CN106248864A - 一种基于海量运行数据的scr脱硝催化剂寿命预测方法 - Google Patents

Abstract

本发明公开一种基于海量运行数据的SCR脱硝催化剂寿命预测方法，从燃煤电厂脱硝系统工业过程数据中分析得到SCR催化剂寿命，具体包括以下步骤：首先从DCS数据源系统中获取历史运行数据，将原始数据按时间标签整理成样本集，过滤数值不变数据、野点数据和超限数据，过滤数据的非稳态性；然后利用工况切割和数据装箱方法过滤工况混杂性的影响；再将样本集按时间离散化，并提取计算氨氮摩尔比和脱硝效率的关系；最后利用分析模型挖掘催化剂性能随时间序列劣化的规律，根据换装准则和现场实际烟气条件预测催化剂剩余寿命。本发明通过对同类型机组、类似运行条件催化剂实际运行性能的数据集成与分析，可以在更大数据集中建立催化剂寿命管理特性函数。

Description

一种基于海量运行数据的SCR脱硝催化剂寿命预测方法

技术领域

本发明涉及SCR脱硝催化剂寿命管理技术领域，具体是涉及一种基于海量运行数据的SCR脱硝催化剂寿命预测方法。

背景技术

选择性催化还原法(SCR)是目前成熟且高效的尾气脱硝技术，被广泛应用于国内外燃煤电站系统中。它是在催化剂的作用下，利用还原剂(尿素或者液氨NH3)将烟气中的NOx还原成无污染的N2和H2O。该反应需要在催化剂的表面发生，因此在SCR烟气脱硝系统中，催化剂是最重要的组成部分之一，其性能直接影响到SCR系统的脱硝效果，同时催化剂也是SCR系统中成本最高的部分，占系统总成本的30％～50％。催化剂的实际性能往往受到运行条件的限制，烟气中碱金属、砷等有害元素会造成催化剂中毒，直接降低催化剂活性，催化剂烧结、孔堵塞、磨损、水蒸汽凝结和硫酸盐沉积等都会影响催化剂寿命。另一方面，由于我国对SCR系统运行经验积累不足，氨逃逸会在SCR系统后续受热面形成硫酸盐(NH4HSO4，ABS)的沉积，造成空预器大面积堵灰，严重影响空预器的安全运行，有时不得不停炉冲洗，已成为影响机组可靠运行的重要因素。因此无论是从催化剂本身还是从整个锅炉系统的角度，都需要对SCR催化剂进行连续可靠的监视、管理与分析。为了提高整个系统的技术经济性，满足国家脱硝电价补贴政策，也需要对SCR系统特别是催化剂进行全寿命周期管理。

SCR催化剂寿命的监视、管理与分析强烈依赖于火电厂、催化剂制造商及环保部门三者的检测技术。火电厂SCR系统布置有烟气温度、压力、流量、成分等众多就地测点，并接入DCS及SIS系统实现对现场脱硝的在线监控，环保部门在电厂尾部烟道布置有CEMS测点，用于考核机组NOx排放是否达标。目前这类测点仅用于对脱硝系统过程数据的监测与控制，由于受在线检测技术的影响，检测项目不包括催化剂活性，缺少对催化剂寿命的监视能力。另一方面，催化剂厂家会在催化剂中布置试验块，当需要检验催化剂活性时，将该试验块或者现场所采集的催化剂样本取出送到专门的化验室进行化验，这一般需要在机组计划检修时进行，但是由于目前国内机组普遍连续运行时间长，而根据环保部法规一旦机组运行，SCR系统就必须投运，因此实际对催化剂样本检测的次数并不多，电厂实际运行管理人员对催化剂的失活和磨损情况了解不多，催化剂的离线活性检测周期与机组检修周期并不匹配。此外，不仅实验室模拟烟气环境不同于现场实际烟气环境，催化剂抽检样本的活性也不能代表整层催化剂的活性。因此，基于传统检测技术的催化剂全寿命管理方法仍存在不足。

目前我国燃煤锅炉SCR系统均实现了DCS集中控制，对SCR系统进出口参数及效率均有在线监测手段，这些参数与锅炉其他运行参数一道已经被采集并存储在电厂SIS系统中，从而形成了SCR系统运行数据库，这些实时数据以及历史数据中包含了丰富的系统信息，从而为数据驱动建模提供了大量的数据样本，也为通过数据挖掘方法获得系统特性提供了基础条件。SCR脱硝效率与催化剂活性直接相关，因此从脱硝效率可获得催化剂活性信息，但是氨氮摩尔比也与脱硝效率直接相关，而且活性劣化是一个慢过程，而喷氨是一个快过程，因此对数据驱动建模及数据挖掘方法进行深入研究，以从海量运行数据中获得催化剂活性信息并建立相关预测模型。锅炉SCR系统是一个典型的复杂非线性系统，既涉及大空间范围内的烟气流动与飞灰颗粒运动，又涉及复杂的化学反应过程，因此与传统海量数据仓库不同，其历史运行数据具有更强时空相关性，具有海量、混杂、时序和高维等特点，同时它与过程特性与工况密切相关，含有包括催化剂活性在内的丰富信息，利用有效的大数据分析方法和信息挖掘工具，提取并利用这些数据中的知识信息有着重要的意义。

