洁净煤技术

作者：张鹏新, 高明明, 郭炯楠, 于浩洋, 黄中, 周托

关键词：循环流化床锅炉,深度调峰,NOx排放浓度,迟延补偿,混合预测模型

为响应碳达峰,碳中和目标,我国循环流化床锅炉大规模参与深度调峰运行,导致锅炉NOx排放浓度波动范围大,控制效果不佳,难以满足污染物超低排放需求,因此对深度调峰NOx排放浓度进行精准建模预测有重要意义。以即燃碳模型为基础,深度剖析炉内NOx生成和还原机理,建立炉内即燃碳燃烧模型、O2动态平衡模型、CO软测量模型、NOx生成与还原模型,完成SNCR入口NOx浓度机理计算;选取给煤量、床温、烟气温度及含氧量、一二次风量、尿素溶液流量作为NOx排放浓度的输入变量,将SNCR入口NOx浓度计算值作为拓展输入变量,对所有输入变量与NOx排放浓度进行相关性分析和迟延补偿,完成数据集重构;采用长短期记忆神经网络对重构数据集进行训练和预测,并将鲸鱼优化算法用于长短期记忆神经网络的参数优化,建立循环流化床锅炉深度调峰NOx排放浓度机理———数据混合预测模型。仿真验证表明混合预测模型不同工况下预测性能和泛化能力好,能够实现循环流化床锅炉变负荷时NOx排放浓度的实时预测,相较其他预测模型的各项误差性能指标均显著提升,平均绝对误差δMAE达2.14mg/m3,平均相对百分误差δMAPE达5.68%,决定系数R2达0.9021。混合预测模型能精准预测循环流化床锅炉深度调峰下NOx排放浓度,为循环流化床锅炉超低排放智能控制系统的设计提供参考。

来源：2024年第09期

《洁净煤技术》期刊编辑部

查看洁净煤技术杂志2024年第09期