指导SNCR系统运行的方法、装置、终端及存储介质与流程

指导sncr系统运行的方法、装置、终端及存储介质
技术领域
1.本发明涉及sncr运行技术领域，尤其涉及一种指导sncr系统运行的方法、装置、终端及存储介质。


背景技术：

2.sncr(selective non-catalytic reduction，选择性非催化还原)脱硝技术初投资较低，占地面积小，在脱硝改造领域具有良好的市场前景。但其脱硝效率会受炉内温度梯度大和还原剂混合不均匀的影响。
3.大型电站的燃煤锅炉中，由于煤种及燃烧方式的变化，使得炉内燃烧温度场分布不均匀，而炉膛各层温度场的分布不均匀导致烟温偏差的产生，会造成炉内sncr系统脱硝效率的降低。由于缺乏有效的炉内燃烧监测手段，目前炉内sncr系统运行调整只能依靠经验“盲调”，无法达到有效优化sncr系统运行的目的。


技术实现要素：

4.本发明实施例提供了一种指导sncr系统运行的方法、装置、终端及存储介质，以解决无法有效优化sncr系统运行的问题。
5.第一方面，本发明实施例提供了一种指导sncr系统运行的方法，包括：
6.分别获取燃煤锅炉的不同高度层的炉膛内火焰的多幅火焰图像；
7.根据所述火焰图像，分别计算得到各层炉膛内火焰的边界温度分布；
8.将所述各层炉膛内火焰的边界温度分布输入到预先训练好的神经网络模型中，得到各层炉膛内火焰的二维温度分布；
9.根据所述各层炉膛内火焰的二维温度分布确定sncr系统的喷射层位置，并根据确定的喷射层的二维温度分布，计算得到所述喷射层的烟温偏差系数；
10.根据所述烟温偏差系数，调整所述喷射层上的喷口形状、喷射角度及还原剂喷射量，以指导sncr系统运行。
11.在一种可能的实现方式中，所述根据所述火焰图像，分别计算得到各层炉膛内火焰的边界温度分布，包括：
12.根据所述火焰图像中的色度信息，分别计算得到所述火焰图像中的波段辐射力；
13.根据所述波段辐射力，分别计算得到各层炉膛内火焰的边界温度分布。
14.在一种可能的实现方式中，所述根据所述火焰图像中的色度信息，分别计算得到所述火焰图像中的波段辐射力，包括：
15.根据计算当前火焰图像中的红光波段辐射力；
16.根据计算当前火焰图像中的绿光波段辐射力；
17.其中，er表示当前火焰图像中的红光波段辐射力，m表示阶数，am表示第一多项式拟合系数，r表示当前火焰图像中红光对应的色度信息，eg表示当前火焰图像中的绿光波段辐射力，bm表示第二多项式拟合系数，g表示当前火焰图像中绿光对应的色度信息；
18.所述根据所述波段辐射力，分别计算得到各层炉膛内火焰的边界温度分布，包括：
19.根据计算得到炉膛内火焰的边界温度分布；
20.其中，tm表示炉膛内火焰的边界温度分布，cm表示第三多项式系数。
21.在一种可能的实现方式中，根据确定的喷射层的二维温度分布，计算得到所述喷射层的烟温偏差系数，包括：
22.分别沿水平方向和竖直方向将所述喷射层的二维温度分布图均匀划分为四个区域，所述四个区域包括：左上区域、左下区域、右上区域和右下区域；
23.分别计算所述四个区域对应的二维温度的平均温度；
24.根据所述平均温度计算得到烟温偏差系数。
25.在一种可能的实现方式中，所述烟温偏差系数包括：第一烟温偏差系数和第二烟温偏差系数；
26.所述根据所述平均温度计算得到烟温偏差系数，包括：
27.根据e
上
＝t
右上
/t
左上
计算第一烟温偏差系数；
28.根据e
下
＝t
右下
/t
左下
计算第二烟温偏差系数；
29.其中，e
上
表示所述第一烟温偏差系数，e
下
表示所述第二烟温偏差系数，t
左上
表示左上区域的平均温度，t
左下
表示左下区域的平均温度、t
右上
表示右上区域的平均温度，t
右下
表示右下区域的平均温度。
30.在一种可能的实现方式中，所述根据所述烟温偏差系数，调整所述喷射层上的喷口形状、喷射角度及还原剂喷射量，包括：
31.根据所述第一烟温偏差系数和所述第二烟温偏差系数，计算平均烟温偏差系数；
