[1]何志瞧,李 敏,梁龙飞.基于 RBF 神经网络的燃煤火电机组脱硝自动控制[J].机械与电子,2023,41(11):17-21.
　HE Zhiqiao,LI Min,LIANG Longfei.Automatic Denitration Control of Coal-fired Thermal Power Unit Based on RBF Neural Network[J].Machinery & Electronics,2023,41(11):17-21.
点击复制

基于 RBF 神经网络的燃煤火电机组脱硝自动控制()
分享到：

《机械与电子》[ISSN:1001-2257/CN:52-1052/TH]

卷:
41
期数:
2023年11期
页码:
17-21
栏目:
自动控制与检测
出版日期:
2023-11-23

文章信息/Info

Title:
Automatic Denitration Control of Coal-fired Thermal Power Unit Based on RBF Neural Network
文章编号:
1001-2257 ( 2023 ) 11-0017-05
作者:
何志瞧 1 ; 李 敏 1 ; 梁龙飞 2
1. 浙江浙能兰溪发电有限责任公司,浙江 金华 321100 ;
2. 北京华电天创智能控制技术有限公司,北京 102200
Author(s):
HE Zhiqiao1 ;  LI Min1 ;  LIANG Longfei2
( 1.Zhejiang Zheneng Lanxi Power Generation Co. , Ltd. , Jinhua 321100 , China ; 2.Beijing Huadian Tianchuang Intelligent Control Technology Co. , Ltd. , Beijing 102200 , China )
关键词:
RBF 网络; 燃煤火电机组; 脱硝自动控制; 氮氧化物; 喷氨量; 敏感度法
Keywords:
RBF network ;  coal-fired thermal power units ;  automatic denitration control ;  nitrogen oxides ;  spraying ammonia ;  sensitivity method
分类号:
TP183 ; TM621
文献标志码:
A
摘要:
燃煤火电机组脱硝过程中的数据样本较多,导致燃煤火电机组脱硝自动控制难度增加,因此提出基于 RBF 神经网络的燃煤火电机组脱硝自动控制方法。将燃煤火电机组脱硝入口烟气氮氧化物浓度、喷氨量、烟气入口温度和机组负荷作为数据样本训练 RBF 神经网络。通过敏感度法,分析输入数据样本值对其相应输出值的影响,优化 RBF 网络结构。将数据样本输入至优化后的 RBF 网络中,输出脱硝喷氨量计算结果,结合脱硝喷氨量完成燃煤火电机组脱硝自动控制。实验表明:火电机组负荷匀速变化状况下利用该方法可有效自动控制脱硝装置,降低出口氮氧化物浓度、喷氨量和氨气逃逸量,提升脱硝率;在不同负荷扰动情况下,该方法依旧能够有效控制脱硝装置,喷氨量和氨气逃逸量等均未超过设定值,证明该方法具有较优的脱硝自动控制效果。
Abstract:
There are many data samples in the denitration process of coal-fired thermal power units , which makes it more difficult to control the denitration of coal-fired thermal power units automatically. Therefore , an automatic control method for the denitration of coal-fired thermal power units based on RBF neural network is proposed.The RBF neural network is trained by taking the concentration of NO-x in flue gas , ammonia injection amount , flue gas inlet temperature and unit load as data samples.By using sensitivity method , the influence of input data sample value on its corresponding output value is analyzed , and the RBF network structure is optimized.The data samples are input into the optimized RBF network , the calculation result of denitration injection ammonia is output , and the automatic denitration control of coal fired thermal power unit is completed in combination with the denitration injection ammonia amount.Experimental results show that this method can effectively and automatically control the denitrification device under the condition of constant load change of thermal power unit , reduce the nitrogen oxide concentration at the outlet , the amount of ammonia injection and the amount of ammonia escape , and increase the denitrification rate.In the case of different load disturbances , the method can still effectively control the denitration device , and the amount of ammonia injection and the amount of ammonia escape do not exceed the set value , which proves that the method has a better automatic control effect of denitration.

