CN107103176A - 基于多源信息融合技术的燃煤锅炉scr催化剂寿命评价方法 - Google Patents

基于多源信息融合技术的燃煤锅炉scr催化剂寿命评价方法 Download PDF

Info

Publication number
CN107103176A
CN107103176A CN201710131479.6A CN201710131479A CN107103176A CN 107103176 A CN107103176 A CN 107103176A CN 201710131479 A CN201710131479 A CN 201710131479A CN 107103176 A CN107103176 A CN 107103176A
Authority
CN
China
Prior art keywords
catalyst
life
data
power plant
index
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201710131479.6A
Other languages
English (en)
Other versions
CN107103176B (zh
Inventor
李树洲
司风琪
张贝
范伟
喻聪
江晓明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Datang Nanjing Environmental Protection Technology Co Ltd
Original Assignee
Southeast University
Datang Nanjing Environmental Protection Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Southeast University, Datang Nanjing Environmental Protection Technology Co Ltd filed Critical Southeast University
Publication of CN107103176A publication Critical patent/CN107103176A/zh
Application granted granted Critical
Publication of CN107103176B publication Critical patent/CN107103176B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N31/00—Investigating or analysing non-biological materials by the use of the chemical methods specified in the subgroup; Apparatus specially adapted for such methods
    • G01N31/10—Investigating or analysing non-biological materials by the use of the chemical methods specified in the subgroup; Apparatus specially adapted for such methods using catalysis
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/10—Analysis or design of chemical reactions, syntheses or processes

Landscapes

  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Physics & Mathematics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Molecular Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Exhaust Gas Treatment By Means Of Catalyst (AREA)

Abstract

本发明提供一种基于多源信息融合技术的燃煤锅炉SCR催化剂寿命评价方法，具体包括以下步骤：首先对电厂锅炉中投用的催化剂进行多次取样，并对样本进行实验室检测，以获得能够表征催化剂活性的微观特征指标；然后利用微型反应器试验获得催化剂样本的宏观性能指标；再通过对电厂历史运行数据进行统计与挖掘，得到能够反映电厂SCR反应器性能的宏观指标；最后将这些与催化剂寿命相关的指标进行融合，完成催化剂寿命的综合评价。本发明根据催化剂历次实验室检测数据及实际运行参数，采用模糊数学方法得到催化剂寿命预测模型，提高了催化剂性能评估的准确性及稳定性。

