一种SCR脱硝系统喷氨量控制方法及系统

一种scr脱硝系统喷氨量控制方法及系统
技术领域
1.本发明涉及选择性催化还原烟气脱硝技术领域，尤其涉及一种scr脱硝系统喷氨量控制方法及系统。


背景技术：

2.选择催化还原(scr)脱硝技术是目前国际上应用最为广泛的烟气脱硝技术，选择是指在催化剂的作用和氧气存在条件下，nh3优先和nox发生还原脱除反应，生成氮气和水。该技术没有副产物，不形成二次污染，装置结构简单，并且脱除效率高，运行可靠，便于维护。
3.国内大部分的燃煤电厂使用scr脱硝系统进行烟气的脱硝处理，喷氨量由调节阀自动控制。喷氨量过大时，易造成氨逃逸，对环境造成污染；喷氨量过少时，会导致反应不充分，使得排放的烟气中污染物超标。由于传统控制方式存在较大延迟，为了保证燃煤电厂的烟气排放满足国家标准，降低scr脱硝系统的运行成本，燃煤电厂应建立高精度的nox排放预测模型，并在此基础上实现喷氨量的最优控制。


技术实现要素：

4.本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本技术的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
5.鉴于上述现有存在的问题，提出了本发明解决喷氨量过大时，易造成氨逃逸，对环境造成污染；喷氨量过少时，会导致反应不充分，使得排放的烟气中污染物超标的问题。
6.为解决上述技术问题，本发明提供如下技术方案：
7.第一方面，本发明提供了一种scr脱硝系统喷氨量控制方法，包括：
8.采集scr脱硝系统的运行数据作为样本，对所述运行数据进行预处理；
9.通过主成分分析法对样本特征进行重要性排序；
10.依据排序后的样本特征建立基于长短时记忆网络的scr脱硝系统出口nox浓度预测模型；
11.依据预测结果建立多目标优化模型，搜寻scr脱硝系统最优喷氨量；
12.依据寻优后的最优喷氨量计算出各个喷枪的平均喷氨量，获得最佳喷氨策略。
13.作为本发明所述的scr脱硝系统喷氨量控制方法的一种优选方案，其中：所述运行数据包括，scr脱硝系统入口nox浓度、scr喷氨量、scr反应器入口压力、反应温度、烟气速度、催化剂活性。
14.作为本发明所述的scr脱硝系统喷氨量控制方法的一种优选方案，其中：所述预处理包括，数据清洗和归一化；
15.数据清洗包括，
16.针对机组scr脱硝系统入口nox浓度、反应温度、烟气速度，检测是否出现零值；若
出现零值，则将此数据删去；
17.对剩余数据进行聚类分析，去除异常值；
18.对缺失值做线性插值，补齐数据。
19.作为本发明所述的scr脱硝系统喷氨量控制方法的一种优选方案，其中：所述通过主成分分析法对样本特征进行重要性排序，还包括，
20.将样本按照对结果的贡献程度进行打分，将累计贡献率大于85％的成分作为scr脱硝系统出口nox浓度的输入特征。
21.作为本发明所述的scr脱硝系统喷氨量控制方法的一种优选方案，其中：建立基于长短时记忆网络的scr脱硝系统出口nox浓度预测模型，包括，
22.初始化lstm的超参数；
23.设定鲸鱼种群规模、最大迭代次数、超参数的搜索空间；
24.每个鲸鱼个体根据当前的位置更新下一代的位置；
25.判断是否达到全局最优解；若是，则输出当前鲸鱼位置作为超参数的最优解；
26.将最优解作为lstm模型的超参数进行scr脱硝系统出口nox浓度预测；
27.还包括，利用woa算法对lstm算法的学习率、隐含层节点数两个超参数进行优化。
28.作为本发明所述的scr脱硝系统喷氨量控制方法的一种优选方案，其中：依据预测结果建立多目标优化模型，包括，
29.以经济性、环保性、安全性为目标，目标函数分别为：
30.经济性目标：min f
p
(s)＝s
×
p
31.环保性目标：min f
nox
(s)＝o
nox
(s)-e
nox
(s)
32.安全性目标：min fa(s)＝α
×mesc
+β
×onox
(s)
33.约束条件为：o
nox
(s)《50
34.式中，f
p
(s)为氨水的总价，是经济性目标；s为喷氨量；p为氨水的单价；f
nox
(s)为预测模型预测的nox浓度预测值与期望值的差值，是环保性目标；o
nox
(s)为nox浓度预测值，e
nox
(s)为nox浓度期望值；fa(s)为氨逃逸和超排放程度，是安全性目标；α和β是安全系数；m
esc
为氨逃逸量。
35.作为本发明所述的scr脱硝系统喷氨量控制方法的一种优选方案，其中：依据寻优后的最优喷氨量计算出各个喷枪的平均喷氨量，获得最佳喷氨策略，包括，
