智能喷氨的区域选择性预测控制装置及方法与流程

1.本发明属于脱硝技术领域，涉及智能喷氨的区域选择性预测控制装置及方法。


背景技术：

2.随着工业生产的不断发展，不可避免地会产生氮气排放。其中，火电厂中烟道氮氧化物的排放量不断增加，对大气环境造成了巨大的影响。为了减少氮氧化物的排放，可通过sncr(选择性非催化还原)进行脱硝处理。
3.sncr是一种不用催化剂，在锅炉炉膛温度区域为800～1100℃的范围内喷入还原剂(如氨水、液氨或尿素等)，还原剂在高温环境下迅速分解成nh3并与烟气中的nox发生还原反应，生成无害的n2和h2о的脱硝工艺，但因烟气中的nox受机组负荷、温度、环境等参数影响很大，任意一项参数改变会导致nox监测量发生改变，这导致无法通过精确控制喷氨流量取得良好脱硝效果，目前在sncr实际运用过程中，往往采用过量喷氨的方式进行脱硝，这种方式往往造成氨逃逸量大、烟道积灰、环境污染以及脱硝效果不佳的问题。


技术实现要素：

4.本发明为了克服现有技术的不足，提供智能喷氨的区域选择性预测控制装置及方法。
5.为了实现上述目的，本发明采用以下技术方案：智能喷氨的区域选择性预测控制装置及方法,包括烟气氮氧化物浓度区域选择性预测模块：用于对各区域烟气的氮氧化物浓度进行预测；人机交互界面：与用户的交互，显示喷头的喷洒状态和参数，使得用户可以根据需要调整液氨喷洒的参数；便于用户的监控与管理；
6.液氨喷洒装置，用于对液氨进行精细喷洒；
7.智能控制装置：根据氮氧化物浓度的预测值，控制液氨喷洒范围和喷洒量，并通过传感器组合模块对环境和液氨喷洒过程进行实时监测和反馈。
8.进一步的，所述液氨喷洒装置包括喷头，喷头与喷氨总管道通过支管连通，各支管设有阀门，液氨由总管道分流至各支管，支管的液氨通过喷头喷出，阀门控制支管的液氨流量。
9.进一步的，所述智能控制装置包括芯片，芯片作为智能控制装置的核心处理器，芯片用于图像处理、信号处理以及机器学习。
10.进一步的，所述烟气氮氧化物浓度区域选择性预测模块包括喷洒位置设定模块、数据处理模块以及模型建立模块，
11.喷洒位置设定模块：用于在烟道布置喷氨区段，喷氨区段分区域布置喷洒点，传感器组合模块获取烟气参数、环境参数的原始数据；
12.数据处理模块：用于将获取到的原始数据进行处理和预处理；
13.模型建立模块：用于建立氮氧化物浓度预测模型得到各区域烟气氮氧化物浓度预测值。
14.智能喷氨的区域选择性预测控制方法，包括以下步骤：
15.步骤1：在烟道布置喷氨区段，喷氨区段分区域布置喷洒点；
16.步骤2：获取烟气参数、环境参数的原始数据和喷氨参数；
17.步骤3：将获取到的原始数据进行处理和预处理，建立氮氧化物浓度预测模型得到各区域烟气氮氧化物浓度预测值；
18.步骤4：基于各区域烟气氮氧化物浓度预测值和喷氨参数，确定各区域喷洒点的液氨喷洒范围和喷洒量；
19.根据步骤4得到的各区域喷洒点的液氨喷洒范围和喷洒量，智能控制装置控制液氨喷洒装置执行液氨喷洒作业。
20.进一步的，所述步骤1中，在烟道截面布置喷氨区段具体为，在整个烟道从省煤器至空气预热器指定一段长度的烟道区域s布置喷氨栅格的区段a，区段a划分为n个区域，标记为aa，a＝1,2...n；n个区域布置n个喷洒点，喷洒点设置有液氨喷洒装置的喷头，喷洒点依此标记为ba，ba与aa一一对应，即喷洒点ba位于区段a的aa区域。
21.进一步的，所述步骤3得到各区域烟气氮氧化物浓度预测值，具体包括以下步骤：
22.步骤3.1：将获取的原始参数数据处理和预处理，包括对数据清洗、数据整合、特征提取以得到完整、准确的烟气参数以及环境参数的数据集；
