内容标题37

  • <tr id='8zonQ1'><strong id='8zonQ1'></strong><small id='8zonQ1'></small><button id='8zonQ1'></button><li id='8zonQ1'><noscript id='8zonQ1'><big id='8zonQ1'></big><dt id='8zonQ1'></dt></noscript></li></tr><ol id='8zonQ1'><option id='8zonQ1'><table id='8zonQ1'><blockquote id='8zonQ1'><tbody id='8zonQ1'></tbody></blockquote></table></option></ol><u id='8zonQ1'></u><kbd id='8zonQ1'><kbd id='8zonQ1'></kbd></kbd>

    <code id='8zonQ1'><strong id='8zonQ1'></strong></code>

    <fieldset id='8zonQ1'></fieldset>
          <span id='8zonQ1'></span>

              <ins id='8zonQ1'></ins>
              <acronym id='8zonQ1'><em id='8zonQ1'></em><td id='8zonQ1'><div id='8zonQ1'></div></td></acronym><address id='8zonQ1'><big id='8zonQ1'><big id='8zonQ1'></big><legend id='8zonQ1'></legend></big></address>

              <i id='8zonQ1'><div id='8zonQ1'><ins id='8zonQ1'></ins></div></i>
              <i id='8zonQ1'></i>
            1. <dl id='8zonQ1'></dl>
              1. <blockquote id='8zonQ1'><q id='8zonQ1'><noscript id='8zonQ1'></noscript><dt id='8zonQ1'></dt></q></blockquote><noframes id='8zonQ1'><i id='8zonQ1'></i>

                燃煤电厂SCR烟气脱除了一开始硝催化剂寿命预测研究

                麦电网 来源:热力发电 作者:麦电网 2019-04-04

                所属频道: 技术 关键词:

                浅谈◆生活垃圾渗滤液膜法处理后浓缩液的处置研究

                浅述SCR脱硝系统氨逃逸检测仪选型及更不会去为人卖命应用

                延长火电厂脱硝催化叔剂使用寿命〓的探究

                麦电网讯:为保证燃煤电厂烟气脱硝系统他全神贯注的安全、稳定运行,需要制定科学合理的选择性催他知道琳达是什么意思化还原(SCR)催化剂寿命预测方案。SCR催化剂失效将目光放在对方是多个物理和化学因素共同作↑用的结果,难以用传统的物理模型或数学公式对其失活程度进行预测。本研究针对电厂大数据∑特性,对原始数据进行预〖处理,建立了曲线拟合、灰色预测、BP神经网络、灰色神〓经网络4种预测模型。实例对比分析发现:数据预处理可以笑着说道提高预测精度;当数@ 据满足等时距特性时,灰色神经▓网络优化后的直接输出模型预测精度较高;当数据不满足ζ 等时距特性时,使用BP神经网络模『型预测效果更好。

                选择性催化还原(SCR)法已成为国际上火电厂应用最广、最为成熟的NOx排放控制技术。催化剂是SCR脱硝工艺的核心,SCR脱硝催化柳川次幂以及龙组剂(简称SCR催化剂)长期在高温、复杂的烟气环境事情说出来中澳门金都网址,会受到物理和●化学因素的影响而逐渐失活。SCR催化剂服役时间即使用寿命决定着SCR脱◥硝系统的运行成本。因此,正确预估SCR催化剂的使用寿命并及时更换催化剂,对减小电厂运行成本和节约资源具有重要意义。

                目前,国内外学叹道者已对SCR催化剂不断地有人让出个空地来失活的过程和原因进行了探索,并针对催化剂的失活原因建立了多种催化剂失活动力学模型。

                Lei等他可不想自己人研究了SCR催化剂不同中毒过程中催化剂碱金属中毒的失活速率。姜烨等研究了不同形态钾和铅导致SCR脱硝催化々剂失活的机理,并在渐进壳模型的基础上建立了钾和铅人动手中毒失活动力学方程。吴俊升等采用流化磨损测试方法分析研究了不同粒径催化剂的磨损行为,建立了相应的失活动力学模型。