Description

基于多源信息融合技术的燃煤锅炉SCR催化剂寿命评价方法
技术领域
本发明涉及燃煤电厂SCR脱硝催化剂寿命管理技术领域，具体是涉及一种基于多源信息融合技术的燃煤锅炉SCR催化剂寿命评价方法。
背景技术
在燃煤锅炉SCR系统中，催化剂的活性是持续降低的。目前，德国VGB和美国EPRI标准对催化剂的寿命预测均是基于传统的实验室检测方法，即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，将该试验块或现场所采集的催化剂样本取出送到专门的化验室化验。然而，这种方法存在两点弊端：第一，样本代表性的问题。SCR系统常常包含多层催化剂，各层催化剂的活性劣化趋势是不一样的，其活性下降速率是不同的。另一方面，由于炉内流场、飞灰场、烟气的成分场均普遍分布不均，同一层不同位置的催化剂的劣化速率也是不同的，因此，催化剂检测样本的活性不能代表整层催化剂乃至整个反应器的脱硝性能。第二，样本检测次数的问题。由于催化剂取样一般需要在机组停机检修时进行，而国内机组普遍四年一大修、一年一小修，在这种检测周期下，实际对催化剂样本检测的次数并不多，受检测次数的影响，基于实验室检测方法的催化剂寿命预测的精度受到了极大的限制。
考虑到基于传统实验室检测方法的弊端，国内研究者提出了基于现场性能测试的脱硝装置潜能预测的方法，即利用现场实验数据计算SCR反应器的潜能，以此来衡量实际烟气条件下的催化剂整体宏观性能，该方法解决了基于传统实验室检测方法中样本代表性的问题，且样本检测次数不受机组启停影响。然而，现场检测同样面临着实验代价较高的问题，对于每次现场实验，为满足实验所需的烟气条件，电厂需要向电网申请稳定的发电负荷，这将给承担主要调峰调压压力的火电机组额外的负担，因此基于该方法的催化剂寿命预测精度同样会受实验次数的影响。
近年来，随着互联网+、工业4.0、工业化信息化融合等国内外重大战略的提出，基于工业大数据的数据挖掘技术已成为目前最热门的研究领域之一。目前，国外已有学者尝试将利用数据挖掘技术对催化剂进行寿命分析，该技术目前还处于研发状态，学者利用自制实验台获得了一年内催化剂活性及其影响参数的数据样本，并利用机器学习模型建立了两者之间的关系，以此完成了催化剂的活性预测。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，这些实时数据以及历史数据中隐藏着表征催化剂寿命的信息，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。然而，电厂运行工况波动频繁，数据不稳定性及混杂性较高，难以捕捉稳定的催化剂寿命劣化趋势。
综上所述，目前的催化剂寿命预测方法能够从各自的角度捕捉催化剂劣化的信息，同时也均存在各自的局限性，因此，亟需提出一种方法将这些分散的催化剂劣化信息进行融合。
发明内容
发明目的：为了克服现有技术中存在的不足，本发明提供一种基于多源信息融合技术的燃煤锅炉SCR催化剂寿命评价方法。
技术方案：为实现上述目的，本发明从实验室检测数据和现场历史运行数据中挖掘活性相关的特征指标，并利用模糊数学的算法将这些特征指标中的信息进行融合，最终完成催化剂寿命的综合评价。包括以下步骤：
(1)获取催化剂样本微观性能指标；
受催化剂的烧结、磨损、积灰、中毒等机制的影响，催化剂上负载的活性成分及微观孔道结构均会发生变化，从而导致其宏观催化性能下降。因此，在数据分析前需要对催化剂进行化验以获取检测数据，步骤(1)包括以下步骤：
