[发明专利]基于神经网络的SCR智能喷氨优化方法及装置

摘要

本发明公开了一种基于神经网络的SCR智能喷氨优化方法及装置，涉及燃煤脱硝技术领域。其中方法包括：在系统负荷不变时，将喷氨管栅根据区域不同划分为n个模块，调整n个喷氨模块的阀门，采集一段时间内n个喷氨模块的喷氨量作为训练输入数据，脱硝效率和氨逃逸率作为训练输出数据；利用训练输入数据和训练输出数据进行BP神经网络训练；以各个喷氨模块的喷氨量作为测试输入数据，利用训练得到的BP神经网络模型预测脱硝效率和氨逃逸；利用遗传算法在多个测试输入数据中寻找到最优值，根据最优值调整各个喷氨模块的实际喷氨量。采用本方案，可以实现喷氨量的差异化控制，提高了脱硝效率，降低了氨逃逸率，并能够灵活根据电厂的不同目标调整各喷氨模块的喷氨量。

主权项

1.一种基于神经网络的SCR智能喷氨优化方法，其特征在于，包括：在系统负荷不变时，将电厂的喷氨管栅根据区域不同划分为n个模块，调整n个喷氨模块的开度阀门，采集一段时间内n个喷氨模块的喷氨量作为训练输入数据，采集SCR脱硝系统的脱硝效率和氨逃逸率作为训练输出数据；其中，n为自然数；利用所述训练输入数据和所述训练输出数据，对BP神经网络模型进行训练；构建各个喷氨模块的喷氨量作为测试输入数据，利用训练得到的BP神经网络模型预测得到脱硝效率和氨逃逸率作为测试输出数据；将测试输入数据作为种群个体，利用遗传算法在多个测试输入数据中寻找到具有最小选择适应度函数值的个体为最优值，根据最优值调整各个喷氨模块的实际喷氨量，得到各个喷氨模块的最优喷氨量；其中，所述适应度函数为F＝k₁y₁+k₂(1‑y₂)，约束条件x_min≤x_i≤x_max，式中y₁为氨逃逸率，y₂为脱硝效率，k₁、k₂为[0,1]的实数，所述k₁和k₂可根据电厂对所述氨逃逸率和脱硝效率的侧重不同选择不同值；其中x_min为所述训练输入数据中输入变量的最小值，x_max为所述训练输入数据中输入变量的最大值，x_i为测试输入数据中第i个喷氨模块的喷氨量。