垃圾焚烧炉SNCR脱硝系统NO_x排放浓度优化控制

摘要

因强耦合、非线性、大滞后等问题，垃圾焚烧炉选择性非催化还原脱硝系统依赖人工经验调节难以实现精准喷氨控制，影响运行稳定性与经济性，因此提出一种基于数据驱动的NO_x排放浓度优化控制方法。首先结合机理分析与影响因素初筛特征变量，利用改进传递熵算法选取出相关性强、冗余性低的最优特征集；然后构建融合多任务图神经网络（Multi-task graph neural network, MTGNN）与高效多尺度注意力机制（Efficient multi-scale attention, EMA）的NO_x浓度预测模型；在此基础上提出脱硝过程模型预测控制（Model predictive control, MPC）策略，构建以排放稳定与喷氨经济性为目标的优化框架。实验结果表明：所提出的MTGNN-EMA-Conv模型预测效果优于对比模型，且提出的MPC策略可有效降低NO_x波动并减少尿素消耗、实现脱硝过程的稳定性与经济性的协同优化。

关键词

垃圾焚烧炉 / NO_x排放 / 传递熵 / 多任务图神经网络 / 高效多尺度多注意力机制 / 模型预测控制