23.步骤3.2：利用采用机器学习算法对数据进行训练，建立氮氧化物浓度预测模型。
24.进一步的，所述步骤3.1中特征提取为从大量原始数据中选取与喷氨流量有关的参数，烟气参数的数据集包括特征数据氮气浓度、温度、湿度和压力，环境参数的数据集包括特征数据温度、湿度、压力、风速、风向，并将具备不同量纲的烟气参数以及环境参数数据集的特征数据无量纲化，进行特征归一化处理，形成设为形成特征向量x
ca
。
25.进一步的，所述步骤3.2中建立氮氧化物浓度预测模型为：
[0026][0027]
y＝[y
11
...y
ca
...y
mn
]；
ꢀꢀ
(2)
[0028]
上式(1)中，y
ca
因变量，表示为通过位于区域aa范围的传感器组合模块采集的参数预测的烟气氮氧化物浓度预测值；c＝1，2...m，m为传感器组合模块的序号；比如y11为序号为1且位于区域a1范围的传感器组合模块，m个传感器组合模块分布在区段a，区段a划分为n个区域，因此m个传感器组合模块分布在n个区域，m≥n，每个区域至少分布一个传感器组合模块；
[0029]
b为偏差向量；
[0030]
x
ca
＝[x1,x2...xd]
t
，为区域aa范围内的输入特征向量，x1,x2...xd为区域aa范围内的输入特征，即机组参数以及位于区域aa范围的传感器组合模块采集的烟气参数和环境参数，d为参数的个数，即输入层的单元数；
[0031]
上式(1)为区域aa氮氧化物浓度预测模型，其中φj(||x
ca-cj||,σj)为径向基函数，这里取高斯函数，φj(||x
ca-cj||,σj)表示隐藏层第j层的径向基函数，||x
ca-cj||为欧几里德范数；cj为第j层径向基函数的中心值，σj为第j层径向基函数的中心宽度的标准化常数，cj以及σj为根据有限次计算得到的设定值；j＝1...h，h为隐藏层的层数；
[0032]wji
为隐藏层到输出层的权值，i＝1...k，k为输出层的层数，i＝1；w
ji
表示为隐藏层第j层的神经单元指向输出层第i层神经元的箭头的权值；
[0033]
上式(2)中，y＝[y
11
...y
ca
...y
mn
]，y为区域aa氮氧化物浓度预测值集合，即为区段a的区域aa氮氧化物浓度预测值分布集合。
[0034]
进一步的，所述喷头与喷氨总管道通过支管连通，各支管设有阀门，液氨由总管道分流至各支管，支管的液氨通过喷头喷出，阀门控制支管的液氨流量，第a个喷头的喷洒量设为qa，a＝1,2...n，qa根据y
ca
进行控制，总管道的液氨流量根据各支管的液氨流量适应性调整，总管道的液氨量设定为q，q＝[q1，q2...qn]。
[0035]
综上所述，本发明的有益之处在于：
[0036]
1)本发明通过建立本发明氮氧化物浓度预测模型对烟气中氮氧化物浓度进行智能预测，通过液氨喷洒装置对液氨进行精细喷洒，智能控制装置根据预测值智能控制液氨喷洒范围和喷量，传感器组合模块对环境和液氨喷洒过程进行实时监测和反馈，确保喷洒效果和喷洒质量，具有成本低、效果好、精度高、自动化程度高的优点。
[0037]
2)本发明是一种新型的、智能化的工业生产控制技术，不仅可以适配配合现有的scr，sncr脱销处理装置，应用于脱硝处理领域，也可以应用于智能农业(园林)浇水、药物喷洒、智能消防等领域，具有广阔的市场前景和应用前景。
[0038]
3)本发明的控制装置以及控制方法和能够实现液氨喷洒区域的智能化控制，从而提高工业生产对环境的保护能力，降低氮气的排放以及对环境造成的污染。
[0039]
4)本发明通过烟气氮氧化物浓度区域选择性预测模块、人机交互界面、液氨喷洒装置、智能控制装置的有机结合，基于k210芯片为核心的智能控制装置能够实现液氨喷洒的高度智能化控制，提高了液氨喷洒的精度和效率，同时确保了液氨喷洒的环保性和安全性。
