一种基于多元融合模型的脱硝预测控制方法、系统及设备与流程

本发明涉及脱硝领域，特别是涉及一种基于多元融合模型的脱硝预测控制方法、系统及设备。

背景技术：

1、目前，scr脱硝系统的喷氨控制主要采用固定氨氮摩尔比和固定出口nox浓度两种pid控制策略。两种策略均利用入口nox浓度和烟气流量作为前馈，使用喷氨量或者出口nox浓度作为反馈调节。

2、脱硝系统通常使用单点取样探头，取样管路较长和信号采集的延迟等因素，导致系统中的测量数值存在较大的滞后性。当入口nox浓度、喷氨量、烟气温度等变量发生改变时，系统需要一定时间的动态延时才能检测到在当前喷氨量下的出口nox浓度，这造成出口nox波动范围较大、超调现象频繁，喷氨过量、氨逃逸超标等问题发生，不利于脱硝系统的整体稳定运行，企业生产成本过度浪费。

3、并且scr脱硝系统工业机理复杂，脱硝效率受到氨氮摩尔比、催化剂活性以及烟气温度等多重因素影响。所以，传统pid控制方法由于脱硝系统的滞后性和脱硝机理过程的复杂性，导致很难达到理想的控制效果。

4、深度学习预测模型可以挖掘数据之间的潜在关系，实现端到端的映射。然而，现有scr脱硝系统的出口nox浓度预测模型结构较为简单，模型架构单一，数据特征提取深度不够。同时，单纯依靠深度学习模型的预测值进行脱硝控制，当出现偏差时无法进行实时校正。此外，大多数预测模型并未考虑输入特征和输出控制的时延问题，在实际工业环境中很难准确估计结果。

技术实现思路

1、本发明的目的是提供一种基于多元融合模型的脱硝预测控制方法、系统及设备，考虑输入特征和输出控制的时延，可准确预测出口氮氧化合物浓度，实现喷氨的精准控制。

2、为实现上述目的，本发明提供了如下方案：

3、一种基于多元融合模型的脱硝预测控制方法，包括：

4、收集scr脱硝系统中多个输入特征的历史数据以及对应的出口氮氧化合物浓度的历史数据；所述输入特征为采用互信息分析法确定的影响出口氮氧化合物浓度的关键特征；

5、对每个输入特征进行时间序列延迟重构，构造带迟延的输入特征矩阵；

6、计算带迟延的输入特征矩阵中每一列带迟延的输入特征与出口氮氧化合物浓度的互信息值，并选取互信息值最大的一列带迟延的输入特征的延迟时间，作为每个输入特征的最佳延迟时间；

7、将每个输入特征的历史数据和每个输入特征的最佳延迟时间一起构成带迟延的最佳输入特征集合，并与对应的历史出口氮氧化合物浓度组成脱硝系统数据集；

8、构建cnn-gru模型；

9、根据所述脱硝系统数据集，利用黑寡妇优化算法对cnn-gru模型进行优化，获得脱硝系统出口浓度预测模型；

10、将每个输入特征的实时数据和每个输入特征的最佳延迟时间一起输入所述脱硝系统出口浓度预测模型，输出出口氮氧化合物浓度的预测值；

11、根据出口氮氧化合物浓度的预测值，利用动态氨氮摩尔比方式的pid控制优化喷氨量；

12、获取当前时刻的出口氮氧化合物浓度的实际值和出口氮氧化合物浓度的预测值的偏差，并根据非线性动态计算和贝叶斯方法校正下一时刻的出口氮氧化合物浓度的预测值，使得下一时刻的出口氮氧化合物浓度的实际值等于出口氮氧化合物浓度的设定值。

13、可选地，收集scr脱硝系统中多个输入特征的历史数据以及对应的出口氮氧化合物浓度的历史数据，具体包括：

14、采集scr脱硝系统中多个候选特征的历史数据和对应的出口氮氧化合物浓度的历史数据；其中，多个候选特征包括入口氮氧化合物浓度、烟气流量、喷氨量、机组负荷和烟气温度；

