基于CPSO-RBF神经网络喷氨量的最优控制

火力发电厂选择性催化还原脱硝控制方法中,由于PID控制算法具有较大的惯性和延迟,喷氨量的控制精度导致烟气出口NO_x含量过高,不符合国家环保标准。因此,在分析脱硝喷氨控制影响因素基础上,建立选择性催化还原系统出口NO_x的径向基函数神经网络预测模型,采用混沌局部搜索算法确定最大迭代步数,并利用混沌粒子群优化算法(CPSO)求取最优解,以实现喷氨量的最优控制。仿真实验结果表明:与传统的PID控制算法相比,提高了喷氨量的控制精确和脱硫效率,同时降低了氨气的逃逸率。