【摘要】：近年來,我國經(jīng)濟(jì)快速發(fā)展,電力能源的需求量在不斷提升,而燃煤發(fā)電帶來的環(huán)境污染問題也日益嚴(yán)峻,其中氮氧化物(NOx)是人們最關(guān)心的污染物之一。雖然目前的選擇性催化還原(Selective Catalytic Reduction,SCR)控制系統(tǒng)可以取得一定的效果,但是由于電廠機(jī)組工況改變越來越頻繁,當(dāng)前控制系統(tǒng)的穩(wěn)定性和經(jīng)濟(jì)性上仍有優(yōu)化改進(jìn)空間。為了配合國家的環(huán)境保護(hù)政策,提高燃煤電站SCR系統(tǒng)的控制效果,本文利用火力發(fā)電站中實(shí)際運(yùn)行數(shù)據(jù),對SCR系統(tǒng)進(jìn)行數(shù)據(jù)建模,并以此為基礎(chǔ)提出噴氨量模型預(yù)測控制策略,在保證NOx排放合格的同時提高了系統(tǒng)的穩(wěn)定性,同時針對煙氣中NOx濃度分布不均勻的問題開發(fā)出一種分閥控制系統(tǒng),有效解決了出口NOx濃度分布不均勻的問題,提高了SCR系統(tǒng)的運(yùn)行效率。以SCR系統(tǒng)脫硝機(jī)理和實(shí)際運(yùn)行特點(diǎn)為前提,建立了SCR系統(tǒng)的數(shù)據(jù)模型,包括改進(jìn)的BP(Back Propagation,BP)神經(jīng)網(wǎng)絡(luò)模型和長短時記憶(Long Short-Term Memory,LSTM)神經(jīng)網(wǎng)絡(luò)模型,利用燃煤電站實(shí)際運(yùn)行數(shù)據(jù)作為測試集對兩個模型進(jìn)行了預(yù)測精度的對比。針對目前的SCR噴氨控制策略的不足之處,結(jié)合LSTM神經(jīng)網(wǎng)絡(luò)模型搭建了SCR系統(tǒng)的模型預(yù)測控制器,為驗(yàn)證其控制效果,利用電廠實(shí)際運(yùn)行數(shù)據(jù)對控制效果進(jìn)行了仿真驗(yàn)證,對仿真結(jié)果進(jìn)行分析后發(fā)現(xiàn),預(yù)測控制相比傳統(tǒng)控制方式具有更優(yōu)的控制效果,噴氨量調(diào)節(jié)更迅速,出口NOx濃度波動明顯減小。從燃煤電站SCR脫硝系統(tǒng)實(shí)際運(yùn)行角度出發(fā),開發(fā)了燃煤電站SCR精細(xì)化噴氨控制系統(tǒng),其中包括基于模型預(yù)測控制的噴氨主閥控制系統(tǒng)和基于出口NOx濃度的噴氨分閥控制系統(tǒng),通過將該系統(tǒng)應(yīng)用于某燃煤電廠,以驗(yàn)證其實(shí)際控制效果,并與電廠原控制系統(tǒng)進(jìn)行對比分析,結(jié)果表明該系統(tǒng)控制效果明顯優(yōu)于原系統(tǒng),變負(fù)荷下的出口NOx濃度波動問題明顯改善,SCR系統(tǒng)出口處NOx濃度標(biāo)準(zhǔn)偏差由21.7mg/Nm~3,降低到5mg/Nm~3以內(nèi),系統(tǒng)穩(wěn)定性和脫硝效率也有較大提升。
【圖文】：

1.1 選題的背景與意義1.1.1 選題的背景近年來，我國經(jīng)濟(jì)進(jìn)入高速增長階段，各行各業(yè)的發(fā)展都實(shí)現(xiàn)了巨大的飛躍，由此也帶來了能源消耗量的增加。圖 1.1 為我國 2010 年至 2017 年煤炭消耗量和燃煤發(fā)電量的變化，雖然我國近年來大力發(fā)展了風(fēng)能、太陽能以及地?zé)崮艿惹鍧嵞茉�，但是煤炭的使用量仍十分巨大，�?2017 年的統(tǒng)計(jì)數(shù)據(jù)來看，我國煤炭消耗量占世界的 50%以上[1]。燃煤發(fā)電是我國煤炭利用的主要方式，2018 年我國火力發(fā)電量為 49231 億千瓦時[2]，占發(fā)電總量的 70.4%，其余發(fā)電方式為水電、核電以及其他能源發(fā)電，圖 1.1 中的柱形圖展示了我國燃煤發(fā)電量在世界范圍內(nèi)的比重，目前以煤炭為主的一次能源仍占據(jù)我國能源消耗的主要地位，由于目前我國煤炭儲備量還較為充足，因此在未來一段時間內(nèi)，煤炭在我國電力能源消耗領(lǐng)域的主導(dǎo)地位不會改變。