(1a)获取催化剂样本微观性能指标。获取催化剂样本微观性能指标。对电厂锅炉中投用的催化剂进行多次取样，并保证每次取样的催化剂样本在SCR反应器中的同一区域。对不同投运时间的催化剂样本进行实验室检测，检测指标包括催化剂的主要活性组分(V2O5)、比表面积、孔容、孔径。其中，催化剂的主要活性组分(V2O5)采用XRF测试，；催化剂的比表面积采用BET法进行测试；孔容孔径采用压汞分析仪测量。
(2)获取催化剂样本宏观性能指标；
(2a)微型反应器试验数据提取。检测燃煤电厂脱硝系统不同投运时间的催化剂小试试验数据：反应器入口NH3浓度、入口NOx浓度、反应温度、出口NOx浓度、氧量、烟气流量。小试实验装置分为气体配给区、气体预热区和气体反应区三个区域，通过调节加热器以及流量调节阀设定不同的温度及烟气工况，进而测量不同工况下的脱硝效率。
(2b)在微型反应器试验数据的基础上，计算催化剂活性。SCR催化剂的活性是指催化氨与氮氧化物反应的综合能力，体现了催化反应系统传质和化学反应速率，主要是由烟气成分、烟气温度、烟气速度和催化剂性能等决定。根据美国EPRI和德国VGBR302He标准，活性计算公式为：
式中：K为催化剂活性(标准状况，湿基)，m/h；Vf为实验室测试通过催化剂的烟气流量(标准状况，湿基)，m3/h；Sc为催化剂试样块的表面积，m2；η为NOx脱除率，％。其中NOx脱除率为烟气出入口NOx含量差值占烟气入口NOx含量的百分比。
(3)获取电厂SCR反应器宏观性能指标；
一台600MW的燃煤机组各测点每秒可产生不少于15000个实时监控数据，此外，每台机组还涉及煤质数据、性能计算数据、环境相关数据等。由于传感器异常、网络波动等影响，现场检测数据不能直接应用于研究中，需要进行预处理再进行建模。
(3a)异常数据剔除。机组停机期间的历史数据不可取，此外，传感器异常、网络波动等原因引起的异常数据也需剔除。
(3b)非稳态工况剔除。在SCR脱硝系统非稳态过程中，由于输出参数对输入参数存在延迟现象，导致样本参数间关系错乱，因此该过程的数据需要剔除。
(3c)机器学习模型。电厂运行的要求是保证脱硝效率不变，NOx排放浓度达标，在相似工况下，随着催化剂的失活，为保证脱硝效率不变，需求的喷氨量不断增大，因此可以用喷氨量的变化表征催化剂活性劣化。本发明以入口NOx浓度、出口NOx浓度、机组负荷、氧量为输入，借助BP神经网络建立喷氨量的模型。将剔除异常数据(3a)和非稳态数据(3b)后的历史运行数据样本以月为单位进行划分，并利用每个月的数据分别建立当月的喷氨量BP神经网络模型。
(3d)反应器潜能跟踪。给每个月建立的模型固定相同的输入条件(入口NOx浓度、出口NOx浓度、机组负荷、氧量)，得到相同烟气条件下喷氨量的变化趋势。再利用潜能计算公式将喷氨量的变化趋势转化为SCR反应器潜能的劣化趋势。潜能的计算公式为：
式中：MR为NH3/NO摩尔比；为氨逃逸浓度，μL/L；CNO为入口NO浓度，μL/L。这种以多层催化剂单元体串联为检测对象的评估方法更接近于工程实际状况。
(4)基于信息融合技术的催化剂寿命评价；
基于多源信息融合的证据回归模型是通过处理不可靠、不精确、不确定信息，并融合多信息源信息，对物理意义明确、在线难以实时测量、离线无法获得采样样本的过程参数进行认知建模。认知模型建模方法是：
(4a)催化剂寿命专家知识库构建。在实际工程中，催化剂专业的专家、锅炉运行的专家、SCR脱硝检修的专家都会根据自己的理解对催化剂寿命预测给出判断，而他们分析的依据就是从各个信息源得到的关于催化剂活性的数据，具体可分为四类：
第一类：表征脱硝催化剂自身性质指标，如孔容、孔径、比表面积、V2O5的含量。
第二类：微型反应器试验测量的指标，如催化剂样本的活性。
第三类：现场运行数据中提取的指标，如SCR反应器的潜能。
第四类：催化剂设计寿命表征指标，如电厂催化剂的投运时间。
