CN109187914A - 基于煤质特性的燃煤电厂NOx生成量的预测方法 - Google Patents
基于煤质特性的燃煤电厂NOx生成量的预测方法 Download PDFInfo
- Publication number
- CN109187914A CN109187914A CN201811088064.6A CN201811088064A CN109187914A CN 109187914 A CN109187914 A CN 109187914A CN 201811088064 A CN201811088064 A CN 201811088064A CN 109187914 A CN109187914 A CN 109187914A
- Authority
- CN
- China
- Prior art keywords
- coal
- nox
- indicate
- raw coal
- amount
- 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
Links
- 239000003245 coal Substances 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 title claims abstract description 60
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims abstract description 52
- 229910052757 nitrogen Inorganic materials 0.000 claims abstract description 28
- 239000000571 coke Substances 0.000 claims abstract description 20
- 238000005979 thermal decomposition reaction Methods 0.000 claims abstract description 18
- 238000012360 testing method Methods 0.000 claims abstract description 17
- 238000000921 elemental analysis Methods 0.000 claims abstract description 16
- 230000001419 dependent effect Effects 0.000 claims abstract description 11
- 238000004062 sedimentation Methods 0.000 claims abstract description 10
- 239000000126 substance Substances 0.000 claims abstract description 7
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000000197 pyrolysis Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 8
- 238000013178 mathematical model Methods 0.000 abstract description 5
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 abstract description 3
- 239000003546 flue gas Substances 0.000 abstract description 3
- 230000003247 decreasing effect Effects 0.000 abstract description 2
- 230000001737 promoting effect Effects 0.000 abstract description 2
- 230000008901 benefit Effects 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 229910052739 hydrogen Inorganic materials 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 229910052717 sulfur Inorganic materials 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/22—Fuels; Explosives
