[发明专利]一种化学吸收CO2

说明书

本发明公开了一种化学吸收CO₂捕集系统的动态鲁棒软测量系统及方法，主要针对CO₂捕集系统中难以实时、准确测量的运行参数，如吸收塔进口贫液载荷和吸收塔出口净化气CO₂浓度进行软测量，为保证系统高效稳定运行，实施动态控制提供支撑。本发明采用BP神经网络技术，基于化学吸收碳捕集机理模型运行产生的动态数据辨识得到高精度的碳捕集系统简化模型，在此基础上使用基于滚动时域的鲁棒在线监测方法，实现在未知干扰、噪声、模型失配和部分参数测量故障时对目标变量的可靠软测量。

技术领域

本发明涉及化学吸收碳捕集系统在线软测量方法技术领域，尤其是一种基于神经网络和滚动时域估计的化学吸收CO₂捕集系统动态鲁棒软测量方法。

背景技术

基于化学吸收的CO₂捕集是能源和工业过程脱碳最成熟和最具应用前景的技术。但由于溶剂的性能下降和设备的腐蚀，系统仍难以保持长期稳定高效的运行。此外，也迫切需要对碳捕集系统进行灵活控制，以确保系统能够及时适应上游烟气的变化和CO₂产品的需求。

在线监测化学吸收CO₂捕集过程中的关键参数，可以了解系统的运行状态，为控制系统的设计奠定基础。然而，由于测量技术的限制，碳捕集系统中的一些重要参数，如CO₂浓度、贫液载荷等，特别是在复杂的运行条件下，难以实时、准确、可靠、经济地进行测量。因此，本发明提出了一种基于神经网络和滚动时域估计的化学吸收CO₂捕集系统动态鲁棒软测量方法，

发明内容

本发明所要解决的技术问题在于，提供一种基于神经网络和滚动时域估计的化学吸收CO₂捕集系统动态鲁棒软测量系统及方法，能够在噪声、未知干扰、故障等复杂操作情况下，实现对基于溶剂吸收的CO₂捕集系统中的关键参数的动态实时鲁棒估计。

为解决上述技术问题，本发明采用如下技术方案：

一种基于神经网络和滚动时域估计的化学吸收CO₂捕集系统动态鲁棒软测量系统，其特征在于包括：滚动时域估计器(1)、无迹卡尔曼滤波估计器(2)、BP神经网络简化模型(3)、化学吸收CO₂捕集系统模型(4)；所述BP神经网络简化模型(3)为化学吸收CO₂捕集整体系统模型(4)核心参数之间的简化模型，并作为滚动时域估计器(1)的状态更新方程f(x)；滚动时域估计器(1)对BP神经网络简化模型(3)的输出量为到达成本函数对状态量的假设值{x_t0}；滚动时域估计器(1)接受来自BP神经网络简化模型(3)的输出量{x_t0+1}，用于计算到达成本Φ_T，通过最小化到达成本，得到下一时刻状态量的估计值无迹卡尔曼滤波估计器(2)根据对应时刻滚动时域估计器(1)状态量的估计值与误差协方差矩阵Π_T-N-1，来计算与更新滚动时域估计器(1)下一时刻的误差协方差矩阵Π_T-N。

其中，所述化学吸收CO₂捕集整体系统模型(4)核心参数包括：当前时刻吸收塔进口贫液载荷、吸收塔出口净化气CO₂浓度、吸收塔出口净化气温度、吸收塔出口富液温度、吸收塔进口贫液流量、吸收塔进口烟气CO₂浓度、吸收塔进口烟气流量、再沸器温度与下一时刻吸收塔进口贫液载荷、吸收塔出口净化气CO₂浓度、吸收塔出口净化气温度、吸收塔出口富液温度。

一种基于神经网络和滚动时域估计的化学吸收CO₂捕集系统动态鲁棒软测量方法，其特征在于包括如下步骤：