基于GAGRNN數(shù)據(jù)挖掘的SCR脫硝系統(tǒng)建模優(yōu)化研究

溫 鑫, 錢玉良, 彭道剛, 馬 浩, 石 憲

(1.上海電力大學(xué), 上海 200090; 2.華能上海石洞口第一電廠, 上海 200942)

近年來(lái),隨著我國(guó)經(jīng)濟(jì)的發(fā)展,能源消費(fèi)中所帶來(lái)的環(huán)境污染也越來(lái)越嚴(yán)重。氮氧化物(NOx)是主要的大氣污染物之一,伴隨著耗電量的增加,燃煤電廠的煙氣濃度排放成為重點(diǎn)關(guān)注對(duì)象[1-4]。我國(guó)對(duì)氮氧化物排放控制標(biāo)準(zhǔn)的要求越來(lái)越嚴(yán)格,為了控制火電廠尾氣中氮氧化物的排放,燃煤電廠廣泛使用選擇性催化還原法(Selective Catalytic Reduction,SCR)煙氣脫硝系統(tǒng),因此各電廠對(duì) SCR 系統(tǒng)優(yōu)化控制技術(shù)的需求十分迫切[5]。準(zhǔn)確的模型是系統(tǒng)優(yōu)化控制的基礎(chǔ),選擇合適的輸入變量是建立模型的重要前提。

隨著人工智能技術(shù)的迅速發(fā)展,數(shù)據(jù)建模方法得到了廣泛研究[6]。周洪煜等人[7]采用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)建立了SCR脫硝系統(tǒng)模型并優(yōu)化出口煙氣NH3/NOx比值;MEHMOOD T等人[8]對(duì)常用的變量選擇方法進(jìn)行了詳細(xì)論述;徐富強(qiáng)等人[9]建立了最優(yōu)徑向基函數(shù)模型,通過(guò)平均影響值算法來(lái)進(jìn)行變量處理。劉吉臻等人[10]采用點(diǎn)互信息進(jìn)行了變量選擇并建立了脫硝系統(tǒng)模型。

本文采用遺傳算法(Genetic Algorithm,GA)對(duì)SCR系統(tǒng)運(yùn)行數(shù)據(jù)進(jìn)行優(yōu)化計(jì)算,經(jīng)過(guò)主元分析選出重要的獨(dú)立變量;然后將變量選擇結(jié)果作為廣義回歸神經(jīng)網(wǎng)絡(luò)(Generalized Regression Neural Network,GRNN)模型輸入變量,通過(guò)交叉驗(yàn)證的方法訓(xùn)練GRNN,利用數(shù)據(jù)挖掘技術(shù)建立SCR系統(tǒng)的GRNN優(yōu)化控制數(shù)據(jù)模型;最后基于上海華能某電廠機(jī)組SCR系統(tǒng)運(yùn)行數(shù)據(jù)進(jìn)行了驗(yàn)證。

結(jié)果表明,該方法建立的模型具有擬合度高、復(fù)雜度低、泛化能力強(qiáng)等優(yōu)點(diǎn),能準(zhǔn)確反映SCR系統(tǒng)的變化過(guò)程,在電廠SCR系統(tǒng)升級(jí)建設(shè)中具有較高的實(shí)用價(jià)值。……