[0040]
5)本发明将烟气的流通区域的截分割成若干区域，预测各区域烟气中的氮氧化物浓度，根据各区域的预测值实现各区域喷氨范围和喷氨流量的精确控制，通过将区域内的喷氨范围和喷氨流量进行来控制该区域的氮氧化物浓度，将氮氧化物浓度控制在目标值范围内，从而实现烟气的流通区域氮氧化物浓度的精确控制，本发明通过区域之间的耦合关系实现整个系统的稳定性和优化性能，具有高效性、灵活性、可扩展性的优点。
附图说明
[0041]
图1为本发明的神经网络示意图。
[0042]
图2为本发明的建立氮氧化物浓度预测模型示意图。
具体实施方式
[0043]
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
[0044]
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构
想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
[0045]
本发明实施例中所有方向性指示(诸如上、下、左、右、前、后、横向、纵向
……
)仅用于解释在某一特定姿态下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。
[0046]
因安装误差等原因，本发明实施例中所指的平行关系可能实际为近似平行关系，垂直关系可能实际为近似垂直关系。
[0047]
实施例一：
[0048]
如图1-2所示，智能喷氨的区域选择性预测控制装置，包括
[0049]
烟气氮氧化物浓度区域选择性预测模块：用于对各区域烟气的氮氧化物浓度进行预测；
[0050]
人机交互界面：与用户的交互，显示喷头的喷洒状态和参数，使得用户可以根据需要调整液氨喷洒的参数，便于用户的监控与管理；
[0051]
液氨喷洒装置，用于对液氨进行精细喷洒。
[0052]
智能控制装置：根据氮氧化物浓度的预测值，控制液氨喷洒范围和喷洒量，并通过传感器组合模块对环境和液氨喷洒过程进行实时监测和反馈。
[0053]
液氨喷洒装置包括喷头，喷头与喷氨总管道通过支管连通，各支管设有阀门，液氨由总管道分流至各支管，支管的液氨通过喷头喷出，阀门控制支管的液氨流量。
[0054]
智能控制装置包括芯片，优选k210芯片，芯片作为智能控制装置的核心处理器，k210芯片用于图像处理、信号处理以及机器学习，能够高效地处理大量数据，并快速反应并控制。
[0055]
芯片对液氨喷洒装置的阀门进行控制，进而控制液体喷洒的范围和喷洒量，通过芯片的指令完成快速、准确和自动的液氨喷洒控制。
[0056]
烟气氮氧化物浓度区域选择性预测模块包括喷洒位置设定模块、数据处理模块以及模型建立模块；
[0057]
喷洒位置设定模块：用于在烟道布置喷氨区段，喷氨区段分区域布置喷洒点；
[0058]
传感器组合模块获取烟气参数、环境参数的原始数据；
[0059]
数据处理模块：用于将获取到的原始数据进行处理和预处理；
[0060]
模型建立模块：用于建立氮氧化物浓度预测模型得到各区域烟气氮氧化物浓度预测值。
[0061]
芯片基于各区域烟气氮氧化物浓度预测值和喷氨参数，确定各区域喷洒点的液氨喷洒范围和喷洒量，智能控制装置控制液氨喷洒装置执行液氨喷洒作业。
[0062]
喷洒位置设定模块的喷洒点设定为：
[0063]
在整个烟道从省煤器至空气预热器指定一段长度的烟道区域s布置喷氨栅格的区段a，区段a划分为n个区域，标记为aa，a＝1,2...n；n个区域布置n个喷洒点，喷洒点设置有液氨喷洒装置的喷头，喷洒点依此标记为ba，ba与aa一一对应，即喷洒点ba位于区段a的aa区域，总喷洒点喷氨的喷洒额定范围可完全覆盖区段a；
