燃煤电厂SCR脱硝催化剂寿命预测

发布时间：2023-04-23 12:52

　　氮氧化物已经成为严重影响我国生态环境的污染物之一,随着环保力度的加大,燃煤电厂越来越重视烟气氮氧化物的排放控制。选择性催化还原(SCR)技术是国内外燃煤电厂中最重要的氮氧化物排放控制技术,其核心是SCR脱硝催化剂。催化剂的性能决定了 SCR系统的整体运行效果,因此对SCR脱硝催化剂的运行状况和剩余寿命进行准确预测是燃煤电厂安全经济运行的迫切需要。目前主要通过指数模型和单因素失活动力学模型来进行SCR催化剂寿命的分析预测。然而,SCR催化剂的工作环境复杂并且烟气条件多变,催化剂的失效是多个物理和化学因素共同作用的结果,仅通过传统的物理、数学公式无法准确预测其催化剂失活规律和寿命。本文基于电厂大数据,从数据挖掘的角度出发,首先对原始数据进行预处理,然后通过单因素失活和多因素失活模型来研究催化剂活性变化规律。在单因素失活研究中,建立了曲线拟合和灰色预测模型来分析运行时间与催化剂活性之间的变化规律；在多因素失活研究中,通过BP神经网络和灰色神经网络模型预测催化剂活性。通过实例对比分析发现,预处理后的数据满足等时距特性,此时灰色神经网络优化后的直接输出模型预测精度较高。对于烟气参数波动较大的电厂...

【文章页数】：66 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景及意义
        1.1.1 氮氧化物介绍
        1.1.2 SCR脱硝技术简介
    1.2 国内外研究现状
        1.2.1 催化剂失活机理及失活动力学研究现状
        1.2.2 寿命预测方法研究现状
    1.3 课题研究内容
第2章 SCR催化剂寿命预测
    2.1 催化剂活性测量与计算
    2.2 数据预处理
    2.3 预测模型
        2.3.1 单因素失活模型
        2.3.2 多因素失活模型
    2.4 模型验证
        2.4.1 曲线拟合
        2.4.2 灰色预测
        2.4.3 BP神经网络
        2.4.4 灰色神经网络模型预测结果
        2.4.5 不同预测模型分析比较
    2.5 本章小结
第3章 SCR催化剂寿命预测模型优化
    3.1 数据预处理优化
        3.1.1 数据筛选
        3.1.2 BP神经网络结构设计
        3.1.3 BP神经网络预测结果
    3.2 预测模型优化
        3.2.1 遗传算法
        3.2.2 基于遗传算法优化的BP神经网络(GABP)
    3.3 模型验证
        3.3.1 GBAP预测模型结构设计
        3.3.2 GBAP预测模型结果
        3.3.3 预测结果对比分析
    3.4 本章小结
第4章 结论与展望
    4.1 全文总结
    4.2 展望
参考文献
攻读硕士学位期间发表的论文及其它成果
致谢



本文编号：3799757