36.根据最佳喷氨量动态计算出各个喷枪的平均喷氨量；
37.其中，靠近scr脱硝系统入口的区域，其喷氨量大于平均喷氨量；
38.位于scr脱硝系统中部的区域，其喷氨量等于平均喷氨量；
39.靠近scr脱硝系统出口的区域，其喷氨量小于平均喷氨量；
40.各区域总的喷氨量之和与最优喷氨量相等。
41.第二方面，本发明提供了一种scr脱硝系统喷氨量控制的系统，包括，
42.采集模块，用于采集scr脱硝系统的运行数据作为样本，对所述运行数据进行预处理；
43.排序模块，用于通过主成分分析法对样本特征进行重要性排序；
44.预测模块，用于依据排序后的样本特征建立基于长短时记忆网络的scr脱硝系统出口nox浓度预测模型；
45.寻优模块，用于依据预测结果建立多目标优化模型，搜寻scr脱硝系统最优喷氨量；
46.策略制定模块，用于依据寻优后的最优喷氨量计算出各个喷枪的平均喷氨量，获得最佳喷氨策略。
47.第三方面，本发明提供了一种计算设备，包括：
48.存储器和处理器；
49.所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，该计算机可执行指令被处理器执行时实现所述scr脱硝系统喷氨量控制方法的步骤。
50.第四方面，本发明提供了一种计算机可读存储介质，其存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现所述scr脱硝系统喷氨量控制方法的步骤。
51.与现有技术相比，本发明的有益效果：本发明能够针对scr脱硝系统出口nox浓度进行预测，并将预测结果寻找最优喷氨量的约束条件，以经济性、环保性和安全性作为优化目标，采用nsga-iii算法进行多目标寻优，并根据最优喷氨量制定出最佳喷氨策略。极大地降低了燃煤电厂scr脱硝系统的运行成本，降低污染，提升了设备的使用寿命。
附图说明
52.为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
53.图1为本发明一个实施例所述的scr脱硝系统喷氨量控制方法的整体流程示意图；
54.图2为本发明一个实施例所述的scr脱硝系统喷氨量控制方法中scr脱硝系统出口nox浓度预测结果示意图；
55.图3为本发明一个实施例所述的scr脱硝系统喷氨量控制方法中scr脱硝系统出口nox浓度值优化前后效果图；
56.图4为本发明一个实施例所述的scr脱硝系统喷氨量控制方法中喷氨策略示意图。
具体实施方式
57.为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通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，都应当属于本发明的保护的范围。
58.在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
59.其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
60.本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件
结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
61.同时在本发明的描述中，需要说明的是，术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的系统或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一、第二或第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
62.本发明中除非另有明确的规定和限定，术语“安装、相连、连接”应做广义理解，例如：可以是固定连接、可拆卸连接或一体式连接；同样可以是机械连接、电连接或直接连接，也可以通过中间媒介间接相连，也可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
63.实施例1
64.参照图1-4，为本发明的一个实施例，提供了一种scr脱硝系统喷氨量控制方法，包括：
65.s1：采集scr脱硝系统的运行数据作为样本，对所述运行数据进行预处理；
66.更进一步的，所述运行数据包括，scr脱硝系统入口nox浓度、scr喷氨量、scr反应器入口压力、反应温度、烟气速度、催化剂活性。
67.更进一步的，所述预处理包括，数据清洗和归一化；