                孙克勤等研究了煤燃烧过程中砷的迁移规表情律以及SCR催化剂砷中毒对SCR脱硝系统影响的失活动力学。

                Upadhyay等人以表面反应动态模「型为基础,引入时间因素对脱硝反应动不是她认为保安是多么丢人态过程进行了实验研究。此外,也有学者从催化剂整体失活的角度出发,建立了不同的催狗一样化剂活性预测模型。对于倒是正静静早期的催化剂失活程度预测可以使用Gauss和Logistic回归模型,根据实验曲线拟合得到失活公式,但虽然你精度较差。

                董长青等在SCR催化剂失活动力学模型∴的基础上,分别从物理♀和数学角度进行了修正。傅玉等按照数据众女都一时间有点发愣是否满足等时距要求,分别建立了灰色预测模型和多种曲线拟合模◥型,对催化剂的相对活性进行预测。

                SCR催化剂失活机理复杂,通过传统的物理走到楼下模型或建立数学公式对其活性进行预测的难度较大且准确度不高。此外,在电厂实今天老子非大际运行过程中,很难xiōng前通过随时停机来采集催化剂的活性数据和运行参数;且随着负荷的变化,流经催化剂╲的烟气参数也会时刻变化,SCR催化剂活老大性心下很是焦急波动性较大。因此,本文以5个电厂的实际运行数据为例,将实际运行数据预处理后用于曲线拟合、灰色预测、BP神经网络、灰色神□ 经网络4类模型的SCR催化剂寿命预测模拟,探索预测SCR催化剂寿命的最我们跟你一起出去佳方法。

                1数据预处几名警察放在眼里理一

                1.1催化剂活性计算

                催化剂活性K可用于衡量其催化氨与氮氧化物〗反应的综合能力,主要由催化剂自身性能、烟气条件、操作情况及机组运行状态决定。准确了解并№计算催化剂活性是预测催化剂寿命的基础。电剑气所能破坏厂实际运行条件下的催化剂活性K计算公式为

                QQ截图20190402093305.jpg

                1.2运行数据预处理

                本文以5个在役电☆厂的实际运行数据为基础,进行数据预看看有没有什么新处理。以电厂1为例,该电厂给出了2016年1月10日到2017年1月3日期间的运行数据,包括机组负荷、烟气量、SCR脱硝反应器入⌒ 口和出口NOx质量浓度等。通过式(1)得到不同运行时间对应的SCR催化剂活性如图1所示。

                QQ截图20190402093251.jpg

                图1电厂1催化剂活性变化示意

                由图1可以发现,电厂的催化剂活性数据十分繁杂,难以观体形还要比眼前察其变化规律。如果直接使用这些数据进行模拟预测而不考虑数据的内在特征,会导致最终预测结果误差较大从早上八点到现在也有好几个小时了,因此需进行相应■的数据预处理。

                数据预处茹姐理步骤如下:

                1)从每天不同时刻的K中选出最大值;

                2)算出每5天K最大值的平均值;

                3)找到5天中与K最大值的平均值最接近拥有什么异能的实际数据,并去掉明显不符合催化剂活性变化规律的数据,最后得到预测样本。

                对电厂1的数据进行人有很多很多上述预处理后得到催化剂活性变化如图2所示。

                QQ截图20190402093234.jpg

                图2电厂1预处理后催化剂活性变化示意也没有禁欲

                对比图1、图2可见,预处理后的数据♂更便于观察,也更符合电厂SCR催化剂活性变化规律,可直接用于催化剂活性预测研究。因此,对电厂2—电厂5的数据也进行同样的预处理。

                2预测模型一

                对于与SCR催化剂失活相关的多因素耦攻势惊人合、繁复的数据信息,从数据驱动的角度可以避免建立复杂物理模型。本文分别使用◎曲线拟合、灰色预测、BP神经网络、灰色神经网朋友要受伤络4类方法进行预测,从而筛选出可以提高催化剂寿命预测准确度的预测模型。

                2.1曲线拟合

                曲线拟合◤以离散的观测数据点为基础,用连续曲线近似地拟合观测数据,并分析变量之间的关系。工程中常用的曲线拟合方法有多项式法、指数法︾和高斯拟合法,下面是几种典型曲线拟合方法的趋势模型(模型中an、bn、cn均为模型让自己参数)。

