一种基于QGA-ELM网络的循环流化床锅炉NOx排放浓度控制系统的制作方法

本发明属于锅炉技术领域，特别涉及一种基于qga-elm网络的循环流化床锅炉nox排放浓度控制系统。

背景技术：

由于循环流化床锅炉（cfb）自身污染物排放低等优势，在近些年来发展势头迅猛，据统计，我国现有cfb锅炉总容量超过1亿kw，位居全世界第一，超过全世界其它国家的总和。循环流化床系统是一个能量大的蓄热源，可以将其比作一个蓄电池，能够迅速将新加入的冷燃料加热至足够的着火温度。只要在燃烧过程中保证床层温度稳定，就能实现稳定运行，与此同时还能保持较高的燃烧效率，且由于其燃烧温度低，炉内可以加入石灰石等因素，具有低排放的优势。

火电厂煤燃烧过程中生成的氮氧化物主要包括三种类型，分别是热力型nox、快速型nox和燃料型nox。热力型nox通过空气中的含有的n2在高温下与氧气发生氧化反应生成，在1300℃的高温下与氧气的反应十分显著。快速型nox是燃烧过程中，火焰中的chi自由基团与氮气发生反应，生成中间产物hcn，再被后来的其他基团反应发生氧化反应，进而被氧化生成nox。煤中的含氮化合物在燃烧过程中，在一定的条件下被氧化，进而生成的nox，即为燃料型nox。一般情况下，cfb生成的氮氧化物主要来自于燃料中的n，即生成的氮氧化物为燃料型nox。

随着国家对环境保护的愈发重视，所设定的循环流化床污染物排放指标也愈发严格，环保部门提出要求，循环流化床的氮氧化物排放指标须低于50mg/m3。目前，火电厂一般的烟气脱硝工艺一般采用选择性非催化还原法(sncr)、选择性催化还原法(scr)。

但现有的循环流化床锅炉脱硝技术存在以下缺陷：

（1）目前，对排放的氮氧化物浓度进行调节的具体方法是：测量烟气出口的氮氧化物浓度，若超过排放浓度标准，则调节喷氨量进行调节。很显然，以上的控制方法存在严重的滞后性，不能从根本上起到调节作用。

（2）由于国家对烟气排放指标的要求越来越严格，许多电厂依据（1）中所提到的方法进行控制，导致氮氧化物排放超标，脱硝效率低下，造成了氨水的浪费，出现氨逃逸，给机组的经济性、安全性造成了一定影响。

量子计算的概念最早由阿岗国家实验室提出。费曼也对这个问题产生兴趣而着手研究，勾勒出以量子现象实现计算的愿景。许多学者将量子力学中量子比特、量子门、量子状态特性、概率幅等量子概念引入到经典算法当中，便出现了量子算法的概念。对于循环流化床氮氧化物计算比较复杂的问题，可以利用量子算法优化机器学习的方法加以解决，提高氮氧化物的预测精度。

技术实现要素：

本发明为解决公知技术中存在的技术问题提供一种基于qga-elm网络的循环流化床锅炉nox排放浓度控制系统，对排放的氮氧化物浓度的控制不存在滞后性，并提高脱销效率，节约尿素消耗量，从根本上起到了调节控制的作用。

本发明包括如下技术方案：一种基于qga-elm网络的循环流化床锅炉nox排放浓度控制系统，包括尿素溶液输送泵、烟气在线监测系统、dcs控制系统以及外挂系统，所述尿素溶液输送泵连接电动机，所述电动机上设有转速传感器；所述dcs控制系统分别连接电动机、转速传感器、烟气在线监测系统以及外挂系统；所述外挂系统上搭载基于qga-elm网络的氮氧化物排放控制模块，所述氮氧化物排放控制模块包括四个子模块：数据采集与通讯模块、预处理与调参模块、氮氧化物预测模块、喷氨量计算模块。

进一步的，所述烟气在线检测系统包括气态污染物检测子系统、烟气参数监控子系统、颗粒物检测子系统以及数据采集和处理子系统。

进一步的，所述气态污染物检测子系统于对烟气中气态污染物进行连续监测；所述烟气参数监控子系统对烟气状态参数进行测量，如温度、压力、流速等；所述颗粒物检测子系统对烟尘浓度进行实时测量。

进一步的，所述dcs控制系统与所述外挂系统之间通过opc通信连接。

进一步的，所述数据采集与通讯模块从dcs控制系统中采集所需历史数据，并将计算结果返回至dcs控制系统。

进一步的，所述数据预处理与调参模块对从dcs控制系统中所读取的数据进行数据预处理，剔除异常值，并将其进行归一化、标准化操作，避免异常数据对神经网络训练过程造成影响；所述数据预处理与调参模块对神经网络参数进行调整。

进一步的，所述氮氧化物预测模块应用极限学习机神经网络（elm）提高网络的预测效果与准确性并引入量子遗传算法（qga）优化极限学习机的连接权值和阈值；量子遗传算法具有运算速度快，防止陷入局部最优等特点，为提高极限学习机神经网络的预测精度，利用量子遗传算法进行模型优化，将elm-qga模型的测试输出与模型测试输入的误差作为量子遗传算法的目标函数，对极限学习机神经网络模型的连接权值与阈值进行优化，同时，elm-qga模型的训练输入来自于dcs控制系统中获取的历史数据，应用喷氨量、给煤量、一次风量、二次风量、总风量、氧量、床温的历史数据对模型进行训练，并根据实时数据计算得到氮氧化物预测值。

进一步的，所述喷氨量计算模块根据氮氧化物预测值计算得出此时所应喷入炉膛的尿素溶液流量并向dcs控制系统输出信号，进行对尿素溶液输送泵频率的控制。

进一步的，所述外挂系统包括外挂系统客户端和外挂系统服务器，所述外挂系统客户端内设有数据采集与通讯模块和预处理与调参模块，所述外挂系统服务器内设有氮氧化物预测模块和喷氨量计算模块。

进一步的，所述外挂系统客户端采用win7操作系统；所述外挂系统服务器采用eis-h2105rcr-052u高性能机架式服务器，在使用过程中，利用客户端进行操作、参数调整，在服务器中进行计算。

本发明具有的优点和积极效果：本发明利用电动机控制尿素溶液输送泵的喷氨量，转速传感器测量尿素溶液输送泵转速，烟气在线检测系统实时测定烟气中的氮氧化物浓度，dcs控制系统提供历史数据给外挂系统，外挂系统搭载基于qga-elm网络的氮氧化物排放控制模块，通过计算实时数据将控制量参数传给dcs控制系统，控制尿素溶液输送泵频率，达到了提前调节喷氨量的目的，控制过程不存在滞后性，使得排放的氮氧化物浓度符合排放标准，并提高了脱硝效率，节约尿素消耗量，从根本上起到了调节控制的作用，具有良好的社会经济价值。

附图说明

图1是本发明的控制系统结构示意图。

图2是氮氧化物排放控制模块结构示意图。

图中，1-尿素溶液输送泵；2-烟气在线监测系统；3-dcs控制系统；

4-外挂系统；41-外挂系统客户端；42-外挂系统服务器；5-电动机；6-转速传感器；7-氮氧化物排放控制模块；71-数据采集与通讯模块；72-数据预处理与调参模块；73-氮氧化物预测模块；74-喷氨量计算模块。

具体实施方式

为能进一步公开本发明的发明内容、特点及功效，特例举以下实例并结合附图详细说明如下。

实施例：参阅附图1-2，一种基于qga-elm网络的循环流化床锅炉nox排放浓度控制系统，包括尿素溶液输送泵1、烟气在线监测系统2、dcs控制系统3以及外挂系统4，所述尿素溶液输送泵1连接电动机5，所述电动机5上设有转速传感器6；所述dcs控制系统3分别连接电动机5、转速传感器6、烟气在线监测系统2以及外挂系统4；所述dcs控制系统3与所述外挂系统4之间通过opc通信连接。

所述外挂系统4上搭载基于qga-elm网络的氮氧化物排放控制模块7，所述氮氧化物排放控制模块7包括四个子模块：数据采集与通讯模块71、预处理与调参模块72、氮氧化物预测模块73、喷氨量计算模块74。

所述数据采集与通讯模块71从dcs控制系统3中采集所需历史数据，并将计算结果返回至dcs控制系统3；所述数据预处理与调参模块72对从dcs控制系统3中所读取的数据进行数据预处理，剔除异常值，并将其进行归一化、标准化操作，避免异常数据对神经网络训练过程造成影响；所述数据预处理与调参模块72对神经网络参数进行调整。

所述氮氧化物预测模块73应用极限学习机神经网络（elm）提高网络的预测效果与准确性并引入量子遗传算法（qga）优化极限学习机的连接权值和阈值；所述氮氧化物预测模块73从dcs控制系统3中获取历史数据对网络进行训练，并根据实时数据计算得到氮氧化物预测值；量子遗传算法具有运算速度快，防止陷入局部最优等特点，为提高极限学习机神经网络的预测精度，利用量子遗传算法进行模型优化，将elm-qga模型的测试输出与模型测试输入的误差作为量子遗传算法的目标函数，对极限学习机神经网络模型的连接权值与阈值进行优化，同时，elm-qga模型的训练输入来自于dcs控制系统3中获取的历史数据，应用喷氨量、给煤量、一次风量、二次风量、总风量、氧量、床温的历史数据对模型进行训练，并根据实时数据计算得到氮氧化物预测值。

所述喷氨量计算模块74根据氮氧化物预测值计算得出此时所应喷入炉膛的尿素溶液流量并向dcs控制系统3输出信号，进行对尿素溶液输送泵1频率的控制。

所述烟气在线检测系统2包括气态污染物检测子系统、烟气参数监控子系统、颗粒物检测子系统以及数据采集和处理子系统。所述气态污染物检测子系统于对烟气中气态污染物进行连续监测；所述烟气参数监控子系统对烟气状态参数进行测量，如温度、压力、流速等；所述颗粒物检测子系统对烟尘浓度进行实时测量。

所述外挂系统4包括外挂系统客户端41和外挂系统服务器42，所述外挂系统客户端41内设有数据采集与通讯模块71和预处理与调参模块72，所述外挂系统服务器42内设有氮氧化物预测模块73和喷氨量计算模块74。所述外挂系统客户端41采用win7操作系统；所述外挂系统服务器42采用eis-h2105rcr-052u高性能机架式服务器，在使用过程中，利用客户端进行操作、参数调整，在服务器中进行计算。

尽管上面对本发明的优选实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，并不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可以作出很多形式。这些均属于本发明的保护范围之内。