发明内容

发明目的：为了克服现有催化剂检测技术中存在的不足，本发明提供一种基于海量运行数据的SCR脱硝催化剂寿命预测方法。

技术方案：为实现上述目的，本发明的脱硝催化剂寿命预测方法，提供一种从燃煤电厂脱硝系统工业过程数据中分析得到SCR催化剂寿命的方法，包括以下步骤：

(1)原始数据校验与过滤；

电站SCR脱硝过程是一个复杂的非线性、强耦合的多变量变化过程，加上底层传感器测量环境的不确定性及测量延时差异，使得原始数据波动较大。因此，在数据分析前需要对原始数据进行检验与过滤。

步骤(1)包括以下步骤：

(1a)原始数据提取。提取燃煤电厂脱硝系统催化剂安装(包括新装、加装和换装催化剂)至今的历史运行数据，取样间隔记为Δt，参数包括负荷N、进口NOx浓度NOⁱⁿ、出口NOx浓度NO^out、还原剂(液氨或尿素)流量R、氧量O₂，数据集记为A₀。

(1b)生成数据样本。将同一时间标签下的各传感器测得的数据合称为这个时间下的样本，数据集A₀写成样本的形式为：

$A_0=\{A_{0t_1},A_{0t_2},...,A_{0t_i},...,A_{0t_{n-1}},A_{0t_n}\}$

$A_{0t_i}=\{t_i,N_{t_i},{\mathrm{NO}}_{x,t_i}^{in},{\mathrm{NO}}_{x,t_i}^{out},R_{t_i},O_{2t_i}\}$

式中，i为样本标签；n为样本总数；t_i为时间标签；为t_i时间点下的样本； 分别为t_i时间点下的负荷、进出口NOx浓度、还原剂流量和氧量。

(1c)在A₀基础上，过滤数值不变的数据。这类数据可能是机组停机期间传感器测量得到，也可能是数据传输通道故障造成，过滤后数据集记为A₁。

(1d)在A₁基础上，过滤野点数据和粗大误差数据。野点数据作为噪声存在，是偏离样本集群其它观测值的数据点；粗大误差数据是测量值远高于该指标传感器量程范围或该指标常规观测范围的数据，过滤后数据集记为A₂。

(1e)在A₂基础上，过滤异常数据并消除数据非稳态性。当工业脱硝系统受到外部(如负荷指令)或内部(如还原剂流量)扰动时，由于流动的延迟性和催化剂的蓄氨性，出口参数(如出口NOx)对扰动的响应存在一定的时滞，在这段系统非稳态工作过程中，同一时刻的入口参数(如还原剂流量)和出口参数(如出口NOx)关系不对应，会影响后续的过程数据关系提取，需要提前过滤，过滤后数据集记为A₃。

(2)工况切割与数据装箱；

由于火电机组实发负荷普遍需要跟随电网调度指令，机组在运行过程中工况变化频繁，炉内烟气条件(如烟气温度、烟气流量等)同样会随负荷不断波动。考虑到SCR脱硝系统是个多变量耦合的过程，变量之间的关系会随负荷变化，若不能消除负荷对系统的干扰，将难以提取其它过程数据间的关系。

步骤(2)包括以下步骤：

(2a)工况切割。将负荷的历史数据按数值大小等宽切割成若干小区间，小区间宽度S的定义原则为：可近似认为在该区间范围内，负荷变化不大，负荷对同一样本其它参数间关系影响不大。负荷等宽切割后可写成如下形式：

$N=\{N_{S_1},N_{S_2},...,N_{S_j},...,N_{S_{m-1}},N_{S_m}\}$

$N_{S_j}=\[N_{S_j}^{\min },N_{S_j}^{\max }\]$

式中，j为小区间编号；m为负荷等宽切割小区间个数；S_j为负荷等宽切割区间标签；为负荷分割后的第j个小区间； 分别为第j个小区间负荷的上下限。

(2b)数据装箱。将样本内经过数据校验和过滤的其它数据按负荷标签对应装入负荷小区间(箱)内。数据装箱后的数据集可写成如下形式：

$A_3=\{A_{3S_1},A_{3S_2},...,A_{3S_j},...,A_{3S_{m-1}},A_{3S_m}\}$

$A_{3S_j}=\{A_{3S_j}^1,A_{3S_j}^2,...,A_{3S_j}^k,...,A_{3S_j}^{l-1},A_{3S_j}^l\}$

$A_{3S_j}^k=\{t_{3S_j}^k,N_{3S_j}^k,{\mathrm{NO}}_{x,3S_j}^{in,k},{\mathrm{NO}}_{x,3S_j}^{out,k},R_{3S_j}^k,O_{2,3S_j}^k\}$

s.t.

