BP神经网络预测模型在SCR脱硝系统中应用的研究

摘要

随着近年国内环境形势越来越严峻，国家已将火力发电厂机组氮氧化物的排放量已规划为严格监管控制对象，为响应国家“节能减排”政策号召，进一步改善电厂地区环境质量，各大电厂均进行烟气脱硝改造。脱硝方式分为两大类SCR法（选择性催化还原法）和SNCR法（非选择性催化还原法）。本文将根据选择性催化还原法脱硝反应原理，分析影响脱硝效率的主要因素，并建立相应的数学模型，分析导流格栅、导流板、喷氨格栅、氨气空气混合器等设备在脱硝反应中的作用;设计对喷氨量预测的BP神经网络预测模型，提高烟气脱硝效率，减少氨气逃逸对大气环境的二次污染。
　　本论文以某660MW超超临界燃煤锅炉机组为研究对象，从不同角度分析影响脱硝效率的因素建立脱硝反应器内影响反应效率的数学模型，在SCR脱硝系统中引入BP神经网络预测模型进行喷氨量控制，合理控制氮氧化物的排放量和氨逃逸量，减少脱硝系统运行成本。对SCR脱硝过程中喷氨量的控制技术研究，使用BP神经网络建立预测模型，以气体流速、入口氮氧化合物含量、烟气温度、氧含量与脱硝效率为输入量，以出口氮氧化合物含量输出量，实现喷氨量的预测控制。试验结果表明，在变工况下烟气温度波动时，此方案与传统PID控制方式相比较，预测精度较高，能够准确的控制喷氨量，减少了脱硝系统出口的排放量和氨气逃逸量，具有很好的变工况适应能力，可以节约选择性催化还原法脱硝系统生产运行成本。目前本论文研究处于理论应用研究阶段，并对设计模型进行了软件仿真，为下一步投入到实际应用中做准备工作。

目录

声明

摘要

1．1 研究的背景和意义

1．1．1 氮氧化合物对空气的影响

1．1．2 氮氧化合物在燃烧过程中产生的机理

1．1．3 氮氧化合物排放量的控制

1．2 国内外研究现状

1．3 本文的研究内容及目的

第2章 SOR脱硝技术的原理及工艺

2．1 SOR脱硝的原理

2．2 选择性催化还原法脱硝系统的组成

2．2．1 还原剂储备与供应系统

2．2．2 烟气／氨混合系统

2．2．3 烟道系统

2．2．4 反应器／催化剂系统

2．3 SCR脱硝技术工艺流程

2．3．1 还原剂储存和制备系统工艺流程

2．3．2 SCR脱硝系统工艺流程

2．4 本章小结

第3章 影响SCR脱硝效率的因素分析及数学模型的建立

3．1 影响选择性催化还原法(SCR)脱硝效率的主要因素

3．1．1 催化剂对脱硝效率的影响

3．1．2 催化反应温度对脱硝效率的影响

3．1．3 反应器内气体流速对脱硝效率的影响

3．2 SOR脱硝系统数学模型的建立

3．2．1 催化剂及温度

3．2．2 还原剂(氨气)与氮氧化合物的摩尔比

3．2．3 SO2的转化率

3．2．4 脱硝效率

3．2 ，5氨逃逸率

3．2．6 气体流速

3．2．7 稀释风风量

3．2．8 烟气流量

3．3 本章小结

第4章 BP神经网络预测方法

4．1 BP神经网络

4．2 基本BP算法

4．2．1 BP神经网络算法描述

4．2．2 BP神经网络算法分析

4．2．3 基本BP算法的改进

4．2．4 网络的训练及训练参数的选取

4．3 基于BP神经网络的预测方法的Matlab实现

4．3．1 Matlab神经网络工具箱中相关函数介绍

4．3．2 基于BP神经网络的预测方法的Natlab实现步骤

4．4 本章小结

第5章 BP预测模型在SOR脱硝系统中应用研究

5．1 SCR脱硝系统中常用的喷氨控制方式

5．1．1 固定摩尔比控制方式

5．1．2 固定出口氮氧化物含量控制方式

5．1．3 传统PID控制系统喷氨量控制扰动试验

5．2 设计思路

5．3 SOR小型试验

5．3．1 试验装置的组成

5．3．2 催化剂的选型

5．3．3 SCR反应区测量仪器的选型

5．3．4 控制系统的选型

5．3．5 试验过程

5．4 数据采集与处理

5．4．1 实验数据

5．4．2 实验数据的预处理

5．5 Matlab模型仿真及结果分析

5．6 本章小结

第6章 结论与展望

参考文献

致谢