参考文献/References:

[ 1 ] 牛玉广,潘岩,李晓彬 . 火力发电厂烟气 SCR 脱硝自动控制研究现状与展望[ J ] . 热能动力工程, 2019 , 34 ( 4 ):1-9.

[ 2 ] 许壮,康英伟 . 基于随机森林的火电机组 SCR 脱硝反应器建模 [ J ] . 动力工程学报,2020 , 40 ( 6 ): 486-491 , 501.
[ 3 ] 俞基安,杜伟,胡勇,等 . 基于阶梯式广义预测控制的脱硝优化控制应用[ J ] . 锅炉技术, 2020 , 51 ( 4 ): 7-14.
[ 4 ] 方朝君,刘鹏,彭小敏 . 基于煤电超低排放的 SCR 脱硝系统多方位优化[ J ] . 锅炉技术, 2019 , 50 ( 1 ): 76-79.
[ 5 ] 张金营 . 基于 γ 增量型 SGPC 的火电机组脱硝控制[ J ] . 中国电机工程学报, 2019 , 39 ( 19 ): 5824-5828 , 5910.
[ 6 ] 王天堃 . 基于神经网络模型及预测控制 DMC 的火电机组脱硝控制策略[ J ] . 中国电力, 2019 , 52 ( 12 ): 140-145.
[ 7 ] 张伟,黄卫民 . 基于 SAPSO 算法的 RBF 神经网络设计[ J ] . 控制与决策, 2021 , 36 ( 9 ): 2305-2312.
[ 8 ] 马良玉,王永军,左晓桐 . 基于改进 PSO 和双隐层 BP 网络的锅炉氧量优化[ J ] . 计算机仿真, 2020 , 37 ( 11 ):87-91 , 193.
[ 9 ] 董泽,马宁,任林,等 . 基于变量相关性自适应即时学习算法的火电厂 SCR 脱硝系统建模[ J ] . 华北电力大学学报(自然科学版),2019 , 46 ( 2 ): 83-90.
[ 10 ] 邢波涛,乔源,赵文 杰 . 基于改进 NARX-DMC 的 SCR 脱硝控制策略[ J ] . 华北电力大学学报(自然科学版),2020 , 47 ( 6 ): 83-90.
[ 11 ] 范昊鹏,夏凤毅,包军宇,等 . 基于 PFC 预测的燃煤机组脱硫优化控制[ J ] . 动力工程学报,2020 , 40 ( 10 ):808-814.
[ 12 ] 王富强,李晓理,于学斌 . 基于 GA-BP 预测控制的燃煤机组脱硝系统优化研究[ J ] . 控制工程,2021 , 28( 7 ): 1490-1495.
[ 13 ] 钱虹,柴婷婷,张超凡 . 基于可变遗忘因子的 SCR 烟气脱硝建模与自适应预测控制研究[ J ] . 热能动力工程,2020 , 35 ( 8 ): 70-76.
[ 14 ] 冯旭刚,鲍立昌,章家岩,等 . 基于 IGPC 解耦控制的火电机组多目标协同燃烧优化控制策略[ J ] . 中国电机工程学报,2021 , 41 ( 9 ): 3223-3232.
[ 15 ] 秦天牧,尤默,张瑾哲,等 . 基于自适应智能前馈的 SCR 脱硝系统优化控制 [ J ] . 中国电机工程学报,2019 , 39 (增刊 1 ): 186-192.

备注/Memo

备注/Memo:
收稿日期: 2022-06-07
基金项目:浙江浙能兰溪发电有限责任公司科技项目( ZJTY10190943 )
作者简介:何志瞧 ( 1973- ),男,浙江绍兴人,硕士,高级工程师,研究方向为热动专业;李 敏 ( 1972- ),男,浙江杭州人,高级工程师,研究方向为热动专业;梁龙飞 ( 1989- ),男,河北石家庄人,硕士,工程师,研究方向为火电厂全流程智能燃烧。
更新日期/Last Update: 2023-12-13