- G01N33/222—Solid fuels, e.g. coal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Medicinal Chemistry (AREA)
- Software Systems (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Food Science & Technology (AREA)
- Databases & Information Systems (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Coke Industry (AREA)
- Regulation And Control Of Combustion (AREA)
Abstract
基于煤质特性的燃煤电厂NOx生成量的预测方法,属于燃煤排放监测领域。现有对电厂运行过程中NOx的排放量的监测方法存在需采集大量的影响因素、数学模型复杂、计算过程繁琐耗时较长的问题。一种基于煤质特性的燃煤电厂NOx生成量的预测方法,化验原煤获得原煤的元素分析结果:Cdaf、Hdaf、Odaf、Ndaf和Sdaf五个参数;利用沉降炉对原煤进行热解试验,利用灰分示踪法获取最大挥发分释放量Vmax及焦炭中氮含量Nchar两个参数;将确定的参数作为自变量,将NOx的最终生成量作为因变量,利用拟合公式对NOx生成量进行预测。本发明方法操作简单,数学模型直观,可大幅减少繁琐的计算过程,提升工作效率能够获得发电机组单位体积烟气的NOx生成量。
Description
技术领域
本发明涉及一种气体排放监测方法,特别涉及一种燃煤电厂NOx生成量的预测方法。
背景技术
电厂运行过程中煤燃烧会产生大量的NOx,对环境的污染非常大。监管可以利用SCR(或SNCR)装置对烟气进行脱硝处理,但仍需要时刻监控NOx的排放水平,而现阶段由于缺乏稳定、可靠和廉价的在线测量仪表,电厂对运行过程中NOx的排放还没有有效的监测系统。为此,一些学者提出了软测量技术,如神经网络预测方法、统计回归方法和基于支持向量机理论的预测方法,这些方法普遍存在以下问题:(1)需要采集大量影响NOx排放的因素,网络规模过大;(2)各个因素之间存在相关性,造成重复利用;(3)数学模型复杂,计算过程繁琐耗时较长。
发明内容
本发明的目的是为了解决现有对电厂运行过程中NOx的排放量的监测方法所采用的软测量技术存在需采集大量的影响因素、数学模型复杂、计算过程繁琐耗时较长的问题,而提出一种基于煤质特性的燃煤电厂NOx生成量的预测方法。
一种基于煤质特性的燃煤电厂NOx生成量的预测方法,所述方法通过以下步骤实现:
步骤一、化验原煤获得原煤的元素分析,元素分析结果包括:Cdaf、Hdaf、Odaf、Ndaf和Sdaf五个参数;其中,Cdaf表示干燥无灰基C的百分含量,Hdaf表示干燥无灰基H的百分含量,Odaf表示干燥无灰基O的百分含量,Ndaf表示干燥无灰基N的百分含量,Sdaf表示干燥无灰基S的百分含量;
步骤二、利用沉降炉对原煤进行热解试验,利用灰分示踪法获取最大挥发分释放量Vmax及焦炭中氮含量Nchar两个参数;
步骤三、将步骤一和步骤二确定的参数作为自变量,将NOx的最终生成量作为因变量,设计如下多元二次方程作为拟合公式,利用拟合公式对NOx的最终生成量进行预测:
式中:y表示因变量NOx的最终生成量,单位为mg/Nm3;a、b、c表示拟合系数;Xm表示自变量的百分含量,且Xm∈{Cdaf,Hdaf,Odaf,Ndaf,Sdaf,Vmax,Nchar}。
本发明的有益效果为:
本发明提供了一种NOx生成量的预测方法,设计多元二次方程作为拟合公式,并将原煤元素分析所得的C、H、O、N、S元素百分含量的参数、通过对原煤进行热解试验获取的最大挥发分释放量Vmax及焦炭中氮含量Nchar参数带入到拟合公式,利用拟合公式对NOx的最终生成量进行预测,即能够获得发电机组单位体积烟气的NOx生成量。本方法不需要采集大量的影响因素创建监测模型,具有操作简单,数学模型直观,可大幅减少繁琐的计算过程,提升工作效率的优点。与现有软测量方法对NOx生成量监测相比,计算过程所需时间减少了50%-60%。
附图说明
图1为利用本发明的拟合公式对NOx生成结果进行预测所得的预测值与试验值的对比图;
图2为本发明的流程图;
具体实施方式
具体实施方式一:
本实施方式的基于煤质特性的燃煤电厂NOx生成量的预测方法,所述方法通过以下步骤实现:
步骤一、化验原煤获得原煤的元素分析,元素分析结果包括:Cdaf、Hdaf、Odaf、Ndaf和Sdaf五个参数;其中,Cdaf表示干燥无灰基C的百分含量,Hdaf表示干燥无灰基H的百分含量,Odaf表示干燥无灰基O的百分含量,Ndaf表示干燥无灰基N的百分含量,Sdaf表示干燥无灰基S的百分含量;
步骤二、利用沉降炉(DTF)对原煤进行热解试验,利用灰分示踪法获取最大挥发分释放量Vmax及焦炭中氮含量Nchar两个参数;