其中，一、二类指标来自实验室检测数据，三、四类指标来自电厂历史运行数据。本发明选用表征催化剂寿命的指标为：S1催化剂孔容、S2催化剂孔径、S3催化剂比表面积、S4催化剂中V2O5含量、S5微型反应器测量的催化剂样本活性、S6电厂SCR反应器潜能、S7电厂催化剂的投运时间。
根据专家知识，SCR催化剂内部呈多孔结构，催化剂的活性位分布在这些孔道结构的表面，当S1、S2变大，或者S3变小，表示单位体积催化剂上的孔道表面积减小，意味着能够催化SCR反应的活性位减小，催化剂的寿命下降。V2O5是催化反应最主要的活性组分，若S4(V2O5含量)减小，催化剂的寿命下降。S5是从微型反应器试验测量得到的催化剂样本的活性，S6是从电厂运行数据挖掘得到的SCR反应器的潜能，若两者变小，催化剂的寿命下降。S7是电厂催化剂的投运时间，催化剂投运时间越长，剩余寿命越小。
利用“IF-THEN”形式的规则，用于催化剂寿命评估的初始专家知识可以表示为：
IF S1增加，THEN催化剂寿命降低；
IF S2增加，THEN催化剂寿命降低；
IF S3降低，THEN催化剂寿命降低；
IF S4降低，THEN催化剂寿命降低；
IF S5降低，THEN催化剂寿命降低；
IF S6降低，THEN催化剂寿命降低；
IF S7增加，THEN催化剂寿命降低；
(4b)基于证据融合的催化剂寿命认知模型。
对S1～S7模糊化，可以采用语义变量或模糊数来实现，比如说，每个影响因素可以通过用一组语义变量来描述，如：很小(SS)、小(S)、中等(Z)、大(H)、很大(HH)等等，具体如表1所示。对于模糊粒度的合成，可以继续采用IF-THEN法则。表给出了影响因素S1～S7的一种模糊化，其中规则1可以表述为：如果S1是HH，S2是HH或H，S3是SS或S，S4是SS，S5是S或SS，S6是S或SS，S7是H或HH，则催化剂综合评价剩余寿命是SS。
利用FCM算法将7个维度的信息S1～S7投影到新的空间，并结合专家知识库，将融合后指标按时间序列分成N类，表征催化剂N个等级的寿命状态。
表1活性影响因素的模糊化
有益效果：本发明根据催化剂历次实验室检测数据及实际运行参数，采用模糊数学方法得到催化剂寿命预测模型，提高了催化剂性能评估的准确性及稳定性
附图说明
图1是基于多模型策略的证据回归模型的SCR脱硝催化剂寿命预测方法流程图；
图2是对象电厂SCR布置图；
图3是比表面积、V2O5含量随时间变化图；
图4是孔容、孔径随投运时间变化图；
图5是不同使用年限催化剂的活性变化图；
图6是不同负荷区间内，同等工况的还原剂使用量随时间变化的趋势图；
图7是催化剂投运时间变化趋势图；
图8是沿着时间序列的样本对10个类中心坐标的隶属度的趋势图；
图9是催化剂性能分级评估状态图；
图10是催化剂性能分级评估状态图。
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。
本实施例的基于多模型策略的证据回归模型的SCR脱硝催化剂寿命预测方法，用于解决燃煤电厂催化剂寿命劣化分析的问题，其方法流程如图1所示，包括以下步骤：首先对电厂锅炉中投用的催化剂进行多次取样，并对样本进行实验室检测，以获得能够表征催化剂活性的微观特征指标；然后利用微型反应器试验获得催化剂样本的宏观性能指标；再通过对电厂历史运行数据进行统计与挖掘，得到能够反映电厂SCR反应器性能的宏观指标；最后将这些与催化剂寿命相关的指标进行融合，完成催化剂寿命的综合评价。本发明根据催化剂历次实验室检测数据及实际运行参数，采用模糊数学方法得到催化剂寿命预测模型，提高了催化剂性能评估的准确性及稳定性。
下面以某660MW超临界直流锅炉单侧SCR脱硝反应器为例，介绍该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。SCR采用高尘布置方式，单炉双SCR结构体，在反应器入口垂直烟道下方设有脱硝灰斗，不设反应器旁路。脱硝装置主要分为三个部分：尿素溶液制备区、SCR反应区以及进出口烟道区，其中SCR布置如图2所示。