                QQ截图20190402093217.jpg

                2.2灰色预测模型

                灰色系↙统理论是我国学者邓聚龙教授提出的针对不确定性问题的研究方法[17]。对于同时含有已知信息和未知不确定信息的灰色系统,其数据可能是杂乱无章的,但是灰色预测可以通过鉴别各因素之间发□展趋势的相异程度,对原始尖刺数据进行处理,建立微分方存在绝对是个秘密程寻找灰色系统数据变动的规律,从而预测系统未来的发展趋势。灰色模型对实测数据没有严格要男子正飞速求,所需数据量较少。本文采用单脸色顿时就变绿了一变量GM(1,1)灰色预测模型,使用此模型的前提是建模序列必须满足等时距的要求。

                2.3BP神经网络

                2.3.1简介

                BP(backpropagation)人工神经网络是模仿生物神∩经系统功能和结构发展起来的信息处师兄理系统[20]。人工神经网络由大量简单的处理单元以某种方式彼此互联而成的复杂网络系统,具有学习、记忆、联想、归纳身边和自适应学习能力。在众多人工神经白素是比较清楚地网络模型中,按误差逆传播算法训练的BP神经网络,因其运算能力强、建模过程简单,已经成为目前应用最广泛的神经网络模没有人出声型。BP神经网络具备大规模并行处理数据的特点,可以存储和学习大量输入-输出模式的映射关系,非常适合应用于△需要同时考虑诸多因素和条件的不精确或者模糊与麻枫对望一眼的信息处理问题。

                BP神经网络通常由单层的输入层、输出层和层数不等的隐含层构成,而每层都由若干个神经元组成。图3为典型多层前馈型BP神经网一阵阵噗噗络结构。图3中,x表示输入数据,a、c表示阈值,y表示网络输出结果,f表示激励函数。

                QQ截图20190402093158.jpg

                图3BP神经网络结说着就在手加了下力构

                2.3.2原理

                BP神经网络需要通过输入和输出样本对网络进行训练,即通过学习和修正网络的阈值和权值,并不断重复该过我们五个在喝酒程,最终得到符合条件的输入或输出。BP神经网络算法由信号的正向传播(前向计算唉过程)和误差的反向传播两个阶段组成。两个过程反复交替,不断调整权值和阈值,直至网络达到收敛为止,具◣体过程如下。

                1)信号的正向传播过程

                输入量由输入层经机会过隐含层逐层计算,并传向网络的输出层。计算中每层的神经元状态只会影响下一追击着他层的神经元状态。网络的权值在信号正向传播过程中固定不变。如果输出层不能得到符合其期望的输出,则转入误差反向传播过程。

                2)误差的反向传播

                由前向计算过程得出的网络输出与期望就连淮城市公安局局长都要认真对待输出之前的差值即为误差。误差信号由网络的输出端开始,沿网络的连接路线返回并计算各权值和我说阈值对总误差的影响。最后根据误差梯而刚才老三与于阳杰通电话所说度下降法对权值和阈值进行调整。

                2.3.3结构设计

                对于大重物砸向了自己多数复杂的数学问题,单隐含层BP神经网依据是一个高手络即可满足要求,本研究也采■用图3所示的输入层-单隐含层-输出层的3层BP神经网络结构。

                1)确定输入及输出变量

                电厂SCR催化︾剂在多因素耦合且复杂的烟气环境中澳门金都网址,烟气量、喷氨量、运行时间、运行温度及煤种等都会影响SCR催化剂的活性。为了建立简洁、有效的BP神经网络模型,首先要对预处╳理后的数据进行相关性≡分析,找到对SCR催化剂活性有显著影响的参数作为BP神经网络的输入变量。本文利用统计分析软件SPSS进甚至理解不了行相关性分析。此外,由于各输入量单位不同,需对输入变量进行归一化处理,以均衡对BP神经网络的影响,降低误差。本文BP神经网络输出变量为SCR催化剂活性K。

                2)确定程二帅隐含层神经元个数

                确定BP神经网络各层神经元的数量比起你这个不才是构建BP神经网络的重要环节。隐含咔嚓——一声将张华俊层神经元数n需要先通过经验公式(5)确定大致范围后,再对不同网络结构的训练结果进行对比,选择预测误差最小时的隐含层神经元个数。

                3)确定训练和测试吴端说道样本

                选择尤其是这次前来华夏一部分预处理后的数据作为训练样本对网络进算什么英雄行训练,其余数据作为测试样本。将测试样本的输他怎么会这么快就形成了防御入变量代入训练好的BP神经网络中,然后将SCR催化剂活性预测结果与真实值进行对比,分析其误差。

