CN114159968B - 一种电厂烟气重金属多污染物协同控制的预测方法 - Google Patents

一种电厂烟气重金属多污染物协同控制的预测方法 Download PDF

Info

Publication number
CN114159968B
CN114159968B CN202111504716.1A CN202111504716A CN114159968B CN 114159968 B CN114159968 B CN 114159968B CN 202111504716 A CN202111504716 A CN 202111504716A CN 114159968 B CN114159968 B CN 114159968B
Authority
CN
China
Prior art keywords
flue gas
heavy metal
model
pollutant
mercury
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.)
Active
Application number
CN202111504716.1A
Other languages
English (en)
Other versions
CN114159968A (zh
Inventor
吴彦丽
郝艳红
郑立星
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.)
Shanxi University
Original Assignee
Shanxi University
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 Shanxi University filed Critical Shanxi University
Priority to CN202111504716.1A priority Critical patent/CN114159968B/zh
Publication of CN114159968A publication Critical patent/CN114159968A/zh
Application granted granted Critical
Publication of CN114159968B publication Critical patent/CN114159968B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D53/00—Separation of gases or vapours; Recovering vapours of volatile solvents from gases; Chemical or biological purification of waste gases, e.g. engine exhaust gases, smoke, fumes, flue gases, aerosols
    • B01D53/34—Chemical or biological purification of waste gases
    • B01D53/74—General processes for purification of waste gases; Apparatus or devices specially adapted therefor
    • B01D53/86—Catalytic processes
    • B01D53/8621—Removing nitrogen compounds
    • B01D53/8625—Nitrogen oxides
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D53/00—Separation of gases or vapours; Recovering vapours of volatile solvents from gases; Chemical or biological purification of waste gases, e.g. engine exhaust gases, smoke, fumes, flue gases, aerosols
    • B01D53/34—Chemical or biological purification of waste gases
    • B01D53/46—Removing components of defined structure
    • B01D53/48—Sulfur compounds
    • B01D53/50—Sulfur oxides
    • B01D53/501—Sulfur oxides by treating the gases with a solution or a suspension of an alkali or earth-alkali or ammonium compound
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D53/00—Separation of gases or vapours; Recovering vapours of volatile solvents from gases; Chemical or biological purification of waste gases, e.g. engine exhaust gases, smoke, fumes, flue gases, aerosols
    • B01D53/34—Chemical or biological purification of waste gases
    • B01D53/74—General processes for purification of waste gases; Apparatus or devices specially adapted therefor
    • B01D53/86—Catalytic processes
    • B01D53/8665—Removing heavy metals or compounds thereof, e.g. mercury
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D2257/00—Components to be removed
    • B01D2257/60—Heavy metals or heavy metal compounds
    • B01D2257/602—Mercury or mercury compounds
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D2258/00—Sources of waste gases
    • B01D2258/02—Other waste gases
    • B01D2258/0283—Flue gases

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Analytical Chemistry (AREA)
  • General Chemical & Material Sciences (AREA)
  • Oil, Petroleum & Natural Gas (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Development Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Game Theory and Decision Science (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Treating Waste Gases (AREA)

Abstract

本发明公开了一种电厂烟气重金属多污染物协同控制的预测方法，属于烟气重金属多污染物排放控制技术领域。方法包括建立脱硝除尘脱硫单元的机理模型并内嵌重金属汞转化迁移模型，构建重金属多污染物协同控制预测模型，以新建电厂锅炉参数和控制单元设计参数为模型输入，输出在烟气污染物控制工艺链上污染物脱除效率和排放浓度的预测结果，通过优化单元组合配置和设计参数可提供满足超低排放要求的烟气污染物控制设计方案。本发明可实现对重金属汞多污染物的协同脱除效果和排放浓度的预测，解决新建电厂烟气污染物控制装置实时检测数据缺乏而导致的无法对重金属多污染物排放浓度进行预测的问题，指导新建燃煤电厂烟气污染物控制系统的优化设计。

