论文部分内容阅读
火电是我国主要的发电形式,火电机组锅炉燃烧产生的NOx排放会造成环境污染。要达到日益严格的环保指标,同时又兼顾电厂效益,精准的脱硝控制是关键。目前火电机组广泛采用SCR脱硝,系统需要通过测量NOx浓度值进行相应的喷氨脱硝控制,由于电站采用的烟气在线测量装置对NOx浓度的测量存在迟延,导致SCR脱硝系统不能及时准确地进行脱硝控制。所以,实现对电站脱硝系统NOx浓度的准确、实时测量至关重要。本文以电站脱硝系统入口和出口的NOx排放量为研究对象,针对NOx检测分析仪测量所存在的延迟问题,建立NOx浓度软测量模型,以实现对NOx排放量准确且快速的测量。首先,对SCR脱硝过程以及炉膛产生NOx的原理进行分析,得出影响SCR脱硝反应器入口和出口NOx浓度的影响因素;然后,将现场数据进行预处理后利用改进后的互信息算法筛选最优辅助变量,综合考虑辅助变量与主导变量之间的最大相关性以及辅助变量之间的最小冗余性,将筛选后的变量作为NOx软测量模型的输入变量。采用迟延时间Ts后的SCR脱硝反应器的入口NOx浓度和出口NOx浓度分别作为入口和出口处软测量模型的输出变量。最后,通过PSO算法优化ELM的输入权值、隐含层偏置以及SVM的惩罚因子和核函数参数,分别建立了基于PSO-ELM和PSO-SVM的SCR脱硝反应器入口和出口处NOx质量浓度的软测量模型。研究结果表明,PSO-ELM和PSO-SVM模型都可以实现对NOx较为准确的预测。通过数据预处理以及MMIFS筛选最优辅助变量,可以有效降低模型复杂度、提升模型的泛化能力。使用PSO优化后的ELM,SVM软测量模型预测精度更高,同时,PSO-ELM模型速度更快准确度更高,也能够适用较大容量的数据样本,总体性能表现更优。