一种脱硝经济运行的专家系统构建方法与流程

本发明涉及电站脱硝技术领域，尤其涉及一种脱硝经济运行的专家系统构建方法。

背景技术：

燃煤发电过程中氮氧化物(nox)的排放是雾霾形成的主要原因之一，近年来国家对燃煤电站的nox排放要求日益严格。为了降低nox排放，目前国内在役和新建大型燃煤机组大部分已安装选择性催化还原烟气脱硝(selectivecatalyticreduction，scr)系统。scr脱硝系统运行时采用液氨(nh3)做还原剂，在催化剂作用下与烟气中的nox发生反应，生成无害的氮气和水，从而达到烟气脱硝的目的。scr脱硝系统的主要目标是将出口nox浓度以及氨逃逸控制在要求范围内。scr系统的引入会给电站运行的成本带来一定的增加，主要包括机组供电煤耗的增加和scr喷氨成本等方面。

因此，需要研发一种经济实用的脱硝经济运行专家系统，以降低电站脱硝运行成本。本发明基于电站脱硝运行数据，对锅炉及scr脱硝系统的可调参数进行优化并构建专家系统，为电站脱硝经济运行提供指导。

技术实现要素：

有鉴于此，本发明提供了一种脱硝经济运行的专家系统构建方法，该方法能够降低电站scr脱硝系统的运行成本，实现scr脱硝系统运行的最优经济性。

一方面，本发明提供一种脱硝经济运行的专家系统构建方法，其特征在于，步骤包括：

s1、选择参数；所述参数包括可调参数和不可调参数；

s2、以所述可调参数和所述不可调参数作为输入变量，建立锅炉燃烧模型，进行锅炉烟气nox浓度、烟气流量、排烟温度和机组的供电煤耗的预测；

s3、以所述锅炉烟气nox浓度、所述烟气流量、所述排烟温度和喷氨量作为输入变量，建立scr脱硝系统模型，并进行出口nox浓度和氨逃逸的预测；

s4、针对s2的预测结果和所述喷氨量，建立脱硝运行成本模型；

s5、根据s4的结果，对可调参数进行优化；

s6、根据s5的优化结果，构建专家系统。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述可调参数包括总风量、一次风压、二次风门开度、燃尽风门开度和喷氨量；所述不可调参数包括负荷和给煤量；所述经济性考核参数包括供电煤耗和scr喷氨成本。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述s4中建立脱硝运行成本模型的方法为对供电煤耗和单位发电量下的喷氨量进行货币量化，得到单位千瓦时发电量下的脱硝运行成本模型。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述s5的具体内容为：基于优化方法，对可调参数进行优化，使单位千瓦时发电量下的脱硝运行成本最低，并得到最低成本下可调参数的最优值。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述s6的具体内容为：以负荷和给煤量作为模型输入，以可调参数的最优值作为输出，构建专家系统，得到不同负荷和给煤量下的可调参数组合。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述二次风门开度包括6层开度参数；所述燃尽风门开度包括2层开度参数。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，建立所述锅炉燃烧模型时利用rbf神经网络方法；建立所述scr脱硝系统模型时利用rbf神经网络方法；对所述可调参数进行优化时采用粒子群优化方法。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，建立所述脱硝运行成本模型时的货币量化公式为：c＝ccc+cnh3in；ccc＝ycc·pcc，cnh3in＝xnh3in/xload·pnh3；其中，ccc是煤耗成本模型，cnh3in是喷氨成本模型，ycc是供电煤耗，xnh3in是单位发电量下的喷氨量，pcc、pnh3分别是煤单价和喷氨单价。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述粒子群优化方法的公式为：minc＝ycc·pcc+xnh3in/xload·pnh3，且满足约束条件ynoxout≤δnox，ynh3out≤δnh3；其中，δnox是nox排放的限值，δnh3是氨逃逸的限值。