68.数据清洗包括，
69.针对机组scr脱硝系统入口nox浓度、反应温度、烟气速度，检测是否出现零值；若出现零值，则将此数据删去；
70.对剩余数据进行聚类分析，去除异常值；
71.对缺失值做线性插值，补齐数据。
72.具体的，对数据进行归一化处理，消除量纲不同带来的影响，归一化公式如下所示：
[0073][0074]
式中，代表归一化之后的数据，xi代表归一化之前的原始数据，代表数据的均值，为锅炉运行数据的方差，ξ为非零常数。
[0075]
s2：通过主成分分析法对样本特征进行重要性排序；
[0076]
更进一步的，所述通过主成分分析法对样本特征进行重要性排序，还包括，
[0077]
将样本按照对结果的贡献程度进行打分，将累计贡献率大于85％的成分作为scr脱硝系统出口nox浓度的输入特征。
[0078]
具体的，scr脱硝系统出口nox浓度预测模型的输入特征可为：scr脱硝系统入口nox浓度、scr喷氨量、反应温度。
[0079]
s3：依据排序后的样本特征建立基于长短时记忆网络的scr脱硝系统出口nox浓度预测模型；
[0080]
更进一步的，建立基于长短时记忆网络的scr脱硝系统出口nox浓度预测模型，包括，
[0081]
a1：初始化lstm的超参数；
[0082]
a2：设定鲸鱼种群规模、最大迭代次数、超参数的搜索空间；
[0083]
a3：每个鲸鱼个体根据当前的位置更新下一代的位置；
[0084]
a4：判断是否达到全局最优解；若是，则输出当前鲸鱼位置作为超参数的最优解；
[0085]
a5：将最优解作为lstm模型的超参数进行scr脱硝系统出口nox浓度预测；
[0086]
还包括，利用woa算法对lstm算法的学习率、隐含层节点数两个超参数进行优化。
[0087]
应说明的是，具体的，
[0088]
设鲸鱼种群规模为n，每个鲸鱼的位置代表一个可行解x。当|a|》1时，位置更新公式为：
[0089]
x(i)＝x
rand
(i-1)-a|cx
rand
(i-1)-x(i-1)|
[0090]
式中，x
rand
(i-1)为第i-1次迭代时随机选择的鲸鱼位置；x(i-1)为当前个体第i-1次迭代时的位置；a和c为系数向量，其中a＝2ar-a，c＝2r，r为[0,1]之间的随机数，t为迭代次数。
[0091]
当|a|《1时，位置更新公式为：
[0092][0093]
式中，p为[0,1]之间的随机数，l为[0,1]之间的随机数；x
best
(i-1)为种群最优个体位置。
[0094]
woa-lstm算法不断重复步骤a2到步骤a4，直到满足迭代条件或者达到最大迭代次数，结束优化过程。
[0095]
优选的，预测结果的精度评价指标主要采用均方根误差(rmse)和平均相对误差(mre)：
[0096][0097][0098]
式中，m(i)和p(i)分别为实际值和预测值。
[0099]
s4：依据预测结果建立多目标优化模型，搜寻scr脱硝系统最优喷氨量；
[0100]
更进一步的，依据预测结果建立多目标优化模型，包括，
[0101]
以经济性、环保性、安全性为目标，目标函数分别为：
[0102]
经济性目标：min f
p
(s)＝s
×
p
[0103]
环保性目标：min f
nox
(s)＝o
nox
(s)-e
nox
(s)
[0104]
安全性目标：min fa(s)＝α
×mesc
+β
×onox
(s)
[0105]
约束条件为：o
nox
(s)《50
[0106]
式中，f
p
(s)为氨水的总价，是经济性目标；s为喷氨量；p为氨水的单价；f
nox
(s)为预测模型预测的nox浓度预测值与期望值的差值，是环保性目标；o
nox
(s)为nox浓度预测值，e
nox
(s)为nox浓度期望值；fa(s)为氨逃逸和超排放程度，是安全性目标；α和β是安全系数；m
esc
为氨逃逸量。
[0107]
s5：依据寻优后的最优喷氨量计算出各个喷枪的平均喷氨量，获得最佳喷氨策略。
[0108]
更进一步的，包括，
[0109]
如图4所示，根据最佳喷氨量动态计算出各个喷枪的平均喷氨量；
[0110]
其中，靠近scr脱硝系统入口的区域，其喷氨量大于平均喷氨量；
[0111]
位于scr脱硝系统中部的区域，其喷氨量等于平均喷氨量；
[0112]
靠近scr脱硝系统出口的区域，其喷氨量小于平均喷氨量；
[0113]
各区域总的喷氨量之和与最优喷氨量相等。
[0114]
