SCR脱硝催化剂寿命预测与管理

发布时间：2020-08-18 15:18

【摘要】：选择性催化还原技术(SCR)是目前火电厂应用最为广泛的氮氧化物脱除技术,其核心是SCR脱硝催化剂。对在役SCR脱硝系统催化剂的健康状况和剩余寿命进行预测是燃煤电厂科学维护和安全使用烟气脱硝系统的迫切需要。目前,SCR催化剂寿命预测主要使用指数模型和通过分析失活原理建立的单因素的失活动力学模型的方法。但催化剂的工作环境复杂,烟气条件多变,仅分析单因素对催化剂造成的影响无法准确预测其失活规律,更无法分析出其寿命。催化剂活性是其本身的物理性质,不会随着运行工况和烟气条件的变化而改变,只会随着自身慢慢失活而降低数值。因此,本文选取催化剂活性作为预测参数,并针对催化剂活性与服役时间的样本数据具有灰色特点,建立了灰色预测模型、BP神经网络和2种灰色BP神经网络模型,避免了样本数据少且不具备一致性对预测结果的影响。通过实例对比分析,说明了灰色神经网络法中的直接输出法精度较高,可以为燃煤电厂SCR催化剂的失活趋势预测及更换管理提供一定的依据。最后,本文以氨逃逸量为评判标准,基于SCR反应器的基础模型和催化剂失活模型,建立了符合实际脱硝工况的催化剂寿命管理模型。在此基础上,进一步根据催化剂更换或者加装情况,计算并比较了 12种可能的管理方案,并获得了最优方案,为燃煤电厂催化剂管理提供了一定基础。
【学位授予单位】：华北电力大学(北京)
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：X773;TQ426
【图文】：

结构图,数学问题,隐含层,神经元

隐含层逡逑图２－１邋ＢＰ神经网络结构图逡逑如图２－１所示，ＢＰ神经网络由单层的输入输出层和层数不等的隐含层所构逡逑成（通常单隐含层即可解决大多数复杂的数学问题）。其中各层又由数量不等的逡逑神经元组成，若神经元数量过少则网络容错性低无法完成训练，若神经元数量过逡逑多则网络泛化能力低，使预测催化剂活性的能力下降。故如何设定一个合适的网逡逑络结构，确定各层神经元个数是准确预测催化剂寿命的重要坏节。输入输出层神逡逑经元个数可以由用户的目标数据类型数确定，而隐禽层神经元个数ｎ则需要通过逡逑经验公式确定大致范围后，再对不同网络结构的训练对比最终确定，经验公式为逡逑式（２－１６）0逡逑ｎ邋＝邋ｙｌｍ邋＋邋ｄ邋＋邋ｖ逦（２－１７）逡逑式中ｍ一输入层神经元个数；逡逑ｄ—输出层神经元个数；逡逑ｖ逦常数且１＜Ｖ＜１０。逡逑ＢＰ神经网络训练步骤如下：逡逑（１）信号的正向传播过程逡逑１）

反应器模型

逡逑Ｋ＝邋Ｋ０邋ｅｘｐ（－Ｑｔ）常装有３层催化剂，烟气依次通过各改变，致使三层催化剂的失活速率不活模型如下所示：逡逑Ｋｉ邋＝邋Ｋ０邋ｅｘｐ（－０；0化剂的失活速率，且Ｑｉ＞Ｑ２＞Ｑ３。逡逑剂的反应器模型逡逑学者曾利用式（２－４），即默认氨氮比等进行过计算管理，但在电厂的实际应用利用式Ｐ－４）则会造成较大误差，进而硝工况，推导并建立了当氨氮比小于１烟气

效率曲线,脱硝,效率曲线,方案

逦１２００００逡逑运行时间／ｈ逡逑图３－３两种方案的反应器氨逃逸曲线图逡逑上述两种方案的前期管理模式相同，故当时间小于７０１６１小时时，两种方案逡逑曲线重合。由表３－１可知，方案二中的催化剂运行时间比方案一更长，延长了催逡逑化剂的使用寿命。比较图３－２和图３－３可知

【相似文献】