一种脱硫优化控制方法及系统与流程
- 国知局
- 2024-07-31 23:57:40
本技术涉及化工,尤其涉及一种脱硫优化控制方法及系统。
背景技术:
1、脱硫系统是一种用于处理工业排放气体中二氧化硫(so2)的设备系统。主要应用于燃煤发电厂等工业设施,以减少二氧化硫排放对环境造成的污染。随着自动化技术的发展,目前已经涌现出一批基于自动化技术的脱硫控制系统。
2、但是目前的脱硫控制系统存在诸多问题,例如,脱硫控制系统中被控对象的大延迟大滞后现象导致控制指令响应速度较慢,影响系统的控制性能和稳定性;脱硫过程受到多个影响因素的共同影响,包括负荷、煤质、摩尔比、钙硫比、烟气中灰尘含量等,这些因素之间存在耦合关系,增加了控制系统的复杂性和难度;脱硫系统运行数据的动态波动较大,会对控制系统的稳定性和控制品质产生不利影响,导致系统难以实现准确控制和优化运行。针对与上述诸多问题,脱硫控制系统的稳定性和可靠性很难得到保证。
3、因此,如何提高脱硫控制系统的稳定性和可靠性是目前亟待解决的技术问题。
技术实现思路
1、有鉴于此,本技术提供了一种脱硫优化控制方法及系统,旨在提高脱硫控制系统的稳定性和可靠性。
2、第一方面,本技术提供了一种脱硫优化控制方法,所述方法包括:
3、获取脱硫系统的运行数据,确定每个时刻对应的原始工况数据,得到原始工况时序数据;
4、对所述原始工况时序数据进行小波变换得到所述脱硫系统的标准工况数据;
5、通过激励辨识法在所述标准工况数据上的叠加激励信号获取所述脱硫系统的动态模型;
6、通过所述脱硫系统的动态模型进行参数整定,得到所述脱硫系统的最佳控制器参数配置;
7、基于所述脱硫系统的最佳控制器参数配置,采用多种控制策略实现对脱硫系统的优化控制;所述控制策略至少包括预测控制算法、人工智能寻优控制算法、串级控制策略和前馈控制策略中的一种或多种。
8、可选地,所述对所述原始工况时序数据进行小波变换得到所述脱硫系统的标准工况数据,包括:
9、基于正交性、紧支性、对称性、正则性和消失矩选择小波基函数;
10、利用所述小波基函数对所述原始工况时序数据数据进行小波变换得到小波系数;
11、对所述小波系数进行滤波处理并重构得到所述脱硫系统的标准工况数据。
12、可选地,所述小波基函数为多布西小波,所述利用所述小波基函数对所述原始工况时序数据进行小波变换得到小波系数,包括:
13、确定所述多布西小波基函数的层数为n层;
14、基于所述原始工况时序数据进行n层小波分解得到n层的小波系数;所述小波系数包括每层的近似系数和对应的细节系数
15、所述对所述小波系数进行滤波处理并重构得到所述脱硫系统的标准工况数据,包括:
16、对每层的小波系数进行滤波处理,从第一层细节系数对应的小波系数开始,进行逆向迭代重构得到到所述脱硫系统的标准工况数据。
17、可选地,所述通过激励辨识法在所述标准工况数据上的叠加激励信号获取所述脱硫系统的动态模型,包括:
18、选择预设幅度的激励信号并将所述激励信号叠加到标准工况数据中得到叠加激励信号;所述激励信号为广义二进制噪声信号与小幅值白噪声的叠加信号;
19、在所述叠加激励信号的数据上执行激励实验,记录系统在所述叠加激励信号激励下的响应数据;
20、根据所述响应数据和渐进估计方法进行动态模型的辨识和参数估计得到所述脱硫系统的动态模型。
21、可选地,所述根据所述响应数据和渐进估计方法进行动态模型的辨识和参数估计得到所述脱硫系统的动态模型,包括:
22、基于所述响应数据建立初始的高阶动态模型;
23、根据所述高阶动态模型使用预设参数估计方法对模型参数进行估计得到第一参数估计值;所述预设参数估计方法包括最小二乘法和极大似然估计中的一种或多种;
24、基于所述高阶动态模型和低阶动态模型得到第二参数估计值;所述低阶动态模型是根据所述高阶动态模型和所述第一参数估计值降阶得到的;
25、基于所述第二参数估计值和频域渐进准则确定所述低阶动态模型的阶次;
26、基于所述高阶动态模型的阶次和低阶动态模型的阶次分别计算各动态模型对应的误差上界;
27、基于所述各动态模型对应的误差上界得到所述脱硫系统的动态模型。
28、可选地,所述通过所述脱硫系统的动态模型进行参数整定,得到所述脱硫系统的最佳控制器参数配置,包括:
29、预先设置所述脱硫系统的阶跃响应模型参数;
30、基于所述脱硫系统的动态模型和所述阶跃响应模型参数进行阶跃响应仿真;
31、基于所述阶跃响应仿真结果得到所述脱硫系统的最佳控制器参数配置。
