论文部分内容阅读
燃煤电厂锅炉的运行受多种因素影响。一方面,锅炉燃烧过程产生的氮氧化物(NO_x)是表征锅炉污染物排放水平的一个指标,它的排放量会直接影响到烟气后处理的脱硝效果。另一方面,SCR(选择性催化还原法)脱硝效率作为衡量SCR脱硝系统的主要指标,SCR脱硝效率过高会导致喷氨流量的浪费,SCR脱硝效率过低则会导致NO_x排放量不符合国家污染物超低排放的标准,对SCR脱硝系统乃至整个发电机组的生产效率和经济效益都有着重大影响。针对燃煤电厂控制系统数据的高维、海量和多参数多变量相互耦合的特点,建立有效的锅炉燃烧NO_x排放预测模型和SCR脱硝效率预测模型,是实现燃煤电厂NO_x稳定超低排放并且高效节能的基础,为了解决燃煤发电NO_x稳定超低排放优化控制中存在的问题,本文提出一套燃煤发电NO_x稳定超低排放集成优化方法,具体研究内容如下。(1)针对燃煤电厂锅炉的多参数多变量相互耦合特点,采用极限梯度提升算法(Extreme Gradient Boosting,XGBoost)和相关性分析对初始变量进行特征选择,选取影响锅炉燃烧NO_x排放量的关键变量作为模型的输入变量,构建基于长短期记忆神经网络(Long Short-Term Memory,LSTM)的燃烧过程NO_x排放量预测模型。(2)针对SCR脱硝系统的催化还原反应特点,基于机理分析进行特征选择,选取影响SCR脱硝效率的关键输入变量作为模型的输入变量,采用LSTM神经网络建立脱硝过程SCR脱硝效率预测模型。(3)针对火电机组锅炉燃烧系统和SCR脱硝系统的优化控制是一个多目标优化问题。为了优化系统的运行成本,在构建好的锅炉燃烧过程模型和脱硝过程模型的基础上,建立了电站锅炉SCR脱硝系统协同运行模型,结合LSTM神经网络模型和A3C算法建立基于LSTM-A3C算法的深度强化学习模型,计算燃煤电厂NO_x稳定超低排放协同优化成本控制策略,以燃烧过程与脱硝过程的协同运行成本最小为目标,对可控运行参数进行优化。最后,为了验证本文所提方法的有效性,基于广东某燃煤电厂1000MW电站机组实际运行数据进行仿真实验分析,实验结果如下:1)基于LSTM神经网络的燃烧过程模型的均方根误差为10.4733,而RBF、LSSVM和RNN模型的分别是26.0158、19.7231和15.9249,证明了LSTM模型比传统模型的预测精度更高,稳定性更好;2)基于LSTM神经网络的脱硝过程模型的均方根误差为1.7191,而RBF、LSSVM和RNN模型的分别是3.3199、3.0713和2.1263,证明了LSTM模型比传统模型的预测精度更高,稳定性更好;3)利用本文建立的LSTM-A3C深度强化学习模型,计算燃煤电厂NO_x稳定超低排放协同优化成本控制策略,优化后的电站机组在满足NO_x稳定超低排放标准和SCR脱硝效率保持高效的同时运行成本平均可降低8.07%。