步骤三、将步骤一和步骤二确定的参数作为自变量,将NOx的最终生成量作为因变量,设计如下多元二次方程作为拟合公式,利用拟合公式对NOx的最终生成量进行预测:
式中:y表示因变量NOx的最终生成量,单位为mg/Nm3;a、b、c表示拟合系数;Xm表示自变量的百分含量,且Xm∈{Cdaf,Hdaf,Odaf,Ndaf,Sdaf,Vmax,Nchar}。
通过确定的准确参数,结合设计的拟合公式,即可进行NOx的最终生成量的预测,所需预测计算时间短,预测值准确。
具体实施方式二:
与具体实施方式一不同的是,本实施方式的基于煤质特性的燃煤电厂NOx生成量的预测方法,步骤一所述的化验原煤获得原煤的元素分析的过程为,通过自动元素分析仪获得原煤的元素分析结果。
具体实施方式三:
与具体实施方式一或二不同的是,本实施方式的基于煤质特性的燃煤电厂NOx生成量的预测方法,步骤二所述的利用沉降炉(DTF)对原煤进行热解试验,利用灰分示踪法获取最大挥发分释放量Vmax及焦炭中氮含量Nchar两个参数的过程为,
首先,利用沉降炉(DTF)对原煤进行热解试验,抽取不同停留时间的热解产物,对热解产物进行工业分析和元素分析,
然后,利用灰分示踪法获取最大挥发分释放量Vmax及焦炭中氮含量Nchar;其中,
式中,Vmax表示原煤热解的最大挥发份释放量,干燥基,%;
A0表示原煤干燥基灰份,%;
A1表示产物干燥基灰份,%;
Nchar表示焦炭中的氮元素质量占原煤氮元素质量的比例,%;
N0表示原煤干燥基氮元素含量,%;
N1表示焦炭干燥基氮元素含量,%。
具体实施方式四:
与具体实施方式三不同的是,本实施方式的基于煤质特性的燃煤电厂NOx生成量的预测方法,步骤三所述的将步骤一和步骤二确定的参数作为自变量,将NOx的最终生成量作为因变量,设计如下多元二次方程作为拟合公式,利用拟合公式对NOx的最终生成量进行预测:
的过程为,
将步骤一获得的Cdaf、Hdaf、Odaf、Ndaf和Sdaf五个参数,以及步骤二获得的最大挥发分释放量Vmax和焦炭中氮含量Nchar两个参数作为自变量,将NOx的最终生成量作为因变量,提出形式如下的多元二次方程:
式中:C1、C2、C3、C4、C5、C6、C7、C8、C9、C10、C11、C12、C13、C14、C15表示拟合系数;
上述多元二次方程简化表示为:
y表示因变量NOx的最终生成量,单位为mg/Nm3;ai、bi、ci表示拟合系数,i∈{1,2,3...,15};Xm表示自变量的百分含量,且Xm∈{Cdaf,Hdaf,Odaf,Ndaf,Sdaf,Vmax,Nchar}。
实施例1:
基于煤质特性的燃煤电厂NOx生成量的预测方法,所述方法通过以下步骤实现:
步骤一、采用通过自动元素分析仪的国标方法获得原煤的元素分析结果,元素分析结果包括:Cdaf、Hdaf、Odaf、Ndaf和Sdaf五个参数;其中,Cdaf表示干燥无灰基C的百分含量,Hdaf表示干燥无灰基H的百分含量,Odaf表示干燥无灰基O的百分含量,Ndaf表示干燥无灰基N的百分含量,Sdaf表示干燥无灰基S的百分含量;
如下,表1为原煤的元素分析试验结果
表1煤质分析试验结果
序号 | %C(daf) | %H(daf) | %O(daf) | %N(daf) | %S(daf) |
1 | 79.19 | 5.02 | 12.93 | 1.56 | 1.3 |
2 | 75.2 | 5.23 | 16.97 | 1.46 | 1.12 |
3 | 74.71 | 5.27 | 18.42 | 1.32 | 0.27 |
4 | 81.46 | 6.1 | 10.66 | 1.44 | 0.33 |
5 | 82.69 | 6.22 | 8.41 | 1.36 | 1.31 |
6 | 66.47 | 4.83 | 20.76 | 2.11 | 5.8 |
7 | 67.7 | 4.73 | 23.28 | 1.7 | 2.58 |
8 | 81.92 | 5.5 | 9.77 | 2.04 | 0.79 |
9 | 75.7 | 6.4 | 17.05 | 0.57 | 0.28 |
10 | 90.09 | 4.32 | 1.69 | 0.92 | 2.97 |
11 | 84.47 | 4.4 | 7.21 | 1.37 | 2.6 |
步骤二、利用沉降炉(DTF)对原煤进行热解试验,利用灰分示踪法获取最大挥发分释放量Vmax及焦炭中氮含量Nchar两个参数;
首先,利用沉降炉(DTF)对原煤进行热解试验,抽取不同停留时间的热解产物,对热解产物进行工业分析和元素分析,
然后,利用灰分示踪法获取最大挥发分释放量Vmax及焦炭中氮含量Nchar;其中,
式中,Vmax表示原煤热解的最大挥发份释放量,干燥基,%;
A0表示原煤干燥基灰份,%;
A1表示产物干燥基灰份,%;
Nchar表示焦炭中的氮元素质量占原煤氮元素质量的比例,%;
N0表示原煤干燥基氮元素含量,%;
N1表示焦炭干燥基氮元素含量,%;
如表2为原煤进行热解试验的结果,
