基于LSTM算法的火电厂SCR烟气脱硝控制方法

由于火电厂SCR烟气脱硝过程中烟气的初始状态参数具有不稳定性,导致排除烟气NO_(x)浓度控制难度较大。为了准确控制烟气脱硝,有效降低烟气NO_(x)浓度,提出基于长短期记忆网络(LSTM)算法的火电厂选择性催化还原(SCR)烟气脱硝控制方法。以蜂窝状催化剂为基础,结合在SCR烟气脱硝过程中的作用模式,分别从孔道和内壁两个角度构建了火电厂SCR烟气脱硝模型;引入LSTM算法,以烟气中NO_(x)浓度控制要求为目标,将催化剂的投入速率作为控制参量,结合烟气的初始状态参数,实现SCR烟气脱硝过程的控制。在测试结果中,设计控制方法下脱硝反应器出口烟气NO_(x)浓度并未受到烟气流量的显著影响,始终稳定在125.0 mg/m^(3)以内,远低于临界值(150.0 mg/m^(3)),与对照组相比,具有更加可靠的脱硝效果。