[0064]
数据处理模块获取到的原始数据进行处理和预处理包括将获取的原始参数数据
处理和预处理，包括对数据清洗、数据整合、特征提取以得到完整、准确的烟气参数以及环境参数的数据集。
[0065]
特征提取为从大量原始数据中选取与喷氨流量有关的参数，烟气参数的数据集包括特征数据氮气浓度、温度、湿度和压力，环境参数的数据集包括特征数据温度、湿度、压力、风速、风向，并将具备不同量纲的烟气参数以及环境参数数据集的特征数据无量纲化，进行特征归一化处理，形成设为形成特征向量x
ca
。
[0066]
模型建立模块建立氮氧化物浓度预测模型具体包括
[0067][0068]
y＝[y
11
...y
ca
...y
mn
]； (2)
[0069]
上式(1)中，y
ca
因变量，表示为通过位于区域aa范围的传感器组合模块采集的参数预测的烟气氮氧化物浓度预测值；c＝1，2...m，m为传感器组合模块的序号；比如y
11
为序号为1且位于区域a1范围的传感器组合模块，m个传感器组合模块分布在区段a，区段a划分为n个区域，因此m个传感器组合模块分布在n个区域，m≥n，每个区域至少分布一个传感器组合模块；
[0070]
b为偏差向量；
[0071]
x
ca
＝[x1,x2...xd]
t
，为区域aa范围内的输入特征向量，x1,x2...xd为区域aa范围内的输入特征，即机组参数以及位于区域aa范围的传感器组合模块采集的烟气参数和环境参数，d为参数的个数，即输入层的单元数；
[0072]
上式(1)为区域aa氮氧化物浓度预测模型，其中φj(||x
ca-cj||,σj)为径向基函数，这里取高斯函数，φj(|x
ca-cj||,σj)表示隐藏层第j层的径向基函数，||x
ca-cj||为欧几里德范数；cj为第j层径向基函数的中心值，σj为第j层径向基函数的中心宽度的标准化常数，cj以及σj为根据有限次计算得到的设定值；j＝1...h，h为隐藏层的层数。
[0073]wji
为隐藏层到输出层的权值，i＝1...k，k为输出层的层数，本实施例中，i＝1；w
ji
表示为隐藏层第j层的神经单元指向输出层第i层神经元的箭头的权值。
[0074]
上式(2)中，y＝[y
11
...y
ca
...y
mn
]，y为区域aa氮氧化物浓度预测值集合，即为区段a的区域aa氮氧化物浓度预测值分布集合。
[0075]
芯片基于各区域烟气氮氧化物浓度预测值和喷氨参数，确定各区域喷洒点的液氨喷洒范围和喷洒量，具体为
[0076]
第a个喷头的喷洒量设为qa，a＝1,2...n，qa根据y
ca
进行控制，总管道的液氨流量根据各支管的液氨流量适应性调整，总管道的液氨量设定为q，q＝[q1，q2...qn]；
[0077]
根据支管的液氨流量qa，控制各支管的阀门，从而实现液氨喷洒喷洒范围和喷洒量的精确控制，实现对总管道的液氨流量的精确控制，避免出现浪费的问题。
[0078]
在没有其他变量的情况下，喷氨喷洒范围与喷氨喷洒量呈线性正相关，喷氨喷洒范围设为s，
[0079]
s＝t
×
qa×
p； (3)
[0080]
p＝k
×
qa； (4)
[0081]
上式(3)和(4)，t和k均为系数，p为流体压力，支管中流动的液氨为不可压缩流体；
在没有其他变量的情况下,流体压力p与喷氨喷洒量呈线性正相关，k为已知的固定值，流体的喷洒半径与喷头参数、支管参数、流体压力p等参数相关，除流体压力p外，在没有其他变量的情况下，t为已知的固定值，因而根据qa可得到喷氨喷洒范围s，实现精确的控制。