$N_{3S_j}^k\∈\[N_{3S_j}^{\min },N_{3S_j}^{\max }\]$

式中，是A₃样本集内第j个等宽区间(箱)内的样本集；是样本集内第k个样本；l是样本集内样本的个数； 分别为样本里的时间标签、负荷、进出口NOx浓度、还原剂流量和氧量；和分别为第j个等宽区间(箱)内负荷的上下限。

(2c)工况过滤。统计不同箱内样本个数，提取某一箱内的数据，组成新的数据集A₄，可认为此数据集内数据关系受负荷影响不大，且样本最为充足，可用于后续分析。

$A_4=max\{A_{3S_1},A_{3S_2},...,A_{3S_j},...,A_{3S_{m-1}},A_{3S_m}\}$

(3)过程数据关系提取；

对于电站SCR脱硝系统，若在固定的烟气环境下，向SCR反应器内喷入固定流量的还原剂(尿素或液氨)，若催化剂的性能越好，则能达到更高的脱硝效率。因此，氨氮摩尔比与脱硝效率的关系能直观的反映SCR脱硝系统及催化剂的性能。

步骤(1)和步骤(2)是从海量历史运行数据中找到传感器工作正常、工况稳定、负荷固定的运行数据集，步骤(3)是从此数据集中提取计算氨氮摩尔比与脱硝效率的关系，包括以下步骤：

(3a)时间离散化。

SCR催化剂的性能劣化是一个缓慢变化的过程，可将数据集A₄按时间标签等宽切割成若干份，近似认为时间间隔ΔT内催化剂寿命变化不大，并以各ΔT时间段内的数据预测该时间段内催化剂的性能。ΔT的大小利用最大无关性原则确定：随着ΔT的减小，催化剂性能计算越精确，当ΔT小到一定程度，计算所得的催化剂劣化趋势不再有明显变化，即选择此时的ΔT。

A₄数据集按时间等宽切割后可写成如下形式：

$A_4=\{A_{4T_1},A_{4T_2},...,A_{4T_f},...,A_{4S_{o-1}},A_{4S_o}\}$

$A_{4T_f}=\{A_{4T_f}^1,A_{4T_f}^2,...,A_{4T_f}^g,...,A_{4T_f}^{x-1},A_{4T_f}^x\}$

$A_{4T_f}^g=\{t_{4T_f}^g,N_{4T_f}^g,{\mathrm{NO}}_{x,4T_f}^{in,g},{\mathrm{NO}}_{x,4T_f}^{out,g},R_{4T_f}^g,O_{2,4T_f}^g\}$

s.t.

$t_{4T_f}^g\∈\[t_{4T_f}^{\min },t_{4T_f}^{\max }\]$

式中，是A₄样本集内第f个时间区间内的样本集；是样本集内第g个样本；x是样本集内样本的个数； 分别为样本里的时间标签、负荷、进出口NOx浓度、还原剂流量和氧量；和分别为第f个时间区间内时间的上下限。

(3b)提取计算氨氮摩尔比和脱硝效率的关系。

在将A₄数据集按时间等分成若干数据集后，利用每个数据集内的样本分别画出各时间段里计算氨氮摩尔比和脱硝效率的关系曲线，计算氨氮摩尔比和脱硝效率的推导公式如下所示。

氨氮摩尔比的定义式如下：

$\mathrm{\α}=\frac{C_{{\mathrm{NH}}_3}^i}{C_{{\mathrm{NO}}_x}^i}$

式中，和分别为脱硝反应器入口NH₃和NOx的平均摩尔浓度，mol/L。

脱硝效率的定义式如下：

$\mathrm{\η}=(1-\frac{{\mathrm{NO}}_x^{out}}{{\mathrm{NO}}_x^{in}})\×100\%$

式中，为脱硝系统出口NOx浓度，mg/m³；为脱硝系统入口NOx浓度，mg/m³。

根据电厂已有测点可以直接计算出脱硝效率，然而目前电厂氨逃逸率测点普遍难以精确测量，因此无法计算精确氨氮摩尔比。因此，这里从氨氮摩尔比定义式出发推导计算氨氮摩尔比，以表征氨氮摩尔比水平。

SCR反应器入口NH₃的摩尔浓度计算式如下：

$C_{{\mathrm{NH}}_3}^i=\frac{Q_{CO{\left({\mathrm{NH}}_2\right)}_2}\×{\mathrm{\ρ}}_{CO{\left({\mathrm{NH}}_2\right)}_2}}{M_{CO{\left({\mathrm{NH}}_2\right)}_2}\×Q_0\×1000}\×2$

