燃煤电站SCR精细化喷氨控制技术研究与应用

发布时间：2020-03-24 14:58

【摘要】：近年来,我国经济快速发展,电力能源的需求量在不断提升,而燃煤发电带来的环境污染问题也日益严峻,其中氮氧化物(NOx)是人们最关心的污染物之一。虽然目前的选择性催化还原(Selective Catalytic Reduction,SCR)控制系统可以取得一定的效果,但是由于电厂机组工况改变越来越频繁,当前控制系统的稳定性和经济性上仍有优化改进空间。为了配合国家的环境保护政策,提高燃煤电站SCR系统的控制效果,本文利用火力发电站中实际运行数据,对SCR系统进行数据建模,并以此为基础提出喷氨量模型预测控制策略,在保证NOx排放合格的同时提高了系统的稳定性,同时针对烟气中NOx浓度分布不均匀的问题开发出一种分阀控制系统,有效解决了出口NOx浓度分布不均匀的问题,提高了SCR系统的运行效率。以SCR系统脱硝机理和实际运行特点为前提,建立了SCR系统的数据模型,包括改进的BP(Back Propagation,BP)神经网络模型和长短时记忆(Long Short-Term Memory,LSTM)神经网络模型,利用燃煤电站实际运行数据作为测试集对两个模型进行了预测精度的对比。针对目前的SCR喷氨控制策略的不足之处,结合LSTM神经网络模型搭建了SCR系统的模型预测控制器,为验证其控制效果,利用电厂实际运行数据对控制效果进行了仿真验证,对仿真结果进行分析后发现,预测控制相比传统控制方式具有更优的控制效果,喷氨量调节更迅速,出口NOx浓度波动明显减小。从燃煤电站SCR脱硝系统实际运行角度出发,开发了燃煤电站SCR精细化喷氨控制系统,其中包括基于模型预测控制的喷氨主阀控制系统和基于出口NOx浓度的喷氨分阀控制系统,通过将该系统应用于某燃煤电厂,以验证其实际控制效果,并与电厂原控制系统进行对比分析,结果表明该系统控制效果明显优于原系统,变负荷下的出口NOx浓度波动问题明显改善,SCR系统出口处NOx浓度标准偏差由21.7mg/Nm~3,降低到5mg/Nm~3以内,系统稳定性和脱硝效率也有较大提升。
【图文】：

1.1 选题的背景与意义1.1.1 选题的背景近年来，我国经济进入高速增长阶段，各行各业的发展都实现了巨大的飞跃，由此也带来了能源消耗量的增加。图 1.1 为我国 2010 年至 2017 年煤炭消耗量和燃煤发电量的变化，虽然我国近年来大力发展了风能、太阳能以及地热能等清洁能源，但是煤炭的使用量仍十分巨大，从 2017 年的统计数据来看，我国煤炭消耗量占世界的 50%以上[1]。燃煤发电是我国煤炭利用的主要方式，2018 年我国火力发电量为 49231 亿千瓦时[2]，占发电总量的 70.4%，其余发电方式为水电、核电以及其他能源发电，图 1.1 中的柱形图展示了我国燃煤发电量在世界范围内的比重，目前以煤炭为主的一次能源仍占据我国能源消耗的主要地位，由于目前我国煤炭储备量还较为充足，因此在未来一段时间内，煤炭在我国电力能源消耗领域的主导地位不会改变。

是通过模拟生物神经系统并简化和抽象的一种学习算法，最m James 对人脑结构和大脑信息处理过程的研究，之后由学P 模型，并证明了任何的逻辑表达式都可以通过神经元模型第一个真正意义上的神经网络，称为“感知机”。神经网络含有一个特定的输出函数成为激活函数，激活函数的不同直问题类型，信息通过神经元之间的连接权值进行传递，连接络的功能。网络具有一些固定特性：（1）通过使用非线性的激活函数可的映射能力，可以找出输入和输出之间的非线性关系；（2）机理建模速度更快；（3）人工神经网络中如果某个神经元失较好的健壮性；（4）人工神经网络有较强的学习功能，，一旦置等参数可以通过学习求得。
【学位授予单位】：华中科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：X773

