度分析仪均采取了抽取式测量、定期维护反吹的工作模式；入口、出口nox浓度分析仪没隔2小时进行1次维护反吹，单次维护的总时长为255秒；入口nox浓度分析仪维护时刻与出口nox浓度分析仪维护时刻不会重叠、交互独立地进行。该机组入口、出口nox浓度分析仪工作状态有0和1两种，状态0表示nox浓度分析仪正常工作，状态1表示nox浓度分析仪处于维护运行状态。

对此设定，对于nox浓度分析仪状态为0的运行时间段t1，取用nox浓度分析仪正常输出的nox浓度测量值；而对于nox浓度分析仪状态为0的运行时间段t2，取用经入口或出口nox浓度智能预测模型输出的nox浓度预测值。

步骤2：在炉内燃烧参数、机组负荷、磨煤机运行参数的输入下，训练得到失真态入口nox浓度智能预测模型；

所使用的炉内燃烧参数、机组负荷、磨煤机运行参数如表1、表2所示（部分），使用连续的运行数据，分别训练得到基于模糊树的入口nox浓度预测模型、基于支持向量机的入口nox浓度预测模型。

根据以模糊树模型预测输出为主，以支持向量机模型预测输出为辅的原则，联合应用模糊树模型、支持向量机模型建立入口nox浓度智能预测模型。

附图2为本发明实施案例中本方法入口nox浓度智能预测特性，可以看出在入口nox浓度分析仪维护期间，能够实现失真态入口nox浓度的较准确预测，且在nox浓度分析仪维护结束后未出现nox浓度的明显跳变。

步骤3：在喷氨量、入口nox浓度、炉内燃烧参数的输入下，训练得到失真态出口nox浓度智能预测模型；

所使用的喷氨量、入口nox浓度、炉内燃烧参数如表1、2、3所示（部分），使用连续的运行数据，分别训练得到基于模糊树的出口nox浓度预测模型、基于支持向量机的出口nox浓度预测模型。

根据以模糊树模型预测输出为主，以支持向量机模型预测输出为辅的原则，联合应用模糊树模型、支持向量机模型建立出口nox浓度智能预测模型。

附图3为本发明实施案例中本方法出口nox浓度智能预测特性，可以看出在出口nox浓度分析仪维护期间，能够实现失真态出口nox浓度的较准确预测，且在nox浓度分析仪维护结束后未出现nox浓度的明显跳变。

步骤4：在前述3个步骤的基础上，通过单独针对性地调整入口或出口nox浓度智能预测模型下游的延迟模块系统特性参数，实现失真态与非失真态nox浓度的切换，最终获得全时段高精度的nox浓度测量数据。

本实施案例中，经验性设定入口、出口nox浓度智能预测模型下游的延迟模块特性参数为τ=50秒，此时的经验性设定系数约为0.196。

通过本实施案例可以说明，本发明所公开的一种针对于scr脱硝系统失真态nox浓度的高精度智能预测方法，可实现针对于scr脱硝系统失真态nox浓度的高精度智能预测，能够为后续系统的运行优化调整提供准确的数据基础。

如上所述，尽管结合具体实施案例及附图对本发明的具体实施方式进行了描述，但其不得解释为对本发明自身的限制。在本发明的技术方案的基础上，任何单位和个人不需要付出创造性劳动即可做出的各种修改或者变形仍在本发明的保护范围以内。

起点商标作为专业知识产权交易平台，可以帮助大家解决很多问题，如果大家想要了解更多知产交易信息请点击 【在线咨询】或添加微信 【19522093243】与客服一对一沟通，为大家解决相关问题。

此文章来源于网络,如有侵权,请联系删除