式中，为尿素溶液量，L/h；为尿素溶液密度，g/L；为尿素相对分子质量，g/mol；Q₀为反应器入口烟气流量，m³/h。

上式是以尿素SCR炉为对象推导，式中乘以2是因为1mol的尿素热解生成2mol的NH₃，乘以1000是为了将单位化为mol/L。

对于液氨炉，SCR反应器入口NH₃的摩尔浓度计算式如下：

$C_{{\mathrm{NH}}_3}^i=\frac{Q_{{\mathrm{NH}}_3}\×{\mathrm{\ρ}}_{{\mathrm{NH}}_3}}{M_{{\mathrm{NH}}_3}\×Q_0\×1000}$

式中，为液氨流量，L/h；为液氨密度，g/L；为液氨相对分子质量，g/mol；Q₀为反应器入口烟气流量，m³/h。

以下以尿素SCR炉为例进行推导，液氨炉以此类推。

SCR反应器入口NOx的摩尔浓度计算式如下：

$C_{NOx}^i=\frac{{\mathrm{NO}}_x^{in}}{M_{NOx}}\×{10}^{-6}$

式中，为脱硝系统入口NOx浓度，mg/m³；M_NOx为NOx相对分子质量，g/mol。

氨氮摩尔比的计算式如下：

$\mathrm{\α}=\frac{C_{{\mathrm{NH}}_3}^i}{C_{NOx}^i}=2\×{10}^{-9}\×\frac{Q_{CO{\left({\mathrm{NH}}_2\right)}_2}\×{\mathrm{\ρ}}_{CO{\left({\mathrm{NH}}_2\right)}_2}\×M_{NOx}}{M_{CO{\left({\mathrm{NH}}_2\right)}_2}\×Q_0\×{\mathrm{\ρ}}_{NOx}}$

这里我们假设电厂使用的尿素溶液浓度为定值，进口NOx中NO₂和NO的组成比例基本不变，即M_NOx为定值。将上式中常数项提出，可化简得到：

$\mathrm{\α}=\frac{C_{{\mathrm{NH}}_3}^i}{C_{NOx}^i}=k_1\×\frac{Q_{CO{\left({\mathrm{NH}}_2\right)}_2}}{Q_0\×{\mathrm{\ρ}}_{NOx}}$

式中，k₁为提出后的常数项。

值得指出的是，各类软测量及修正算法均适用于本专利对烟气量的计算。

上式中需要用到现场烟气量测点，考虑到现场烟气量测点准确度较差，且经常重新标定，难以直接用来计算，这里采取利用负荷计算烟气量的方法，并用SCR进口氧气浓度加以修正，即：

Q₀＝N×λ×A

$\mathrm{\λ}=1-\frac{b-O_2}{21-b}$

式中，N为机组负荷，MW；λ为氧量修正系数；A为负荷与烟气量之间的比例关系，可认为是常数；O₂为SCR进口氧量；b为标准氧量。

由于氨氮摩尔比推导过程涉及若干假设，因此这里定义它为能反映氨氮摩尔比大小的数，即计算氨氮摩尔比。将计算烟气量带入氨氮摩尔比推导式，合并常数项，可得：

$\mathrm{\β}=k_2\×\frac{Q_{CO{\left({\mathrm{NH}}_2\right)}_2}}{N\×(1-\frac{b-O_2}{21-b})\×{\mathrm{\ρ}}_{NOx}}$

式中，β为计算氨氮摩尔比，k₂为常数项。

(4)脱硝催化剂性能分析；

(4a)脱硝催化剂寿命劣化分析

利用各T_f时间段内的计算氨氮摩尔比和脱硝效率关系曲线，将各A_4Tf数据集内脱硝效率修正到同一计算氨氮摩尔比β下。经过上述处理，可认为修正后脱硝效率是在同一负荷工况、同一氨氮摩尔比下测得，其大小能反映催化剂的宏观性能。在此基础上，以T_f和修正后脱硝效率关系曲线表征催化剂寿命劣化趋势。

(4b)极限计算氨氮摩尔比β的选取

由SCR脱硝机理可知：在固定烟气条件下，随着计算氨氮摩尔比的增大，起初脱硝效率增大，氨逃逸率变化不大，当计算氨氮摩尔比增大到某一程度(极限计算氨氮摩尔比)，脱硝效率不再有明显增加，而氨逃逸率开始迅速变大。

极限计算氨氮摩尔比有表征最大有益喷氨量的意义，在极限计算氨氮摩尔比内喷氨，对脱硝效率的提升有明显帮助，而对氨逃逸影响不大；在高于极限计算氨氮摩尔比范围喷氨，对脱硝效率影响不大，但会导致氨逃逸剧烈增加。基于此规律，根据最近时间段T_o内的计算氨氮摩尔比和脱硝效率曲线，找到极限计算氨氮摩尔比，将其定为β的取值。

