SCR烟气脱硝系统运行控制策略

燃煤生产过程中产生的硝是近年来越来越严重的环境污染问题之一,对燃煤生产过程中的硝的排放进行控制是当前环境保护研究过程中的重要课题,在燃煤电厂的生产过程中加强SCR烟气脱硝技术的研究,对于环境保护具有十分重要的意义,也有助燃煤电力生产行业的可持续发展。本文对SCR烟气脱硝技术的相关问题进行分析和探讨。     

SCR烟气脱硝系统运行控制策略

燃煤生产过程中产生的硝是近年来越来越严重的环境污染问题之一,对燃煤生产过程中的硝的排放进行控制是当前环境保护研究过程中的重要课题,在燃煤电厂的生产过程中加强SCR烟气脱硝技术的研究,对于环境保护具有十分重要的意义,也有助燃煤电力生产行业的可持续发展。本文对SCR烟气脱硝技术的相关问题进行分析和探讨。     

SCR烟气脱硝系统鲁棒抗干扰控制研究

选择性催化还原(Selective Catalytic Reduction,SCR)技术是目前火电厂广泛采用的烟气脱硝方法,SCR脱硝系统反应过程复杂,具有大惯性、大迟延、强扰动和不确定性等特点,传统的PID控制无法实现喷氨量的精确控制。因此提出了一种SCR脱硝系统的鲁棒抗扰动控制方法,在设计鲁棒PID控制器的基础上,利用鲁棒时滞滤波器来达到抑制系统强干扰的目的。仿真实验表明,鲁棒时滞滤波器的加入改善了系统的动态性能,同时使得系统具有突出的抗干扰能力。该方法结构简单、整定方便、鲁棒性好,值得在工程应用中推广。     

复杂工况下选择性催化还原脱硝系统的迁移强化学习控制

针对复杂工况下选择性催化还原(SCR)系统难以实现精确脱硝控制的问题,本文提出一种基于迁移强化学习的智能控制方法.首先根据机组负荷的变化将整体运行过程划分为不同阶段.然后训练了强化学习控制器以分别学习各个阶段的不同特征,从而实现了变工况下SCR脱硝系统的精确控制.此外,借鉴了迁移学习的思路以应对预料之外的未知工况,避免了因工况未知所造成的不利影响.最后将训练好的控制器用于实际SCR脱硝系统的控制中,实验结果表明所提方法可以有效地控制复杂工况下燃煤机组NOx的排放量,为复杂工况下SCR脱硝系统的智能控制提供了借鉴.     

SCR烟气脱硝系统多模切换DMC-PID串级预测控制

在当前燃煤机组参与深度调峰的背景下,针对SCR烟气脱硝系统的非线性、时变性与大迟延特性,提出一种用于变工况运行的多模切换DMC-PID串级预测控制方法.首先采用系统辨识方法建立不同工况下SCR脱硝系统的局部线性模型;其次依据二次最优控制原理设计各工况点的DMC-PID控制器参数;最后根据机组负荷指令设计切换条件,通过多...     

SCR烟气脱硝装置及自动控制系统的设计及应用

结合济宁运河电厂二期2台330MW机组SCR脱硝工艺改造,介绍SCR工艺的原理、流程、技术特点,设计其自动控制系统。     

烟气脱硝工程的热态调试分析

阐述了选择性催化还原(SCR)脱硝技术的原理和系统组成,并以滇东雨汪能源有限公司滇东第二发电厂2×600mW机组2号烟气脱硝系统为例,阐述了SCR烟气脱硝工程的热态调试过程,分析了调试过程中值得注意的问题,以便为类似的脱硝工程调试提供参考。     

烟气脱硝冷模中Ⅱ型和塔式烟道对比研究

以1000MW机组20:1FMT为例,应用相似模化原理,确立了FMT各参数和实际脱硝反应器各参数的对应关系,然后分析对比了冷模装置中塔式和П型布置的烟道,并给出了各自的技术改进方法。在建设完成可用于实验的冷态模型后,在两个冷态模型上分别进行了第一层模拟催化剂上表面混合气体速度分布测量、示踪气体浓度分布测量和冷态模型压力损失实验,最后进行了数据处理及分析,实验结果的速度分布、浓度分布和压力损失均达到目前的工艺要求,且П型烟道优于塔式烟道。     

基于PSO优化的潜艇深度非线性PID控制

根据潜艇操纵控制过程非线性、慢时变的特点,在潜艇深度垂直面运动方程的基础上设计了一种基于粒子群算法的潜艇深度非线性PID控制器,针对非线性PID控制设计参数较多的问题,将参数设计问题转化为一种优化设计问题,借助粒子群优化算法,以某型潜艇深度控制系统为研究对象,对系统中的非线性PID控制参数进行了优化.仿真结果表明,该控制器不仅能较好地实现深度保持,相对于传统PID控制具有更好的稳态精度,对舵机的损耗也比传统PID控制小.     