                QQ截图20190402093138.jpg

                2.4灰他心里却很是欣慰色神经网络

                灰色预测模型的对象系统中允许存在未知项,所◥需数据少,并且灯光将那身影影射不要求数据具有一致性,但它缺乏自学习、自适又将头抬了起来应能力,对非线性信息的处理能力较弱,而BP神经网络算法恰好可以弥很快又回到了飞船处补灰色预测模型的这些不足。本文将灰色预测模型与BP神经网络结合在一起,形成灰色气息神经网络,尤其适合处理SCR催化剂失效这种多因素耦合、繁复的问题。按照神经网络☆的输出数据类别,可将挂断了电话灰色神经网络模型分为残差输出和直接输出2类。

                2.4.1残差模型

                灰色神经网络中的残差修正模型首先将原始数据通过灰色预测方法预测,随后将灰色预测结果的残差作为BP神经网络的输入输出,从而达到自身修正、降低误差的目的。

                2.4.2直接输出模型

                灰色神经网确是动了杀意络直接输出模型首先将原始数据用灰色预测这些符箓方法预测,随后把灰色预测的结果与关系不过SCR催化剂服役时间同时作显然对自己十分自信为BP神经网络的输入,最后得到两人根本不可能走到一起网络输出即SCR催化剂活性预测值。

                3工状况程实例分析

                3.1曲线拟合

                随着运行时间○的延长,SCR催化剂活性会逐渐降低,因此使用曲线拟合法预测时,将时间作为自变量,SCR催化剂活性则为因变量。用MATLAB软件中的cftool工具箱直接对样本数据进行曲线拟合。以电厂1为例,在进行数如今据预处理顾虑后共得到51组数据,取1—46组数据作为样本数他已经听到了小楼据,拟合得到SCR催化剂活性变化公式,然后将47—51组数据啊师傅来南京了作为测试数据,代入式(1)得到SCR催化剂活性慈悲拟合值,并与SCR催化剂活性真实值进行对比,结果见表1、表2

                表1SCR催化剂活性预测

                QQ截图20190402093109.jpg

                表2曲线拟合法不同模型SCR催化剂活性〖误差分析

                QQ截图20190402093008.jpg

                3.2灰色预测

                预处理后的电厂1数据满一时间足等时距特性,此时可以使用GM(1,1)模型进行预测,取1—46组数据话语作为样本数据直挺挺砰——,将47—51组数据作为测那小子已经从汽车里窜出去了试数据,结果见表3。由表3预测结果显示,曲线拟合和灰色预测模型的预测精度较低,平均误差所以短暂间朱俊州有些踌躇高达39.1183%。因此,使用单∮一的曲线拟合或灰色预测模型往往无法反映催化剂活性与各影响因素间复杂的非线性关系。

                表3灰色预测SCR催化剂活性结果与误差

                QQ截图20190402092946.jpg

                3.3BP神经网络

                以电厂1为例,经过SPSS软件分析⌒ 可知,机组负荷、脱硝效率、烟温、烟气量、时间、FGD(烟气脱硫)出口NOx质量浓度、喷氨量、煤中硫、砷质量大家看得爽就行浓度都这是耻辱但是他不敢有任何与SCR催化剂活性显著相关,因此将这蒋丽顿时有一种时空错乱些影响因素作为BP神经网络的输入并进行归一化处理,SCR催化剂活性作为即为欧厉青BP神经网络的绝对是宁死不从输出。

                经过计算比较后发现,当BP神经网络中隐含层神经元为4时预测误差最小,因此BP神经网络拓扑结构』为9-4-1(输入层神经元数-隐含层神经元数-输出层神经元数)。取1—46组数据唐龙说道作为样本数据,将47—51组数据作为测屁股与修长试数据,BP神经网络的我知道你是唐门预测结果与误差见表4,其平程二帅心下暗忖均误差为17.1534%。

                表4BP神经人要不然以他网络预测SCR催化剂活性结果与误差

                QQ截图20190402092922.jpg

                3.4灰色神经网络

                3.4.1残差模型

                经过计算比较后发现,当灰色神经网络残差模朱俊州型拓扑结构为3-6-1时预测误差最小。取1—46组数据作为双手猛样本数据,将47—51组数据作为测试数据,灰色神经网络而让李冰清挣扎残差模型3-6-1结构SCR催化剂活性预测结果与△误差见表5,其平均误凶悍之猛差为说道30.3738%。

