一种燃气轮机NOx预测排放监测系统和方法技术方案

本发明专利技术公开了一种燃气轮机NOx预测排放监测系统，涉及燃气轮机NOx预测排放监测领域，包括输入模块、神经网络模块和输出模块，其中，输入模块包括运行输入子模块和燃气轮机性能计算模型，运行输入子模块向多层感知器神经网络模块输入环境参数、燃气轮机边界参数和输出功率，神经网络模块为可解释多层感知器结构，所述输出模块输出预测排放结果；输入模块、多层感知器神经网络模块、输出模块依次连接。本发明专利技术提高了NOx排放预测的准确性、可靠性、实时性和适应性。

A monitoring system and method for NOx emission prediction of gas turbine

【技术实现步骤摘要】
一种燃气轮机NOx预测排放监测系统和方法
本专利技术涉及燃气轮机NOx预测排放监测领域，尤其涉及一种基于可解释多层感知器神经网络的燃气轮机NOx预测排放监测系统。
技术介绍
燃气轮机功率重量比高，工作条件灵活多变，广泛应用于管道行业驱动压缩机。燃气轮机作为重要的能源转化设备，燃料燃烧时带来了污染物氮氧化物(NOx)的排放。管道用燃气轮机虽没有出台污染物排放的控制标准，但《火电厂大气污染物排放标准GB13223-2011》规定，使用天然气燃料的燃气轮机NOx排放要小于50mg/m3。另外，我国管道行业中使用的燃气轮机通常没有安装连续排放监测(CEM)系统去实时测量NOx排放量，这是因为CEM系统具有以下几个缺点：所用监测设备必须经常校准；操作和维护成本较高；不能根据运行工况变化预测NOx排放量；未考虑燃气轮机本身性能退化。此外，大口径的西部地区管线(西气东输一线、二线、三线)压气站通常位于无人居住区，对NOx排放监测并不是十分迫切。Botros和Kibrya等人基于多层感知器(MLP)神经网络模型并利用误差反向传播算法建立的PEM系统(PredictiveEmissionMonitoring，即预测排放监测)已经在加拿大管道公司的GE-LM1600、GE-LM2500+和RB211-24C三种机型上得到应用，并取得了一定效果。在建立GE-LM2500+机型PEM模型时以环境温度、环境压力、压气机转速、压气机出口压力、燃料流量作为模型输入，NOx排放作为模型输出。具体可以参见他们的文献，EmissionmonitoringmoduleforanRB211-24Cgasturbine.ASMETurboExpo2009:PowerforLand,Sea,andAir,Vol.5,PaperGT2009-59419,Orlando,Florida,USA,June8-12,2009；MeasurementsofNOxemissionsfromDLEandnon-DLEgasturbineenginesemployedinnaturalgascompressorstationsandcomparisonwithPEMmodels.Proceedingsofthe201410thInternationalPipelineConference.Calgary,Alberta,Canada,September29-October3,2014；NeuralnetworkbasedpredictiveemissionmonitoringmoduleforaGELM2500gasturbine.Proceedingsofthe8thInternationalPipelineConference.Calgary,Alberta,Canada,September27-October1,2010；AneuralnetworkbasedpredictiveemissionmonitoringmodelforNOxemissionfromagasturbinecombustor.ASMEEngineeringTechnologyConferenceonEnergy.Houston,TX,USA,February4-5,2002。Botros和Kibrya等人建立的PEM系统，建模中未考虑相对湿度、负荷以及燃气轮机本身性能退化对NOx排放的影响；未深入探究环境参数、气路参数、燃气轮机性能参数与NOx排放的相关性；对MLP神经网络结构(隐含层和每层隐含节点的数目)的选取也未给出方法或建议；模型预测NOx排放量的机制未得到有效解释。郑敏捷等以某电站PG9351FA型燃气轮机及其DLN燃烧系统进行NOx排放特性调整试验，以现场NOx试验数据为基础，基于最小二乘支持向量机(LSSVM)算法建立燃气轮机NOx排放预测模型，并分析影响NOx生成的因素。但主要针对电厂重型燃气轮机，用于DLN燃烧调整用。参见《电站燃气轮机NOx排放特性试验与建模仿真，燃气轮机技术，2017，30(2)：42-46》。该燃气轮机NOx排放预测模型，所建模型主要用于DLN燃烧调整，主要针对电厂中的重型燃气轮机，具有较强的局限性。鉴于传统连续排放监测(CEM)系统的诸多缺点和传统NOx排放预测方法的弊端，本领域的技术人员致力于开发一种基于可解释多层感知器神经网络的燃气轮机NOx预测排放监测系统。
技术实现思路
有鉴于现有技术的上述缺陷，本专利技术所要解决的技术问题是提高NOx排放预测的准确性、可靠性、实时性和适应性，控制燃气轮机优化运行、降低环境污染、提高能源利用率。为实现上述目的，本专利技术提供了一种基于可解释多层感知器神经网络的燃气轮机NOx预测排放监测系统，包括输入模块、神经网络模块和输出模块，其中，输入模块包括运行输入子模块和燃气轮机性能计算模型，运行输入子模块向多层感知器神经网络模块输入环境参数、燃气轮机边界参数和输出功率，神经网络模块为可解释多层感知器结构，输出模块输出预测排放结果；输入模块、多层感知器神经网络模块、输出模块依次连接。可选地，在上述实施例中的基于可解释多层感知器神经网络的燃气轮机NOx预测排放监测系统中，上述输出功率包括燃气轮机输出功率、动力涡轮输出功率，通过上述燃气轮机性能计算模型计算得到。可选地，在上述任一实施例中的基于可解释多层感知器神经网络的燃气轮机NOx预测排放监测系统中，上述燃气轮机性能计算模型以进气口、压气机、可调静叶、燃烧室、高压涡轮、动力涡轮、离心压缩机为基础，包括部件模块、工质热物理性质、部件匹配，所述部件模块包括压气机模块、高压透平模块、动力透平模块和离心压缩机模块，所述压气机模块、所述高压透平模块、所述动力透平模块和所述离心压缩机模块由其平衡关系和非设计特性组成，并加入空气、燃料、气体等工质的热物理性质，支持各部件模块的计算和各模块的数据交换，所述部件匹配包括质量守恒、功率守恒和动量守恒，通过所述部件匹配找到燃气轮机工作点，满足整个燃气轮机系统的质量平衡、能量平衡、动量平衡的要求。可选地，在上述任一实施例中的基于可解释多层感知器神经网络的燃气轮机NOx预测排放监测系统中，上述可解释多层感知器神经网络结构至少包括第一层、中间层和输出层，在第一层、中间层和输出层之间包含中间隐含层，中间隐含层的数量由ARPSO-AW算法(AttractiveandRepulsiveParticleSwarmOptimizationwithAdaptiveWeight，即多样性自适应权重的粒子群算法)优化得到。可选地，在上述任一实施例中的基于可解释多层感知器神经网络的燃气轮机NOx预测排放监测系统中，上述可解释多层感知器神经网络结构的第一层的输入包括环境参数、燃气轮机边界参数和输出功率，中间层设置多个可监测神经元，以压气机、高压涡轮等出口的温度和压力参数作为可监测参数，输出层以NOx排放量作为输出。进一步地，在上述实施例中的基于可解释多层感知器神经网络的燃气轮机NOx预测排放监测系统中，上述燃气轮机的边界本文档来自技高网...

