火电厂CO2捕集系统的LSSVM-Hammerstein建模方法

针对火电厂燃烧后CO_2捕集过程的强非线性及大惯性等动态特性,研究准确性高的建模方法是系统优化设计的前提,本文从控制角度研究CO_2捕集系统的非线性动态辨识建模方法。首先介绍火电厂CO_2捕集系统工作原理,将系统抽象为二输入二输出的受控对象;然后采用基于最小二乘支持向量机的Hammerstein模型(LSSVM-Hammerstein)辨识方法,将CO_2捕集系统表示为静态LSSVM模型与动态线性模型的组合。辨识结果表明该模型有很高的辨识精度和泛化能力,能精确描述CO_2捕集系统非线性动态特性,为后续研究先进控制算法提供仿真平台和设计依据。     

可再生能源下燃煤电站-碳捕集优化调度

燃煤电站集成碳捕集技术在实现碳减排的同时可以提升电站灵活性,帮助电网消纳风光;而可再生能源网络可以提供富余能量来满足碳捕集的需求,提升电站碳捕集系统的经济性能。为此,本文提出了一种可再生能源背景下超临界燃煤电站-碳捕集系统的整体优化调度方法。该方法将深度学习与启发式计算融合,综合考虑机组运行约束和电网功率平衡约束,以降低运行成本和最大消纳风光为目标,对电站-碳捕集系统整体运行优化。结果表明,碳捕集系统的引入可以消纳51%的弃风弃光量,降低35%的碳捕集成本。通过比较,自由捕集率约束模式具有最好的优化调度空间,而平均捕集率约束模式在满足电网指定碳排放要求的同时能够保证良好的经济性。     

燃煤发电CO2捕集系统协调预测控制

基于化学吸附的燃烧后CO2捕集技术是最具应用前景的燃煤电站脱碳方法。然而,捕集系统与电站之间存在强烈的相互干扰,增大了整体系统控制的难度。为此,本文提出一种燃煤发电CO2捕集整体系统协调预测控制策略。为燃煤电站机炉系统和捕集系统分别设计预测控制器,并将当前及未来估计的汽机抽汽流量和烟气流量作为前馈信号送入预测控制器,以此实现两套系统间的相互协调和深度结合。仿真结果验证了所提方法的优越性和有效性。