(4c)脱硝催化剂换装指导

拟合修正后脱硝效率劣化曲线，预测催化剂剩余寿命，并在到达极限脱硝效率的时间进行换装。极限脱硝效率根据目前入口NOx水平和规定NOx排放水平得到。

有益效果：本发明为SCR催化剂的全寿命预测方法，通过对同类型机组、类似运行条件催化剂实际运行性能的数据集成与分析，可以在更大数据集中建立催化剂寿命管理特性函数，从而为客户提供更加完善可靠的技术服务。

附图说明

图1是从电厂DCS历史数据到脱硝催化剂寿命预测的方法流程图；

图2是对象电厂锅炉系统流程图；

图3是分析参数原始数据历史曲线；

图4是工况分割与数据装箱图；

图5是部分月份计算氨氮摩尔比与脱硝效率原始数据关系图；

图6是部分月份计算氨氮摩尔比与脱硝效率拟合关系图；

图7是最近一个月计算氨氮摩尔比和脱硝效率的关系图；

图8是催化剂性能劣化与换装曲线。

具体实施方式

下面结合实施例对本发明作更进一步的说明。

本发明为解决燃煤电厂催化剂寿命劣化分析的问题，提出一种基于海量运行数据的SCR脱硝催化剂寿命预测方法，如图1所示，该方法具体包括以下步骤：从DCS数据源系统中获取历史运行数据；将原始数据按时间标签整理成样本集；过滤数值不变数据、野点数据和超限数据，保证基础分析数据的正确性；过滤数据的非稳态性，保证样本输入输出关系的对应，具体方法可采用稳态判定算法后剔除非稳态数据，或者采用均值方法消除非稳态数据的影响；利用工况切割和数据装箱方法过滤工况混杂性的影响；将样本集按时间离散化，并提取极限计算氨氮摩尔比和脱硝效率的关系；利用分析模型挖掘催化剂性能随时间序列劣化的规律；根据定义的换装准则和现场实际烟气条件预测催化剂剩余寿命。

下面以某660MW超临界直流锅炉单侧SCR脱硝反应器为例来介绍一种基于海量运行数据的SCR脱硝催化剂寿命预测方法的具体实施步骤，对象机组SCR系统于2012年11月投入运行，布置在省煤器和空预器之间，包括尿素制备区、SCR反应器及进出口连接烟道。SCR反应器入口烟道布置有分区氨喷射装置、管式静态混合器、烟气导流板、整流格栅等元件，内部设有2+1层板式催化剂，其中1为附加层，图2为锅炉系统流程图。

整个数据挖掘过程主要有原始数据校验与过滤、工况切割与数据装箱、过程数据关系提取、脱硝催化剂性能分析4个核心部分。结合图1所示流程，步骤如下文所述:

(1)原始数据校验与过滤

选取对象机组B侧SCR反应器2013年5月1日至2015年11月1日的数据作为研究对象，每隔1分钟对每个分析参数采集一个数据，共获得1316163条样本。分析参数包括SCR入口NOx、负荷、SCR出口NOx、总尿素流量、SCR入口O2量、SCR入口温度，各参数的原始数据历史曲线如图3所示。分析图3可知，运行人员从原始数据历史曲线中依然难以找到脱硝劣化的规律。

本步骤对数值不变数据、野点数据和超限数据进行过滤。在此基础上，以对数据作日平均的方法去除数据波动性和非稳态性的影响。表1为原始参数上下限统计图，将超限区间1和超限区间2中的点定义为超限数据。

表1分析参数上下限统计表

(2)工况切割与数据装箱

在原始数据校验与过滤后，常规运行负荷段样本数量分布如图4所示。统计出来的结果，负荷在460～510MW范围内，共204490点，即3408小时的数据，占总分析时间的31.8％，其样本总数和各月的分布样本数量都比较多。同时曲线高低变化趋势基本一致，说明各负荷段在不同月份的分布比较均匀。以同样的方法对460～510MW负荷段进一步细分(以5MW为间隔)。最后，选定500～505MW这一负荷段共23128点，即385小时的数据为接下来分析脱硝系统的固定负荷段。

(3)过程数据关系提取

以500-505MW为分析负荷段，1个月为时间跨度，作出2013年5月至2015年10月部分月份对象机组SCR反应器计算氨氮摩尔比与脱硝效率的关系如图5和图6所示。由图可看出，关系曲线的总体趋势随时间向下移动，即相同计算氨氮摩尔比下，随时间推移，脱硝效率减小。此外，图6中的计算氨氮摩尔比与脱硝效率关系的比例变化不大；以30天为周期，可得到各月份的平均计算氨氮摩尔比与脱硝效率，再根据图6中得到的两者关系的比例，我们就可以将各月份的平均数据转化到同样计算氨氮摩尔比下，观察其脱硝效率的变化。