整个催化剂寿命预测过程主要有实验室检测数据获取、提取现场检测数据、多模型策略的证据回归模型建模预测方法3个核心部分。结合图1所示流程，步骤如下：
(1)获取催化剂样本微观性能指标
通过历史对当涂电厂#1机组SCR系统第一层催化剂的跟踪，实验样本包括：新催化剂(投运0小时)、投运一年(12960小时)催化剂和投运三年(29904小时)催化剂。
检测指标包括催化剂的主要活性组分(V2O5)、比表面积、孔容、孔径。其中，催化剂的主要活性组分(V2O5)采用XRF测试，测试装置为Thermo XRF，试验采用熔融法制备样品，并在XRF建立标准曲线，检测催化剂的主要化学成分；催化剂的比表面积采用BET法进行测试美国麦克仪器有限公司的TristarII3020比表面积分析仪测量，试验首先从催化剂表面上截取0.8g～1.2g的试样，放入样品管内进行真空脱气处理，去除试样表面物理吸附的物质。在此基础上，将经真空脱气处理后的试验冷却至室温，按照GB/T19587的规定，采用比表面积分析仪按多点BET法进行测试；孔容孔径采用美国康塔PoreMaster-33/60压汞分析仪测量。，试验首先利用低压让氮气N2进入真空样品池，以连续升压的方式增压，当达到所需的最大外压力后，减压力至大气压，将样品管转移到高压单元。在此基础上，利用高压将样品管转移到高压单元，并在汞面上注入液压油，以分级连续方式增压，随着汞被压入孔体系，可以测出作为外压力函数的汞柱下降至，通过计算机记录压力和相应的助汞体积。当达到所需的最大压力，降低压力至大气压，测试结束，读取相应的数值。
图3是比表面积、V2O5含量随时间变化图，受堵塞、催化剂中毒等影响，比表面积与活性成分V2O5含量均下降，反应活性位随之降低，导致催化剂活性下降。图4是孔容、孔径随投运时间变化图，随着时间推移，孔容、孔径逐渐增大，偏离设计值，不利于反应进行，影响催化剂活性。
(2)获取催化剂样本宏观性能指标
微型反应器试验条件为：入口NOx浓度为280mg/Nm3，入口O2量为3.6％，烟气流量为12.4L/min，反应温度分别为370℃，氨氮摩尔比1.3。实验期间，各设置条件的稳定时间约为20min，一般当反应器出口NOx和NH3的数值保持5min内不变时，认为反应稳定，并开始计数。
新催化剂(投运0小时)、投运一年(12024小时)催化剂和投运三年(29304小时)催化剂在所设定实验条件下的活性变化趋势如图5所示。
(3)获取电厂SCR反应器宏观性能指标
取某电厂660MW机组容量的#1机组2013年5月1日至2015年11月1日的历史运行数据为统计样本，取样间隔为1min，过滤掉机组启停机时间段内的数据后，剩余872277条样本，经由异常数据筛选、稳态判定等预处理后获取电厂SCR反应器宏观性能指标。图6是不同负荷区间内，同等工况的SCR反应器潜能随时间变化的趋势图。图7是催化剂投运时间变化趋势图。
(4)基于信息融合技术的催化剂寿命评价
将催化剂寿命分为10级，并利用FCM算法将7个维度的信息S1～S7投影到新的空间，融合后分为10类，表征催化剂十个等级的寿命状态。图8为沿着时间序列的样本对10个类中心坐标的隶属度的趋势图，若某个样本对某个类隶属度最高，意味着这个样本处于该类表征的催化剂寿命状态。图9至图10是对S1～S7的指标聚类并分级后的结果，图中的10种颜色代表催化剂的十种健康状态，根据表1中各个指标的值域范围确定催化剂的换装点。
借助本发明的基于多模型策略的证据回归模型的SCR脱硝催化剂寿命预测方法，电厂运行人员可根据运行工况以及规定效率得到催化剂的换装时间。