与现有技术相比，本发明可以获得包括以下技术效果：本发明基于电站脱硝运行数据，选择锅炉燃烧与scr脱硝系统运行相关的参数进行分析，并对运行参数进行优化，能够实现电站脱硝运行的最优经济性。

当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有技术效果。

【附图说明】

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1是本发明一个实施例提供的电站脱硝经济运行的专家系统构建流程示意图；

图2是本发明一个实施例提供的电站脱硝经济运行的模型结构图。

【具体实施方式】

为了更好的理解本发明的技术方案，下面结合附图对本发明实施例进行详细描述。

应当明确，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。

本发明基于电站脱硝运行数据，对锅炉及scr脱硝系统运行参数进行优化并构建专家系统，为电站脱硝经济运行提供指导。

本发明基于电站脱硝运行数据，选择锅炉燃烧与scr脱硝系统运行相关的参数进行分析，并对运行参数进行优化，以实现电站脱硝运行的最优经济性，在此基础上，构建专家系统。为了实现以上目的，本发明采用的方案的流程如图1所示，包括以下步骤：

s1、定性地分析电站锅炉和scr脱硝系统经济运行的影响因素，主要考虑供电煤耗和scr喷氨成本作为经济运行的考核参数；选择总风量、一次风压、二次风门开度、燃尽风门开度、喷氨量作为可调参数，负荷和给煤量作为不可调参数；

在参数的选择上可以选择与电站锅炉和scr脱硝系统经济运行有关的运行参数，并不局限于所列的参数。

s2、以总风量、一次风压、二次风门开度、燃尽风门开度、负荷和给煤量的历史运行数据作为输入变量，利用rbf神经网络方法建立锅炉燃烧模型，实现锅炉烟气nox浓度、烟气流量、烟气温度和机组的供电煤耗的预测值。

本申请的锅炉燃烧模型和下文中scr系统模型并不是只有单个输出，而是多入多出模型，此锅炉燃烧模型有4个输出，分别是烟气nox浓度、烟气流量、烟气温度和供电煤耗，下文中的scr系统模型有2个输出。本申请的建模方法并不特指某一种，任何基于数据的建模方法都可以。

s3、以烟气nox浓度、烟气流量、排烟温度、喷氨量的历史运行数据作为输入变量，利用rbf神经网络方法建立scr系统模型，实现scr出口nox浓度和氨逃逸的预测。

在本实施例中，第二步和第三步中的建模是利用神经网络的方法来实现的。但本申请的建模方法并不局限于rbf神经网络方法，还包括支持向量机、统计回归以及相关的数据建模方法，这些方法都基于电站运行数据来实现模型输入参数和输出参数关系的描述。

s4、根据s2和s3的结果，对供电煤耗和单位发电量下的喷氨量进行货币量化，得到单位千瓦时发电量下的脱硝运行成本模型。

s5、根据s4的结果，利用粒子群优化方法，对可调参数，即总风量、一次风压、二次风门开度、燃尽风门开度、喷氨量进行优化，使单位千瓦时发电量下的脱硝运行成本最低，并得到最低成本下可调参数的最优值。

本申请的优化方法并不局限于粒子群优化方法，还包括遗传算法以及其他相关的优化方法。

s6、根据s5的结果，以负荷和给煤量作为模型输入，可调参数的最优值作为输出，利用模糊决策方法构建专家系统，得到不同负荷和给煤量下最优的可调参数组合，从而实现最低成本运行。

其中，s6中构建专家系统所使用的构建方法并不局限于模糊决策方法，还包括其他相关的专家决策方法。

本实例是利用某电站运行数据，实现电站脱硝经济运行专家系统的构建过程，电站脱硝经济运行专家系统构建的流程如下：

步骤1：定性地分析电站锅炉和scr脱硝系统经济运行的影响因素，主要考虑供电煤耗ccc和scr喷氨成本cnh3in作为经济运行的考核参数；选择总风量xta、一次风压xfa、二次风门开度xsa、燃尽风门开度xofa、喷氨量xnh3in作为可调参数，负荷xload和给煤量xcoal作为不可调参数，这里二次风门开度包括6层开度参数，xsa＝[xsa1，xsa2，xsa3，xsa4，xsa5，xsa6]，燃尽风门开度xofa包括2层开度参数xofa＝[xofa1，xofa2]；