32、可选地,所述通过所述脱硫系统的动态模型进行参数整定,得到所述脱硫系统的最佳控制器参数配置前,还包括:
33、基于所述脱硫系统的性能指标的优先级确定所述脱硫系统的参数、参数对应的参数初始值和参数整定方法;所述脱硫系统的性能指标至少包括脱硫效率、脱硫能耗、浆液ph值和响应速度中的一种或多种;所述参数整定方法包括试误法、模型调节法和优化算法中的一种或多种。
34、可选地,所述通过所述脱硫系统的动态模型进行参数整定,得到所述脱硫系统的最佳控制器参数配置后,还包括:
35、获取所述脱硫系统的实时工况数据对整定后的系统进行验证得到验证结果;
36、基于所述验证结果对所述脱硫系统的最佳控制器参数进行调整。
37、可选地,所述采用多种控制策略实现对脱硫系统的优化控制,包括:
38、获取所述脱硫系统的实时工况数据;所述实时工况数据至少包括实时负荷、实时风量和脱硫系统入口的实时二氧化硫浓度;
39、基于所述脱硫系统的实时负荷、风量和脱硫系统入口的二氧化硫浓度利用所述预测控制算法确定所述脱硫系统出口的预测二氧化硫浓度;所述预测控制算法是根据所述脱硫系统的历史负荷、历史风量、脱硫系统入口的历史二氧化硫浓度和对应的脱硫系统出口的历史二氧化硫浓度循环训练得到的;
40、基于所述脱硫系统的实时工况数据利用人工智能寻优控制算法确定所述实时工况数据对应的最佳ph值和浆液循环泵投入量的组合;所述人工智能寻优控制算法是根据历史工况数据训练得到的。
41、可选地,所述脱硫系统包括前馈控制器、主控制器和副控制器,所述采用多种控制策略实现对脱硫系统的优化控制,包括:
42、所述前馈控制器基于所述脱硫系统的实时工况数据利用所述前馈控制策略确定所述脱硫系统的前馈补偿信号;
43、获取所述脱硫系统出口的实时二氧化硫浓度;
44、所述主控制器根据所述脱硫系统出口的实时二氧化硫浓度调节浆液循环泵的投入量;
45、所述副控制器根据所述浆液循环泵的投入量、所述脱硫系统出口的预测二氧化硫浓度、所述实时工况数据对应的最佳ph值和浆液循环泵投入量的组合和所述脱硫系统的前馈补偿信号调节所述浆液循环泵变频器。
46、第二方面,本技术提供了一种脱硫优化控制系统,其特征在于,所述系统包括:
47、数据采集模块,用于获取脱硫系统的运行数据,确定每个时刻对应的原始工况数据,得到原始工况时序数据;
48、数据分析模块,用于对所述原始工况时序数据进行小波变换得到所述脱硫系统的标准工况数据;
49、模型辨识模块,用于通过激励辨识法在所述标准工况数据上的叠加激励信号获取所述脱硫系统的动态模型;通过所述脱硫系统的动态模型进行参数整定,得到所述脱硫系统的最佳控制器参数配置;
50、优化控制模块,用于基于所述脱硫系统的最佳控制器参数配置,采用多种控制策略实现对脱硫系统的优化控制;所述控制策略至少包括预测控制算法、人工智能寻优控制算法、串级控制策略和前馈控制策略中的一种或多种。
51、第三方面,本技术提供了一种控制设备,所述控制设备包括存储器和处理器,所述存储器用于存储指令或代码,所述处理器用于执行所述指令或代码,以使所述设备执行前述第一方面任一实施方式所介绍的脱硫优化控制方法。
52、第四方面,本技术提供了一种计算机存储介质,所述计算机存储介质中存储有代码,当所述代码被运行时,运行所述代码的设备实现前述第一方面任一实施方式所介绍的脱硫优化控制方法。
53、本技术提供了一种脱硫优化控制方法和系统。在执行方法时,先获取脱硫系统的运行数据,确定每个时刻对应的原始工况数据,得到原始工况时序数据,后对原始工况时序数据进行小波变换得到脱硫系统的标准工况数据,然后通过激励辨识法在标准工况数据上的叠加激励信号获取脱硫系统的动态模型并通过脱硫系统的动态模型进行参数整定,得到脱硫系统的最佳控制器参数配置,最后基于脱硫系统的最佳控制器参数配置,采用多种控制策略实现对脱硫系统的优化控制;控制策略至少包括预测控制算法、人工智能寻优控制算法、串级控制策略和前馈控制策略中的一种或多种。这样,通过小波变换、激励辨识确定动态模型和参数整定以及多种控制策略协同控制的方法,克服脱硫控制系统中的诸多问题。如此,可以提高脱硫控制系统的稳定性和可靠性。
本文地址:https://www.jishuxx.com/zhuanli/20240730/199398.html
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。