五金本发明涉及火力发电控制领域，更确切地说，它涉及基于模糊神经网络预测模型的火力发电脱硝闭环控制方法。

　　1、目前国内的scr脱硝闭环控制策略，基本设计为固定摩尔比控制方式(constantmole ratio control)。该控制方式下的设定值为氨氮摩尔比或者脱硝效率，控制系统根据当前的烟气流量、scr入口nox浓度和设定氨氮摩尔比计算出nh3流量需求，最终通过流量pid改变氨气阀开度来调节nh3实际流量，这种控制方式近似于开环控制，脱硝系统的nh3需求量仅根据静态物理特性计算得出；部分电厂总结固定摩尔比控制方式的不足，采取了固定scr出口nox浓度控制方式，此时系统设定值为scr出口nox浓度，并根据其与实际出口nox浓度的偏差来动态修正氨氮摩尔比，达到闭环控制scr出口浓度的效果。

　　2、环保部门最终对电厂进行考核核算的指标是脱硫出口处的nox浓度测量值(由cems表计测得)。固定摩尔比控制方式仅控制摩尔比，是简单的开环控制，控制目标与考核目标只有一定程度的关联；而固定scr出口nox浓度的控制方式，由于scr出口nox浓度与脱硫出口nox浓度不论在静态关系还是动态特性上均存在着较大的差别，也使得最终的电厂的最终环保考核结果不佳。

　　3、根据现场试验结果，脱硝被控对象(nh3流量→脱硫出口nox浓度)的响应纯延迟时间接近3分钟，整个响应过程达十几分钟，是典型的大滞后被控对象，控制系统想要获得良好的控制品质，必须以基于大滞后被控对象的设计思路进行优化。而目前普遍应用的控制策略均采用简单的pid+前馈的方案，必然无法获得良好的控制品质。

　　4、目前国内应用的脱硝控制策略，均考虑了机组负荷、烟气量变化对脱硝控制的前馈作用，但这种对应关系仅仅是基于静态物理特性的。也就是说：对于机组运行在400mw或者600mw负荷点，控制系统有对应；但对于机组如何从400mw上升到600mw的动态过程(变负荷速率，燃料、风量变化情况等等)，控制系统无响应，这就使得脱硝控制品质在机组负荷频繁变化时尤为不佳。同时上述的静态机理特性无法根据机组工况、燃煤品质的变化作出调整，应对目前电厂煤种多变的国内环境。

　　5、scr进、出口的nox、o2测量仪表由于长期运行在灰、尘较高的环境下，容易出现部分或整体失真的情况，且仪表的定期吹扫、标定也会使测量值瞬间突变。目前国内应用的脱硝控制策略对上述问题均无相应应对，一旦某个测点失灵，整个控制系统即处于瘫痪，系统的长期可用性明显受到影响。

　　1、本发明的目的是针对现有技术的不足，提出了一种卫星多通道优化反演甲烷柱浓度增强的方法，以充分考虑高光谱卫星短波红外波段甲烷特征吸收信息，推进大气定量遥感领域的研究，为实现空基大范围高精度甲烷异常排放监测提供重要技术支撑。

　　3、步骤1、确定模糊神经网络的输入变量和输出变量，所述输入变量包括nox浓度误差e和nox浓度误差的变化ec，所述输出变量包括比例系数kp、积分系数ki和微分系数kd；

　　8、步骤6、采集机组运行的实时参数，通过模糊神经网络不断对各nox测量仪表的数值进行在线评估澳门·新葡萄新京6663(中国)官方网站基于模糊神经网络预测模型的火力发电脱硝闭环控制方法与流程，发现失真现象后调整该测量参数在控制系统中的权重占比。

　　9、作为优选，步骤2中，对于输入变量，nox浓度误差e和nox浓度误差的变化ec均选取{负大，负中，负小，零，正小，正中，正大}七个语言变量，模糊集合为{nb澳门·新葡萄新京6663，nm，ns，zo，ps，pm，pb}；nox浓度误差e和nox浓度误差的变化ec的论域为{-30，+30}和{-15，+15}，其量化等级均为{-6，-4，-2，0，2，4，6}。

　　13、作为优选，步骤4中，所述网络结构包括输入层、模糊化层、模糊推理层、归一化层和解模糊输出层；

　　20、步骤5.1、在自组织学习阶段，确定隶属函数的中心和宽度，并通过竞争学习算法寻找模糊规则；

　　26、式中，x(t)为某语言变量在t时刻的值；为最接近x(t)的中心；α(t)为单调下降的学习速率；ci(t)为t时刻类i的中心；k为x(t)的模糊分割数；

　　30、作为优选，步骤5.1中，采用竞争学习算法来确定模糊推理层的每个规则节点应与归一化层中的一个相连，进而删除该规则节点与其他节点的连接，形成一条模糊规则对应一个结论的形式。

　　34、式中，η为学习速率；β为动量因子，0＜β＜1；e为控制对象控制偏差，k为采样周期时刻。

　　35、第二方面，提供了用于执行如第一方面任一所述基于模糊神经网络预测模型的火力发电脱硝闭环控制方法的系统，包括模糊神经网络、pid和史密斯预估器；系统运用rbf模糊神经网络在线自学习整定pid参数，使既相互配合又相互制约的比例、积分和微分控制作用，实现最佳的非线、本发明的有益效果是：

　　37、1.本发明直接以考核指标作为控制目标，基于模糊神经网络预测模型脱硝控制系统直接从nox浓度变化量和变化率提高控制系统可靠性、响应性，为高效环保提供保障，同时也为正常运行中的运行调整带来极大的方便。

　　38、2.本发明针对scr脱硝控制系统的大滞后特性，基于模糊神经网络预测模型脱硝控制系统应用了目前国际上最前沿的解决大滞后对象控制问题的预测控制技术，同时融合改进的状态变量控制、相位补偿控制技术，取代了原有的pid控制。采用这种技术能够提前预测被调量的未来变化趋势，而后根据被调量的未来变化量进行控制，有效提前调节过程，从而大幅提高了脱硝系统的闭环稳定性和抗扰动能力澳门·新葡萄新京6663。

　　39、3.本发明采用基于神经网络预测模型控制系统对脱硝控制系统的各种扰动因素进行动态补偿，同时基于模糊神经网络预测模型脱硝控制系统采用竞争型的神经网络学习算法来实时校正上述动态补偿算法中的各项特性参数，使得整个系统始终处于在线学习的状态，控制性能不断向最优目标逼近。

　　40、4.本发明基于模糊神经网络预测模型脱硝控制系统根据机组运行的实时参数，不断对各nox测量仪表的数值进行在线评估，发现失真现象后立即调整该测量参数在控制系统中的权重占比澳门·新葡萄新京6663，将部分测量值失真给控制系统造成的影响降至最低，从而保证脱硝控制系统的长期可靠运行。