32.计算平均烟温偏差系数与标准烟温偏差系数的偏差值，以偏差值最小为目标，调整所述喷射层上的喷口形状和喷射角度；
33.根据预设还原剂喷射量与所述烟温偏差系数分别计算四个区域的实际还原剂喷射量。
34.在一种可能的实现方式中，所述根据预设还原剂喷射量与所述烟温偏差系数分别计算四个区域的实际还原剂喷射量，包括：
35.当所述第一烟温差系数大于或等于1时，根据计算左上区域和右上区域的实际还原剂喷射量；
36.当所述第一烟温差系数小于1时，根据计算左上区域和右上区域的实际还原剂喷射量；
37.当所述第二烟温偏差系数大于或等于1时，根据计算左下区域和右下区域的实际还原剂喷射量；
38.当所述第二烟温差系数小于1时，根据计算左下区域和右下区域的实际还原剂喷射量；
39.其中，l
左上
表示左上区域的实际还原剂喷射量，l
左上预设
表示左上区域的预设还原剂喷射量，l
右上
表示右上区域的实际还原剂喷射量，l
右上预设
表示右上区域的预设还原剂喷射量，l
左下
表示左下区域的实际还原剂喷射量，l
左下预设
表示左下区域的预设还原剂喷射量，l
右下
表示右下区域的实际还原剂喷射量，l
右下预设
表示右下区域的预设还原剂喷射量。
40.第二方面，本发明实施例提供了一种指导sncr系统运行的装置，包括：
41.获取模块，用于分别获取燃煤锅炉的不同高度层的炉膛内火焰的多幅火焰图像；
42.计算模块，用于根据所述火焰图像，分别计算得到各层炉膛内火焰的边界温度分布；
43.所述计算模块，还用于将所述各层炉膛内火焰的边界温度分布输入到预先训练好的神经网络模型中，得到各层炉膛内火焰的二维温度分布
44.所述计算模块，还用于根据所述各层炉膛内火焰的二维温度分布确定sncr系统的喷射层位置，并根据确定的喷射层的二维温度分布，计算得到所述喷射层的烟温偏差系数；
45.执行模块，用于根据所述烟温偏差系数，调整所述喷射层上的喷口形状、喷射角度及还原剂喷射量，以指导sncr系统运行。
46.第三方面，本发明实施例提供了一种终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
47.第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
48.本发明实施例提供一种指导sncr系统运行的方法、装置、终端及存储介质，通过分别获取燃煤锅炉的不同高度层的炉膛内火焰的多幅火焰图像；根据火焰图像，分别计算得到各层炉膛内火焰的边界温度分布；将各层炉膛内火焰的边界温度分布输入到预先训练好的神经网络模型中，得到各层炉膛内火焰的二维温度分布；根据各层炉膛内火焰的二维温度分布确定sncr系统的喷射层位置，并根据确定的喷射层的二维温度分布，计算得到喷射层的烟温偏差系数；根据烟温偏差系数，调整喷射层上的喷口形状、喷射角度及还原剂喷射量，可以有效指导sncr系统运行，其中，通过炉膛内各不同高度层的二维温度分布可以有效了解各高度层的温度场，进而确定sncr系统的喷射层位置；进一步地，根据当前喷射层的二维温度分布，计算得到烟温偏差系数，通过烟温偏差系数来对应调整sncr系统中的喷口形状、喷射角度以及还原剂喷射量，可以有效提高sncr系统的脱硝效率。
附图说明
49.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
50.图1是本发明实施例提供的指导sncr系统运行方法的实现流程图；
51.图2是本发明另一实施例提供的指导sncr系统运行方法的实现流程图；
52.图3是本发明实施例提供的对炉膛内火焰二维温度分布图进行划分的示意图；
53.图4是本发明实施例提供的具体实例中的探测器安装示意图；
54.图5是本发明实施例提供的具体实例中的探测器的红、绿波段的光谱响应图；
55.图6是本发明实施例提供的具体实例中的边界温度分布结果示意图；
56.图7是本发明实施例提供的具体实例中构建的mlp神经网络模型示意图；
57.图8是本发明实施例提供的指导sncr系统运行装置的结构示意图；