[0082]
本实施例中喷氨喷洒范围s的具体求解可通过伯努利方程进行计算，在此不做赘述。
[0083]
本技术还提供了智能喷氨的区域选择性预测控制方法，该方法利用上述的智能喷氨的区域选择性预测控制装置，具体包括以下步骤：
[0084]
步骤1：在烟道布置喷氨区段，喷氨区段分区域布置喷洒点；
[0085]
步骤2：获取烟气参数、环境参数的原始数据和喷氨参数；
[0086]
步骤3：将获取到的原始数据进行处理和预处理，建立氮氧化物浓度预测模型得到各区域烟气氮氧化物浓度预测值；
[0087]
步骤4：基于各区域烟气氮氧化物浓度预测值和喷氨参数，确定各区域喷洒点的液氨喷洒范围和喷洒量。
[0088]
本实施例中经脱硝处理后的氮氧化物浓度为设定值，因而根据预测值和经脱硝处理后的氮氧化物浓度可经过计算得知需要的喷氨量。
[0089]
步骤5：根据步骤4得到的各区域喷洒点的液氨喷洒范围和喷洒量，智能控制装置控制液氨喷洒装置执行液氨喷洒作业。
[0090]
本实施例，液氨喷洒由液氨喷洒装置执行，液氨喷洒装置喷洒液氨的操作由智能控制装置控制。
[0091]
步骤1中，在烟道截面布置喷氨区段具体为，在整个烟道从省煤器至空气预热器指定一段长度的烟道区域s布置喷氨栅格的区段a，区段a划分为n个区域，标记为aa，a＝1,2...n；n个区域布置n个喷洒点，喷洒点设置有液氨喷洒装置的喷头，喷洒点依此标记为ba，ba与aa一一对应，即喷洒点ba位于区段a的aa区域，总喷洒点喷氨的喷洒额定范围可完全覆盖区段a。
[0092]
烟道设置有若干传感器组合模块，传感器组合模块安装在液氨喷洒装置的前方，传感器组合模块采集烟气参数和环境参数，喷氨参数为设定值，传感器组合模块采集的烟气参数可反馈值机组，机组控制燃烧温度，使烟气的压力和温度符合催化剂最佳活性温度。
[0093]
步骤3中烟气参数包括烟气中的氮气浓度、温度、湿度和压力，环境参数包括温度、湿度、压力、风速、风向；喷氨参数为液氨喷洒过程中的常规数据，包括喷洒点ba喷头的喷洒范围、喷洒量、液氨喷雾和散失程度以及喷头参数。
[0094]
本实施例中，烟气中氮氧化物浓度变化受烟气参数以及环境参数的影响，精准预测烟气达到区域aa时的氮氧化物浓度预测值，进而精确控制喷洒点ba的喷氨范围和喷氨流量。
[0095]
步骤3得到各区域烟气氮氧化物浓度预测值，具体包括以下步骤:
[0096]
步骤3.1：将获取的原始参数数据处理和预处理，包括对数据清洗、数据整合、特征提取以得到完整、准确的烟气参数以及环境参数的数据集；
[0097]
特征提取为从大量原始数据中选取与喷氨流量有关的参数，烟气参数的数据集包括特征数据氮气浓度、温度、湿度和压力，环境参数的数据集包括特征数据温度、湿度、压力、风速、风向，并将具备不同量纲的烟气参数以及环境参数数据集的特征数据无量纲化，
进行特征归一化处理，形成设为形成特征向量x
ca
。
[0098]
步骤3.2：利用采用机器学习算法对数据进行训练，建立氮氧化物浓度预测模型；
[0099][0100]
y＝[y
11
...y
ca
...y
mn
]；
ꢀꢀ
(2)
[0101]
上式(1)中，y
ca
因变量，表示为通过位于区域aa范围的传感器组合模块采集的参数预测的烟气氮氧化物浓度预测值；c＝1，2...m，m为传感器组合模块的序号；比如y
11
为序号为1且位于区域a1范围的传感器组合模块，m个传感器组合模块分布在区段a，区段a划分为n个区域，因此m个传感器组合模块分布在n个区域，m≥n，每个区域至少分布一个传感器组合模块；
[0102]
b为偏差向量；
[0103]
x
ca
＝[x1,x2...xd]
t