步骤2：以选择总风量xta、一次风压xfa、二次风门开度xsa、燃尽风门开度xofa、负荷xload和给煤量xcoal作为输入变量，基于机组运行数据，利用rbf神经网络方法建立锅炉燃烧模型，得到烟气nox浓度ynoxgas、烟气流量yfg、烟气温度yft和机组的供电煤耗ycc的预测值；

步骤3：以烟气nox浓度ynoxgas、烟气流量yfg、排烟温度yft、喷氨量xnh3in作为输入变量，基于机组运行数据，利用rbf神经网络方法建立scr系统模型，得到出口nox浓度ynoxout、氨逃逸ynh3out的预测值；

步骤4：根据步骤2和步骤3的结果，对供电煤耗ycc、单位发电量下的喷氨量xnh3in进行货币量化，建立脱硝运行成本模型；

c＝ccc+cnh3in

其中ccc＝ycc·pcc，cnh3in＝xnh3in/xload·pnh3，这里pcc、pnh3分别是标准煤和喷氨的单价；

步骤5：根据步骤4得到的模型，基于粒子群优化方法，对可调参数，即总风量xta、一次风压xfa、二次风门开度xsa、燃尽风门开度xofa、喷氨量xnh3in进行优化，在满足污染物排放要求下使单位千瓦时发电量下的脱硝运行成本c最小，也即求解以下优化问题：

minc＝ycc·pcc+xnh3in/xload·pnh3

st.ynoxout≤δnox

ynh3out≤δnh3

其中，δnox是nox排放的限值，δnh3是氨逃逸的限值；求解此优化问题，得到最低成本下可调参数的最优值；

步骤6：根据步骤5的结果，以负荷xload和给煤量xcoal作为模型输入，可调参数总风量xta、一次风压xfa、二次风门开度xsa、燃尽风门开度xofa、喷氨量xnh3in的最优值作为输出，构建专家系统，得到不同负荷和给煤量下最优的可调参数值，从而实现最低成本运行。

基于上述所选取线路，利用本发明建立电站脱硝经济运行的模型如图2所示。构建锅炉燃烧模型、scr系统模型以及运行成本模型；根据负荷、给煤量、总风量、一次风压、二次风门开度和燃尽风门开度，利用锅炉燃烧模型预测烟气nox浓度、烟气流量、烟气温度和供电煤耗的值；根据烟气nox浓度、烟气流量、烟气温度和喷氨量，利用scr系统模型预测氨逃逸和出口nox浓度的值；根据负荷、喷氨量和供电煤耗，利用运行成本模型得到单位千瓦时发电量下的最优运行成本。

以上对本申请实施例所提供的一种脱硝经济运行的专家系统构建方法，进行了详细介绍。以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

如在说明书及权利要求书当中使用了某些词汇来指称特定组件。本领域技术人员应可理解，硬件制造商可能会用不同名词来称呼同一个组件。本说明书及权利要求书并不以名称的差异来作为区分组件的方式，而是以组件在功能上的差异来作为区分的准则。如在通篇说明书及权利要求书当中所提及的“包含”、“包括”为一开放式用语，故应解释成“包含/包括但不限定于”。“大致”是指在可接收的误差范围内，本领域技术人员能够在一定误差范围内解决所述技术问题，基本达到所述技术效果。说明书后续描述为实施本申请的较佳实施方式，然所述描述乃以说明本申请的一般原则为目的，并非用以限定本申请的范围。本申请的保护范围当视所附权利要求书所界定者为准。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的商品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种商品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的商品或者系统中还存在另外的相同要素。

应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

上述说明示出并描述了本申请的若干优选实施例，但如前所述，应当理解本申请并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述申请构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本申请的精神和范围，则都应在本申请所附权利要求书的保护范围内。