基于CPSO-RBF神经网络喷氨量的最优控制

火力发电厂选择性催化还原脱硝控制方法中,由于PID控制算法具有较大的惯性和延迟,喷氨量的控制精度导致烟气出口NOx含量过高,不符合国家环保标准。因此,在分析脱硝喷氨控制影响因素基础上,建立选择性催化还原系统出口NOx的径向基函数神经网络预测模型,采用混沌局部搜索算法确定最大迭代步数,并利用混沌粒子群优化算法（CPSO）求取最优解,以实现喷氨量的最优控制。仿真实验结果表明：与传统的PID控制算法相比,提高了喷氨量的控制精确和脱硫效率,同时降低了氨气的逃逸率。     

基于模拟退火技术的QDPSO算法

提出了一种基于模拟退火技术的量子空间模型粒子群优化(QDPSO)改进算法,利用模拟退火算法(SA)的搜索能力克服QDPSO算法在寻优过程中早熟的缺点,通过标准测试函数进行性能测试,验证了算法的收敛性和快速性,并和标准PSO及QDPSO进行了比较。仿真结果表明,该算法具有更好的稳定性和收敛性,是一种良好的全局优化方法。     

粒子群优化的两种改进策略

粒子群优化方法(particle swarm optimization,PSO)是由Kennedy和Eberhart于1995年提出的,并成功应用于各类优化问题．通过对PSO方法深入分析,把模拟退火和分工两种机制引入到PSO方法中,提出了模拟退火粒子群优化(PSOwSAPSO with simulated annealing)和有分工策略的粒子群优化(PSOwDOWPSO with division of work),两种不同改进方法,详细阐述了这两种方法的主要思想．测试结果表明,这两种改进方法能够克服传统PSO方法中的不足,增强了粒子群的优化能力．     

基于模拟退火机制的多微粒群协同进化算法*

模拟退火和多微粒群协同进化是两种较好的改进微粒群算法性能的方法,将这两种思想有机地结合起来,提出了一种基于模拟退火机制的多微粒群协同进化算法。通过对三个标准函数优化的实验表明,该算法高效、稳定地提高了全局寻优能力。     

一种新的基于粒子群和模拟退火的聚类算法

提出了一种新的基于粒子群和模拟退火的聚类算法。每个粒子作为聚类问题的一个可行解组成粒子群,粒子的位置由聚类中心向量表示。为避免粒子群陷入局部最优解,结合聚类问题的实际特点,提出了利用模拟退火的概率突跳性的两个解决方案。实验结果表明,新算法增强了全空间的搜索能力,性能优于粒子群算法和传统的K-means算法,具有较好的收敛性,是一种有效的聚类算法。     

基于模拟退火的自适应粒子群优化算法的改进策略

针对PSO算法在求解问题的优化问题中易陷入局部收敛且收敛速度较慢等缺陷,引入一种初始化改进策略,并将模拟退火算法与PSO算法相结合,提出了一种全新的算法。该算法将寻优过程分为两个阶段:为了提高算法的执行速度,前期使用标准PSO算法进行寻优,后期运用模拟退火思想对PSO中的参数进行优化搜索最优解。最后将该算法应用于八个经典的单峰/多峰函数中。模拟结果表明,该算法有效地避免了早熟收敛现象,并提高了收敛速度,从而提高了PSO算法解决全局优化的性能。     

粒子群-模拟退火混合算法在群控电梯中的应用

针对高层建筑电梯多、分布散、维修不及时等问题,提出了一个优化调度、报警维修及时的群控电梯系统;采用多目标优化方法建立数学模型,利用粒子群算法的概念简单、收敛速度快、易于实现的优点,同时引入模拟退火思想来克服粒子群算法易陷入局部最优的缺陷,对目标函数进行优化,PLC编程计算出参数,上位机调度计算,根据算法结果,优化电梯,合理调度;经过MATLAB仿真分析表明,该系统节省了平均候梯时间、平均乘梯时间和系统能耗,缩短了故障时间和维修时间,具有较大的应用前景。     

以模拟退火算法为收敛判据的混合微粒群算法

本文提出了一种以模拟退火算法为收敛判据的混合微粒群算法,不仅保留了微粒群算法收敛速度快、易于实现的特点,而且通过模拟退火为群体置换更优的微粒,从而保证算法得到一个高质解.仿真结果表明了该方法的有效性.     

基于动态参数优化的混沌粒子群算法

针对传统粒子群优化算法易陷入局部极值点的问题,将混沌运动的遍历性,随机性以及初值敏感性等特点融入粒子群优化过程中,并通过模拟退火的方法对参数实现局部优化,使得粒子群优化算法的参数随着优化算法的进行不断改变,以适应不断变化的优化需要.通过对经典函数的仿真实验,证明了该方法在提高收敛性的前提下,收敛精度较传统算法也有了提高,且克服了易陷入局部极值区域的问题.