58.图9是本发明实施例提供的终端的示意图。
具体实施方式
59.以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
60.为使本发明的目的、技术方案和优点更加清楚，下面将结合附图通过具体实施例来进行说明。
61.图1为本发明实施例提供的指导sncr系统运行的方法的实现流程图，详述如下：
62.步骤101，分别获取燃煤锅炉的不同高度层的炉膛内火焰的多幅火焰图像。
63.通过在燃煤锅炉的不同高度层的炉膛内部分别设置若干个探测器，可以获取各高度层的炉膛内火焰的多幅火焰图像。同时，为了保证探测器拍摄的图像清晰，结果可靠，需调整好探测器镜头的位置使得火焰可以尽可能充满图像，通过调整焦距使得拍摄的图像足够清楚，并选择好所要使用的光圈和积分时间。
64.需要说明的是，探测器设置于炉膛内部，只能拍摄到当前高度层的火焰的部分边界图像，因此，为保证后续计算精度，应尽可能在同一高度层设置多台探测器，以保证能够采集到当前高度层中火焰的完整的边界图像。
65.示例性的，针对于四角切圆的燃煤锅炉的同一高度层的炉膛内部可以设置四台探测器，并将四台探测器分别置于四角，以采集当前高度层中火焰的完整的边界图像。
66.步骤102，根据火焰图像，分别计算得到各层炉膛内火焰的边界温度分布。
67.探测器接收到的是可见光波段中红、绿、蓝三基色波长下的单色辐射，信号经由探测器内部的处理后，输出由红、绿、蓝三基色组成的火焰图像。所以，探测器采集的火焰图像中，各像素单元的红、绿对应的色度信息(即，r、g值)均可以代表火焰的波段辐射力。
68.在此基础上，步骤102可以包括：
69.步骤1021，根据火焰图像中的色度信息，分别计算得到火焰图像中的波段辐射力；
70.具体地，根据计算当前火焰图像中的红光波段辐射力；
71.根据计算当前火焰图像中的绿光波段辐射力；
72.其中，er表示当前火焰图像中的红光波段辐射力，m表示阶数，am表示第一多项式拟合系数，r表示当前火焰图像中红光对应的色度信息，eg表示当前火焰图像中的绿光波段辐射力，bm表示第二多项式拟合系数，g表示当前火焰图像中绿光对应的色度信息。
73.这里的“当前火焰图像中红光对应的色度信息”以及“当前火焰图像中绿光对应的色度信息”也就是各像素单元中的r值和g值。对于一张火焰图像来说，其像素单元数量可以是p
×
q，即，横向包含p个像素单元，纵向包含q个像素单元。在计算波段辐射力时，为保证计算精度，可以选取每张火焰图像横向中间层的p个像素单元代表当前高度层的炉膛截面位置。相应的，计算各个像素单元对应的波段辐射力，以便于后续计算各个像素单元对应的边界温度，即拍摄到的火焰的边界温度。
74.步骤1022，根据波段辐射力，分别计算得到各层炉膛内火焰的边界温度分布。
75.具体地，根据计算得到炉膛内火焰的边界温度分布；
76.其中，tm表示炉膛内火焰的边界温度分布，cm表示第三多项式系数。
77.根据上式可以分别计算得到的各个像素单元对应的边界温度，汇总当前高度层中所有火焰图像的中间层像素单元对应的边界温度，即可得到当前高度层的火焰的边界温度分布。依次类推，即可得到炉膛内不同高度层的火焰的边界温度分布。
78.步骤103，将各层炉膛内火焰的边界温度分布输入到预先训练好的神经网络模型中，得到各层炉膛内火焰的二维温度分布。
79.参见图2，可选的，在步骤103之前，还包括：
80.步骤106，基于mlp神经网络模型，构建二维温度分布与边界温度分布之间的神经网络模型，并训练该神经网络模型。
81.具体地，可以将炉膛各层截面划分为n
×
n的网格，即，网格数量为n2。根据探测器的像素单元数量设定mlp神经网络模型的输入层神经元数量，根据炉膛内当前截面的网格数量设定mlp神经网络模型的输出层神经元数量。至于mlp神经网络模型的其他参数(包括：隐藏层数量、隐藏层神经元数量、优化算法、损失函数等)可由用户根据所需精度，自行设定。
82.示例性地，本技术实施例中将炉膛各层截面划分为10
×