是通過模擬生物神經(jīng)系統(tǒng)并簡化和抽象的一種學(xué)習(xí)算法，最m James 對人腦結(jié)構(gòu)和大腦信息處理過程的研究，之后由學(xué)P 模型，并證明了任何的邏輯表達(dá)式都可以通過神經(jīng)元模型第一個真正意義上的神經(jīng)網(wǎng)絡(luò)，稱為“感知機(jī)”。神經(jīng)網(wǎng)絡(luò)含有一個特定的輸出函數(shù)成為激活函數(shù)，激活函數(shù)的不同直問題類型，信息通過神經(jīng)元之間的連接權(quán)值進(jìn)行傳遞，連接絡(luò)的功能。網(wǎng)絡(luò)具有一些固定特性：（1）通過使用非線性的激活函數(shù)可的映射能力，可以找出輸入和輸出之間的非線性關(guān)系；（2）機(jī)理建模速度更快；（3）人工神經(jīng)網(wǎng)絡(luò)中如果某個神經(jīng)元失較好的健壯性；（4）人工神經(jīng)網(wǎng)絡(luò)有較強(qiáng)的學(xué)習(xí)功能，，一旦置等參數(shù)可以通過學(xué)習(xí)求得。
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：X773

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 俞利濤;魏燦;朱永治;臧建波;;模型預(yù)測控制技術(shù)在水泥制造中的應(yīng)用[J];水泥技術(shù);2019年02期

2 張聚;胡標(biāo)標(biāo);謝作樟;龔俊強(qiáng);;顯式模型預(yù)測控制的可達(dá)分區(qū)點(diǎn)定位算法[J];系統(tǒng)科學(xué)與數(shù)學(xué);2016年10期

3 胡童亮;;模型預(yù)測控制技術(shù)在碳酸二甲酯生產(chǎn)中的應(yīng)用[J];浙江化工;2015年12期

4 趙婷婷;程奇峰;王志豐;;改進(jìn)粒子群算法優(yōu)化的非線性模型預(yù)測控制[J];遼寧工程技術(shù)大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年04期

5 張聚;丁靖;;倒立擺系統(tǒng)顯式模型預(yù)測控制[J];控制工程;2010年04期

6 王獻(xiàn)忠,杜維;模型預(yù)測控制發(fā)展概況[J];自動化與儀器儀表;1999年04期

7 ;“交流電機(jī)模型預(yù)測控制”專題征稿啟事[J];電工技術(shù)學(xué)報(bào);2019年S2期

8 李超;趙行晟;王曉俊;周杏鵬;;基于擾動觀測器和模型預(yù)測控制的降膜蒸發(fā)器控制器設(shè)計(jì)[J];工業(yè)控制計(jì)算機(jī);2016年03期

9 ;交流電機(jī)模型預(yù)測控制專題征稿啟事[J];電工技術(shù)學(xué)報(bào);2020年01期

10 朱芮;吳迪;陳繼峰;胡家全;華國武;;電機(jī)系統(tǒng)模型預(yù)測控制研究綜述[J];電機(jī)與控制應(yīng)用;2019年08期

相關(guān)會議論文 前10條

1 羅秋濱;韓志剛;朱宏;;非線性系統(tǒng)的無模型預(yù)測控制方法[A];2009中國控制與決策會議論文集（1）[C];2009年

2 周明;周堅(jiān)剛;余達(dá)太;;鋼鐵企業(yè)模型預(yù)測控制技術(shù)綜述[A];冶金軋制過程自動化技術(shù)交流會論文集[C];2005年

3 楊世忠;婁新生;Carl Neuschaefer;Robert Schrecengost;;多模型預(yù)測控制及其在超臨界鍋爐性能優(yōu)化中的應(yīng)用[A];中國動力工程學(xué)會鍋爐專業(yè)委員會2012年學(xué)術(shù)研討會論文集[C];2012年

4 張聚;張海華;;時延網(wǎng)絡(luò)控制系統(tǒng)的顯式模型預(yù)測控制[A];Proceedings of the 2011 Chinese Control and Decision Conference（CCDC）[C];2011年

5 張聚;程鑫滟;;三自由度直升機(jī)的顯式模型預(yù)測控制[A];第26屆中國控制與決策會議論文集[C];2014年

6 李曉娟;韓寶明;李得偉;郭然;;模型預(yù)測控制方法在高速列車運(yùn)行延誤控制中的應(yīng)用[A];第十二屆人-機(jī)-環(huán)境系統(tǒng)工程大會論文集[C];2012年