15、对多个候选特征的历史数据进行数据清洗和数据标准化，获得多个候选特征预处理后的历史数据；

16、根据多个候选特征预处理后的历史数据和对应的出口氮氧化合物浓度的历史数据，利用互信息分析方法，计算各个候选特征与出口氮氧化合物浓度之间的相关性；

17、选取相关性大于等于相关性阈值的候选特征，作为影响出口氮氧化合物浓度的关键特征，从而确定scr脱硝系统中多个输入特征的历史数据以及对应的出口氮氧化合物浓度的历史数据。

18、可选地，对每个输入特征进行时间序列延迟重构，构造带迟延的输入特征矩阵，具体包括：

19、构造输入特征矩阵x(t)为x(t)＝[x1(t),x2(t),…,xn(t)]；其中，x1(t)、x2(t)、xn(t)分别表示第1个、第2个、第n个输入特征，t表示时刻；

20、将输入特征矩阵中的每个输入特征重构为其中，表示带迟延时间τi的第i个输入特征，xi(t-τmin)表示带最小延迟时间τmin的第i个输入特征，xi(t-τmax)表示带最大延迟时间τmax的第i个输入特征，i＝1,2,…,n；

21、根据重构的输入特征，确定带迟延的输入特征矩阵为

22、

23、可选地，所述cnn-gru模型包括：卷积神经网络和门控循环网络；

24、卷积神经网络包括依次连接的第一卷积层、第一池化层、第二卷积层和第二池化层；第二池化层与门控循环网络连接。

25、可选地，根据出口氮氧化合物浓度的预测值，利用动态氨氮摩尔比方式的pid控制优化喷氨量，具体包括：

26、确定出口氮氧化合物浓度的预测值与出口氮氧化合物浓度的设定值的偏差；

27、根据所述偏差，依据公式p＝kp*z+ki*t+kd*r，计算修正量；式中，p表示修正量，kp、ki、kd分别表示pid控制器的比例系数、积分系数、微分系数，z表示偏差，t表示累积偏差，r表示偏差变化率；

28、根据修正量，利用pid控制器动态调整氨氮摩尔比；

29、根据调整后的氨氮摩尔比，控制喷氨阀门开度，优化喷氨量。

30、可选地，获取当前时刻的出口氮氧化合物浓度的实际值和出口氮氧化合物浓度的预测值的偏差，并根据非线性动态计算和贝叶斯方法校正下一时刻的出口氮氧化合物浓度的预测值，使得下一时刻的出口氮氧化合物浓度的实际值等于出口氮氧化合物浓度的设定值，具体包括：

31、计算当前时刻的出口氮氧化合物浓度的实际值与出口氮氧化合物浓度的预测值的偏差；

32、根据当前时刻的偏差，依据公式δt+1＝f(δt，ut)+wt，预测下一时刻的偏差；式中，δt+1表示t+1时刻的偏差，δt表示t时刻的偏差，ut表示影响偏差的外部因素，f(.)是非线性函数，wt表示过程噪声；

33、根据当前时刻的偏差和下一时刻的偏差，利用贝叶斯滤波器，确定下一时刻的偏差的后验分布；

34、根据下一时刻的偏差的后验分布，确定下一时刻的偏差的期望值；

35、根据下一时刻的偏差的期望值，利用公式校正下一时刻的出口氮氧化合物浓度的预测值；式中，表示校正后的t+1时刻的出口氮氧化合物浓度的预测值，表示校正前的t+1时刻的出口氮氧化合物浓度的预测值，e表示下一时刻的偏差的期望值。

36、一种基于多元融合模型的脱硝预测控制系统，包括：

37、历史数据收集模块，用于收集scr脱硝系统中多个输入特征的历史数据以及对应的出口氮氧化合物浓度的历史数据；所述输入特征为采用互信息分析法确定的影响出口氮氧化合物浓度的关键特征；