10的网格，即，网格数量为100。在同一高度层的炉膛内部设置四台探测器，每台探测器采集到的火焰图像包含100个像素单元，因此，将mlp神经网络模型的输入层神经元设定为400个；相应地，将mlp神经网络模型的输出层神经元设定为100个。并且设立12层隐藏层，每层隐藏层均包含500个神经元。采用adam算法作为优化算法，计算均方误差作为损失函数。
83.进一步地，基于热辐射成像原理，构建炉膛内火焰的边界温度分布与炉膛内火焰的二维温度分布之间的对应关系：tm＝a't。
84.其中，a'表示系数矩阵，t表示炉膛内火焰的二维温度分布。
85.根据燃烧锅炉的各项物理参数(包括：介质辐射参数、探测器安装位置和炉膛尺寸)，利用dresor(distributions of ratio of energy scattered or reflected，散射或者反射能量份额分布)法可以计算得到系数矩阵。
86.根据上述边界温度分布与二维温度分布之间的对应关系可以实现正问题的计算，即已知炉膛内火焰的二维温度分布及燃烧锅炉的各项物理系数，即可计算得到炉膛内火焰的的边界温度分布。以此获得mlp神经网络训练所需的数据集。
87.示例性地，本发明实施例中，设定20000个非轴对称不均匀的炉内二维温度分布数据，并根据上述对应关系计算得到相应的边界温度分布数据，获得20000组训练数据，用以训练二维温度分布与边界温度分布之间的神经网络模型。
88.训练完成后，将步骤102中得到的炉堂内火焰的边界温度分布数据(即，不同高度层中相应的像素单元对应的边界温度值)分别输入预先训练好的神经网络模型中，即可得到各高度层的炉膛截面的二维温度分布(即，各高度层的炉膛截面上的各网格的温度值)。
89.步骤104，根据各层炉膛内火焰的二维温度分布确定sncr系统的喷射层位置，并根据确定的喷射层的二维温度分布，计算得到喷射层的烟温偏差系数。
90.选择二维温度处于预设温度范围区间的相应的高度层，确定为sncr系统的喷射层。
91.示例性地，可以确定预设温度范围为1173k～1373k。即，选择二维温度处于1173k～1373k之间的高度层确定为sncr系统的喷射层。
92.可选的，根据确定的喷射层的二维温度分布，计算得到喷射层的烟温偏差系数，包括：
93.步骤1041，参见图3，分别沿水平方向和竖直方向将喷射层的二维温度分布图均匀划分为四个区域，四个区域包括：左上区域31、左下区域32、右上区域33和右下区域34；
94.步骤1042，分别计算四个区域对应的二维温度的平均温度；
95.根据当前喷射层截面中不同区域的各网格的温度值，即可计算得到各区域的平均温度。
96.即，根据计算得到各区域的平均温度，其中，t
平均
表示当前区域的平均温度，ti表示第i个网格的温度值，n表示当前区域内的网格数量。
97.步骤1043，根据平均温度计算得到烟温偏差系数。可选的，烟温偏差系数包括：第一烟温偏差系数和第二烟温偏差系数；
98.相应地，步骤1403，包括：
99.根据e
上
＝t
右上
/t
左上
计算第一烟温偏差系数；
100.根据e
下
＝t
右下
/t
左下
计算第二烟温偏差系数；
101.其中，e
上
表示第一烟温偏差系数，e
下
表示第二烟温偏差系数，t
左上
表示左上区域的平均温度，t
左下
表示左下区域的平均温度、t
右上
表示右上区域的平均温度，t
右下
表示右下区域
的平均温度。
102.步骤105，根据烟温偏差系数，调整喷射层上的喷口形状、喷射角度及还原剂喷射量，以指导sncr系统运行。
103.可选的，步骤105，包括：
104.步骤1051，根据第一烟温偏差系数和第二烟温偏差系数，计算平均烟温偏差系数；
105.具体地，根据e
ave
＝(e
上
e
下
)/2计算平均烟温偏差系数。其中，e
ave
表示平均烟温偏差系数。
106.步骤1052，计算平均烟温偏差系数与标准烟温偏差系数的偏差值，以偏差值最小为目标，调整喷射层上的喷口形状和喷射角度；
107.这里的标准烟温偏差系数可以设定为1。
