论文部分内容阅读
燃煤电厂排放的氮氧化物是大气主要污染物之一，选择性催化还原脱硝技术（SCR）因为其技术成熟、脱硝效率高而被广泛应用。SCR脱硝系统具有非线性的特征，并且同时控制NOx排放浓度和氨逃逸率难度大，机理建模存在较大的局限性。
对于以上问题，本文基于国内某2×1000MW燃煤机组历史运行数据，主要采用智能算法对燃煤电厂 SCR 脱硝系统进行建模与多目标优化，以达到控制出口NOx和NH3浓度的目的。
主要研究内容包括：
（1）在分析处理和变量选择的数据基础上，利用BP神经网络建立SCR反应器出口 NOx 和 NH3浓度预测模型。针对其收敛速度慢、预测精度低等缺陷，基于改进的自适应遗传算法优化BP神经网络的权值、阈值。运用Matlab软件实验，对比发现优化后的模型较未优化的准确度更高。
（2）基于相同的数据样本通过改进的萤火虫算法优化支持向量机模型，分别实现对 NOx 和 NH3的预测。研究结果表明，相比于萤火虫优化支持向量机，遗传算法优化BP神经网络模型具有更高的预测精度，泛化能力更强。利用滑动窗口法实现了模型的自适应更新，扩大了其应用范围，使模型适用于不同机组，具有工程实用价值。
（3）在遗传算法优化 BP 神经网络预测模型的基础上，引入改进的混沌粒子群算法构建 SCR 脱硝系统优化模型。通过不断优化喷氨量等参数，实现了对SCR脱硝系统NOx排放量和氨逃逸率多目标的同时控制。该优化模型相比于传统调节方法能更有效降低污染物排放，对电厂脱硝系统的优化运行具有指导作用。
（4）基于Matlab GUI建立了SCR脱硝系统预测与优化平台，软件提供面向用户的操作界面，增强模型的实用性与可操作性。
对于以上问题，本文基于国内某2×1000MW燃煤机组历史运行数据，主要采用智能算法对燃煤电厂 SCR 脱硝系统进行建模与多目标优化，以达到控制出口NOx和NH3浓度的目的。
主要研究内容包括：
（1）在分析处理和变量选择的数据基础上，利用BP神经网络建立SCR反应器出口 NOx 和 NH3浓度预测模型。针对其收敛速度慢、预测精度低等缺陷，基于改进的自适应遗传算法优化BP神经网络的权值、阈值。运用Matlab软件实验，对比发现优化后的模型较未优化的准确度更高。
（2）基于相同的数据样本通过改进的萤火虫算法优化支持向量机模型，分别实现对 NOx 和 NH3的预测。研究结果表明，相比于萤火虫优化支持向量机，遗传算法优化BP神经网络模型具有更高的预测精度，泛化能力更强。利用滑动窗口法实现了模型的自适应更新，扩大了其应用范围，使模型适用于不同机组，具有工程实用价值。
（3）在遗传算法优化 BP 神经网络预测模型的基础上，引入改进的混沌粒子群算法构建 SCR 脱硝系统优化模型。通过不断优化喷氨量等参数，实现了对SCR脱硝系统NOx排放量和氨逃逸率多目标的同时控制。该优化模型相比于传统调节方法能更有效降低污染物排放，对电厂脱硝系统的优化运行具有指导作用。
（4）基于Matlab GUI建立了SCR脱硝系统预测与优化平台，软件提供面向用户的操作界面，增强模型的实用性与可操作性。