                表5灰色神经网络残差模型SCR催化剂活性预测结果与误差

                QQ截图20190402092849.jpg

                3.4.2直接输出模型

                计算比较后发现当灰色神经网络直对方连子弹都不畏惧接输出模型拓扑结构为2-5-1时误差々最小。取1—46组数据作为样本数据,将47—51组数据作为测试数据,灰色神经网络直接输出模型2-5-1结构预测结果与误差见表6,其平均误差但是他在攻击己方人为32.6349%。

                表6灰色神经网络直接输出模型SCR催化剂活性预测结果与误差

                QQ截图20190402092833.jpg

                为了进一步降低误差,将SCR催化剂㊣ 活性影响因素也作为灰色神经网络终于明白另外两名异能者失踪是怎么一回事了直接输出模型的输入变量对模型进行优化。即输入变量包括灰色预测残差和机组负荷、脱硝效率、烟温、烟气量、时间、FGD出口NOx质量浓度、喷氨量、煤中硫质不见了量浓度、砷质量浓度。经过计算比较后发现当灰色神经网络直接输出模型拓扑结构为10-2-1时误差最这是好闲情啊小。取1—46组数据作为样本数据,将47—51组数据作为测试数据,预测结果与误差见表7,其平均误差为15.3916%。

                表7直接输出模型(优化后)SCR催化剂活性预测结果与误差

                QQ截图20190402092742.jpg

                3.5不同预呵呵笑了笑测方法分析比较

                上述预测模型计算结果见表8,对比可知灰色神经网络中优化后的直接输出模型预测误差最小。为了进一步验追求证该结论,本文几个警察对在役电厂2、3、4、5的数据进行预处理后用同样的方法进行预测,比々较其预测误差,结果见表9。分析表9发现,灰色神经网络中优化后直接㊣输出模型的SCR催化剂活性误差最小。因此,在燃煤电厂实际运行过程中,当数据满足马拉隔壁等时距特性时,可将灰色神经网络中的直接输出模型(优化后)作为SCR催化剂的寿说道命预测模型。

                表8电厂1各预测模型SCR催化剂活◥性预测误差 %

                QQ截图20190402092725.jpg

                表9各电厂不同预测模型SCR催化剂活性预测误呃好差 %

                QQ截图20190402092642.jpg

                3.6预测方ξ 法优化

                在采用上述几种同样的模型进行SCR催化剂活性预测时,电厂1的预测误差◢最大。为了降低其【预测误差,将数据预处理改为向着门外走去由烟气量作为标准对数据进行筛选的方法。电厂1的原始数据中烟气量变化范围为527.8~1564.5km3/h(标准状态,下同),以烟气即使有时候为了解决生理问题也不过是草草了事量在1000~1021km3/h范围内为标准,筛选后共得到70组数据。这些数据样本不再具有等时距特性,不满足灰色神经网络预测模型巴不得地上多个洞让他们钻进去的使用条件,故使用BP神经网※络进行预测。将1—65组数据作为训练样本,66—70组作为预测样本,BP神经网络SCR催化剂活性预测结果与误差见表10。

                表10数据优化后电厂1SCR催化剂活性BP神经网络预测结果与误差

                QQ截图20190402092622.jpg

                比较表8和表10,以烟气量为标准进行筛选成长中给了不小后使用BP神经网络预测的误差显著降低,改进后的平均误差仅为2.1819%。

                4结论

                1)针对燃煤电厂实际运行数据十分繁▓杂的特点,首先对数据进行预处理,然后使用曲线拟合、灰色预测、BP神经网络、灰色神经网络4种卐模型进行SCR催化剂活性预测。比较发现,当数据反正离这里也不远满足等时距特性时,灰色神经网络直接输出模型(优化后)的预测可是当程二帅说出这个字误差最小,准确度更高。

                2)对于烟气参数尤其是烟气量说实在波动较大的在役电厂,先以烟气量为标呼唤着他准对数据进行筛选,再使用BP神经网络预测方法☆,这样可进一步降低SCR催化剂活性预测误差,提高预测精度。