Claims (8)

1.一种基于多源信息融合技术的燃煤锅炉SCR催化剂寿命评价方法，其特征在于，综合分析实验室检测数据和电厂历史运行数据得到SCR脱硝催化剂寿命，包括以下步骤：
步骤1，获取催化剂样本微观性能指标：对电厂锅炉中投用的催化剂进行多次取样，并对样本进行实验室检测，获得表征催化剂活性的微观特征指标；
步骤2，获取催化剂样本宏观性能指标：利用微型反应器试验获得催化剂样本的宏观性能指标；
步骤3，获取电厂SCR反应器宏观性能指标：通对电厂历史运行数据进行统计与挖掘，得到反映电厂SCR催化剂性能的宏观指标；
步骤4，基于信息融合技术的催化剂寿命评价：采用模糊数学的方法将这些与催化剂寿命相关的指标进行融合，完成催化剂寿命的综合评价。
2.根据权利要求1所述的基于多源信息融合技术的燃煤锅炉SCR催化剂寿命评价方法，其特征在于，所述步骤1中对电厂锅炉中投用的催化剂进行多次取样时，每次取样的催化剂样本在SCR反应器中的同一区域；
对不同投运时间的催化剂样本进行实验室检测，检测指标包括催化剂的主要活性组分V2O5、比表面积、孔容和孔径；
V2O5采用XRF测试，比表面积采用BET法进行测试，孔容孔径采用压汞分析仪测量。
3.根据权利要求1所述的基于多源信息融合技术的燃煤锅炉SCR催化剂寿命评价方法，其特征在于，所述步骤2还包括如下步骤：
2a）检测燃煤电厂脱硝系统不同投运时间的催化剂微型反应器试验数据，包括反应器入口NH3浓度、入口NOx浓度、反应温度、出口NOx浓度、氧量、烟气流量以及脱硝效率；
2b）在微型反应器试验数据的基础上计算催化剂活性
式中：K为催化剂活性，m/h ；Vf为实验室测试通过催化剂的烟气流量，m3/h；Sc为催化剂试样块的表面积，m2；η为NOx脱除率，%；其中NOx脱除率为烟气出入口NOx含量差值占烟气入口NOx含量的百分比。
4.根据权利要求1所述的基于多源信息融合技术的燃煤锅炉SCR催化剂寿命评价方法，其特征在于，所述步骤3具体包括如下步骤：
3a）剔除异常数据，所述异常数据机组停机期间的历史数据，传感器异常和网络波动引起的异常数据；
3b）剔除非稳态工况；
3c）建立机器学习模型，以入口NOx浓度、出口NOx浓度、机组负荷、氧量为输入，借助BP神经网络建立喷氨量的模型，将剔除异常数据和非稳态数据后的历史运行数据样本以月为单位进行划分，并利用每个月的数据分别建立当月的喷氨量BP神经网络模型；
3d）跟踪反应器潜能，给每个月建立的模型固定相同的输入条件，包括入口NOx浓度、出口NOx浓度、机组负荷、氧量，得到相同烟气条件下喷氨量的变化趋势，再利用潜能计算公式将喷氨量的变化趋势转化为SCR反应器潜能的劣化趋势，潜能计算公式为：
式中：MR为NH 3 /NO摩尔比；为氨逃逸浓度；C NO 为入口NO浓度。
5.根据权利要求1所述的基于多源信息融合技术的燃煤锅炉SCR催化剂寿命评价方法，其特征在于，所述步骤4中，构建催化剂寿命专家知识库，将催化剂寿命的指标分为四类：
第一类：表征脱硝催化剂自身性质指标，包括孔容、孔径、比表面积、V2O5的含量；
第二类：微型反应器试验测量的指标，包括催化剂样本的活性；
第三类：现场运行数据中提取的指标，包括SCR反应器的潜能；
第四类：催化剂设计寿命表征指标，包括电厂催化剂的投运时间；
其中，第一类和第二类指标来自实验室检测数据，第三类和第四类指标来自电厂历史运行数据。
6.根据权利要求5所述的基于多源信息融合技术的燃煤锅炉SCR催化剂寿命评价方法，其特征在于，所述催化剂寿命的指标包括：S1催化剂孔容、S2催化剂孔径、S3催化剂比表面积、S4催化剂中V2O5含量、S5微型反应器测量的催化剂样本活性、S6电厂SCR反应器潜能、S7电厂催化剂的投运时间。
7.根据权利要求6所述的基于多源信息融合技术的燃煤锅炉SCR催化剂寿命评价方法，其特征在于，利用IF-THEN形式的规则，用于催化剂寿命评估的初始专家知识可以表示为：
IF S1增加，THEN催化剂寿命降低；
IF S2增加，THEN催化剂寿命降低；
IF S3降低，THEN催化剂寿命降低；
IF S4降低，THEN催化剂寿命降低；
IF S5降低，THEN催化剂寿命降低；
IF S6降低，THEN催化剂寿命降低；
IF S7增加，THEN催化剂寿命降低。
8.根据权利要求7所述的基于多源信息融合技术的燃煤锅炉SCR催化剂寿命评价方法，其特征在于，基于证据融合的催化剂寿命认知模型，继续采用IF-THEN法则进行模糊粒度的合成：如果S1是HH，S2是HH或H，S3是SS或S，S4是SS，S5是S或SS，S6是S或SS，S7是H或HH，则催化剂综合评价剩余寿命是SS；
利用FCM算法将7个维度的信息S1~S7投影到新的空间，并结合专家知识库，将融合后指标按时间序列分成N类，表征催化剂N个等级的寿命状态
。
CN201710131479.6A 2017-01-17 2017-03-07 基于多源信息融合技术的燃煤锅炉scr催化剂寿命评价方法 Active CN107103176B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201710032863 2017-01-17
CN2017100328630 2017-01-17

