氨煤混合燃燒系統的控制參數確定方法及相關裝置、系統與流程

本技術涉及氨煤混合燃燒系統，尤其涉及一種氨煤混合燃燒系統的控制參數確定方法及相關裝置、系統。

背景技術：

1、氨煤混合燃燒是一種將氨（nh3）與煤粉混合，以部分替代傳統煤粉燃燒的燃料供給方式。

2、氨作為燃料在燃燒過程中不完全分解或氧化，會導致未反應的氨從煙氣中排放，稱為氨逃逸。氨逃逸的問題會對污染物排放有影響，例如：氨在煙氣中容易與nox反應生成銨鹽顆粒物，造成顆粒物排放，還會影響脫硝裝置（如選擇性催化還原反應器scr）的反應效率，并導致下游設備的腐蝕。

技術實現思路

1、鑒于上述問題，本技術提供了一種氨煤混合燃燒系統的控制參數確定方法及相關裝置、系統，以實現快速且準確的確定氨煤混合燃燒系統的控制參數，減少氮氧化物及氨氣的排放的目的。具體方案如下：

2、本技術第一方面提供一種氨煤混合燃燒系統的控制參數確定方法，包括：

3、采集氨煤混合燃燒系統在當前過量空氣系數下的多組參數值，每組參數值均至少包括：當前過量空氣系數、氨氣輸入流量、空氣輸入流量、氮氧化物含量的實際值及氨氣剩余量的實際值；

4、利用氨煤混合燃燒的機理模型對所述氨氣輸入流量和空氣輸入流量進行處理，獲得氮氧化物含量的預測值及氨氣剩余量的預測值；

5、基于所述氮氧化物含量的實際值、所述氨氣剩余量的實際值、所述氮氧化物含量的預測值及所述氨氣剩余量的預測值，確定所述氨煤混合燃燒系統在當前過量空氣系數下的所述氮氧化物含量的范圍和氨氣剩余量的范圍；

6、利用所述氮氧化物含量的范圍、所述氨氣剩余量的范圍以及每組參數值中的所述氨氣輸入流量、所述當前過量空氣系數、所述空氣輸入流量對神經網絡模型進行訓練，獲得訓練后的神經網絡模型確定的最佳過量空氣系數；

7、根據所述最佳過量空氣系數計算獲得與所述最佳過量空氣系數對應的目標氨氣輸入流量和目標空氣輸入流量；

8、至少將所述目標氨氣輸入流量和所述目標空氣輸入流量確定為氨煤混合燃燒系統的控制參數。

9、在一種可能的實現中，所述神經網絡模型的輸入包括：氨氣輸入流量、空氣輸入流量和過量空氣系數，所述神經網絡模型的輸出包括：氮氧化物含量和氨氣剩余量，

10、所述利用所述氮氧化物含量的范圍、所述氨氣剩余量的范圍以及每組參數值中的所述氨氣輸入流量、所述當前過量空氣系數、所述空氣輸入流量對神經網絡模型進行訓練，獲得訓練后的神經網絡模型確定的最佳過量空氣系數，包括：

11、將所述氮氧化物含量的實際值和所述氮氧化物含量的預測值中的最小值確定為第一參比值，將所述氨氣剩余量的實際值和所述氨氣剩余量的預測值中的最小值確定為第二參比值；

12、利用所述第一參比值、所述第二參比值、所述氮氧化物含量的范圍、所述氨氣剩余量的范圍以及每組參數值中的所述氨氣輸入流量、所述當前過量空氣系數、所述空氣輸入流量對神經網絡模型進行訓練，在所述神經網絡模型連續n次輸出的氮氧化物含量均低于所述第一參比值且所述神經網絡模型連續n次輸出的氨氣剩余量均低于所述第二參比值的情況下，結束對神經網絡模型進行訓練，獲得訓練后的神經網絡模型，基于訓練后的神經網絡模型確定最佳過量空氣系數。

13、在一種可能的實現中，所述基于訓練后的神經網絡模型確定最佳過量空氣系數，包括：

14、確定訓練后的神經網絡模型輸入不同的過量空氣系數時輸出的氮氧化物含量以及氨氣剩余量；

15、基于預設的計算方式對訓練后的神經網絡模型輸出的氮氧化物含量以及氨氣剩余量進行計算，獲得排放綜合評價值；

16、將取值最小的排放綜合評價值對應的過量空氣系數確定為最佳過量空氣系數。

17、在一種可能的實現中，還包括：

18、通過所述控制參數控制氨煤混合燃燒系統的氨氣輸入流量和空氣輸入流量，將所述最佳過量空氣系數確定為當前過量空氣系數，返回執行所述采集氨煤混合燃燒系統在當前過量空氣系數下的多組參數值的步驟。