，为区域aa范围内的输入特征向量，x1,x2...xd为区域aa范围内的输入特征，即机组参数以及位于区域aa范围的传感器组合模块采集的烟气参数和环境参数，d为参数的个数，即输入层的单元数；
[0104]
上式(1)为区域aa氮氧化物浓度预测模型，其中φj(||x
ca-cj||,σj)为径向基函数，这里取高斯函数，φj(||x
ca-cj||,σj)表示隐藏层第j层的径向基函数，||x
ca-cj||为欧几里德范数；cj为第j层径向基函数的中心值，σj为第j层径向基函数的中心宽度的标准化常数，cj以及σj为根据有限次计算得到的设定值；j＝1...h，h为隐藏层的层数。
[0105]wji
为隐藏层到输出层的权值，i＝1...k，k为输出层的层数，本实施例中，i＝1；w
ji
表示为隐藏层第j层的神经单元指向输出层第i层神经元的箭头的权值。
[0106]
上式(2)中，y＝[y
11
...y
ca
...y
mn
]，y为区域aa氮氧化物浓度预测值集合，即为区段a的区域aa氮氧化物浓度预测值分布集合。
[0107]
本实施例中各喷头与喷氨总管道通过支管连通，各支管设有阀门，液氨由总管道分流至各支管，支管的液氨通过喷头喷出，阀门可控制支管的液氨流量。
[0108]
第a个喷头的喷洒量设为qa，a＝1,2...n，qa根据y
ca
进行控制，总管道的液氨流量根据各支管的液氨流量适应性调整，总管道的液氨量设定为q，q＝[q1，q2...qn]，根据支管的液氨流量qa，控制各支管的阀门，从而实现喷头液氨喷洒量的精确控制，实现对总管道的液氨流量的精确控制，避免出现浪费的问题。
[0109]
在没有其他变量的情况下，喷氨喷洒范围与喷氨喷洒量呈线性正相关，喷氨喷洒范围设为s，
[0110]
s＝t
×
qa×
p； (3)
[0111]
p＝k
×
qa； (4)
[0112]
上式(3)和(4)，t和k均为系数，p为流体压力，支管中流动的液氨为不可压缩流体；在没有其他变量的情况下,流体压力p与喷氨喷洒量呈线性正相关，k为已知的固定值，流体的喷洒半径与喷头参数、支管参数、流体压力p等参数相关，除流体压力p外，在没有其他变量的情况下，t为已知的固定值，因而根据qa可得到喷氨喷洒范围s，实现精确的控制。
[0113]
本实施例中喷氨喷洒范围s的具体求解可通过伯努利方程进行计算，在此不做赘述。
[0114]
在模型训练过程中，将数据集拆分为训练集和验证集，通过对验证集进行评估调整模型的参数，得到更准确的预测结果。
[0115]
智能控制装置根据预测值智能控制液氨喷洒装置对液氨喷洒的液体喷洒范围和喷洒量进行智能化控制。
[0116]
不同时间段，烟气排放的区域aa的氮氧化物浓度可能不同，根据模型的预测值，对应喷洒点ba的喷洒量选择性的增大或减少的喷洒量。
[0117]
液氨喷洒装置以及智能控制装置构成本实施例的液氨喷洒的控制装置，液氨喷洒装置用于对液氨进行精细喷洒，智能控制装置用于根据预测结果智能控制液氨喷洒范围和喷洒量，并通过传感器组合模块对环境和液氨喷洒过程进行实时监测和反馈，确保喷洒效果和喷洒质量。
[0118]
控制装置适配配合现有的scr，sncr脱销处理装置，适用范围广泛。
[0119]
本技术提供的区域选择性预测控制方法，属于一种新型的、智能化的工业生产控制技术，不仅可以适配配合现有的scr，sncr脱销处理装置，应用于脱硝处理领域，也可以应用于智能农业(园林)浇水、药物喷洒、智能消防等领域，具有广阔的市场前景和应用前景。
[0120]
比如应用于能源管理，通过分析能源系统中不同能源设备之间的耦合关系和相互影响，设计合适的控制策略和算法，实现能源系统的优化控制；