上述为本实施例的一种scr脱硝系统喷氨量控制方法的示意性方案。需要说明的是，该scr脱硝系统喷氨量控制的系统的技术方案与上述的scr脱硝系统喷氨量控制方法的技术方案属于同一构思，本实施例中scr脱硝系统喷氨量控制推系统的技术方案未详细描述的细节内容，均可以参见上述scr脱硝系统喷氨量控制推送方法的技术方案的描述。
[0115]
本实施例中scr脱硝系统喷氨量控制系统，包括：采集模块，用于采集scr脱硝系统的运行数据作为样本，对所述运行数据进行预处理；
[0116]
排序模块，用于通过主成分分析法对样本特征进行重要性排序；
[0117]
预测模块，用于依据排序后的样本特征建立基于长短时记忆网络的scr脱硝系统出口nox浓度预测模型；
[0118]
寻优模块，用于依据预测结果建立多目标优化模型，搜寻scr脱硝系统最优喷氨量；
[0119]
策略制定模块，用于依据寻优后的最优喷氨量计算出各个喷枪的平均喷氨量，获得最佳喷氨策略。
[0120]
本实施例还提供一种计算设备，适用于scr脱硝系统喷氨量控制的情况，包括：
[0121]
存储器和处理器；存储器用于存储计算机可执行指令，处理器用于执行计算机可执行指令，实现如上述实施例提出的实现scr脱硝系统喷氨量控制方法。
[0122]
本实施例还提供一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述实施例提出的实现scr脱硝系统喷氨量控制方法。
[0123]
本实施例提出的存储介质与上述实施例提出的实现scr脱硝系统喷氨量控制方法属于同一发明构思，未在本实施例中详尽描述的技术细节可参见上述实施例，并且本实施例与上述实施例具有相同的有益效果。
[0124]
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(readonly，memory，rom)、随机存取存储器(random access memory，ram)、闪存(flash)、硬盘或光盘等，包括若干指令用以使得一台计算机设
备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例的方法。
[0125]
实施例2
[0126]
参照图1-4，表1-2，为本发明的一个实施例，提供了一种scr脱硝系统喷氨量控制方法，为了验证其有益效果，提供了一种应用场景的具体方法实现过程。
[0127]
s1：采集scr脱硝系统的运行数据作为样本，对所述运行数据进行预处理；
[0128]
s2：通过主成分分析法对样本特征进行重要性排序，结果如表1所示：
[0129]
表1主成分分析结果
[0130][0131]
由此可见，前两个主成分的累计贡献率已经超过85％，满足建模条件。考虑到模型的精确度和复杂程度，本发明针对前三个主成分进行分析，最终确定scr脱硝系统出口nox浓度预测模型的输入特征为：scr脱硝系统入口nox浓度、scr喷氨量、反应温度。
[0132]
s3：依据排序后的样本特征建立基于长短时记忆网络的scr脱硝系统出口nox浓度预测模型；
[0133]
参照图2，为本发明scr脱硝系统出口nox浓度预测结果图。
[0134]
预测结果的精度评价指标如表2所示：
[0135]
表2误差结果
[0136][0137][0138]
s4：依据预测结果建立多目标优化模型，搜寻scr脱硝系统最优喷氨量；
[0139]
采用nsga-iii算法对上述目标函数进行求解，进而获得最优的喷氨量并制定scr脱硝系统的喷氨策略，并将优化后的scr脱硝系统出口nox浓度值与优化前的相比较，其结果如图3所示。
[0140]
s5：依据寻优后的最优喷氨量计算出各个喷枪的平均喷氨量，获得最佳喷氨策略，scr脱硝系统喷氨策略如图4所示。
[0141]
通过表3可以看出我方不论是喷氨量以及nox的排放量都比传统的方法降低污染，提升了设备的使用寿命。
[0142]
表3喷氨控制效果对比
[0143][0144]
应说明的是，以上实施例仅用于说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发
明的权利要求范围当中。

技术特征：
