[发明专利]一种基于深度神经网络的水泥生产线烟气NOx浓度预测方法

说明书

本发明公开了基于深度神经网络的水泥生产线烟气NO_x浓度预测方法，属于水泥生产烟气NO_x浓度检测领域。首先根据NO_x产生机理结合水泥生产线工艺流程，筛选出预测NO_x所需的相关变量，从水泥数据库下载变量的数据并进行预处理；然后以滑动窗口的方式将变量数据形成输入数据，以使输入数据隐含各变量的时延特征；再把DNN网络的输入层和隐含层作为DBN进行无监督训练以提取时延特征，用BP算法反向有监督训练DNN网络以提取对应关系特征；最后，历史数据结合模型预测值滚动预测出未来一段时间的NO_x。本发明方法，较好地解决了因烟气NO_x检测点设置于烟囱，导致NO_x浓度延迟检测，从而难以建立NO_x预测模型的问题。

技术领域

本发明属于水泥生产烟气NO_x浓度检测领域,具体涉及一种基于深度神经网络的水泥生产线烟气NO_x浓度预测方法。

背景技术

我国水泥行业的氮氧化物(NO_x)排放量占全国NO_x排放量的10％左右,是火力发电和汽车尾气后的第三大NO_x排放源。大量的NO_x排放能改变大气的性质，从而引起酸雨、光化学污染等大气污染问题，对自然环境及人类生存环境有巨大危害。《水泥工业“十三五”发展规划》中明确指出，2020年NO_x排放量要比2015年减少30％。因此，水泥行业作为NO_x排放的重要工业之一，控制并减少NO_x排放具有重大意义。

目前水泥烟气脱硝主要采用的是选择性非催化还原(Selective No CatalyticReduction，缩写为SNCR，下文以“SNCR”表示选择性非催化还原)法。SNCR法是在合适的温度区喷入氨水，在不使用催化剂的条件下将烟气中的NO_x快速还原成无毒的水和氮气，进而实现烟气脱硝。水泥工业产生的NO_x在脱硝反应发生区被还原，完成NO_x浓度的降低，之后烟气NO_x浓度不发生巨大变化经多级旋风预热器、增湿塔、收尘器等工艺环节，流动至烟囱排出。有效检测烟气NO_x浓度传感器设置在烟囱排入大气口处而非实际脱硝反应发生区，造成不可避免的工艺流程性的NO_x浓度检测延迟。同时水泥生产系统具有大时滞、时变、强非线性的特点，使得NO_x浓度检测的时延具有不确定性。烟气NO_x浓度的准确预测能够为NO_x减排控制(本发明基于SNCR脱硝控制)提供有效的数据支持，故而准确预测延迟检测到的烟气NO_x浓度具有重要意义。

发明内容

为了克服现有技术的不足，本发明提出了一种基于深度神经网络(Deep NeuralNetwork，DNN)预测烟气NO_x浓度的方法，能够即时预测一段时间的NO_x浓度，较好地解决了烟气NO_x检测的延迟问题，为SNCR脱硝控制过程中的喷氨量计算提供了可靠的数据支持。

为实现上述目的，本发明是根据以下技术方案实现的：

一种基于深度神经网络的水泥生产线烟气NO_x浓度预测方法，包括如下步骤：

步骤S1：根据NO_x产生机理结合水泥生产线工艺流程，筛选预测NO_x浓度的相关变量；

步骤S2：从水泥企业数据库下载筛选的变量数据并进行预处理，通过滑动窗口的方式使各变量数据形成数列，以将各变量数据包含的时延特征隐含在模型的输入数列中；