[0121]
比如应用于建筑能源管理，将建筑内的不同区域划分为若干个小区域，每个小区域内部的能源消耗和产生设备之间存在相互影响和耦合关系，而不同小区域之间的能源流动则相对独立。然后，对于每个小区域，可以设计一个局部的控制器，控制该区域内的能源消耗和产生设备，将能源消耗控制在目标值范围内，同时通过区域之间的耦合关系来协调整个能源系统的能源平衡，实现能源系统的优化控制和管理。
[0122]
比如应用于电力系统、热力系统。通过将能源系统分解为若干个小区域，分别设计局部的控制器，再通过区域之间的耦合关系实现整个能源系统的优化控制和管理，从而提高能源利用效率，减少能源浪费，降低能源成本，实现可持续能源管理。
[0123]
显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

技术特征：
1.智能喷氨的区域选择性预测控制装置,其特征在于：包括烟气氮氧化物浓度区域选择性预测模块：用于对各区域烟气的氮氧化物浓度进行预测；人机交互界面：与用户的交互，显示喷头的喷洒状态和参数，使得用户可以根据需要调整液氨喷洒的参数；便于用户的监控与管理；液氨喷洒装置，用于对液氨进行精细喷洒；智能控制装置：根据氮氧化物浓度的预测值，控制液氨喷洒范围和喷洒量，并通过传感器组合模块对环境和液氨喷洒过程进行实时监测和反馈。2.根据权利要求1所述的智能喷氨的区域选择性预测控制装置，其特征在于：所述液氨喷洒装置包括喷头，喷头与喷氨总管道通过支管连通，各支管设有阀门，液氨由总管道分流至各支管，支管的液氨通过喷头喷出，阀门控制支管的液氨流量。3.根据权利要求1所述的智能喷氨的区域选择性预测控制装置，其特征在于：所述智能控制装置包括芯片，芯片作为智能控制装置的核心处理器，芯片用于图像处理、信号处理以及机器学习。4.根据权利要求1所述的智能喷氨的区域选择性预测控制装置，其特征在于：所述烟气氮氧化物浓度区域选择性预测模块包括喷洒位置设定模块、数据处理模块以及模型建立模块，喷洒位置设定模块：用于在烟道布置喷氨区段，喷氨区段分区域布置喷洒点，传感器组合模块获取烟气参数、环境参数的原始数据；数据处理模块：用于将获取到的原始数据进行处理和预处理；模型建立模块：用于建立氮氧化物浓度预测模型得到各区域烟气氮氧化物浓度预测值。5.智能喷氨的区域选择性预测控制方法，其特征在于：包括以下步骤：步骤1：在烟道布置喷氨区段，喷氨区段分区域布置喷洒点；步骤2：获取烟气参数、环境参数的原始数据和喷氨参数；步骤3：将获取到的原始数据进行处理和预处理，建立氮氧化物浓度预测模型得到各区域烟气氮氧化物浓度预测值；步骤4：基于各区域烟气氮氧化物浓度预测值和喷氨参数，确定各区域喷洒点的液氨喷洒范围和喷洒量；根据步骤4得到的各区域喷洒点的液氨喷洒范围和喷洒量，智能控制装置控制液氨喷洒装置执行液氨喷洒作业。6.根据权利要求5所述的智能喷氨的区域选择性预测控制方法，其特征在于：所述步骤1中，在烟道截面布置喷氨区段具体为，在整个烟道从省煤器至空气预热器指定一段长度的烟道区域s布置喷氨栅格的区段a，区段a划分为n个区域，标记为a
a
，a＝1,2...n；n个区域布置n个喷洒点，喷洒点设置有液氨喷洒装置的喷头，喷洒点依此标记为b
a
，b
a
与a
a
一一对应，即喷洒点b
a
位于区段a的a
a
区域。7.根据权利要求5所述的智能喷氨的区域选择性预测控制方法，其特征在于：所述步骤3得到各区域烟气氮氧化物浓度预测值，具体包括以下步骤：步骤3.1：将获取的原始参数数据处理和预处理，包括对数据清洗、数据整合、特征提取以得到完整、准确的烟气参数以及环境参数的数据集；
