[发明专利]一种基于深度神经网络的火电机组脱硝控制方法

权利要求书

1.一种基于深度神经网络的火电机组脱硝控制方法，包括以下步骤，其特征在于：

步骤1：根据历史数据筛选得到深度神经网络训练数据；

步骤2：设置深度神经网络训练所需参数；

步骤3：训练完成后输入实时数据并根据净烟气NOx浓度设定得到预测的尿素流量；

步骤4：根据步骤3的预测结果作为尿素流量阀门开度PID设定值，计算阀门开度。

2.根据权利要求1所述一种基于深度神经网络的火电机组脱硝控制方法，其特征在于：所述步骤1具体步骤如下：

训练输出为预测的尿素流量，所述训练数据选取时间间隔为1s，当单侧入口NOx浓度测点维护时，将另一侧变化增量叠加到维护的一侧以弥补测点维护带来的数据丢失。

3.根据权利要求2所述一种基于深度神经网络的火电机组脱硝控制方法，其特征在于：所述步骤1具体步骤如下：

所述训练数据包括机组负荷、锅炉总煤量、煤质矫正系数、尿素热解炉温度、烟气流量、SCR入口烟气温度、左/右侧SCR入口NOx浓度、净烟气NOx浓度设定值和实际值。

4.根据权利要求1所述一种基于深度神经网络的火电机组脱硝控制方法，其特征在于：所述步骤2具体步骤如下：

所述建模过程使用的深度神经网络类型为递归神经网络。

5.根据权利要求4所述一种基于深度神经网络的火电机组脱硝控制方法，其特征在于：所述步骤2递归神经网络具体结构为，结构为1层输入层、3层隐藏层和输出层。

6.根据权利要求5所述一种基于深度神经网络的火电机组脱硝控制方法，其特征在于：所述输入层节点数10个，隐藏层节点为20个，输出层节点为1个。

7.根据权利要求5所述一种基于深度神经网络的火电机组脱硝控制方法，其特征在于：训练时设置神经网络的学习率α＝1×10^-5。

8.根据权利要求5所述一种基于深度神经网络的火电机组脱硝控制方法，其特征在于：所述隐藏层神经元输出范围为[-80,80]。

9.根据权利要求1所述一种基于深度神经网络的火电机组脱硝控制方法，其特征在于：所述步骤4具体步骤如下：

步骤4中通过步骤3的模型输入相关参数，将输出是尿素流量叠加净烟气NOx浓度偏差经过纯积分器校正的输出，得到尿素流量的设定值，经过尿素流量阀门PID控制器后得到尿素阀门开度指令。

10.根据权利要求9所述一种基于深度神经网络的火电机组脱硝控制方法，其特征在于：所述步骤3输入相关参数包括机组负荷、锅炉总煤量、煤质矫正系数、尿素热解炉温度、烟气流量、SCR入口烟气温度、SCR入口NOx浓度、净烟气NOx浓度设定值。