Description

一种电厂烟气重金属多污染物协同控制的预测方法
技术领域
本发明涉及一种电厂烟气重金属多污染物协同控制的预测方法，属于烟气重金属多污染物排放控制技术领域。
背景技术
燃煤烟气中重金属的高危害、重金属控制的重要性和迫切性已引起广泛关注。中国环境空气质量标准(GB3095-2012)规定了环境空气中汞、砷、铅等重金属的浓度限制。燃煤机组降低烟气汞等重金属排放是大势所趋。现今GB/T 16157标准中规定了燃煤烟气污染控制系统出口的烟气中汞及化合物的排放浓度不超过0.03mg/Nm3。随着燃煤机组烟气超低排放进程的推进，燃煤机组烟气硫氮尘常规污染物控制设备在脱除常规污染物的同时可协同控制汞等重金属排放。
但是目前的燃煤机组烟气超低排放整体工艺，是在满足日益严格的污染物排放标准过程中按照先除尘、再脱硫、后脱硝渐进式的过程中形成的，烟气污染物控制工艺过度设计，系统复杂，存在下列问题：
(1)烟气单一污染物治理对其他污染物治理装置运行带来了负面影响，整个过程难以高效配合；
(2)单独污染物脱除效率或者排放浓度预测方法而CN112163335 A和CN108636094 A无法体现对重金属的协同脱除效果；
(3)污染物排放浓度预测严重依赖电厂烟气污染物控制装置实时检测数据，无法指导新建燃煤电厂的烟气重金属多污染物协同控制工艺的设计。
发明内容
本发明针对电厂燃煤烟气多污染物控制新工艺设计中各污染物脱除装置相互独立、对重金属和其他污染物缺乏协同控制预测的问题，提出了一种基于化学反应机理模型的烟气重金属多污染物协同控制的预测及设计方法。
本发明提供了一种电厂烟气重金属多污染物协同控制的预测方法，包括以下步骤：
(1)将烟气重金属多污染物协同控制单元进行机理建模，建立选择性催化还原(SCR)脱硝的理论反应模型、电除尘(ESP)机理模型、石灰石-石膏湿法脱硫(WFGD)理论反应模型和重金属汞的转化迁移模型；
(2)将重金属多污染物控制单元模型进行集成耦合，得到重金属多污染物协同控制预测模型；
(3)输入新建电厂锅炉参数和控制单元设计参数，得到重金属多污染物在烟气污染物控制工艺链上的排放浓度预测结果；
(4)对控制单元设计参数优化，发挥各控制单元对污染物协同控制效应，得到重金属多污染物排放浓度满足超低排放要求的烟气污染物控制设计方案。
所述的选择性催化还原(SCR)脱硝的理论反应模型包含NO和NH3发生的氧化还原反应和汞的氧化反应动力学模型。
其中rNO、rHg0为烟气中NO和Hg0的反应速率，CNO、CHg0为烟气中NO和Hg0的浓度，kNO、kHg0为指前因子，KHCl、KNH3为HCl、NH3的吸附平衡常数，CHCl、CNH3为烟气中HCl、NH3的浓度。
所述的电除尘(ESP)机理模型基于颗粒物和颗粒汞脱除机理，可获得除尘效率ηPM与气体速度V、介电常数ε对应关系。
式中ηPM为除尘效率，Cnvo为进口粒子浓度，Cnvs为Xs处粒子浓度，Xs为全部粒子饱和带电荷的位置，L为板式电除尘器板的长度，qps为粒子饱和电荷，Ec为集尘强度，C为修正系数，μ为气体粘度，d为粒径，W为板间距，V为实际气速。
汞的脱除量与飞灰烧失量LOI的关系为
wHg＝-0.0114LOI2+0.2249LOI+0.1207
式中wHg为飞灰中汞的含量，LOI为飞灰烧失量。
所述的石灰石-石膏湿法烟气脱硫(WFGD)理论反应模型基于石灰石-石膏湿法脱硫过程反应网络，在Ca/S比为1.0～1.5，pH范围4.5～6.2，液气比LG范围为5～15内，可获得脱硫脱汞除尘效率ηSO2、ηHg与设计参数LG、pH值的对应关系。
ηHg＝0.0258LG+0.72
所述的重金属汞的转化迁移模型：基于严格的化学平衡和物料平衡，嵌入到SCR单元、ESP单元、WFGD单元机理模型中。SCR单元中的协同氧化汞的反应动力学模型，ESP单元中颗粒汞的去除模型，以及FGD单元中汞的去除模型。
wHg＝-0.0114LOI2+0.2249LOI+0.1207
ηHg＝0.0258LG+0.72