108.示例性地，使用圆形喷口时的平均烟温偏差系数e
ave
为1.05；使用方形喷口时的平均烟温偏差系数e
ave
为1.12，所以选取圆形喷口作为喷射层的喷口。
109.喷射角度分别沿着炉膛内测水平方向向下倾斜5
°
、10
°
、15
°
、20
°
、25
°
，相应地，平均烟温偏差系数e
ave
分别为0.96、1.02、1.04、1.07、1.08。所以选取沿着炉膛内侧水平方向向下倾斜10
°
作为喷射角度。
110.步骤1053，根据预设还原剂喷射量与烟温偏差系数分别计算四个区域的实际还原剂喷射量。
111.具体地，步骤1053，包括：
112.当第一烟温差系数大于或等于1时，根据计算左上区域和右上区域的实际还原剂喷射量；
113.当第一烟温差系数小于1时，根据计算左上区域和右上区域的实际还原剂喷射量；
114.当第二烟温偏差系数大于或等于1时，根据计算左下区域和右下区域的实际还原剂喷射量；
115.当第二烟温差系数小于1时，根据计算左下区域和右下区域的实际还原剂喷射量；
116.其中，l
左上
表示左上区域的实际还原剂喷射量，l
左上预设
表示左上区域的预设还原剂喷射量，l
右上
表示右上区域的实际还原剂喷射量，l
右上预设
表示右上区域的预设还原剂喷射量，l
左下
表示左下区域的实际还原剂喷射量，l
左下预设
表示左下区域的预设还原剂喷射量，l
右下
表示右下区域的实际还原剂喷射量，l
右下预设
表示右下区域的预设还原剂喷射量。
117.下面结合一具体实例来进一步说明本技术实施例中的技术方案：
118.针对一个四角切圆燃烧锅炉，此锅炉炉宽为11.92m，炉深为10.8m。锅炉为四角切圆燃烧方式，机组负荷稳定在195mw，使用的设计煤种为混合贫煤。如图4所示，在炉膛内标高为12m、22m和35m处的三个高度层采集火焰图像，分别在炉膛各高度层的4个位置布置探测器。为了保证探测器拍摄的图像清晰，结果可靠，需调整好探测器镜头的位置使得火焰可以尽可能充满图像，通过调整焦距使得拍摄的图像足够清楚，并选择好所要使用的光圈和积分时间，实验过程中保证上述条件不变。
119.探测器的可见光波段内的光谱响应曲线如图5所示，故红光波段选取550-700nm，绿光波段选取400-680nm。利用黑体炉进行标定，设定不同黑体炉温度，使用探测器，并调整相机积分时间确保图像无饱和现象，拍摄各温度下不同积分时间的黑体炉彩色图像；读取各温度下不同积分时间的黑体炉彩色图像的色度信息(即，r、g值)，进一步通过拟合确定色度信息和波段辐射力间存在的比例关系，如式(1)和式(2)所示，以及边界温度分布与两者波段辐射力之间的比例关系，如式(3)所示：
[0120][0121][0122][0123]
每层的4个探测器共拍摄4张火焰图像，每张图像横纵方向的像素单元数量为100
×
90，选取每张火焰图像横向中间层的100个像素代表炉膛当前高度层的截面位置，利用火焰图像中的色度信息，结合式(1)和式(2)分别计算得到波段辐射力，再根据式(3)获得炉膛各层的边界温度分布，边界温度分布结果如图6所示。图中横坐标的像素数代表火焰图像中间层的像素的编号，编号1到400分别对应四个位置的探测器采集到的火焰图像的中间像素编号，1-100代表第一张火焰图像的中间层像素编号，101-200代表第二张火焰图像的中间层像素编号，以此类推。
[0124]
将炉膛各层截面划分成10
×
10的网格，即网格数为100.探测器一共布置4台，每台探测器拍摄得到的火焰图像包含100个像素单元，即总像素单元数量为400。因此，mlp神经网络模型的输入层神经元数量设定为400个，输出层神经元数量设定为100个，并且设立12层隐藏层，每层500个神经单元。以此构建如图7所示的mlp神经网络模型。
[0125]
自行设定20000个非轴对称不均匀的炉内二维温度分布，根据tm＝a't计算得到相对应的边界温度分布，一共获得20000组训练数据，对上述mlp神经网络模型进行训练。
[0126]