38、延迟重构模块，用于对每个输入特征进行时间序列延迟重构，构造带迟延的输入特征矩阵；

39、延迟时间计算模块，用于计算带迟延的输入特征矩阵中每一列带迟延的输入特征与出口氮氧化合物浓度的互信息值，并选取互信息值最大的一列带迟延的输入特征的延迟时间，作为每个输入特征的最佳延迟时间；

40、数据集组成模块，用于将每个输入特征的历史数据和每个输入特征的最佳延迟时间一起构成带迟延的最佳输入特征集合，并与对应的历史出口氮氧化合物浓度组成脱硝系统数据集；

41、模型构建模块，用于构建cnn-gru模型；

42、模型优化模块，用于根据所述脱硝系统数据集，利用黑寡妇优化算法对cnn-gru模型进行优化，获得脱硝系统出口浓度预测模型；

43、预测模块，用于将每个输入特征的实时数据和每个输入特征的最佳延迟时间一起输入所述脱硝系统出口浓度预测模型，输出出口氮氧化合物浓度的预测值；

44、调控模块，用于根据出口氮氧化合物浓度的预测值，利用动态氨氮摩尔比方式的pid控制优化喷氨量；

45、校正模块，用于获取当前时刻的出口氮氧化合物浓度的实际值和出口氮氧化合物浓度的预测值的偏差，并根据非线性动态计算和贝叶斯方法校正下一时刻的出口氮氧化合物浓度的预测值，使得下一时刻的出口氮氧化合物浓度的实际值等于出口氮氧化合物浓度的设定值。

46、一种基于多元融合模型的脱硝预测控制设备，包括：预测装置和pid控制器；

47、预测装置与pid控制器连接；

48、所述预测装置用于确定每个输入特征的最佳延迟时间，并构建脱硝系统出口浓度预测模型，进而将每个输入特征的实时数据和每个输入特征的最佳延迟时间一起输入所述脱硝系统出口浓度预测模型，输出出口氮氧化合物浓度的预测值；所述输入特征为采用互信息分析法确定的影响出口氮氧化合物浓度的关键特征；

49、所述pid控制器用于根据出口氮氧化合物浓度的预测值，利用动态氨氮摩尔比方式的pid控制优化喷氨量；获取当前时刻的出口氮氧化合物浓度的实际值和出口氮氧化合物浓度的预测值的偏差，并根据非线性动态计算和贝叶斯方法校正下一时刻的出口氮氧化合物浓度的预测值，使得下一时刻的出口氮氧化合物浓度的实际值等于出口氮氧化合物浓度的设定值。

50、根据本发明提供的具体实施例，本发明公开了以下技术效果：

51、本发明公开一种基于多元融合模型的脱硝预测控制方法、系统及设备，对每个输入特征进行时间序列延迟重构，选取互信息值最大的一列带迟延的输入特征的延迟时间，作为每个输入特征的最佳延迟时间，将每个输入特征的历史数据和每个输入特征的最佳延迟时间一起构成带迟延的最佳输入特征集合对cnn-gru模型进行训练，并利用黑寡妇优化算法(black widow optimization algorithm，bwo)对cnn-gru模型进行优化，获得脱硝系统出口浓度预测模型，由于考虑了输入特征和输出控制的时延，脱硝系统出口浓度预测模型可准确预测氮氧化合物浓度；进一步根据出口氮氧化合物浓度的预测值，利用动态氨氮摩尔比方式的pid控制优化喷氨量，获取当前实际的出口nox浓度，通过校正模块反馈校正补偿下一时刻的出口nox浓度，使得出口氮氧化合物浓度的实际值等于出口氮氧化合物浓度的设定值，实现更高质量的喷氨阀门控制性能，实现喷氨阀门智慧、精准控制。