【相似文献】

相关期刊论文 前10条

1 俞利涛;魏灿;朱永治;臧建波;;模型预测控制技术在水泥制造中的应用[J];水泥技术;2019年02期

2 张聚;胡标标;谢作樟;龚俊强;;显式模型预测控制的可达分区点定位算法[J];系统科学与数学;2016年10期

3 胡童亮;;模型预测控制技术在碳酸二甲酯生产中的应用[J];浙江化工;2015年12期

4 赵婷婷;程奇峰;王志丰;;改进粒子群算法优化的非线性模型预测控制[J];辽宁工程技术大学学报(自然科学版);2015年04期

5 张聚;丁靖;;倒立摆系统显式模型预测控制[J];控制工程;2010年04期

6 王献忠,杜维;模型预测控制发展概况[J];自动化与仪器仪表;1999年04期

7 ;“交流电机模型预测控制”专题征稿启事[J];电工技术学报;2019年S2期

8 李超;赵行晟;王晓俊;周杏鹏;;基于扰动观测器和模型预测控制的降膜蒸发器控制器设计[J];工业控制计算机;2016年03期

9 ;交流电机模型预测控制专题征稿启事[J];电工技术学报;2020年01期

10 朱芮;吴迪;陈继峰;胡家全;华国武;;电机系统模型预测控制研究综述[J];电机与控制应用;2019年08期

相关会议论文 前10条

1 罗秋滨;韩志刚;朱宏;;非线性系统的无模型预测控制方法[A];2009中国控制与决策会议论文集（1）[C];2009年

2 周明;周坚刚;余达太;;钢铁企业模型预测控制技术综述[A];冶金轧制过程自动化技术交流会论文集[C];2005年

3 杨世忠;娄新生;Carl Neuschaefer;Robert Schrecengost;;多模型预测控制及其在超临界锅炉性能优化中的应用[A];中国动力工程学会锅炉专业委员会2012年学术研讨会论文集[C];2012年

4 张聚;张海华;;时延网络控制系统的显式模型预测控制[A];Proceedings of the 2011 Chinese Control and Decision Conference（CCDC）[C];2011年

5 张聚;程鑫滟;;三自由度直升机的显式模型预测控制[A];第26届中国控制与决策会议论文集[C];2014年

6 李晓娟;韩宝明;李得伟;郭然;;模型预测控制方法在高速列车运行延误控制中的应用[A];第十二届人-机-环境系统工程大会论文集[C];2012年

7 周洪亮;刘志远;;基于模型预测控制的车辆横摆稳定控制器设计[A];第二十七届中国控制会议论文集[C];2008年

8 吴鹏程;文浩;陈提;金栋平;;基于非线性模型预测控制的大型空间结构姿态机动[A];第二届可展开空间结构学术会议摘要集[C];2016年

9 李子睿;潘博;田汉青;倪俊;龚建伟;;基于模型预测控制的无人驾驶方程式控制器设计:大学生无人方程式大赛[A];2018中国汽车工程学会年会论文集[C];2018年

10 苗浩洁;王曦;;某型涡喷发动机模型预测控制研究[A];中国航天第三专业信息网第三十九届技术交流会暨第三届空天动力联合会议论文集——S10发动机控制技术[C];2018年

相关重要报纸文章 前1条

1 孙长生;国内热工自动调节优化系统应用的主要厂家评析[N];中国电力报;2012年

相关博士学位论文 前10条

1 修晓杰;显式模型预测控制中点定位算法研究[D];浙江工业大学;2019年

2 崔靖涵;稳定经济模型预测控制及其在电力生产过程中的应用研究[D];华北电力大学(北京);2019年

3 陈卓易;预测误差驱动的永磁同步电机有限集模型预测控制[D];浙江大学;2018年

4 周湛清;永磁同步电机系统模型预测控制[D];天津大学;2017年

5 李志军;约束模型预测控制的稳定性与鲁棒性研究[D];华北电力大学（北京）;2005年

6 苏成利;非线性模型预测控制的若干问题研究[D];浙江大学;2006年

7 包哲静;支持向量机在智能建模和模型预测控制中的应用[D];浙江大学;2007年

8 田翔;模型预测控制并行计算系统研究[D];浙江大学;2007年

9 张浪文;网络信息模式下分布式协调模型预测控制研究[D];上海交通大学;2015年

10 孔小兵;非线性模型预测控制及其在发电过程控制中的应用[D];华北电力大学;2014年

相关硕士学位论文 前10条

1 韩嘉豪;基于预测控制的炉-机-网协调控制方法研究[D];哈尔滨工业大学;2019年

2 贺登博;基于预测控制理论的车辆鲁棒稳定性控制器设计[D];上海交通大学;2016年

3 林欣魄;基于模型预测控制的宽范围可调脉冲电流源的研究[D];哈尔滨工业大学;2019年

4 陈经国;基于模型预测控制的有源前端变换器研究[D];广东工业大学;2019年

5 朱磊;汽车偏离预警及车道保持算法研究[D];哈尔滨工业大学;2018年

6 张涛;二元物系聚合过程最优与经济模型预测控制[D];大连理工大学;2019年

7 盛明钢;基于模型预测控制的永磁同步电机电流环控制研究[D];华中科技大学;2019年

8 曹楠;燃煤电站SCR精细化喷氨控制技术研究与应用[D];华中科技大学;2019年

9 郭志强;基于敏感性的约束最优控制及非线性模型预测控制高效求解算法[D];合肥工业大学;2019年

10 朱数一;高精度精密编队控制技术研究[D];上海交通大学;2018年

本文编号：2598491