训练完成后，将各高度层的火焰的边界温度分布结果分别输入到训练好的神经网
络模型中，得到各高度层的火焰的二维温度分布结果。
[0127]
在炉膛内各高度层的火焰的二维温度分布中，选择温度范围在1173k～1373k的截面作为sncr喷射层，即35m标高处。
[0128]
在35m标高处的喷射层的二维温度分布上，分别作两个轴的垂线，这两条垂线可以将截面均等划分为大小相等的四个区域，示例性地，参见图3。
[0129]
四个区域的平均温度分别为t
左上
为1190k、t
右上
为1205k、t
左下
为1180k、t
右下
为1215k。35m标高处截面的烟温偏差系数为：e
上
＝t
右上
/t
左上
＝1.013，e
下
＝t
右下
/t
左下
＝1.030。因为烟温偏差系数e
上
和e
下
均大于1，所以右侧烟温略大于左侧烟温。
[0130]
在35m标高处，四周共布置24支喷口，其中圆形喷口12支，方形喷口12支，还原剂为尿素溶液。打开圆形喷口喷射还原剂后的平均烟温偏差系数e
ave
为1.05；打开方形喷口喷射还原剂后的平均烟温偏差系数e
ave
为1.12，所以选取圆形喷口作为喷射层的喷口。
[0131]
喷射角度分别沿着炉膛内测水平方向向下倾斜5
°
、10
°
、15
°
、20
°
、25
°
，相应地，平均烟温偏差系数e
ave
分别为0.96、1.02、1.04、1.07、1.08。所以选取沿着炉膛内侧水平方向向下倾斜10
°
作为喷射角度。
[0132]
分别设定四个区域的预设喷射量：l
左上预设
为411kg/h，l
右上预设
为411kg/h，l
左下预设
为382kg/h，l
右下预设
为382kg/h。根据烟温偏差系数调整喷射层还原剂的喷射量为：l
左上
＝l
左上预设
/e
上
＝406kg/h＝4，l
右上
＝l
右上预设
/e
上
＝416kg/h，l
左下
＝l
左下预设
×e下
＝371kg/h，l
右下
＝l
右下预设
×e下
＝393kg/h。
[0133]
本发明实施例通过分别获取燃煤锅炉的不同高度层的炉膛内火焰的多幅火焰图像；根据火焰图像，分别计算得到各层炉膛内火焰的边界温度分布；将各层炉膛内火焰的边界温度分布输入到预先训练好的神经网络模型中，得到各层炉膛内火焰的二维温度分布；根据各层炉膛内火焰的二维温度分布确定sncr系统的喷射层位置，并根据确定的喷射层的二维温度分布，计算得到喷射层的烟温偏差系数；根据烟温偏差系数，调整所述喷射层上的喷口形状、喷射角度及还原剂喷射量，可以有效指导sncr系统运行，其中，通过炉膛内不同各高度层的二维温度分布可以有效了解各高度层的温度场，进而确定sncr系统的喷射层位置；进一步地，根据当前喷射层的二维温度分布，计算得到烟温偏差系数，通过烟温偏差系数来对应调整sncr系统中的喷口形状、喷射角度以及还原剂喷射量，可以有效提高sncr系统的脱硝效率。
[0134]
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
[0135]
以下为本发明的装置实施例，对于其中未详尽描述的细节，可以参考上述对应的方法实施例。
[0136]
图8示出了本发明实施例提供的指导sncr系统运行的装置的结构示意图，为了便于说明，仅示出了与本发明实施例相关的部分，详述如下：
[0137]
如图8所示，指导sncr系统运行的装置8包括：获取模块81、计算模块82和执行模块83。
[0138]
获取模块81，用于分别获取燃煤锅炉的不同高度层的炉膛内火焰的多幅火焰图像；
[0139]
计算模块82，用于根据火焰图像，分别计算得到各层炉膛内火焰的边界温度分布；
[0140]
在一种可能的实现方式中，计算模块82，用于根据火焰图像中的色度信息，分别计算得到火焰图像中的波段辐射力；
[0141]
具体地，计算模块82，用于根据计算当前火焰图像中的红光波段辐射力；
[0142]
计算模块82，用于根据计算当前火焰图像中的绿光波段辐射力；
[0143]
