超临界锅炉烟气脱硝喷氨量混结构–径向基函数神经网络最优控制

喷氨量大小不仅影响超临界锅炉选择性催化还原(selectivecatalyticreduction，SCR)烟气脱硝装置的效率，过量喷氨也会导致下游空预器受热面的积灰、腐蚀和造成资源浪费、二次污染，且在变负荷时，传统PID控制方式很难实现最佳控制。通过引入混结构隐含层，改善传统RBF神经网络变工况控制时的非线性和扰动适应能力，设计了基于混结构RBF神经网络(MS-RBFNN)的喷氨流量最优控制系统，用MS-RBFNN综合学习当前主要相关状态参数，以SCR脱硝装置出口NOx排放量最小作为学习训练信号，实时并行计算出最优喷氨控制流量。实验结果表明，此优化方案相对传统PID控制，具有更好的NOx排放控制效果和变工况适应能力，同时节约了喷氨量。