表2 DTF试验结果
序号 | %V<sub>max</sub>(d) | %Nchar(d) |
1 | 68.04 | 37.08 |
2 | 59.46 | 41.73 |
3 | 81.36 | 19.96 |
4 | 54.30 | 26.56 |
5 | 50.26 | 74.57 |
6 | 58.56 | 17.74 |
7 | 66.28 | 19.83 |
8 | 52.79 | 41.60 |
9 | 66.44 | 34.60 |
10 | 26.56 | 48.36 |
11 | 42.82 | 71.15 |
步骤三、将步骤一获得的Cdaf、Hdaf、Odaf、Ndaf和Sdaf五个参数,以及步骤二获得的最大挥发分释放量Vmax和焦炭中氮含量Nchar两个参数作为自变量,将NOx的最终生成量作为因变量,提出形式如下的多元二次方程:
式中:C1、C2、C3、C4、C5、C6、C7、C8、C9、C10、C11、C12、C13、C14、C15表示拟合系数;
上述多元二次方程简化表示为:
y表示因变量NOx的最终生成量,单位为mg/Nm3;ai、bi、ci表示拟合系数,i∈{1,2,3...,15};Xm表示自变量的百分含量,且Xm∈{Cdaf,Hdaf,Odaf,Ndaf,Sdaf,Vmax,Nchar}。
根据实验结果所得拟合公式中的各项系数如表3所示:
表3拟合公式用系数
X<sub>m</sub> | a<sub>i</sub> | b<sub>i</sub> | c<sub>i</sub> |
Cdaf | -3391.6 | 88.98 | -0.53 |
Hdaf | 2720.26 | -956.5 | 92.44 |
Odaf | 293.11 | 10.78 | -0.67 |
Ndaf | 440.12 | -109.51 | 4.42 |
Sdaf | 296.36 | 23.33 | -8.08 |
Nchar | 32.694 | 11.069 | -0.093 |
V<sub>max</sub> | -150.694 | 17.657 | -0.163 |
为了验证拟合公式的准确性,利用拟合公式对NOx生成结果进行了预测,并分析二者之间相对误差,具体的试验值与预测值的比较如图1所示。根据图中数据分析可以看出拟合效果较好,其中54.54%的预测结果误差范围在±10%以内,81.82%预测结果误差范围在±20%以内,另外有两个预测结果的偏差为33.90%和28.24%,具体数据见表4。
表4 NOx排放预测结果及相对误差
本发明还可有其它多种实施例,在不背离本发明精神及其实质的情况下,本领域技术人员当可根据本发明作出各种相应的改变和变形,但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (4)
1.一种基于煤质特性的燃煤电厂NOx生成量的预测方法,所述方法通过以下步骤实现:
步骤一、化验原煤获得原煤的元素分析,元素分析结果包括:Cdaf、Hdaf、Odaf、Ndaf和Sdaf五个参数;其中,Cdaf表示干燥无灰基C的百分含量,Hdaf表示干燥无灰基H的百分含量,Odaf表示干燥无灰基O的百分含量,Ndaf表示干燥无灰基N的百分含量,Sdaf表示干燥无灰基S的百分含量;
步骤二、利用沉降炉对原煤进行热解试验,利用灰分示踪法获取最大挥发分释放量Vmax及焦炭中氮含量Nchar两个参数;
步骤三、将步骤一和步骤二确定的参数作为自变量,将NOx的最终生成量作为因变量,设计如下多元二次方程作为拟合公式,利用拟合公式对NOx的最终生成量进行预测:
式中:y表示因变量NOx的最终生成量,单位为mg/Nm3;a、b、c表示拟合系数;Xm表示自变量的百分含量,且Xm∈{Cdaf,Hdaf,Odaf,Ndaf,Sdaf,Vmax,Nchar}。
2.根据权利要求1所述的基于煤质特性的燃煤电厂NOx生成量的预测方法,其特征是:步骤一所述的化验原煤获得原煤的元素分析的过程为,通过自动元素分析仪获得原煤的元素分析结果。
3.根据权利要求1或2所述的基于煤质特性的燃煤电厂NOx生成量的预测方法,其特征是:基于煤质特性的燃煤电厂NOx生成量的预测方法,步骤二所述的利用沉降炉对原煤进行热解试验,利用灰分示踪法获取最大挥发分释放量Vmax及焦炭中氮含量Nchar两个参数的过程为,
首先,利用沉降炉对原煤进行热解试验,抽取不同停留时间的热解产物,对热解产物进行工业分析和元素分析,
然后,利用灰分示踪法获取最大挥发分释放量Vmax及焦炭中氮含量Nchar;其中,
式中,Vmax表示原煤热解的最大挥发份释放量,干燥基,%;
A0表示原煤干燥基灰份,%;
A1表示产物干燥基灰份,%;
Nchar表示焦炭中的氮元素质量占原煤氮元素质量的比例,%;
N0表示原煤干燥基氮元素含量,%;
N1表示焦炭干燥基氮元素含量,%。