其中，er表示当前火焰图像中的红光波段辐射力，m表示阶数，am表示第一多项式拟合系数，r表示当前火焰图像中红光对应的色度信息，eg表示当前火焰图像中的绿光波段辐射力，bm表示第二多项式拟合系数，g表示当前火焰图像中绿光对应的色度信息；
[0144]
在一种可能的实现方式中，计算模块82，还用于根据波段辐射力，分别计算得到各层炉膛内火焰的边界温度分布。
[0145]
具体地，计算模块82，用于根据计算得到炉膛内火焰的边界温度分布；
[0146]
其中，tm表示炉膛内火焰的边界温度分布，cm表示第三多项式系数。
[0147]
计算模块82，还用于将各层炉膛内火焰的边界温度分布输入到预先训练好的神经网络模型中，得到各层炉膛内火焰的二维温度分布。
[0148]
计算模块82，还用于根据各层炉膛内火焰的二维温度分布确定sncr系统的喷射层位置，并根据确定的喷射层的二维温度分布，计算得到喷射层的烟温偏差系数；
[0149]
在一种可能的实现方式中，计算模块82，用于分别沿水平方向和竖直方向将喷射层的二维温度分布图均匀划分为四个区域，四个区域包括：左上区域、左下区域、右上区域和右下区域；
[0150]
计算模块82，还用于分别计算四个区域对应的二维温度的平均温度；
[0151]
计算模块82，还用于根据平均温度计算得到烟温偏差系数。
[0152]
具体地，计算模块82，用于根据e
上
＝t
右上
/t
左上
计算第一烟温偏差系数；
[0153]
计算模块82，还用于根据e
下
＝t
右下
/t
左下
计算第二烟温偏差系数；
[0154]
其中，e
上
表示第一烟温偏差系数，e
下
表示第二烟温偏差系数，t
左上
表示左上区域的平均温度，t
左下
表示左下区域的平均温度、t
右上
表示右上区域的平均温度，t
右下
表示右下区域的平均温度。
[0155]
执行模块83，用于根据烟温偏差系数，调整喷射层上的喷口形状、喷射角度及还原剂喷射量，以指导sncr系统运行。
[0156]
在一种可能的实现方式中，执行模块83，用于根据第一烟温偏差系数和第二烟温偏差系数，计算平均烟温偏差系数；
[0157]
执行模块83，还用于计算平均烟温偏差系数与标准烟温偏差系数的偏差值，以偏
差值最小为目标，调整喷射层上的喷口形状和喷射角度；
[0158]
执行模块83，还用于根据预设还原剂喷射量与烟温偏差系数分别计算四个区域的实际还原剂喷射量。
[0159]
具体地，执行模块83，用于当第一烟温差系数大于或等于1时，根据计算左上区域和右上区域的实际还原剂喷射量；
[0160]
当第一烟温差系数小于1时，根据计算左上区域和右上区域的实际还原剂喷射量；
[0161]
当第二烟温偏差系数大于或等于1时，根据计算左下区域和右下区域的实际还原剂喷射量；
[0162]
当第二烟温差系数小于1时，根据计算左下区域和右下区域的实际还原剂喷射量；
[0163]
其中，l
左上
表示左上区域的实际还原剂喷射量，l
左上预设
表示左上区域的预设还原剂喷射量，l
右上
表示右上区域的实际还原剂喷射量，l
右上预设
表示右上区域的预设还原剂喷射量，l
左下
表示左下区域的实际还原剂喷射量，l
左下预设
表示左下区域的预设还原剂喷射量，l
右下
表示右下区域的实际还原剂喷射量，l
右下预设
表示右下区域的预设还原剂喷射量。
[0164]
本发明实施例通过获取模块81，用于分别获取燃煤锅炉的不同高度层的炉膛内火焰的多幅火焰图像；计算模块82，用于根据火焰图像，分别计算得到各层炉膛内火焰的边界温度分布；计算模块82，还用于将各层炉膛内火焰的边界温度分布输入到预先训练好的神经网络模型中，得到各层炉膛内火焰的二维温度分布；计算模块82，还用于根据各层炉膛内火焰的二维温度分布确定sncr系统的喷射层位置，并根据确定的喷射层的二维温度分布，计算得到喷射层的烟温偏差系数；执行模块83，用于根据烟温偏差系数，调整所述喷射层上的喷口形状、喷射角度及还原剂喷射量，可以有效指导sncr系统运行，其中，通过炉膛内不同各高度层的二维温度分布可以有效了解各高度层的温度场，进而确定sncr系统的喷射层位置；进一步地，根据当前喷射层的二维温度分布，计算得到烟温偏差系数，通过烟温偏差系数来对应调整sncr系统中的喷口形状、喷射角度以及还原剂喷射量，可以有效提高sncr系统的脱硝效率。