7 周洪亮;劉志遠(yuǎn);;基于模型預(yù)測控制的車輛橫擺穩(wěn)定控制器設(shè)計(jì)[A];第二十七屆中國控制會議論文集[C];2008年

8 吳鵬程;文浩;陳提;金棟平;;基于非線性模型預(yù)測控制的大型空間結(jié)構(gòu)姿態(tài)機(jī)動[A];第二屆可展開空間結(jié)構(gòu)學(xué)術(shù)會議摘要集[C];2016年

9 李子睿;潘博;田漢青;倪俊;龔建偉;;基于模型預(yù)測控制的無人駕駛方程式控制器設(shè)計(jì):大學(xué)生無人方程式大賽[A];2018中國汽車工程學(xué)會年會論文集[C];2018年

10 苗浩潔;王曦;;某型渦噴發(fā)動機(jī)模型預(yù)測控制研究[A];中國航天第三專業(yè)信息網(wǎng)第三十九屆技術(shù)交流會暨第三屆空天動力聯(lián)合會議論文集——S10發(fā)動機(jī)控制技術(shù)[C];2018年

相關(guān)重要報(bào)紙文章 前1條

1 孫長生;國內(nèi)熱工自動調(diào)節(jié)優(yōu)化系統(tǒng)應(yīng)用的主要廠家評析[N];中國電力報(bào);2012年

相關(guān)博士學(xué)位論文 前10條

1 修曉杰;顯式模型預(yù)測控制中點(diǎn)定位算法研究[D];浙江工業(yè)大學(xué);2019年

2 崔靖涵;穩(wěn)定經(jīng)濟(jì)模型預(yù)測控制及其在電力生產(chǎn)過程中的應(yīng)用研究[D];華北電力大學(xué)(北京);2019年

3 陳卓易;預(yù)測誤差驅(qū)動的永磁同步電機(jī)有限集模型預(yù)測控制[D];浙江大學(xué);2018年

4 周湛清;永磁同步電機(jī)系統(tǒng)模型預(yù)測控制[D];天津大學(xué);2017年

5 李志軍;約束模型預(yù)測控制的穩(wěn)定性與魯棒性研究[D];華北電力大學(xué)（北京）;2005年

6 蘇成利;非線性模型預(yù)測控制的若干問題研究[D];浙江大學(xué);2006年

7 包哲靜;支持向量機(jī)在智能建模和模型預(yù)測控制中的應(yīng)用[D];浙江大學(xué);2007年

8 田翔;模型預(yù)測控制并行計(jì)算系統(tǒng)研究[D];浙江大學(xué);2007年

9 張浪文;網(wǎng)絡(luò)信息模式下分布式協(xié)調(diào)模型預(yù)測控制研究[D];上海交通大學(xué);2015年

10 孔小兵;非線性模型預(yù)測控制及其在發(fā)電過程控制中的應(yīng)用[D];華北電力大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 韓嘉豪;基于預(yù)測控制的爐-機(jī)-網(wǎng)協(xié)調(diào)控制方法研究[D];哈爾濱工業(yè)大學(xué);2019年

2 賀登博;基于預(yù)測控制理論的車輛魯棒穩(wěn)定性控制器設(shè)計(jì)[D];上海交通大學(xué);2016年

3 林欣魄;基于模型預(yù)測控制的寬范圍可調(diào)脈沖電流源的研究[D];哈爾濱工業(yè)大學(xué);2019年

4 陳經(jīng)國;基于模型預(yù)測控制的有源前端變換器研究[D];廣東工業(yè)大學(xué);2019年

5 朱磊;汽車偏離預(yù)警及車道保持算法研究[D];哈爾濱工業(yè)大學(xué);2018年

6 張濤;二元物系聚合過程最優(yōu)與經(jīng)濟(jì)模型預(yù)測控制[D];大連理工大學(xué);2019年

7 盛明鋼;基于模型預(yù)測控制的永磁同步電機(jī)電流環(huán)控制研究[D];華中科技大學(xué);2019年

8 曹楠;燃煤電站SCR精細(xì)化噴氨控制技術(shù)研究與應(yīng)用[D];華中科技大學(xué);2019年

9 郭志強(qiáng);基于敏感性的約束最優(yōu)控制及非線性模型預(yù)測控制高效求解算法[D];合肥工業(yè)大學(xué);2019年

10 朱數(shù)一;高精度精密編隊(duì)控制技術(shù)研究[D];上海交通大學(xué);2018年

本文編號：2598491