4.根据权利要求3所述的基于煤质特性的燃煤电厂NOx生成量的预测方法,其特征是:步骤三所述的利用拟合公式对NOx的最终生成量进行预测的过程为,将步骤一获得的Cdaf、Hdaf、Odaf、Ndaf和Sdaf五个参数,以及步骤二获得的最大挥发分释放量Vmax和焦炭中氮含量Nchar两个参数作为自变量,将NOx的最终生成量作为因变量,提出形式如下的多元二次方程:
式中:C1、C2、C3、C4、C5、C6、C7、C8、C9、C10、C11、C12、C13、C14、C15表示拟合系数;
上述多元二次方程简化表示为:
式中,y表示因变量NOx的最终生成量,单位为mg/Nm3;ai、bi、ci表示拟合系数,i∈{1,2,3...,15};Xm表示自变量的百分含量,且Xm∈{Cdaf,Hdaf,Odaf,Ndaf,Sdaf,Vmax,Nchar}。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811088064.6A CN109187914B (zh) | 2018-09-18 | 2018-09-18 | 基于煤质特性的燃煤电厂NOx生成量的预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811088064.6A CN109187914B (zh) | 2018-09-18 | 2018-09-18 | 基于煤质特性的燃煤电厂NOx生成量的预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109187914A true CN109187914A (zh) | 2019-01-11 |
CN109187914B CN109187914B (zh) | 2020-12-25 |
Family
ID=64908115
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811088064.6A Active CN109187914B (zh) | 2018-09-18 | 2018-09-18 | 基于煤质特性的燃煤电厂NOx生成量的预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109187914B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110222302A (zh) * | 2019-06-06 | 2019-09-10 | 哈尔滨锅炉厂有限责任公司 | 一种利用百叶窗叶片参数预测浓淡分离特性的计算方法 |
CN110631948A (zh) * | 2019-09-30 | 2019-12-31 | 佛山科学技术学院 | 一种原煤灰分检测装置以及检测方法 |
CN111272969A (zh) * | 2020-01-19 | 2020-06-12 | 西安热工研究院有限公司 | 一种300MW煤粉锅炉的NOx生成浓度的预测方法 |
CN117672395A (zh) * | 2024-01-31 | 2024-03-08 | 中国石油大学(华东) | 一种页岩干酪根热解生烃模拟方法、装置及电子设备 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05201888A (ja) * | 1992-01-24 | 1993-08-10 | Nippon Steel Chem Co Ltd | ジメチルナフタレンの製造法 |
US20090132095A1 (en) * | 2007-11-20 | 2009-05-21 | Hitachi, Ltd. | Control device for plant, control device for thermal power plant, and gas concentration estimation device of coal-burning boiler |
CN103699780A (zh) * | 2013-12-02 | 2014-04-02 | 西安热工研究院有限公司 | 煤质参数在线计算的混沌优化方法 |
CN104331736A (zh) * | 2014-11-13 | 2015-02-04 | 国家电网公司 | 基于RBF神经网络的超超临界锅炉NOx排放动态预测方法 |
CN104698149A (zh) * | 2015-03-20 | 2015-06-10 | 常州英集动力科技有限公司 | 一种燃煤锅炉煤质在线软测量方法及测量系统 |
CN105020705A (zh) * | 2015-03-04 | 2015-11-04 | 内蒙古瑞特优化科技股份有限公司 | 循环流化床锅炉燃烧性能实时优化控制方法及系统 |
CN105158107A (zh) * | 2015-07-30 | 2015-12-16 | 山东电力研究院 | 一种确定煤热解生成物成分含量的方法 |
