钢铁企业二氧化硫排放预测模型的建立

发布时间：2020-08-03 19:04

【摘要】：二氧化硫是当前我国环境污染的重要因素之一,是形成雾霾、酸雨、光化学烟雾等污染事件的主要污染物质之一,钢铁行业作为我国高污染、高耗能的粗放型生产制造行业,二氧化硫排放量仅次于燃煤型的火电行业。从目前国内外研究现状来看,对二氧化硫排放分析及预测大多还停留在宏观层面,主要以区域或行业排放预测为主,国外有少量对火电、化工企业二氧化硫排放的研究报道,我国钢铁企业目前则大多侧重于研究二氧化硫减排的具体技术和措施,几乎还没有开展二氧化硫排放分析和预测研究的钢铁企业。本文在对钢铁企业二氧化硫排放开展基于物质流方法的排放机理分析和基于数据挖掘的数据统计分析的基础上,研究建立钢铁企业二氧化硫排放代谢平衡预测模型和统计预测模型,并采用工业生产数据进行验证,分析模型的有效性。物质流分析方法主要用于分析特定物质在企业的“工业代谢”足迹,评估其全寿命周期中的所有物理化学反应过程对环境的影响,本文利用物质流方法对钢铁企业各工序进行硫元素代谢机理分析,以某大型联合钢铁企业A为例,详细分析硫元素参与的物理化学反应及状态变化,得出各工序硫元素投入产出平衡图,通过对比分析当前我国钢铁企业二氧化硫常用的核算方法,总结分析研究方法的优劣势,从而建立二氧化硫排放代谢平衡预测模型。统计分析方法是利用长期、连续、有效、可比的数据变量,分析多年同期统计数据变量间的相互关系,利用统计学原理找出数据间的逻辑关系,并建立统计模型预测未来数据变化。本文开展钢铁企业二氧化硫排放相关数据变量分析,以某大型联合钢铁企业A的二氧化硫排放重点工序烧结工序为例,以分析该工序二氧化硫排放量为目的,从该企业的不同数据信息系统中抽取、转换和装载二氧化硫排放分析及预测的有效数据变量,通过多元线性回归预测方法建立钢铁企业二氧化硫排放统计回归预测模型。在同时建立钢铁企业二氧化硫排放代谢平衡预测模型和统计回归预测模型的基础上,对比分析两个模型的对照关系,从逻辑上分析统计回归预测模型的可行性,并将钢铁企业二氧化硫排放统计回归预测模型应用到该企业的工业实际生产中,在实践中检验模型的有效性,从对比分析及实际应用验证可见统计回归预测模型能较好的反映二氧化硫实际排放量,作为环保决策的支持和预判。
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：X757;F426.31
【图文】：

通过铁水脱硫扒渣将硫元素转移至脱硫渣外运。某大型联合钢铁企业 A采用 CaO 粉和金属 Mg 粉脱硫，通过脱硫工艺能使铁水中含硫量由 0.029%降至 0.01%，主要脱硫反应原理如下式 3-16、3-17：S + M g M g S（3-16）2C a O + F e S + S i C a S + F e + C a O S iO（3-17）（4）白灰煅烧、轧钢、公辅工序硫元素代谢机理 硫元素主要来源于消耗的各种燃料，以焦炉煤气、转炉煤气等为主，净化后的煤气中仍有少量硫化物经高温燃烧后直接以二氧化硫等状态排入大气环境，反应原理如下式 3-18：2 2 2 2H S + O S O + H O（3-18）3.1.3 硫元素代谢平衡分析以某钢铁企业 A 整体作为一个研究单元，不考虑各工序间投入、产出因素影响，分析从外部环境中投入该企业的物料以及该企业产出的物料情况，可绘制出该企业硫元素代谢平衡分析图如图 3-1，采用该方式可分析出企业二氧化硫总体排放情况。

图 4-4 烧结生产运行 MES 系统抽取烧结生产 SO2数据表利用 Kettle 软件工具从环保在线监测系统抽取与二氧化硫排放相关的数据变量过程如下图 4-5，利用 Kettle 软件将环保在线监测系统中的数据按日期时间进行排序，选择二氧化硫相关数据目标字段，形成环保监测二氧化硫数据表：图 4-5 环保在线监测系统抽取环保监测 SO2数据表利用 Kettle 软件工具从环保在线监测系统抽取与二氧化硫排放相关的数据变量过程如下图 4-6，利用 Kettle 软件将环保在线监测系统中的数据按日期时间进行排序，选择二氧化硫相关数据目标字段，形成烧结烟气脱硫运行二氧化硫数据表：

哈尔滨工业大学工程硕士学位论文图 4-4 烧结生产运行 MES 系统抽取烧结生产 SO2数据表利用 Kettle 软件工具从环保在线监测系统抽取与二氧化硫排放相关的数据变量过程如下图 4-5，利用 Kettle 软件将环保在线监测系统中的数据按日期时间进行排序，选择二氧化硫相关数据目标字段，形成环保监测二氧化硫数据表：

本文编号：2780066