19、在一種可能的實現中，所述氨煤混合燃燒系統的鍋爐中具有主燃區、再燃區和燃盡區，

20、所述氨氣輸入流量包括：主燃區氨氣輸入流量、再燃區氨氣輸入流量和燃盡區氨氣輸入流量；

21、所述空氣輸入流量包括：主燃區空氣輸入流量、再燃區空氣輸入流量和燃盡區空氣輸入流量；

22、所述目標氨氣輸入流量包括：主燃區目標氨氣輸入流量、再燃區目標氨氣輸入流量和燃盡區目標氨氣輸入流量；

23、所述目標空氣輸入流量包括：主燃區目標空氣輸入流量、再燃區目標空氣輸入流量和燃盡區目標空氣輸入流量。

24、本技術第二方面提供一種氨煤混合燃燒系統的控制參數確定裝置，包括：

25、采集單元，用于采集氨煤混合燃燒系統在當前過量空氣系數下的多組參數值，每組參數值均至少包括：當前過量空氣系數、氨氣輸入流量、空氣輸入流量、氮氧化物含量的實際值及氨氣剩余量的實際值；

26、機理模型單元，用于利用氨煤混合燃燒的機理模型對所述氨氣輸入流量和空氣輸入流量進行處理，獲得氮氧化物含量的預測值及氨氣剩余量的預測值；

27、范圍確定單元，用于基于所述氮氧化物含量的實際值、所述氨氣剩余量的實際值、所述氮氧化物含量的預測值及所述氨氣剩余量的預測值，確定所述氨煤混合燃燒系統在當前過量空氣系數下的所述氮氧化物含量的范圍和氨氣剩余量的范圍；

28、模型訓練單元，用于利用所述氮氧化物含量的范圍、所述氨氣剩余量的范圍以及每組參數值中的所述氨氣輸入流量、所述當前過量空氣系數、所述空氣輸入流量對神經網絡模型進行訓練，獲得訓練后的神經網絡模型確定的最佳過量空氣系數；

29、流量確定單元，用于根據所述最佳過量空氣系數計算獲得與所述最佳過量空氣系數對應的目標氨氣輸入流量和目標空氣輸入流量；

30、參數確定單元，用于至少將所述目標氨氣輸入流量和所述目標空氣輸入流量確定為氨煤混合燃燒系統的控制參數。

31、本技術第三方面提供一種氨煤混合燃燒控制系統，包括：氨氣流量計、空氣流量計、煙氣分析儀和控制設備，

32、所述氨氣流量計設置在氨煤混合燃燒系統的氨氣輸送管道上，所述空氣流量計設置在所述氨煤混合燃燒系統的空氣輸送管道上，所述煙氣分析儀設置在所述氨煤混合燃燒系統的煙氣排放管道中，所述控制設備的第一信號輸入端與所述氨氣流量計連接，所述控制設備的第二信號輸入端與所述空氣流量計連接，所述控制設備的第三信號輸入端與所述煙氣分析儀連接，所述控制設備的第一控制信號輸出端與所述氨煤混合燃燒系統的氨氣供應調節設備連接，所述控制設備的第二控制信號輸出端與所述氨煤混合燃燒系統的空氣供應調節設備連接，

33、所述控制設備獲得當前過量空氣系數、所述氨氣流量計采集的氨氣輸入流量、所述空氣流量計采集的空氣輸入流量以及所述煙氣分析儀采集的氮氧化物含量的實際值、氨氣剩余量的實際值；所述控制設備利用氨煤混合燃燒的機理模型對所述氨氣輸入流量和空氣輸入流量進行處理，獲得氮氧化物含量的預測值及氨氣剩余量的預測值；所述控制設備基于所述氮氧化物含量的實際值、所述氨氣剩余量的實際值、所述氮氧化物含量的預測值及所述氨氣剩余量的預測值，確定所述氨煤混合燃燒系統在當前過量空氣系數下的所述氮氧化物含量的范圍和氨氣剩余量的范圍；所述控制設備利用所述氮氧化物含量的范圍、所述氨氣剩余量的范圍以及每組參數值中的所述氨氣輸入流量、所述當前過量空氣系數、所述空氣輸入流量對神經網絡模型進行訓練，獲得訓練后的神經網絡模型確定的最佳過量空氣系數；所述控制設備根據所述最佳過量空氣系數計算獲得與所述最佳過量空氣系數對應的目標氨氣輸入流量和目標空氣輸入流量；所述控制設備至少將所述目標氨氣輸入流量和所述目標空氣輸入流量確定為氨煤混合燃燒系統的控制參數，所述控制設備根據所述目標氨氣輸入流量控制氨氣供應調節設備的工作狀態，所述控制設備根據所述目標空氣輸入流量控制空氣供應調節設備的工作狀態。