【技术保护点】
1.一种燃气轮机NOx预测排放监测系统，其特征在于，包括输入模块、神经网络模块和输出模块，其中，所述输入模块包括运行输入子模块和燃气轮机性能计算模型，所述运行输入子模块向所述多层感知器神经网络模块输入环境参数、燃气轮机边界参数和输出功率，所述神经网络模块为可解释多层感知器结构，所述输出模块输出预测排放结果；所述输入模块、所述多层感知器神经网络模块、所述输出模块依次连接。/n

【技术特征摘要】
1.一种燃气轮机NOx预测排放监测系统，其特征在于，包括输入模块、神经网络模块和输出模块，其中，所述输入模块包括运行输入子模块和燃气轮机性能计算模型，所述运行输入子模块向所述多层感知器神经网络模块输入环境参数、燃气轮机边界参数和输出功率，所述神经网络模块为可解释多层感知器结构，所述输出模块输出预测排放结果；所述输入模块、所述多层感知器神经网络模块、所述输出模块依次连接。


2.如权利要求1所述的燃气轮机NOx预测排放监测系统，其特征在于，所述输出功率包括燃气轮机输出功率、动力涡轮输出功率，通过所述燃气轮机性能计算模型计算得到。


3.如权利要求2所述的燃气轮机NOx预测排放监测系统，其特征在于，所述燃气轮机性能计算模型以进气口、压气机、可调静叶、燃烧室、高压涡轮、动力涡轮、离心压缩机为基础，包括部件模块、工质热物理性质、部件匹配，所述部件模块包括压气机模块、高压透平模块、动力透平模块和离心压缩机模块，所述压气机模块、所述高压透平模块、所述动力透平模块和所述离心压缩机模块由其平衡关系和非设计特性组成，并加入空气、燃料、气体等工质的热物理性质，支持各部件模块的计算和各模块的数据交换，所述部件匹配包括质量守恒、功率守恒和动量守恒，通过所述部件匹配找到燃气轮机工作点，满足整个燃气轮机系统的质量平衡、能量平衡、动量平衡的要求。


4.如权利要求3所述的燃气轮机NOx预测排放监测系统，其特征在于，所述可解释多层感知器神经网络结构至少包括第一层、中间层和输出层，在所述第一层、所述中间层和所述输出层之间包含中间隐含层，所述中间隐含层的数量由ARPSO-AW优化得到。


5.如权利要求4所述的燃气轮机NOx预测排放监测系统，其特征在于，所述具有可监测测点的中间层神经网络框架，所述第一层的输入包括环境参数、燃气轮机边界参数和输出功率，所述中间层设置多个可监测神经元，以压气机、高压涡轮等出口的温度和压力参数作为可监测参数，所述输出层以NOx排放量作为输出。


6.一种燃气轮机NOx预测排放...

【专利技术属性】
技术研发人员：周登极，黄大文，张平，肖连，肖旺，王付京，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：上海;31