步骤3.2：利用采用机器学习算法对数据进行训练，建立氮氧化物浓度预测模型。8.根据权利要求7所述的智能喷氨的区域选择性预测控制方法，其特征在于：所述步骤3.1中特征提取为从大量原始数据中选取与喷氨流量有关的参数，烟气参数的数据集包括特征数据氮气浓度、温度、湿度和压力，环境参数的数据集包括特征数据温度、湿度、压力、风速、风向，并将具备不同量纲的烟气参数以及环境参数数据集的特征数据无量纲化，进行特征归一化处理，形成设为形成特征向量x
ca
。9.根据权利要求7所述的智能喷氨的区域选择性预测控制方法，其特征在于：所述步骤3.2中建立氮氧化物浓度预测模型为：y＝[y
11
...y
ca
...y
mn
]； (2)上式(1)中，y
ca
因变量，表示为通过位于区域a
a
范围的传感器组合模块采集的参数预测的烟气氮氧化物浓度预测值；c＝1，2...m，m为传感器组合模块的序号；比如y
11
为序号为1且位于区域a1范围的传感器组合模块，m个传感器组合模块分布在区段a，区段a划分为n个区域，因此m个传感器组合模块分布在n个区域，m≥n，每个区域至少分布一个传感器组合模块；b为偏差向量；x
ca
＝[x1,x2...x
d
]
t
，为区域a
a
范围内的输入特征向量，x1,x2...x
d
为区域a
a
范围内的输入特征，即机组参数以及位于区域a
a
范围的传感器组合模块采集的烟气参数和环境参数，d为参数的个数，即输入层的单元数；上式(1)为区域a
a
氮氧化物浓度预测模型，其中φ
j
(||x
ca-c
j
||,σ
j
)为径向基函数，这里取高斯函数，φ
j
(||x
ca-c
j
||,σ
j
)表示隐藏层第j层的径向基函数，||x
ca-c
j
||为欧几里德范数；c
j
为第j层径向基函数的中心值，σ
j
为第j层径向基函数的中心宽度的标准化常数，c
j
以及σ
j
为根据有限次计算得到的设定值；j＝1...h，h为隐藏层的层数；w
ji
为隐藏层到输出层的权值，i＝1...k，k为输出层的层数，i＝1；w
ji
表示为隐藏层第j层的神经单元指向输出层第i层神经元的箭头的权值；上式(2)中，y＝[y
11
...y
ca
...y
mn
]，y为区域a
a
氮氧化物浓度预测值集合，即为区段a的区域a
a
氮氧化物浓度预测值分布集合。10.根据权利要求6所述的智能喷氨的区域选择性预测控制方法，其特征在于：所述喷头与喷氨总管道通过支管连通，各支管设有阀门，液氨由总管道分流至各支管，支管的液氨通过喷头喷出，阀门控制支管的液氨流量，第a个喷头的喷洒量设为q
a
，a＝1,2...n，q
a
根据y
ca
进行控制，总管道的液氨流量根据各支管的液氨流量适应性调整，总管道的液氨量设定为q，q＝[q1，q2...q
n
]。

技术总结
本发明公开了智能喷氨的区域选择性预测控制装置及方法,包括包括烟气氮氧化物浓度区域选择性预测模块：用于对各区域烟气的氮氧化物浓度进行预测，人机交互界面：与用户的交互，显示喷头的喷洒状态和参数，使得用户可以根据需要调整液氨喷洒的参数；便于用户的监控与管理，本发明通过建立本发明氮氧化物浓度预测模型对烟气中氮氧化物浓度进行智能预测，通过液氨喷洒装置对液氨进行精细喷洒，智能控制装置根据预测值智能控制液氨喷洒范围和喷量，传感器组合模块对环境和液氨喷洒过程进行实时监测和反馈，确保喷洒效果和喷洒质量，具有成本低、效果好、精度高、自动化程度高的优点。自动化程度高的优点。自动化程度高的优点。


技术研发人员：杨健 丁毅 施丁希 边洋震 杨力宁 彭建仁 肖宗亮 杜双伟 钟泉鸣
受保护的技术使用者：安赢（浙江）智能科技有限公司
技术研发日：2023.07.04
技术公布日：2023/9/6