[0165]
图9是本发明实施例提供的终端的示意图。如图9所示，该实施例的终端9包括：处理器90、存储器91以及存储在所述存储器91中并可在所述处理器90上运行的计算机程序92。所述处理器90执行所述计算机程序92时实现上述各个指导sncr系统运行的方法实施例中的步骤，例如图1所示的步骤101至步骤105。或者，所述处理器90执行所述计算机程序92时实现上述各装置实施例中各模块/单元的功能，例如图8所示模块/单元81至83的功能。
[0166]
示例性的，所述计算机程序92可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器91中，并由所述处理器90执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序92在所述终端9中的执行过程。例如，所述计算机程序92可以被分割成图8所示的模块/单元81至83。
[0167]
所述终端9可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端9可包括，但不仅限于，处理器90、存储器91。本领域技术人员可以理解，图9仅仅是终端9的示例，并不构成对终端9的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端还可以包括输入输出设备、网络接入设备、总线等。
[0168]
所称处理器90可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0169]
所述存储器91可以是所述终端9的内部存储单元，例如终端9的硬盘或内存。所述存储器91也可以是所述终端9的外部存储设备，例如所述终端9上配备的插接式硬盘，智能存储卡(smart media card，smc)，安全数字(secure digital，sd)卡，闪存卡(flash card)等。进一步地，所述存储器91还可以既包括所述终端9的内部存储单元也包括外部存储设备。所述存储器91用于存储所述计算机程序以及所述终端所需的其他程序和数据。所述存储器91还可以用于暂时地存储已经输出或者将要输出的数据。
[0170]
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本技术的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0171]
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
[0172]
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
[0173]
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元
或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
[0174]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0175]
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0176]
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个指导sncr系统运行的方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
[0177]
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。