CN105631151A (zh) * | 2016-01-06 | 2016-06-01 | 陈威宇 | 一种煤粉锅炉燃烧优化的建模方法 |
CN106844832A (zh) * | 2016-12-11 | 2017-06-13 | 华电电力科学研究院 | 一种基于工业分析、全硫和发热量数据的碳排放核算方法 |
CN107355809A (zh) * | 2016-06-02 | 2017-11-17 | 中国大唐集团科学技术研究院有限公司 | 减少W型火焰锅炉NOx排放的方法 |
CN107464014A (zh) * | 2017-07-19 | 2017-12-12 | 华北电力大学(保定) | 一种燃煤机组脱硝控制系统入口氮氧化物的预测方法 |
CN107526292A (zh) * | 2017-09-18 | 2017-12-29 | 华中科技大学 | 一种基于入口NOx浓度预测的调控喷氨量的方法 |
-
2018
- 2018-09-18 CN CN201811088064.6A patent/CN109187914B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05201888A (ja) * | 1992-01-24 | 1993-08-10 | Nippon Steel Chem Co Ltd | ジメチルナフタレンの製造法 |
US20090132095A1 (en) * | 2007-11-20 | 2009-05-21 | Hitachi, Ltd. | Control device for plant, control device for thermal power plant, and gas concentration estimation device of coal-burning boiler |
US8554706B2 (en) * | 2007-11-20 | 2013-10-08 | Hitachi, Ltd. | Power plant control device which uses a model, a learning signal, a correction signal, and a manipulation signal |
CN103699780A (zh) * | 2013-12-02 | 2014-04-02 | 西安热工研究院有限公司 | 煤质参数在线计算的混沌优化方法 |
CN104331736A (zh) * | 2014-11-13 | 2015-02-04 | 国家电网公司 | 基于RBF神经网络的超超临界锅炉NOx排放动态预测方法 |
CN105020705A (zh) * | 2015-03-04 | 2015-11-04 | 内蒙古瑞特优化科技股份有限公司 | 循环流化床锅炉燃烧性能实时优化控制方法及系统 |
CN104698149A (zh) * | 2015-03-20 | 2015-06-10 | 常州英集动力科技有限公司 | 一种燃煤锅炉煤质在线软测量方法及测量系统 |
CN105158107A (zh) * | 2015-07-30 | 2015-12-16 | 山东电力研究院 | 一种确定煤热解生成物成分含量的方法 |
CN105631151A (zh) * | 2016-01-06 | 2016-06-01 | 陈威宇 | 一种煤粉锅炉燃烧优化的建模方法 |
CN107355809A (zh) * | 2016-06-02 | 2017-11-17 | 中国大唐集团科学技术研究院有限公司 | 减少W型火焰锅炉NOx排放的方法 |
CN106844832A (zh) * | 2016-12-11 | 2017-06-13 | 华电电力科学研究院 | 一种基于工业分析、全硫和发热量数据的碳排放核算方法 |
CN107464014A (zh) * | 2017-07-19 | 2017-12-12 | 华北电力大学(保定) | 一种燃煤机组脱硝控制系统入口氮氧化物的预测方法 |
CN107526292A (zh) * | 2017-09-18 | 2017-12-29 | 华中科技大学 | 一种基于入口NOx浓度预测的调控喷氨量的方法 |
Non-Patent Citations (5)
Title |
---|
冯波 等: "煤质因素对氮氧化物生成影响的分析", 《华中理工大学学报》 * |
刘皓 等: "挥发份的均相反应等对N20、NO生成影响的模拟与实验研究", 《工程热物理学报》 * |
李清毅: "电厂优化配煤及燃煤添加剂研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
沈跃云 等: "燃煤电站锅炉运行过程中NOx排放的预测方法", 《江苏电机工程》 * |
