基于LSTM模型的SCR系统喷氨量串级预测控制

周 硕, 钱玉良, 王 丹

(上海电力大学 自动化工程学院, 上海 200090)

选择性催化还原脱硝技术(Selective Catalyytic Reduction,SCR)是利用还原剂氨气降低氮氧化物(NOx)含量的一种工艺,而还原反应与机组负荷、含氧量、温度和氨气量等相关。目前,喷氨量控制方式有两种:一种是固定氨氮摩尔比去除氮氧化物[1];另一种是固定浓度目标值,利用实际值与目标值的偏差,修正摩尔比,实现对浓度的控制。然而时变系统严重影响了传统PID控制的控制性能[2]。管亚鑫[3]分析了SCR脱硝系统延时原因,将Smith预估控制器加入到控制系统中,解决了大时滞的问题。秦天牧等人[4]选择多尺度核偏最小二乘法建立脱硝系统模型,并利用多向核偏最小二乘(Multiway Kernel Partial Least Squares,MKPLS)算法和预测控制方法对SCR脱硝系统进行优化控制,取得了良好的控制效果。卜平凡等人[5]研究并仿真了动态矩阵控制在控制系统中的有效性。

本文充分考虑了时变系统对预测控制的影响,基于滚动预测思想,在长短期记忆(Long Short-Term Memory,LSTM)神经网络输入层叠加前一时刻输出,深入学习数据的深层特征,持续在线更新参数;以系统模型为基础,构建喷氨量预测控制系统;采用串级控制的系统架构,给出基于LSTM模型的SCR系统喷氨量串级预测控制方法,在LSTM预测控制系统中串联一个PID控制器,内环PID控制克服小扰动,外环预测控制快速及时跟踪设定值。

1 基于LSTM的SCR系统NOx浓度预测模型

LSTM网络因其内部拥有独特的门结构机制,能够提取并共享长期时序数据的特征,并具有对NOx排放量的长期记忆功能。……