技术特征：
1.一种多炉并联运行的污染物控制量分配调控系统，其特征在于，所述调控系统包括：数据采集模块，用于采集历史烟气温度、含氧量以及污染物入口浓度；污染物浓度预测模型建立模块，用于建立各台炉出口污染物浓度预测模型；所述污染物浓度预测模型为神经网络模型；污染物浓度预测模块，用于采用所述污染物预测模型对污染物浓度进行预测，得到污染物浓度预测值；各污染物浓度的变化值引起的总控制量计算模块，用于基于所述污染物的浓度预测值、污染物浓度目标值以及污染物浓度实时反馈值采用遗传-神经网络算法确定每台炉的各污染物浓度的变化值引起的总控制量；所述污染物目标值为目标值为用户要求的污染物排放限值，所述实时反馈值为在线实测值；每台炉的分配控制量计算模块，用于基于所述各污染物浓度的变化值引起的总控制量确定每台炉的分配控制量。2.根据权利要求1所述的多炉并联运行的污染物控制量分配调控系统，其特征在于，所述系统还包括：校正模块，用于对所述污染物浓度预测值进行校正。3.根据权利要求2所述的多炉并联运行的污染物控制量分配调控系统，其特征在于，所述校正模块具体包括：污染物浓度实际值获取单元，用于获取k时刻污染物浓度实际值；污染物浓度预测值获取单元，用于获取k-1时刻污染物浓度预测值；偏差计算单元，用于计算所述k时刻污染物浓度实际值和所述k-1时刻污染物浓度预测值的偏差；校正单元，用于将所述偏差作为k时刻预测误差的估计值，并将所述估计值作为反馈校正信号补偿到k时刻的污染物浓度预测模型中，得到校正后的污染物浓度。4.根据权利要求1所述的多炉并联运行的污染物控制量分配调控系统，其特征在于，所述每台炉的分配控制量计算模块具体采用以下公式：其中，i＝1,2,3....n，u
i
分表示第i台锅炉分配的控制量，q
i
表示第i台炉的烟气量，单位为m3/h，δc
i
表示第i台炉的污染物的变化量，单位为mg/m3，δm表示污染物变化引起的总控制量。5.一种多炉并联运行的污染物控制量分配调控方法，其特征在于，所述调控方法包括以下步骤：采集历史烟气温度、含氧量以及污染物入口浓度；建立各台炉出口污染物浓度预测模型；所述污染物浓度预测模型为神经网络模型；采用所述污染物预测模型对污染物浓度进行预测，得到污染物浓度预测值；基于所述污染物的浓度预测值、污染物浓度目标值以及污染物浓度实时反馈值采用遗传-神经网络算法确定每台炉的各污染物浓度的变化值引起的总控制量；所述污染物目标值为目标值为用户要求的污染物排放限值，所述实时反馈值为在线实测值；基于所述各污染物浓度的变化值引起的总控制量确定每台炉的分配控制量。
6.根据权利要求5所述的多炉并联运行的污染物控制量分配调控方法，其特征在于，所述方法在“采用所述污染物预测模型对污染物浓度进行预测，得到污染物浓度预测值”之后还包括：对所述污染物浓度预测值进行校正。7.根据权利要求6所述的多炉并联运行的污染物控制量分配调控方法，其特征在于，对所述污染物浓度预测值进行校正具体包括以下步骤：获取k时刻污染物浓度实际值；获取k-1时刻污染物浓度预测值；计算所述k时刻污染物浓度实际值和所述k-1时刻污染物浓度预测值的偏差；将所述偏差作为k时刻预测误差的估计值，并将所述估计值作为反馈校正信号补偿到k时刻的污染物浓度预测模型中，得到校正后的污染物浓度。8.根据权利要求5所述的多炉并联运行的污染物控制量分配调控方法，其特征在于，基于所述各污染物浓度的变化值引起的总控制量确定每台炉的分配控制量具体采用以下公式：其中，i＝1,2,3....n，u
i
分表示第i台锅炉分配的控制量，q
i
表示第i台炉的烟气量，单位为m3/h，δc
i
表示第i台炉的污染物的变化量，单位为mg/m3，δm表示污染物变化引起的总控制量。
技术总结
本发明涉及一种多炉并联运行的污染物控制量分配调控系统及方法，系统包括：数据采集模块，用于采集烟气温度、含氧量以及污染物入口浓度；污染物浓度预测模型建立模块，用于建立各台炉出口污染物浓度预测模型；污染物浓度预测模块，用于对污染物浓度进行预测，得到污染物浓度预测值；各污染物浓度的变化值引起的总控制量计算模块，用于基于污染物的浓度预测值、污染物浓度目标值以及污染物浓度实时反馈值采用遗传-神经网络算法确定每台炉的各污染物浓度的变化值引起的总控制量；每台炉的分配控制量计算模块，用于基于各污染物浓度的变化值引起的总控制量确定每台炉的分配控制量。本发明中的上述方法能够对各个炉污染物的控制量进行精准分配。量进行精准分配。量进行精准分配。
技术研发人员：李钦武 郑政杰 练海军 朱张强 许彦 蒋善行
受保护的技术使用者：浙江浩普智能科技有限公司
技术研发日：2022.03.21
技术公布日：2022/6/17