图7是最近一个月计算氨氮摩尔比和脱硝效率的关系图，由图可看出当计算氨氮摩尔比达到0.88以后，随计算氨氮摩尔比增加，脱硝效率基本不变，因此我们将0.88定为极限计算氨氮摩尔比，认为当计算氨氮摩尔比大于0.88以后，再增加喷氨量不会对效率增加有明显的作用，同时会导致氨逃逸水平迅速增长，不利于现场运行。

(4)脱硝催化剂性能分析

以30天为平均周期，可以得到一组计算氨氮摩尔比与脱硝效率，再利用各月份计算氨氮摩尔比与脱硝效率的关系曲线，并将其转化到0.88的计算氨氮摩尔比下，得到其脱硝效率的变化情况如下图8所示。

根据电厂实际烟气情况，2015年进口NOx浓度平均值为227.6mg/m³，为保证出口达到要求的50mg/m³，需要78％的脱硝效率，以此作为换装曲线1；

根据电厂实际烟气情况，进口NOx浓度小于250mg/m³的运行时间占2015年运行总时间的80.6％，假定进口NOx浓度为250mg/m³，为保证出口达到要求的50mg/m³，需要80％的脱硝效率，以此作为换装曲线2。

利用图8可计算出，在极限计算氨氮摩尔比下，达到换线1的时间为2017年11月，达到换装曲线2的时间为2016年12月。

电厂可以根据自身入口烟气情况，规定换装节点时的脱硝效率，在脱硝效率劣化曲线的帮助下，得到SCR催化剂的换装时间。

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (5)

1.一种基于海量运行数据的SCR脱硝催化剂寿命预测方法，其特征在于，从燃煤电厂脱硝系统工业过程数据中分析得到SCR催化剂寿命，具体包括以下步骤：

(1)原始数据校验与过滤：从DCS数据源系统中获取历史运行数据，将原始数据按时间标签整理成样本集，过滤数值不变数据、野点数据和超限数据，过滤数据的非稳态性；

(2)工况切割与数据装箱：利用工况切割和数据装箱方法过滤工况混杂性的影响；

(3)过程数据关系提取：将样本集按时间离散化，并提取计算氨氮摩尔比和脱硝效率的关系；

(4)脱硝催化剂性能分析：利用分析模型挖掘催化剂性能随时间序列劣化的规律，根据换装准则和现场实际烟气条件预测催化剂剩余寿命。

2.根据权利要求1所述的基于海量运行数据的SCR脱硝催化剂寿命预测方法，其特征在于，所述步骤1具体包括如下步骤：

(1a)原始数据提取：提取燃煤电厂脱硝系统催化剂安装至今的历史运行数据，取样间隔记为Δt，参数包括负荷N、进口NOx浓度出口NOx浓度还原剂流量R、氧量O₂，数据集记为A₀；

(1b)生成数据样本：将同一时间标签下的各传感器测得的数据合称为这个时间下的样本，数据集A₀写成样本的形式为：

$A_0=\{A_{0t_1},A_{0t_2},...,A_{0t_i},...,A_{0t_{n-1}},A_{0t_n}\}$

$A_{0t_i}=\{t_i,N_{t_i},{\mathrm{NO}}_{x,t_i}^{in},{\mathrm{NO}}_{x,t_i}^{out},R_{t_i},O_{2t_i}\}$

式中，i为样本标签；n为样本总数；t_i为时间标签；为t_i时间点下的样本； 分别为t_i时间点下的负荷、进出口NOx浓度、还原剂流量和氧量；

(1c)在A₀基础上，过滤数值不变的数据：这类数据可能是机组停机期间传感器测量得到，也可能是数据传输通道故障造成，过滤后数据集记为A₁；

(1d)在A₁基础上，过滤野点数据和粗大误差数据：野点数据作为噪声存在，是偏离样本集群其它观测值的数据点，粗大误差数据是测量值远高于该指标传感器量程范围或该指标常规观测范围的数据，过滤后数据集记为A₂；

(1e)在A₂基础上，过滤异常数据并消除数据非稳态性：当工业脱硝系统受到外部或内部扰动时，由于流动的延迟性和催化剂的蓄氨性，出口参数对扰动的响应存在一定的时滞，在这段系统非稳态工作过程中，同一时刻的入口参数和出口参数关系不对应，会影响后续的过程数据关系提取，需要提前过滤，过滤后数据集记为A₃。