Publications (2)

Publication Number Publication Date
CN107103176A true CN107103176A (zh) 2017-08-29
CN107103176B CN107103176B (zh) 2020-10-20

Family

ID=59674939

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710131479.6A Active CN107103176B (zh) 2017-01-17 2017-03-07 基于多源信息融合技术的燃煤锅炉scr催化剂寿命评价方法

Country Status (1)

Country Link
CN (1) CN107103176B (zh)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107679359A (zh) * 2017-09-12 2018-02-09 大唐南京环保科技有限责任公司 一种预测电厂scr脱硝催化剂寿命的方法
CN107831651A (zh) * 2017-10-12 2018-03-23 国网河北能源技术服务有限公司 煤粉电站锅炉scr与sncr脱硝系统协同控制方法
CN109253826A (zh) * 2018-08-01 2019-01-22 西安交通大学 一种基于多退化样本数据融合的热量表剩余寿命预测方法
CN109364753A (zh) * 2018-10-16 2019-02-22 厦门邑通软件科技有限公司 一种催化剂剩余生命预测与节氨的方法
CN109411031A (zh) * 2018-11-28 2019-03-01 郑州师范学院 基于实际运行条件的在役脱硝催化剂剩余寿命预测方法
CN109935279A (zh) * 2018-12-29 2019-06-25 国电环境保护研究院有限公司 一种电厂scr脱硝催化剂体积设计计算方法
CN110082474A (zh) * 2019-05-24 2019-08-02 国家能源投资集团有限责任公司 一种脱硝催化剂的性能诊断系统和性能诊断方法
CN110094251A (zh) * 2019-05-05 2019-08-06 东南大学 基于分时段多模型建模的scr催化剂性能劣化分析方法
CN110610747A (zh) * 2019-10-10 2019-12-24 桂林理工大学 一种基于深度学习的微型化学实验系统及方法
CN111044667A (zh) * 2019-12-10 2020-04-21 中国大唐集团科学技术研究院有限公司华中电力试验研究院 一种脱硝系统催化剂活性的评价方法及脱硝效率的修正方法
CN111242279A (zh) * 2020-01-03 2020-06-05 浙江浙能技术研究院有限公司 一种超超临界煤粉锅炉炉膛结渣预测系统及方法
CN113223628A (zh) * 2021-04-19 2021-08-06 浙江大学 一种基于机器学习技术辅助金属氧化物scr催化剂快速筛选的方法
CN113707232A (zh) * 2021-09-07 2021-11-26 华电电力科学研究院有限公司 一种催化剂管理系统及催化剂监测方法
CN114367194A (zh) * 2021-12-01 2022-04-19 苏州西热节能环保技术有限公司 一种基于氨逃逸目标优化的快速喷氨调整方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101623606A (zh) * 2009-07-29 2010-01-13 中电投远达环保工程有限公司 用于scr脱硝系统的自动化喷氨混合系统
DE102009010888B4 (de) * 2009-02-27 2012-02-02 Continental Automotive Gmbh Verfahren und Vorrichtung zur Steuerung eines SCR-Abgasnachbehandlungssystems einer Brennkraftmaschine

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102009010888B4 (de) * 2009-02-27 2012-02-02 Continental Automotive Gmbh Verfahren und Vorrichtung zur Steuerung eines SCR-Abgasnachbehandlungssystems einer Brennkraftmaschine
CN101623606A (zh) * 2009-07-29 2010-01-13 中电投远达环保工程有限公司 用于scr脱硝系统的自动化喷氨混合系统

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
ZHANG LEI 等: "Different mode conducted EMI of three-phase SCR rectifier: prediction and reduction", 《2002 3RD INTERNATIONAL SYMPOSIUM ON ELECTROMAGNETIC COMPATIBILITY》 *
刘新彦 等: "变换系统优化与催化剂寿命预测", 《化学工程》 *
周建新 等: "燃煤机组SCR脱硝催化剂性能评价与寿命管理系统", 《中国电力》 *
宋玉宝 等: "SCR脱硝催化剂宏观性能评估和寿命预测方法研究", 《中国电力》 *
宋玉宝 等: "基于现场性能测试的脱硝装置潜能评估及寿命预测", 《热力发电》 *

