【摘 要】
：
燃煤电站烟气连续监测系统(CEMS)反向吹灰时,烟气NOx质量浓度信号容易失真,从而造成喷氨量不匹配、NOx排放超限等问题.本文考虑选择性催化还原(SCR)烟气脱硝系统的时延特性,采用差分联合互信息(DJMI)方法确定影响SCR反应器出口NOx质量浓度的辅助变量时延和动态模型输入的历史数据长度,提出了一种基于门控循环单元(GRU)神经网络的DJMI-GRU动态软测量方法.利用某660MW机组历史数据对软测量模型进行验证,并与普通循环神经网络(RNN)模型进行比较.结果表明:与RNN模型相比,GRU神经网络
【机 构】
：
东南大学能源热转换及其过程测控教育部重点实验室,江苏 南京 210096;西安热工研究院有限公司,陕西 西安 710054
论文部分内容阅读
燃煤电站烟气连续监测系统(CEMS)反向吹灰时,烟气NOx质量浓度信号容易失真,从而造成喷氨量不匹配、NOx排放超限等问题.本文考虑选择性催化还原(SCR)烟气脱硝系统的时延特性,采用差分联合互信息(DJMI)方法确定影响SCR反应器出口NOx质量浓度的辅助变量时延和动态模型输入的历史数据长度,提出了一种基于门控循环单元(GRU)神经网络的DJMI-GRU动态软测量方法.利用某660MW机组历史数据对软测量模型进行验证,并与普通循环神经网络(RNN)模型进行比较.结果表明:与RNN模型相比,GRU神经网络结构具有遗忘更新机制,利用全工况数据训练时具有较好的泛化能力;采用DJMI方法估计时延信息并重构输入数据集能有效去除DJMI-GRU模型输入中的冗余信息,更好地表现脱硝过程的动态特性并加速模型训练;使用局部工况数据进行模型训练时计算量小且能取得更高的拟合精度,能在CEMS反向吹灰时为喷氨优化、NOx排放监测提供指导.
其他文献
超临界流体的比定压热容数据的准确测量对于众多科学研究和工程应用至关重要.基于流动型量热法建立了一套适用于测量温度在25.00～80.00℃、压力0.10～12.00 MPa的比定压热容在线测量实验系统,其测量的扩展相对不确定度为1.66％～2.46％(置信因子k=2).在使用纯水(工况压力为7.00～12.00 MPa,温度25.00～60.00℃)、环己烷(工况压力为2.00～6.00 MPa,温度30.00～80.00℃)和 CO2(工况压力为6.70～12.00 MPa,温度25.00～70.00℃
为了研究室内热环境与人员的供暖行为,以长沙市某办公建筑为例,对该办公建筑室内外热湿环境与供暖系统能耗进行了连续监测.根据室内温度、相对湿度与供暖设备能耗数据,分析了室内人员供暖行为以及室内热环境频率特性,并采用逻辑回归方法构建室内供暖设备开启率预测模型.结果表明:该办公建筑冬季室内平均温度为20.1℃,平均相对湿度为43.6％;室内供暖设备开启时刻室内温度均值为13.6℃,关闭时刻室内温度为22.8℃(人员热偏好行为作用下);根据所构建的室内供暖设备开启率预测模型(sig=0.000),得出当室外温度为1
为了探究传统轴向分流和新型环形空腔两种出口导流形式对一型进汽结构变流量工况下气动性能的影响,采用全三维数值模拟的方法对分别带有两种出口导流形式的进汽结构进行研究,并通过分析出口气动参数变化规律,获得二者的变流量性能特性.结果表明:二者在流动损失方面无明显差别,但带有环形空腔出口导流形式的进汽结构在出口气流角均匀度和马赫数均匀度上性能突出,其气流角和马赫数在出口的分布规律也更接近压力级的实际来流情况,为压力级高效、安全运行提供保障.
介绍了新一代国产工控系统华能睿渥分散控制系统(HNICS-T316)组态设计与调试软件的架构设计及技术实现.该软件针对全国产软硬件平台开发,采用基于组态设计流程的分层式组件架构,以消息总线技术为基础,提出了基于数据驱动的模块化组件集成方案,设计了组件式数据管理系统和增量式刷新的模型/视图的图形系统,实现了内存数据到操作界面的快速刷新,降低了模块之间的耦合性和程序的复杂度,实现了跨平台软件的快速并行开发,提高了组态软件的可维护性、可扩展性和可移植性.基于以上架构,设计了基于控制器锁存机制的组态数据系统架构和
工业数据中间件是全国产厂级监控信息系统(SIS)的基础软件平台之一,基于国产软硬件设备、完全自主可控的高性能工业数据中间件是保障我国电力生产信息安全的中坚力量.在分析常用中间件技术的基础上,对西安热工研究院有限公司研发的全国产睿通工业数据中间件进行详细介绍,重点介绍了其设计思路、系统架构和部分关键技术的实现.睿通工业数据中间件广泛支持多种操作系统和硬件平台,基于插件机制的数据库驱动能实现标准化数据访问,多种测点标签路由策略及托管进程池可实现超大规模高速高性能数据访问.全国产睿通工业数据中间件已在华能集团全
锅炉燃烧系统是一个典型变量多、耦合性强、大滞后、多输入/多输出的动态系统,构建符合实际工况的燃烧系统模型十分困难.本文提出一种新的基于双向门限循环单元(Bi-GRU)的锅炉燃烧系统建模方法,建立了变负荷(低、中、高负荷)工况下燃烧系统训练模型.同时,采用梯度提升决策树(GBDT)降低输入特征矩阵维数.GBDT模型可以在不同的负荷与输出下评估输入特征的权重,能在保留特征原有物理意义的基础上识别出权重比例最大的特征.基于GBDT的特征选择模型既能降低原始输入维数,又可以为后续燃烧控制策略提供理论指导.实际运行
针对可再生能源并网后,大型循环流化床(CFB)机组在超低负荷下实现NOx超低排放的需求,利用BP神经网络算法构建了NOx排放质量浓度预测模型,并采用遗传算法优化了BP神经网络的权值和阈值.综合考虑机组负荷、给煤量、一次风量、二次风量、床层温度、旋风分离器入口温度、锅炉省煤器出口氧体积分数、尿素溶液母管流量和炉膛床层平均压力9个运行参数对350MW机组CFB锅炉NOx排放质量浓度的影响行为,获得了机组100MW超低负荷下的主要优化参数,即质量百分浓度为20％的尿素溶液流量为0.5m3/h,总一次风量和总二次
针对电厂机组运行管理过程中人工调控运行参数耗时费力、效率低、准确率低等问题,设计了一种基于数据挖掘的电厂机组运行优化调控系统.首先,采用数据挖掘算法对机组历史和实时运行数据进行参数的整合和相关性分析,得到影响机组运行的关键参数,作为机组健康状态评估的指标.然后,利用长短时记忆(LSTM)神经网络模型对机组健康状态特征模块中确定的特征值进行训练,预测参数随时间的变化趋势,实现机组智能调控.最后,开发了一套燃气蒸汽联合循环发电机组运行调控系统,并应用于浙江某电厂.运行结果表明:该系统可指导机组运行优化,提高机
为避免锅炉燃烧系统智能算法建模中特征变量维度过大造成的模型复杂以及过拟合问题,基于PCA提取主成分,利用PSO算法优化模型参数,建立了PCA-PSO-LSSVM锅炉效率预测模型.研究结果表明:PCA-PSO-LSSVM模型的预测精度更高,泛化能力更强,其中误差最大的锅炉效率模型测试集数据的平均相对误差仅0.00249％,均方误差为0.00451;未经过PCA提取主成分的PSO-LSSVM模型测试集的平均相对误差为-0.03490％,均方误差为0.01927;LSSVM模型测试集的平均相对误差为0.28％,
针对燃煤电厂脱硫系统出口So2质量浓度难以稳定控制的问题,提出了一种基于改进粒子群算法(IPSO)优化长短时记忆(LSTM)神经网络的IPSO-LSTM预测模型.首先利用主成分分析(PCA)计算各个变量的贡献率从而筛选出模型的辅助变量,实现辅助变量的降维.其次,利用改进粒子群算法确定LSTM神经网络的神经元数量、学习率和迭代次数.最后,将选定的辅助变量作为IPSO-LSTM预测模型的输入,预测出口SO2质量浓度,采用国内某电厂2×600MW机组脱硫数据进行仿真,并与相关11种模型进行对比.仿真结果表明,本