1.一种scr脱硝系统喷氨量控制方法，其特征在于，包括：采集scr脱硝系统的运行数据作为样本，对所述运行数据进行预处理；通过主成分分析法对样本特征进行重要性排序；依据排序后的样本特征建立基于长短时记忆网络的scr脱硝系统出口nox浓度预测模型；依据预测结果建立多目标优化模型，搜寻scr脱硝系统最优喷氨量；依据寻优后的最优喷氨量计算出各个喷枪的平均喷氨量，获得最佳喷氨策略。2.如权利要求1所述的scr脱硝系统喷氨量控制方法，其特征在于，所述运行数据包括，scr脱硝系统入口nox浓度、scr喷氨量、scr反应器入口压力、反应温度、烟气速度、催化剂活性。3.如权利要求1或2所述的scr脱硝系统喷氨量控制方法，其特征在于，所述预处理包括，数据清洗和归一化；数据清洗包括，针对机组scr脱硝系统入口nox浓度、反应温度、烟气速度，检测是否出现零值；若出现零值，则将此数据删去；对剩余数据进行聚类分析，去除异常值；对缺失值做线性插值，补齐数据。4.如权利要求3所述的scr脱硝系统喷氨量控制方法，其特征在于，所述通过主成分分析法对样本特征进行重要性排序，还包括，将样本按照对结果的贡献程度进行打分，将累计贡献率大于85％的成分作为scr脱硝系统出口nox浓度的输入特征。5.如权利要求4所述的scr脱硝系统喷氨量控制方法，其特征在于，建立基于长短时记忆网络的scr脱硝系统出口nox浓度预测模型，包括，初始化lstm的超参数；设定鲸鱼种群规模、最大迭代次数、超参数的搜索空间；每个鲸鱼个体根据当前的位置更新下一代的位置；判断是否达到全局最优解；若是，则输出当前鲸鱼位置作为超参数的最优解；将最优解作为lstm模型的超参数进行scr脱硝系统出口nox浓度预测；还包括，利用woa算法对lstm算法的学习率、隐含层节点数两个超参数进行优化。6.如权利要求1或5所述的scr脱硝系统喷氨量控制方法，其特征在于，依据预测结果建立多目标优化模型，包括，以经济性、环保性、安全性为目标，目标函数分别为：经济性目标：min f
p
(s)＝s
×
p环保性目标：min f
nox
(s)＝o
nox
(s)-e
nox
(s)安全性目标：min f
a
(s)＝α
×
m
esc
+β
×
o
nox
(s)约束条件为：o
nox
(s)<50式中，f
p
(s)为氨水的总价，是经济性目标；s为喷氨量；p为氨水的单价；f
nox
(s)为预测模型预测的nox浓度预测值与期望值的差值，是环保性目标；o
nox
(s)为nox浓度预测值，e
nox
(s)为nox浓度期望值；f
a
(s)为氨逃逸和超排放程度，是安全性目标；α和β是安全系数；m
esc
为氨
逃逸量。7.如权利要求6所述的scr脱硝系统喷氨量控制方法，其特征在于，依据寻优后的最优喷氨量计算出各个喷枪的平均喷氨量，获得最佳喷氨策略，包括，根据最佳喷氨量动态计算出各个喷枪的平均喷氨量；其中，靠近scr脱硝系统入口的区域，其喷氨量大于平均喷氨量；位于scr脱硝系统中部的区域，其喷氨量等于平均喷氨量；靠近scr脱硝系统出口的区域，其喷氨量小于平均喷氨量；各区域总的喷氨量之和与最优喷氨量相等。8.一种scr脱硝系统喷氨量控制的系统，其特征在于，包括，采集模块，用于采集scr脱硝系统的运行数据作为样本，对所述运行数据进行预处理；排序模块，用于通过主成分分析法对样本特征进行重要性排序；预测模块，用于依据排序后的样本特征建立基于长短时记忆网络的scr脱硝系统出口nox浓度预测模型；寻优模块，用于依据预测结果建立多目标优化模型，搜寻scr脱硝系统最优喷氨量；策略制定模块，用于依据寻优后的最优喷氨量计算出各个喷枪的平均喷氨量，获得最佳喷氨策略。9.一种电子设备，包括：存储器和处理器；所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，该计算机可执行指令被处理器执行时实现权利要求1至7任意一项所述scr脱硝系统喷氨量控制方法的步骤。10.一种计算机可读存储介质，其存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现权利要求1至7任意一项所述scr脱硝系统喷氨量控制方法的步骤。

技术总结
本发明公开了一种SCR脱硝系统喷氨量控制方法及系统，方法包括：采集SCR脱硝系统的运行数据作为样本，对运行数据进行预处理；通过主成分分析法对样本特征进行重要性排序；依据排序后的样本特征建立基于长短时记忆网络的SCR脱硝系统出口NOx浓度预测模型；依据预测结果建立多目标优化模型，搜寻SCR脱硝系统最优喷氨量；依据寻优后的最优喷氨量计算出各个喷枪的平均喷氨量，获得最佳喷氨策略。本发明能够针对SCR脱硝系统出口NOx浓度进行预测，并将预测结果寻找最优喷氨量的约束条件，采用NSGA-III算法进行多目标寻优，并根据最优喷氨量制定出最佳喷氨策略。极大地降低了燃煤电厂SCR脱硝系统的运行成本，降低污染，提升了设备的使用寿命。使用寿命。使用寿命。


技术研发人员：王学海 朱一波 陈思勤 谈俊杰 朱磊 陈开达 储昊 茅大钧
受保护的技术使用者：上海电力大学
技术研发日：2023.05.24
技术公布日：2023/10/6