[发明专利]一种基于软测量和模型自适应的SCR脱硝智能喷氨优化方法及系统

权利要求书

1.一种基于软测量和模型自适应的SCR脱硝智能喷氨优化方法，其步骤包括：

1)基于燃煤火电机组燃烧系统的运行数据，建立入口氮氧化物浓度模型；然后利用该入口氮氧化物浓度模型和当前采集的运行数据，得到入口氮氧化物浓度的预测值；

2)根据入口氮氧化物浓度预测值计算当前运行工况下喷氨量作为前馈信号，将该喷氨量前馈信号发送给SCR脱硝系统；

3)测量燃煤火电机组燃烧系统的出口氮氧化物浓度的实测值，将该实测值与出口氮氧化物浓度设定值做偏差后输入自适应PID控制器，自适应PID控制器基于该偏差得到喷氨量反馈控制信号并发送给SCR脱硝系统；其中，自适应PID控制器采用自适应PID控制算法调整当前工况下的PID参数；

4)SCR脱硝系统根据该喷氨量前馈信号和喷氨量反馈控制信号控制SCR脱硝反应器的喷氨量。

2.如权利要求1所述的方法，其特征在于，通过主元分析算法对所述运行数据进行划分，确定出与入口氮氧化物关联紧密的参数；然后将确定出的与入口氮氧化物关联紧密的参数作为训练数据，采用深度学习算法或者最小二乘支持向量机算法，建立入口氮氧化物浓度模型。

3.如权利要求1或2所述的方法，其特征在于，所述运行数据包括机组负荷、一次风量、二次风量、总煤量、磨煤机运行台数。

4.如权利要求1所述的方法，其特征在于，得到所述喷氨量前馈信号的方法为：将所述预测值乘以烟气量，然后再乘以氨氮摩尔比计算出氨气量需求量，作为SCR脱硝系统的所述喷氨量前馈信号。

5.如权利要求1所述的方法，其特征在于，所述自适应PID控制器根据入口氮氧化物浓度和出口氮氧化物浓度建立SCR喷氨系统模型；然后采用遗传算法或者PSO优化算法对SCR喷氨系统模型参数进行优化，得到所述自适应PID控制器的PID最佳参数。

6.如权利要求1所述的方法，其特征在于，所述自适应PID控制器采用自适应PID控制算法调整当前工况下的PID参数的方法为：初次调试时根据现场测试，得到燃煤火电机组燃烧系统不同工况下的特性参数，建立SCR脱硝输入输出系统模型，通过该SCR脱硝输入输出系统模型确定所述自适应PID控制器的PID参数；在运行过程中，实时采集燃煤火电机组燃烧系统的运行数据，并对该SCR脱硝输入输出系统模型进行修正，然后基于修正后的SCR脱硝输入输出系统模型得到当前工况下的最佳PID参数。

7.一种基于软测量和模型自适应的SCR脱硝智能喷氨优化系统，其特征在于，包括喷氨量前馈信号产生单元、自适应PID控制器和SCR脱硝系统；其中，

所述喷氨量前馈信号产生单元，连接煤火电机组燃烧系统运行数据传感器，基于燃煤火电机组燃烧系统运行数据传感器采集的运行数据，建立入口氮氧化物浓度模型；并利用该入口氮氧化物浓度模型和当前采集的运行数据，得到入口氮氧化物浓度的预测值，然后根据入口氮氧化物浓度预测值计算当前运行工况下的喷氨量前馈信号；

所述自适应PID控制器，连接出口氮氧化物浓度测量仪表，用于根据燃煤火电机组燃烧系统的出口氮氧化物浓度的实测值与出口氮氧化物浓度设定值的偏差得到喷氨量反馈控制信号；其中，自适应PID控制器采用自适应PID控制算法调整当前工况下的PID参数；

所述SCR脱硝系统，分别连接所述喷氨量前馈信号产生单元和所述自适应PID控制器以接收所述喷氨量前馈信号和喷氨量反馈控制信号，用于根据该喷氨量前馈信号和喷氨量反馈控制信号控制SCR脱硝反应器的喷氨量。

8.如权利要求7所述的系统，其特征在于，通过主元分析算法对所述运行数据进行划分，确定出与入口氮氧化物关联紧密的参数；然后将确定出的与入口氮氧化物关联紧密的参数作为训练数据，采用深度学习算法或者最小二乘支持向量机算法，建立入口氮氧化物浓度模型；所述运行数据包括机组负荷、一次风量、二次风量、总煤量、磨煤机运行台数。