选择性催化还原烟气脱硝深度结构和深度控制

针对火力发电厂氮氧化物排放环保要求日渐严格的现状,以优化排污控制效果为目标,提出了于喷氨格栅加装调节阀和测点的优化改造方案.在此基础上参考受限玻尔兹曼机网络结构设计了多输出串级平面场深度控制结构方案;为实现选择性催化还原(selective catalytic reduction,SCR)脱硝系统的深层优化,提出单神经元自适应–模拟退火(single neuron adaptive simulated annealing,SNASA)算法,并作为优化方案的控制器对喷氨系统进行深度结构控制;提出深度粒子群(deep particle swarm optimization,DPSO)算法,在相同方...

Full description

Saved in:
Bibliographic Details
Published in控制理论与应用 Vol. 36; no. 1; pp. 65 - 72
Main Authors 牛玉广, 潘岩, 陈曦
Format Journal Article
LanguageChinese
Published 新能源电力系统国家重点实验室,北京102206%华北电力大学控制与计算机工程学院,北京,102206 2019
华北电力大学控制与计算机工程学院,北京102206
Subjects
SCR烟气脱硝
粒子群
模拟退火
深度控制
单神经元自适应
优化
Online AccessGet full text

Cover

More Information
Summary:针对火力发电厂氮氧化物排放环保要求日渐严格的现状,以优化排污控制效果为目标,提出了于喷氨格栅加装调节阀和测点的优化改造方案.在此基础上参考受限玻尔兹曼机网络结构设计了多输出串级平面场深度控制结构方案;为实现选择性催化还原(selective catalytic reduction,SCR)脱硝系统的深层优化,提出单神经元自适应–模拟退火(single neuron adaptive simulated annealing,SNASA)算法,并作为优化方案的控制器对喷氨系统进行深度结构控制;提出深度粒子群(deep particle swarm optimization,DPSO)算法,在相同方案中作为控制器以实现喷氨系统的深度控制.设计了控制品质系数,为各系统的比较提供直观依据.仿真结果表明:所设计的两个基于深度网络的喷氨优化系统控制品质良好,鲁棒性强,较基于传统方案的喷氨控制优势明显,对工程现场有一定的指导意义.
ISSN:1000-8152
DOI:10.7641/CTA.2018.80043