[发明专利]一种湿法脱硫装置的全过程智能运行调控系统有效
申请号: | 202110373705.8 | 申请日: | 2021-04-07 |
公开(公告)号: | CN113082954B | 公开(公告)日: | 2022-04-01 |
发明(设计)人: | 高翔;郑成航;周灿;赵中阳;苏秋凤;张涌新;翁卫国;王凤君;杨洋;姚龙超;李钦武;张悠 | 申请(专利权)人: | 浙江大学 |
主分类号: | B01D53/34 | 分类号: | B01D53/34;B01D53/78;B01D53/50 |
代理公司: | 杭州君度专利代理事务所(特殊普通合伙) 33240 | 代理人: | 郑芳 |
地址: | 310027 浙*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 湿法 脱硫 装置 全过程 智能 运行 调控 系统 | ||
1.一种湿法脱硫装置的全过程智能运行调控系统,其特征在于:所述系统包括污染物脱除模块、在线监测模块、优化控制模块和智慧建模模块;
所述污染物脱除模块包括脱硫装置,用于污染物脱除;
所述在线监测模块用于监测收集脱硫装置历史运行数据以及实时运行数据并传输给智慧建模模块、优化控制模块;
所述优化控制模块根据实时运行工况,通过多目标多工况的全局优化算法实时评估不同工况下污染物吸收脱除系统的运行成本,计算实现出口浓度稳定达标条件下脱硫装置能耗物耗最优的湿法脱硫装置最佳运行参数组合,并通过智能控制算法实现对脱硫装置关键参数的调控;
所述智慧建模模块采用混合建模方法,涵盖多种污染物、多种吸收剂、多种反应器类型,实现气态污染物浓度及关键运行参数的多断面准确预测;
所述智慧建模模块,结合气态污染物的生成-吸收-转化机理,采用机器学习的方法利用实际生产过程中的数据,建立气态污染物生成-吸收-转化全流程机理与数据耦合模型,涵盖多种污染物、多种吸收剂、多种反应器类型,实现气态污染物浓度及关键运行参数的多断面准确预测;
所述多种污染物包括SO2、SO3、HCl、HF;所述多种吸收剂包括钙基吸收剂、镁基吸收剂、钠基吸收剂、氨基吸收剂、海水;所述多种反应器类型包括喷淋空塔、强化传质塔、pH值分区塔;所述多断面包括锅炉出口、吸收塔入口和出口;
气态污染物生成-吸收-转化全流程机理与数据耦合模型的构建包括下述步骤:
(1)构建气态污染物生成过程模型,其包括下述步骤:
步骤S101:通过机理分析炉内二氧化硫生成过程的影响机制,由先验知识获得影响炉内二氧化硫生成的关键参数,初步确定炉内二氧化硫生成模型的输入参数;
步骤S102:利用在线监测系统采集不同负荷Ai和不同煤种Si下的锅炉历史运行数据和煤质数据,其中锅炉历史运行数据包括锅炉燃烧温度T,给煤量B,一次风量G1,二次风量G2;煤质数据包括飞灰系数afh,收到基灰分Aar,收到基低位发热量Qnet,ar,灰分中CaO、MgO、Fe2O3物质的质量分数a1,a2,a3;
步骤S103:利用步骤S102中收集的历史运行数据,筛选特殊工况点下不同变量的变化规律,分析关键因素变化到脱硫装置入口SO2浓度响应的纯延迟时间,将不同变量的纯延迟时间对齐,并将数据异常点去除得到历史运行数据集;
步骤S104:利用步骤S103中处理得到的历史运行数据集,采用机器学习方法,找出不同负荷Ai和不同煤种Si运行参数与脱硫装置入口SO2浓度之间的映射关系,建立脱硫装置入口SO2浓度预测模型;
步骤S105:在煤质数据难以连续获得的情况下,模型添加自回归变量吸收塔入口SO2浓度的当前测量值作为输入来预测未来脱硫装置SO2浓度;
步骤S106:采用OPC服务器实现预测服务器与DCS系统之间的数据通信,将训练好的模型装载于预测服务器上并使用实时数据进行验证,进而不断根据实际工况进行模型的实时动态优化调整;
(2)构建气态污染物吸收过程模型,其包括下述步骤:
步骤S201:通过研究多相反应体系中气态污染物非稳态吸收机理,综合考虑液滴的运动、气体的吸收解吸、液滴内部的扩散、电荷守恒以及电离平衡,建立脱硫装置内SO2传质-反应机理模型;
步骤S202:研究SO2/HSO3-/SO32-的迁移/转化以及温度、pH、相间速度对气态污染物吸收脱除的影响规律与调控机制,获得pH值、循环泵、负荷、入口SO2浓度、烟气温度、浆液密度和液位高度的关键操作变量对SO2吸收速率及脱硫效率的影响规律,实现出口SO2浓度及脱硫效率的预测,以及对浆液成分、浆液密度、pH关键参数变化趋势的预测;
步骤S203:在线监测装置收集脱硫装置入/出口SO2浓度、浆液pH值、浆液密度、浆液温度、循环泵流量的脱硫装置历史运行参数;
步骤S204:结合步骤S203收集的脱硫装置历史运行参数,通过参数辨识的方法准确获得模型参数,并进一步采用机器学习模型修正机理模型的误差,进一步构建脱硫装置机理与数据协同驱动的混合模型;
步骤S205:采用OPC服务器实现预测服务器与DCS系统之间的数据通信,将训练好的模型装载于预测服务器上并使用实时数据进行验证,进而不断根据实际工况进行模型的实时动态优化调整;
(3)构建气态污染物转化过程模型,其包括下述步骤:
步骤S301:将二氧化硫吸收转化为副产物过程中的氧化过程,分为自然氧化和强制氧化两个过程,基于在线监测装置收集浆液温度、pH值、入口烟气中O2浓度和浆液液滴直径的脱硫装置运行数据;
步骤S302:基于步骤S301收集的运行数据,研究温度、pH值、入口O2浓度和浆液液滴直径对亚硫酸盐氧化过程的影响规律,构建涵盖氧气传质-亚硫酸钙溶解-本征氧化反应过程的氧化速率模型;
步骤S303:基于构建的氧化速率模型,根据现有工况获得当前工况下脱硫装置的自然氧化率,并计算剩余所需的强制氧化率,根据所需强制氧化率获得氧化系统的运行条件,进而构筑氧化量模型,实时计算不同运行工况下氧化风需求量。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江大学,未经浙江大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110373705.8/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种屏幕测试设备及其使用方法
- 下一篇:一种聚苯硫醚酮的制备方法及其产品