3.根据权利要求1所述的基于海量运行数据的SCR脱硝催化剂寿命预测方法，其特征在于，所述步骤2具体包括如下步骤：

(2a)工况切割：将负荷的历史数据按数值大小等宽切割成若干小区间，小区间宽度S的定义原则为：在该区间范围内，负荷变化不大，负荷对同一样本其它参数间关系影响不大，负荷等宽切割后写成如下形式：

$N=\{N_{S_1},N_{S_2},...,N_{S_j},...,N_{S_{m-1}},N_{S_m}\}$

$N_{S_j}=\[N_{S_j}^{\min },N_{S_j}^{\max }\]$

式中，j为小区间编号；m为负荷等宽切割小区间个数；S_j为负荷等宽切割区间标签；为负荷分割后的第j个小区间；分别为第j个小区间负荷的上下限；

(2b)数据装箱：将样本内经过数据校验和过滤的其它数据按负荷标签对应装入负荷小区间内，数据装箱后的数据集写成如下形式：

$A_3=\{A_{3S_1},A_{3S_2},...,A_{3S_j},...,A_{3S_{m-1}},A_{3S_m}\}$

$A_{3S_j}=\{A_{3S_j}^1,A_{3S_j}^2,...,A_{3S_j}^k,...,A_{3S_j}^{l-1},A_{3S_j}^l\}$

$A_{3S_j}^k=\{t_{3S_j}^k,N_{3S_j}^k,{\mathrm{NO}}_{x,3S_j}^{in,k},{\mathrm{NO}}_{x,3S_j}^{out,k},R_{3S_j}^k,O_{2,3S_j}^k\}$

s.t.

$N_{3S_j}^k\∈\[N_{3S_j}^{\min },N_{3S_j}^{\max }\]$

式中，是A₃样本集内第j个等宽区间内的样本集；是样本集内第k个样本；l是样本集内样本的个数；分别为样本里的时间标签、负荷、进出口NOx浓度、还原剂流量和氧量；和分别为第j个等宽区间内负荷的上下限；

(2c)工况过滤：统计不同箱内样本个数，提取某一箱内的数据，组成新的数据集A₄：

$A_4=max\{A_{3S_1},A_{3S_2},...,A_{3S_j},...,A_{3S_{m-1}},A_{3S_m}\}.$

4.根据权利要求1所述的基于海量运行数据的SCR脱硝催化剂寿命预测方法，其特征在于，所述步骤3具体包括如下步骤：

(3a)时间离散化：将数据集A₄按时间标签等宽切割成若干份，近似认为时间间隔ΔT内催化剂寿命变化不大，并以各ΔT时间段内的数据预测该时间段内催化剂的性能；ΔT的大小利用最大无关性原则确定：随着ΔT的减小，催化剂性能计算越精确，当ΔT小到一定程度，计算所得的催化剂劣化趋势不再有明显变化，即选择此时的ΔT；A₄数据集按时间等宽切割后写成如下形式：

$A_4=\{A_{4T_1},A_{4T_2},...,A_{4T_f},...,A_{4S_{o-1}},A_{4S_o}\}$

$A_{4T_f}=\{A_{4T_f}^1,A_{4T_f}^2,...,A_{4T_f}^g,...,A_{4T_f}^{x-1},A_{4T_f}^x\}$

$A_{4T_f}^g=\{t_{4T_f}^g,N_{4T_f}^g,{\mathrm{NO}}_{x,4T_f}^{in,g},{\mathrm{NO}}_{x,4T_f}^{out,g},R_{4T_f}^g,O_{2,4T_f}^g\}$

s.t.

$t_{4T_f}^g\∈\[t_{4T_f}^{\min },t_{4T_f}^{\max }\]$

式中，是A₄样本集内第f个时间区间内的样本集；是样本集内第g个样本；x是样本集内样本的个数；分别为样本里的时间标签、负荷、进出口NOx浓度、还原剂流量和氧量；和分别为第f个时间区间内时间的上下限；

(3b)提取计算氨氮摩尔比和脱硝效率的关系：在将A₄数据集按时间等分成若干数据集后，利用每个数据集内的样本分别画出各时间段里的计算氨氮摩尔比和脱硝效率的关系曲线，计算氨氮摩尔比和脱硝效率的推导公式如下所示：

氨氮摩尔比的定义式如下：

$\mathrm{\α}=\frac{C_{{\mathrm{NH}}_3}^i}{C_{{\mathrm{NO}}_x}^i}$

式中，和分别为脱硝反应器入口NH₃和NOx的平均摩尔浓度，mol/L；

脱硝效率的定义式如下：

$\mathrm{\η}=(1-\frac{{\mathrm{NO}}_x^{out}}{{\mathrm{NO}}_x^{in}})\×100\%$

式中，为脱硝系统出口NOx浓度，mg/m³；为脱硝系统入口NOx浓度，mg/m³；

根据电厂已有测点可以直接计算出脱硝效率，然而目前电厂氨逃逸率测点普遍难以精确测量，无法计算精确氨氮摩尔比，因此，从氨氮摩尔比定义式出发推导计算氨氮摩尔比，以表征氨氮摩尔比水平；

