买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：浙江浩普智能科技有限公司;浙江大学

摘要：本发明公开了燃烧‑污染物治理全流程智能调控减污降碳方法及系统，控制方法包括：基于煤电热电机组锅炉燃烧系统的各个被控变量的精准预测模型，提前获得被控变量的预测值，结合预测值制定锅炉燃烧系统的控制策略，提前进行燃烧系统关键设备调节，缩短调节滞后时间，降低单位蒸汽煤耗和多种污染物排放浓度，实现源头减污降碳；基于污染物脱除系统目标被控变量的精准预测模型，提前预测锅炉出口多种污染物浓度变化，结合锅炉燃烧‑烟气治理过程全流程多装置关键参数梯级智能精准调控，实现多变负荷燃料下污染物排放浓度的超高精度卡边控制，全流程降低污染物脱除装置物耗能耗，并协同实现CO2排放的有效下降。

主权项：1.燃烧-污染物治理全流程智能调控减污降碳方法，其特征在于，所述方法包括：基于污染物生成脱除机理，分析确定影响目标被控变量的运行参数，将所述目标被控变量的影响参数作为输入变量，以目标被控变量作为输出变量，构建锅炉燃烧-烟气治理系统的各个被控变量预测模型；分别对各个被控变量进行预测，提前获得各个被控变量的预测值；根据预测结果，构建目标被控变量的控制模块，制定锅炉燃烧系统和烟气治理装置的控制策略，提前调节影响目标被控变量的关键影响参数；基于污染物治理系统中脱除设备对NOx、SO2、PM、SO3和Hg污染物的协同作用，建立了以能耗-物耗-污染物排放多目标协同的锅炉燃烧-污染物脱除系统调控策略，实现锅炉燃烧和污染物脱除关键装备的关键参数实时调整优化；所述锅炉燃烧系统被控变量包括：锅炉氧含量、炉膛出口压力、出口污染物浓度；所述烟气治理装置被控变量包括总排口颗粒物浓度、总排口SO2浓度脱硫装置出口SO2浓度、总排口脱硝装置出口NOx浓度和氨逃逸浓度、总排口SO3浓度；所述锅炉氧含量、炉膛出口压力和NOx浓度协同预测控制过程如下：步骤Sa1、以给煤量、一次风机频率、二次风机频率作为输入变量，以氧含量作为输出变量，利用输入变量的阶跃响应向量来实时预测氧含量的变化，建立氧含量浓度预测模型；所述氧含量浓度预测模型表达式如下： 式中：为k时刻对未来P个时域长度氧含量未修正的总预测值；分别为受给煤量、一次风机频率、二次风机频率影响下P个时域长度氧含量未修正的总预测值，P为滚动优化时域长度；Uk-1为各变量在k时刻前N个时域长度的值，N为模型时域；ΔUk为各变量在k时域长度对未来M个时刻的控制增量预测值，M为控制时域长度；A0、A为各变量的动态矩阵，描述各个输入变量对系统响应的影响；步骤Sa2、为校正模型失配、环境干扰所造成的误差，利用实时信息对模块预测值进行修正，反馈修正过程如下： 式中：Yck为k时刻修正后的总预测值；H为反馈修正系数；yk、yck分别为k时刻当前的氧含量实测值和预测值；步骤Sa3、将氧含量目标值与预测值的差值最小化来优化控制，k时刻优化性能指标用向量形式表示如下：Jk＝[Yck-Yrk]TQ[Yck-Yrk]+ΔUkTRΔUk6式中：Jk为优化目标函数；Yrk为目标被控变量控制目标值；Q、R分别为目标被控变量预测误差权矩阵和关键参数控制权矩阵；令： 步骤Sa4、根据氧含量目标值确定二次风机的控制增量，实现氧含量的稳定控制，并根据氧含量的实测值进行实时反馈校正，输出优化控制增量表达式为：ΔUk＝ATQA+R-1ATQ{Yrk-A0Uk-1-H[yk-yck]}8步骤Sa5、将步骤S4输出的二次风机未来的频率调控指令，作为炉膛负压控制模块的输入量；动态工况下，通过建立线性回归模型分析一次风机频率变化量、二次风机频率变化量与引风机频率的关系，提前调节引风机频率；静态工况下，利用最小二乘法对PID控制器进行参数辨识，确定PID控制器初始参数值，提前给出引风机控制指令，确保炉膛负压稳定；稳态工况下，当输出炉膛出口压力处于设定范围内，则不需要调节引风机频率，当炉膛出口压力超出设定范围，则通过PID进行修正引风机频率；修正公式如下： 式中：uk为PID控制器的输出引风机频率变化量；ek为炉膛出口压力目标值与实测值之差；动态工况下，通过拟合分析一次风机、二次风机、引风机频率的关系，确定引风机频率调控增量，拟合公式如下：ΔL引＝0.55518ΔL一次+0.60237ΔL二次+-0.00135L引+0.01363式中：ΔL一次为一次风机频率变化量；ΔL二次为二次风机频率变化量；L引为引风机频率实测值；所述脱硝装置出口NOx浓度和氨逃逸预测控制过程如下：步骤Sb1、以锅炉负荷、给煤量、风量、烟气温度作为输入变量，以炉膛出口即脱硝装置入口NOx浓度作为输出变量，建立基于分区分段脱硝装置入口NOx浓度预测模型；所述炉膛出口NOx浓度预测模型表达式如下： 式中：为k时刻对未来P个时域长度炉膛出口NOx浓度未修正的总预测值；分别为受给煤量、风量、烟气温度影响下P个时域长度炉膛出口NOx浓度未修正的预测值，P为滚动优化时域长度；Uk-1为各变量在k时刻前N个时域长度的值，N为模型时域；ΔUk为各变量在k时域长度对未来M个时刻的控制增量预测值，M为控制时域长度；A0、A为各变量的动态矩阵，描述各个输入变量对系统响应的影响；步骤Sb2、为校正模型失配、环境干扰所造成的误差，利用实时信息对模块预测值进行修正，反馈修正过程如下： 式中：YNk为k时刻修正后的总预测值；H为反馈修正系数；yk、yNk分别为k时刻当前炉膛出口NOx浓度即脱硝装置入口NOx浓度实测值和预测值；步骤Sb3、为了修正脱硝装置入口NOx浓度模型预测存在的稳定偏差，计算未来某一时段脱硝装置入口NOx浓度预测结果与被控目标之间差值，采用系数进行修正，实现炉膛出口NOx浓度即脱硝装置入口NOx浓度实时精准预测；步骤Sb4、以锅炉负荷、脱硝区域运行温度、喷氨流量和脱硝装置入口NOx浓度作为输入变量，以脱硝装置出口NOx浓度作为输出变量，建立基于分区分段脱硝装置出口NOx浓度预测控制模型；步骤Sb5、将入口NOx浓度预测值即炉膛出口NOx预测值作为前馈预报加入脱硝装置预测控制模块，进而输出喷氨流量的优化设定值，喷氨调节阀开度值由喷氨流量的测量值与优化值的偏差经过智能先进控制器计算得出，制定全工况多参数协调-串级智能先进控制策略实现脱硝出口NOx浓度和氨逃逸的稳定控制，并根据脱硝出口NOx浓度和氨逃逸的实测值进行实时反馈校正。

全文数据：

权利要求：

百度查询： 浙江浩普智能科技有限公司 浙江大学 燃烧-污染物治理全流程智能调控减污降碳方法及系统