34、本技術第四方面提供一種氨煤混合燃燒系統，包括：第三方面的氨煤混合燃燒控制系統，所述氨煤混合燃燒系統還包括：第一氨氣存儲裝置、空氣輸送器、鍋爐和尾氣處理單元，所述第一氨氣存儲裝置通過氨氣輸送管道將氨氣輸送至鍋爐中，所述空氣輸送器通過空氣輸送管道將空氣輸送至鍋爐中，所述煙氣分析儀設置在煙氣排放管道中的尾氣處理單元后方。

35、在一種可能的實現中，所述鍋爐中具有主燃區、再燃區和燃盡區，

36、所述第一氨氣存儲裝置通過第一氨氣輸送管道將氨氣輸送至所述主燃區，所述第一氨氣存儲裝置通過第二氨氣輸送管道將氨氣輸送至所述再燃區，所述第一氨氣存儲裝置通過第三氨氣輸送管道將氨氣輸送至所述燃盡區；

37、所述空氣輸送器通過第一空氣輸送管道將空氣輸送至所述主燃區，所述空氣輸送器通過第二空氣輸送管道將空氣輸送至所述再燃區，所述空氣輸送器通過第三空氣輸送管道將空氣輸送至所述燃盡區。

38、在一種可能的實現中，所述尾氣處理單元包括：第二氨氣存儲裝置、選擇性催化還原反應器和霧化器，所述第二氨氣存儲裝置連接所述霧化器的入口，所述霧化器的出口通過管道連接所述選擇性催化還原反應器。

39、借由上述技術方案，本技術提供的本發明針對氨逃逸過程中由于未能精準控制氨氣噴入量以及配風方式，采集氨氣輸入流量和空氣輸入流量并對氨氣輸入流量和空氣輸入流量進行控制，本技術還對氮氧化物含量及氨氣剩余量進行監測。為保證選擇性催化還原反應器中采取合適的氨氣輸入量，使選擇性催化還原反應器不會造成浪費氨氣及二次氨逃逸；機理模型對氨氣輸入流量和空氣輸入流量進行速算，能快速根據計算出氮氧化物含量的預測值及氨氣剩余量的預測值。通過氮氧化物含量的實際值、氨氣剩余量的實際值、氮氧化物含量的預測值及氨氣剩余量的預測值，本技術可以確定氮氧化物含量的范圍和氨氣剩余量的范圍，這是一個大致范圍。將這兩個范圍輸入神經網絡模型進行訓練，由于數據范圍大大縮小，所以神經網絡模型的運行效率顯著提高，能較快的計算出結果。通過反復訓練，在輸入的氮氧化物含量的范圍和氨氣剩余量的范圍內，神經網絡模型可以找到綜合考慮二者影響的最佳過量空氣系數，進而根據所述最佳過量空氣系數計算獲得與所述最佳過量空氣系數對應的目標氨氣輸入流量和目標空氣輸入流量。

40、多次執行上述過程，本技術可以利用神經網絡模型逐漸迭代出最佳工況，本技術實現了對污染物排放的迅速響應，本技術可以動態調整參數，實時監控氨氣輸入流量、空氣輸入流量以及氮氧化物含量、氨氣剩余量，讓氮氧化物含量、氨氣剩余量排放降到最低值，優化主燃區，再燃區，燃盡區的燃燒組織方式，減少氨氣和氮氧化物排放引起的對環境的二次污染。

41、本發明彌補機理模型預測準確性較差以及神經網絡模型收斂速度較慢的缺陷，利用機理模型計算出大概的范圍，然后利用該范圍控制神經網絡模型的訓練過程，有效提升神經網絡模型的運算速度。