对于尿素炉，SCR反应器入口NH₃的摩尔浓度计算式如下：

$C_{{\mathrm{NH}}_3}^i=\frac{Q_{CO{\left({\mathrm{NH}}_2\right)}_2}\×{\mathrm{\ρ}}_{CO{\left({\mathrm{NH}}_2\right)}_2}}{M_{CO{\left({\mathrm{NH}}_2\right)}_2}\×Q_0\×1000}\×2$

式中，为尿素溶液量，L/h；为尿素溶液密度，g/L；为尿素相对分子质量，g/mol；Q₀为反应器入口烟气流量，m³/h；

对于液氨炉，SCR反应器入口NH₃的摩尔浓度计算式如下：

$C_{{\mathrm{NH}}_3}^i=\frac{Q_{{\mathrm{NH}}_3}\×{\mathrm{\ρ}}_{{\mathrm{NH}}_3}}{M_{{\mathrm{NH}}_3}\×Q_0\×1000}$

式中，为液氨流量，L/h；为液氨密度，g/L；为液氨相对分子质量，g/mol；Q₀为反应器入口烟气流量，m³/h；以下以尿素SCR炉为例进行推导，液氨炉以此类推；

SCR反应器入口NOx的摩尔浓度计算式如下：

$C_{NOx}^i=\frac{{\mathrm{NO}}_x^{in}}{M_{NOx}}\×{10}^{-6}$

式中，为脱硝系统入口NOx浓度，mg/m³；M_NOx为NOx相对分子质量，g/mol；

氨氮摩尔比的计算式如下：

$\mathrm{\α}=\frac{C_{{\mathrm{NH}}_3}^i}{C_{NOx}^i}=2\×{10}^{-9}\×\frac{Q_{CO{\left({\mathrm{NH}}_2\right)}_2}\×{\mathrm{\ρ}}_{CO{\left({\mathrm{NH}}_2\right)}_2}\×M_{NOx}}{M_{CO{\left({\mathrm{NH}}_2\right)}_2}\×Q_0\×{\mathrm{\ρ}}_{NOx}}$

设电厂使用的尿素溶液浓度为定值，进口NOx中NO₂和NO的组成比例基本不变，即M_NOx为定值，将上式中常数项提出，化简得到：

$\mathrm{\α}=\frac{C_{{\mathrm{NH}}_3}^i}{C_{NOx}^i}=k_1\×\frac{Q_{CO{\left({\mathrm{NH}}_2\right)}_2}}{Q_0\×{\mathrm{\ρ}}_{NOx}}$

式中，k₁为提出后的常数项；

上式中需要用到现场烟气量测点，考虑到现场烟气量测点准确度较差，且经常重新标定，难以直接利用，故利用负荷计算烟气量，并用SCR进口氧气浓度加以修正，即：

Q₀＝N×λ×A

$\mathrm{\λ}=1-\frac{b-O_2}{21-b}$

式中，N为机组负荷，MW；λ为氧量修正系数；A为负荷与烟气量之间的比例关系，是常数；O₂为SCR进口氧量；b为标准氧量；

将计算烟气量带入氨氮摩尔比推导式，合并常数项，即得：

$\mathrm{\β}=k_2\×\frac{Q_{CO{\left({\mathrm{NH}}_2\right)}_2}}{N\×(1-\frac{b-O_2}{21-b})\×{\mathrm{\ρ}}_{NOx}}$

式中，β为计算氨氮摩尔比，k₂为常数项。

5.根据权利要求1所述的基于海量运行数据的SCR脱硝催化剂寿命预测方法，其特征在于，所述步骤4具体包括如下步骤：

(4a)脱硝催化剂寿命劣化分析

利用各T_f时间段内的计算氨氮摩尔比和脱硝效率关系曲线，将各数据集内脱硝效率修正到同一计算氨氮摩尔比β下；

(4b)计算氨氮摩尔比β的选取

由SCR脱硝机理可知：在固定烟气条件下，随着计算氨氮摩尔比的增大，起初脱硝效率增大，氨逃逸率变化不大，当计算氨氮摩尔比增大到某一程度，脱硝效率不再有明显增加，而氨逃逸率开始迅速变大，基于此规律，根据最近时间段T_o内的计算氨氮摩尔比和脱硝效率曲线，找到极限计算氨氮摩尔比，将其定为β的取值；

(4c)脱硝催化剂换装指导

拟合修正后脱硝效率的衰减曲线，预测催化剂剩余寿命，并在到达极限脱硝效率的时间进行换装，所述极限脱硝效率根据目前入口NOx水平和规定NOx排放水平得到。