Cited By (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107679359A (zh) * 2017-09-12 2018-02-09 大唐南京环保科技有限责任公司 一种预测电厂scr脱硝催化剂寿命的方法
CN107831651A (zh) * 2017-10-12 2018-03-23 国网河北能源技术服务有限公司 煤粉电站锅炉scr与sncr脱硝系统协同控制方法
CN109253826A (zh) * 2018-08-01 2019-01-22 西安交通大学 一种基于多退化样本数据融合的热量表剩余寿命预测方法
CN109364753A (zh) * 2018-10-16 2019-02-22 厦门邑通软件科技有限公司 一种催化剂剩余生命预测与节氨的方法
CN109411031A (zh) * 2018-11-28 2019-03-01 郑州师范学院 基于实际运行条件的在役脱硝催化剂剩余寿命预测方法
CN109411031B (zh) * 2018-11-28 2021-11-02 郑州师范学院 基于实际运行条件的在役脱硝催化剂剩余寿命预测方法
CN109935279A (zh) * 2018-12-29 2019-06-25 国电环境保护研究院有限公司 一种电厂scr脱硝催化剂体积设计计算方法
CN109935279B (zh) * 2018-12-29 2023-09-15 国电环境保护研究院有限公司 一种电厂scr脱硝催化剂体积设计计算方法
CN110094251A (zh) * 2019-05-05 2019-08-06 东南大学 基于分时段多模型建模的scr催化剂性能劣化分析方法
CN110082474A (zh) * 2019-05-24 2019-08-02 国家能源投资集团有限责任公司 一种脱硝催化剂的性能诊断系统和性能诊断方法
CN110082474B (zh) * 2019-05-24 2022-01-25 国家能源投资集团有限责任公司 一种脱硝催化剂的性能诊断系统和性能诊断方法
CN110610747A (zh) * 2019-10-10 2019-12-24 桂林理工大学 一种基于深度学习的微型化学实验系统及方法
CN110610747B (zh) * 2019-10-10 2023-08-18 桂林理工大学 一种基于深度学习的微型化学实验系统及方法
CN111044667A (zh) * 2019-12-10 2020-04-21 中国大唐集团科学技术研究院有限公司华中电力试验研究院 一种脱硝系统催化剂活性的评价方法及脱硝效率的修正方法
CN111044667B (zh) * 2019-12-10 2022-06-21 中国大唐集团科学技术研究院有限公司华中电力试验研究院 一种脱硝系统催化剂活性的评价方法及脱硝效率的修正方法
CN111242279A (zh) * 2020-01-03 2020-06-05 浙江浙能技术研究院有限公司 一种超超临界煤粉锅炉炉膛结渣预测系统及方法
CN111242279B (zh) * 2020-01-03 2023-09-08 浙江浙能技术研究院有限公司 一种超超临界煤粉锅炉炉膛结渣预测系统及方法
CN113223628B (zh) * 2021-04-19 2022-08-12 浙江大学 一种基于机器学习技术辅助金属氧化物scr催化剂快速筛选的方法
CN113223628A (zh) * 2021-04-19 2021-08-06 浙江大学 一种基于机器学习技术辅助金属氧化物scr催化剂快速筛选的方法
CN113707232A (zh) * 2021-09-07 2021-11-26 华电电力科学研究院有限公司 一种催化剂管理系统及催化剂监测方法
CN114367194A (zh) * 2021-12-01 2022-04-19 苏州西热节能环保技术有限公司 一种基于氨逃逸目标优化的快速喷氨调整方法
CN114367194B (zh) * 2021-12-01 2024-01-26 苏州西热节能环保技术有限公司 一种基于氨逃逸目标优化的快速喷氨调整方法

Also Published As

Publication number Publication date
CN107103176B (zh) 2020-10-20

Similar Documents

Publication Publication Date Title
CN107103176A (zh) 基于多源信息融合技术的燃煤锅炉scr催化剂寿命评价方法
CN106248864B (zh) 一种基于海量运行数据的scr脱硝催化剂寿命预测方法
CN105971738B (zh) 一种燃气轮机组烟气流量在线监测的方法
CN104020730A (zh) 一种环保监控平台
CN111695249B (zh) 一种燃气锅炉热效率的预测方法
CN104331736B (zh) 基于RBF神经网络的超超临界锅炉NOx排放动态预测方法
Chongwatpol Managing big data in coal-fired power plants: a business intelligence framework
CN110580936B (zh) 中低温scr脱硝催化剂的寿命预测方法及系统
CN103499671B (zh) 一种现场测试火电厂scr系统脱硝催化剂活性的方法
CN104715142B (zh) 一种电站锅炉NOx排放动态软测量方法
CN109388774A (zh) 一种基于对比法的火电厂NOx预测模型变量特征提取方法
CN109709260A (zh) 一种scr脱硝催化剂的全寿命管理方法
CN109785187B (zh) 一种发电机组供电煤耗检测数据校正方法
CN110675920A (zh) 一种基于MI-LSTM的锅炉NOx预测方法
CN104504238A (zh) 一种基于神经网络的燃煤机组氮氧化物排放浓度预测方法
CN106770890A (zh) 一种火电厂脱硝催化剂使用寿命的在线评估方法
Wu et al. Nonlinear dynamic soft-sensing modeling of NOx emission of a selective catalytic reduction denitration system
CN106647259B (zh) 焦化烟气脱硫脱硝一体化设备集中管控系统
CN107491882A (zh) 一种火电厂电力绿色指数模型的构建方法
Xu et al. A new online optimization method for boiler combustion system based on the data-driven technique and the case-based reasoning principle
Xu et al. On-line combustion optimization framework for coal-fired boiler combining improved cultural algorithm, deep learning, multi-objective evolutionary algorithm with improved case-based reasoning technology
CN117314706A (zh) 一种燃煤机组二氧化碳排放量计算方法
WO2024108641A1 (zh) 一种基于低碳用能优化协同的区域碳排放智慧测量系统
CN112602024A (zh) Kpi改善辅助系统及kpi改善辅助方法
Qiu et al. An energy‐efficiency evaluation method for high‐sulfur natural gas purification system using artificial neural networks and particle swarm optimization

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant