Гибкие процессы переключения факела угольных электростанций часто имеют запаздывающее явление при измерении NO_x, что приводит к тому, что система управления выборочной каталитической редукцией (SCR) нитратов не реагирует своевременно, что легко приводит к избыточному или недостаточному количеству аммиака, что в свою очередь приводит к резким колебаниям содержания NO_x на выходе из реактора SCR и увеличению утечки аммиака. Для быстрой предварительной настройки клапанов подачи аммиака и учета связанных с выбросами NO_x, производимых угольными котлами, была предложена модель прогнозирования содержания NO_x на входе в реактор SCR на основе смешанной модели, основанной на сверточных нейронных сетях (CNN) и коротком и длинном периодах памяти (LSTM). Используя параметры эксплуатации котла угольной 330 МВт, рассчитывался корреляционный коэффициент Пирсона между характеристическими переменными, отобранными на основе высокой корреляции, и определена входная и выходная матрицы модели, используется алгоритм случайного поиска для оптимизации с целью повышения прогностической производительности. Дополнительно используется алгоритм SHAP для объяснения черного ящика модели, а также подтверждена управляющая эффективность прогнозов при помощи симуляционной системы. Результаты показывают, что модель прогнозирования CNN-LSTM может с высокой точностью предсказывать изменения содержания NO_x на входе в реактор SCR при переменном периоде пиковых нагрузок и может предоставить обратную связь для системы управления впрыском аммиака за 25 с; оптимизированная стратегия управления впрыском аммиака снизила стандартное отклонение содержания NO_x на выходе реактора по сравнению со значением заданного (снижение на 28%) и увеличила скорость реагирования NH_3/NO_x, снизила максимальное количество утечки аммиака на 22%. Результаты исследования могут предложить эффективное руководство для интеллектуальной технологии SCR и оптимизации горения гибких групп.

Прогнозирование NO_x; угольный энергоблок; модель CNN-LSTM; SHAP; гибкая группа