神经网络预测控制在SCR烟气脱硝系统中应用
来源期刊：东北大学学报(自然科学版)2017年第6期
论文作者：孟范伟 徐博 吕晓永 刘胤圻
文章页码：778 - 782
关键词：选择性催化还原;神经网络;预测控制;非线性自回归算法;模型辨识;
摘 要：以自某热电厂350 MW燃煤机组的选择性催化还原(SCR)反应系统所采集的数据为依托,使用神经网络预测控制方法,研究电厂尾气中氮氧化物排放的预测及控制问题.利用神经网络的方法进行模型辨识,利用预测控制的思想对喷氨量进行控制,既可使尾气达到限排标准,亦能减少用氨量,提升经济效益的同时减少氨逃逸.采用最速梯度方法进行控制器的优化,并通过性能函数来约束控制量,达到预期输出.最后将仿真结果与现场所测数据进行对比,结果表明神经网络预测控制方案可以较准确地预测出未来有限时刻所需的喷氨量.
孟范伟1，徐博2，吕晓永1，刘胤圻1
1. 东北大学秦皇岛分校控制工程学院2. 吉林省电力科学研究院有限公司
摘 要：以自某热电厂350 MW燃煤机组的选择性催化还原(SCR)反应系统所采集的数据为依托,使用神经网络预测控制方法,研究电厂尾气中氮氧化物排放的预测及控制问题.利用神经网络的方法进行模型辨识,利用预测控制的思想对喷氨量进行控制,既可使尾气达到限排标准,亦能减少用氨量,提升经济效益的同时减少氨逃逸.采用最速梯度方法进行控制器的优化,并通过性能函数来约束控制量,达到预期输出.最后将仿真结果与现场所测数据进行对比,结果表明神经网络预测控制方案可以较准确地预测出未来有限时刻所需的喷氨量.
关键词：选择性催化还原;神经网络;预测控制;非线性自回归算法;模型辨识;
