基混合建模方法循环流化床锅炉深度调峰NOx排放预测
张鹏新1
高明明1
郭炯楠1
于浩洋1
黄中2
周托2
1.华北电力大学新能源电力系统国家重点实验室,北京 1022062.清华大学能源与动力工程系,北京 100084
摘要：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2.14 mg/m3,平均相对百分误差δMAPE达5.68％,决定系数R2达0.902 1.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.
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
分类号：TM621.2(发电、发电厂)TK229.6(蒸汽动力工程)
资助基金：国家重点研发计划(2022YFB4100304)
论文发表日期：2024-09-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：10( 85-94 )
英文信息