王明: "混煤燃烧氮氧化物排放特性试验研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110222302A (zh) * | 2019-06-06 | 2019-09-10 | 哈尔滨锅炉厂有限责任公司 | 一种利用百叶窗叶片参数预测浓淡分离特性的计算方法 |
CN110631948A (zh) * | 2019-09-30 | 2019-12-31 | 佛山科学技术学院 | 一种原煤灰分检测装置以及检测方法 |
CN111272969A (zh) * | 2020-01-19 | 2020-06-12 | 西安热工研究院有限公司 | 一种300MW煤粉锅炉的NOx生成浓度的预测方法 |
CN111272969B (zh) * | 2020-01-19 | 2022-02-22 | 西安热工研究院有限公司 | 一种300MW煤粉锅炉的NOx生成浓度的预测方法 |
CN117672395A (zh) * | 2024-01-31 | 2024-03-08 | 中国石油大学(华东) | 一种页岩干酪根热解生烃模拟方法、装置及电子设备 |
CN117672395B (zh) * | 2024-01-31 | 2024-04-02 | 中国石油大学(华东) | 一种页岩干酪根热解生烃模拟方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN109187914B (zh) | 2020-12-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109187914A (zh) | 基于煤质特性的燃煤电厂NOx生成量的预测方法 | |
CN103697946A (zh) | 一种火电厂燃煤锅炉烟气流量的计算方法及污染物排放量的控制方法 | |
Faramarzi et al. | Results from MEA testing at the CO2 Technology Centre Mongstad: Verification of baseline results in 2015 | |
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 | |
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 | |
CN105971738A (zh) | 一种燃气轮机组烟气流量在线监测的方法 | |
CN111753389B (zh) | 一种燃煤锅炉入炉原煤热值在线软测量方法和装置 | |
CN106093336B (zh) | 一种在线确定锅炉燃烧煤质元素成分的方法 | |
CN102226904A (zh) | 电站大型锅炉一次风风量的软测量方法 | |
CN101290311A (zh) | 电厂煤质工业成分和热值校验方法 | |
CN108446531A (zh) | 基于实测源成分谱和源解析技术的受体Si和Al重构方法 | |
CN108182553B (zh) | 一种燃煤锅炉燃烧效率在线测量方法 | |
CN112131517A (zh) | 一种垃圾焚烧电厂入炉垃圾低位热值的测算方法 | |
US8603831B2 (en) | Method of determining a composition of fuel in a power station | |
CN111505236B (zh) | 一种基于煤质工业分析实时获取元素分析的煤质监测方法 | |
CN104615899A (zh) | 冶金煤气锅炉空气预热器漏风率测算方法 | |
CN105241823A (zh) | 基于稀疏表示的火电厂烟气光谱定量分析方法 | |
CN117314706A (zh) | 一种燃煤机组二氧化碳排放量计算方法 | |
Salo et al. | Emission measurements with gravimetric impactors and electrical devices: An aerosol instrument comparison | |
Borthwick et al. | Examination of United States carbon dioxide emission databases | |
CN111059896A (zh) | 一种基于*模型的辊道窑系统异常检测方法 | |
CN101780364A (zh) | 一种循环流化床锅炉脱硫效率的在线计算方法 | |
CN110647560B (zh) | 一种机理与类脑智能结合的电厂入炉煤质在线软测量方法 | |
CN109827993B (zh) | 一种电厂锅炉日常燃煤采样样品发热量的随机模拟方法 | |
CN111521430B (zh) | 一种余热锅炉性能试验方法 |
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 |