一种燃煤锅炉NOx生成浓度实时预测方法和系统与流程

本发明涉及燃煤锅炉，尤其涉及一种燃煤锅炉nox生成浓度实时预测方法和系统。

背景技术：

1、目前燃煤锅炉基本采用低氮燃烧方式，并配置选择性催化还原(scr)脱硝系统实现nox超低排放。scr脱硝系统进出口配置有连续排放监测系统，可以连续监测进入scr脱硝系统的nox浓度和o2浓度等，该nox浓度即为燃煤锅炉的nox生成浓度，scr脱硝系统的喷氨控制也基于该nox浓度。

2、但目前由于连续排放监测系统均采用抽取烟气进入分析仪，然后，用红外法或化学发光法测量nox浓度，这相对喷氨时刻存在较大的滞后，氨氮无法精确匹配，从而无法真正实现脱硝系统的精准喷氨控制，使脱硝系统出口氨逃逸增加，容易造成空预器堵塞、脱硝效率降低等一系列问题，严重影响锅炉机组的安全运行。

技术实现思路

1、本发明提供了一种燃煤锅炉nox生成浓度实时预测方法和系统，解决了nox生成浓度监测滞后导致的氨氮匹配控制不精准，容易造成空预器堵塞、脱硝效率降低等一系列问题，严重影响锅炉机组的安全运行的技术问题。

2、有鉴于此，本发明第一方面提供了、一种燃煤锅炉nox生成浓度实时预测方法，包括以下步骤：

3、获取锅炉nox生成浓度的多个自变量特征，构建自变量特征候选池；

4、对所述自变量特征候选池中的每个自变量特征与锅炉nox测量浓度进行相关性分析，筛选出主要自变量特征，构建自变量特征池；

5、以锅炉的脱硝系统喷氨时刻作为当前时刻，对所述自变量特征池中的每个自变量特征进行时间序列分析，确定每个自变量特征相对于锅炉nox测量浓度的历史时间；

6、将所述自变量特征池与其中的每个自变量特征对应的锅炉nox测量浓度的历史时间构建多个具有时间序列的nox浓度预测数据组，其中，nox浓度预测数据组包含若干个的自变量特征与其对应的锅炉nox生成浓度；

7、基于最小二乘法的线性模型对多个所述nox浓度预测数据组进行训练，构建nox生成浓度预测模型，通过nox生成浓度预测模型对喷氨时刻的nox生成浓度进行实时预测。

8、优选地，所述自变量特征候选池包括入炉煤量、二次风量、入炉煤氮元素含量、锅炉运行氧量、机组功率、锅炉负荷和炉膛温度。

9、优选地，本方法还包括：

10、获取二次风量的步骤，具体包括：

11、通过燃煤锅炉的进入炉膛的二次风门的开度计算对应的二次风门的阻力系数；

12、根据二次风喷口的面积、炉膛风箱差压、二次风密度和二次风门的阻力系数计算二次风喷口的风量，各个二次风喷口风量之和等于锅炉总的二次风量。

13、优选地，本方法还包括：

14、根据二次风喷口的面积、炉膛风箱差压、二次风密度和二次风门的阻力系数通过下式计算二次风喷口的风量为：

15、

16、式中，q2i为第i个二次风喷口的风量；ai为第i个二次风喷口的面积；δp为炉膛风箱差压；ρ为二次风密度；ξi为第i个二次风门的阻力系数。

17、优选地，本方法还包括：

18、获取若干个入炉煤样的全水分数据、热值数据和入炉煤氮元素含量，以所述全水分数据和所述热值数据为自变量，并以所述入炉煤氮元素含量为应变量进行数据拟合，得到所述入炉煤氮元素含量分别与所述全水分数据和所述热值数据之间的拟合函数。

19、优选地，对所述自变量特征候选池中的每个自变量特征与锅炉nox测量浓度进行相关性分析，筛选出主要自变量特征，构建自变量特征池的步骤，具体包括：

20、获取锅炉在历史运行过程中对应的每个自变量特征的历史数据和锅炉nox测量浓度的历史数据；

21、采用最小二乘法对每个自变量特征的历史数据与锅炉nox测量浓度的历史数据进行相关性分析，得到第一相关性指数；

22、筛选出所述第一相关性指数大于预设的第一相关性指数阈值的自变量特征，构建自变量特征池。

23、优选地，以锅炉的脱硝系统喷氨时刻作为当前时刻，对所述自变量特征池中的每个自变量特征进行时间序列分析，确定每个自变量特征相对于锅炉nox测量浓度的历史时间的步骤具体包括：

24、以脱硝系统喷氨时刻作为当前时刻，采用最小二乘法对当前时刻的自变量特征与多个预设的滞后时间的脱硝系统入口测量的nox生成浓度进行相关性分析，得到第二相关性指数；

25、筛选出第二相关性指数最高对应的滞后时间为每个自变量特征相对于锅炉nox测量浓度的历史时间。

26、优选地，本方法还包括：

27、根据入炉煤量和二次风量的预设测量点至预设的喷氨位置的流动通道长度与烟气流速计算入炉煤量和二次风量相对喷氨时刻的滞后时间。

28、优选地，所述nox生成浓度预测模型为：

29、

30、式中，nox为nox生成浓度，k0为常数项，ki、kj和kk均为系数，p1i为提前喷氨时刻t1时间的自变量特征，n1为提前喷氨时刻t1时间的自变量特征的个数，i为提前喷氨时刻t1时间的自变量特征的序号，p2j为喷氨时刻的自变量特征，n2为喷氨时刻的自变量特征个数，j为喷氨时刻的自变量特征的序号，p3k为滞后喷氨时刻t2时间的自变量特征，n3为滞后喷氨时刻t2时间的自变量特征的个数，k为滞后喷氨时刻t2时间的自变量特征的序号。

31、第二方面，本发明还提供了一种燃煤锅炉nox生成浓度实时预测系统，包括：

32、自变量获取模块，用于获取锅炉nox生成浓度的多个自变量特征，构建自变量特征候选池；

33、自变量筛选模块，用于对所述自变量特征候选池中的每个自变量特征与锅炉nox测量浓度进行相关性分析，筛选出主要自变量特征，构建自变量特征池；

34、滞后分析模块，用于以锅炉的脱硝系统喷氨时刻作为当前时刻，对所述自变量特征池中的每个自变量特征进行时间序列分析，确定每个自变量特征相对于锅炉nox测量浓度的历史时间；

35、时间序列构建模块，用于将所述自变量特征池与其中的每个自变量特征对应的锅炉nox测量浓度的历史时间构建多个具有时间序列的nox浓度预测数据组，其中，nox浓度预测数据组包含若干个的自变量特征与其对应的锅炉nox生成浓度；

36、预测模型训练模块，用于基于最小二乘法的线性模型对多个所述nox浓度预测数据组进行训练，构建nox生成浓度预测模型，通过nox生成浓度预测模型对喷氨时刻的nox生成浓度进行实时预测。

37、从以上技术方案可以看出，本发明具有以下优点：

38、本发明通过获取锅炉nox生成浓度的多个自变量特征，对自变量特征与锅炉nox测量浓度进行相关性分析，筛选出主要自变量特征，从而降低计算量，还以锅炉的脱硝系统喷氨时刻作为当前时刻，对每个自变量特征进行时间序列分析，确定每个自变量特征相对于锅炉nox测量浓度的历史时间，构建多个具有时间序列的nox浓度预测数据组，基于最小二乘法的线性模型对多个nox浓度预测数据组进行训练，构建nox生成浓度预测模型，通过nox生成浓度预测模型对喷氨时刻的nox生成浓度进行实时预测，从而缩短喷氨时刻的滞后性，提高喷氨时刻的氨氮匹配控制的准确性，降低了空预器堵塞、脱硝效率降低等一系列问题的发生风险，保证了锅炉机组的安全运行。