所述的重金属多污染物协同控制预测模型中各污染物控制单元存在多种集成耦合形式。比如存在典型的先脱硝除尘后脱硫的典型耦合形式，或者先除尘后脱硝后脱硫的耦合形式。
所述的重金属多污染物协同控制预测模型的建立可依托GAMS、Aspen等仿真平台。
所述的输入新建电厂锅炉参数涉及烟气温度流量、烟气中各组分的浓度、飞灰烧失量等参数。
本发明的有益效果：
(1)本发明提供的一种基于机理模型的烟气重金属多污染物协同控制的预测方法，从机理上给出重金属汞多污染物协同控制效果与设计参数间的关系；
(2)本发明提供的烟气重金属多污染物协同控制的预测方法，可实现对重金属汞多污染物的协同脱除效果和排放浓度的预测。
(3)本发明从在重金属多污染物协同控制理论模型和污染物排放浓度预测方面进行创新，解决了新建电厂烟气污染物控制装置实时检测数据缺乏无法对重金属多污染物排放浓度进行预测的问题，指导新建燃煤电厂烟气污染物控制系统的优化设计。
附图说明
图1为烟气污染物控制过程污染物浓度变化图。
具体实施方式
下面通过实施例来进一步说明本发明，但不局限于以下实施例。
实施例1：
标准状态下基准氧含量(6％O2)条件下，燃煤锅炉出口烟气为380℃，烟气流量为2159261Nm3，烟气中的NOx、SO2、尘、单质汞污染物浓度分别为309mg/Nm3、2995mg/Nm3、6625mg/Nm3、0.01061mg/Nm3。
在建立了烟气污染物协同控制单元机理模型基础上，在Aspen平台上，建立了先脱硝除尘后脱硫的燃煤烟气重金属多污染物控制预测模型，输入烟气污染物控制过程设计参数SCR脱硫单元NH3量599.55kg/h，空气量19297.59kg/h；ESP静电除尘单元介电常数8.00，气体速度2.50m/s，LOI为10％；石灰石石膏湿法脱硫WFGD单元Ca/S为1.35，LG为15.00，pH为6，氧化空气量为19474.02kg/h。
所述的选择性催化还原(SCR)脱硝的理论反应模型包含NO和NH3发生的氧化还原反应和汞的氧化反应动力学模型。基于该反应模型可获得NO还原效率ηNO和Hg0氧化率ηHg0与设计参数：喷入NH3量wNH3、稀释空气量wair的关系。
其中rNO、rHg0为烟气中NO和Hg0的反应速率，CNO、CHg0为烟气中NO和Hg0的浓度，kNO、kHg0为指前因子，KHCl、KNH3为HCl、NH3的吸附平衡常数，CHCl、CNH3为烟气中HCl、NH3的浓度。
所述的电除尘(ESP)机理模型基于颗粒物和颗粒汞脱除机理，可获得除尘效率ηPM与气体速度V、介电常数ε对应关系。
式中ηPM为除尘效率，Cnvo为进口粒子浓度，Cnvs为Xs处粒子浓度，Xs为全部粒子饱和带电荷的位置，L为板的长度，qps为粒子饱和电荷，Ec为集尘强度，C为修正系数，μ为气体粘度，d为粒径，W为板间距，V为实际气速。
汞的脱除量与飞灰烧失量LOI的关系为
wHg＝-0.0114LOI2+0.2249LOI+0.1207
式中wHg为飞灰中汞的含量，LOI为飞灰烧失量。
所述的石灰石-石膏湿法烟气脱硫(WFGD)理论反应模型基于石灰石-石膏湿法脱硫过程反应网络，在Ca/S比为1.0～1.5，pH范围4.5～6.2，液气比LG范围为5～15内，可获得脱硫脱汞除尘效率ηSO2、ηHg与设计参数LG、pH值的对应关系。
ηHg＝0.0258LG+0.72
所述的重金属汞的转化迁移模型：基于严格的化学平衡和物料平衡，嵌入到SCR单元、ESP单元、WFGD单元机理模型中。SCR单元中的协同氧化汞的模型，ESP单元中颗粒汞的去除模型，以及FGD单元中汞的去除模型。
wHg＝-0.0114LOI2+0.2249LOI+0.1207
ηHg＝0.0258LG+0.72代入上述模型中计算，烟气污染控制单元的污染物的脱除效率如表1所示。脱硝单元脱硝效率为85.10％；静电除尘单元除尘效率为99.64％，3.5μm的PM去除率为99.71％,7.5μm的PM去除率99.99％,15μm及以上的PM去除率为100％；脱硫单元脱硫效率为99.00％。烟气污染控制单元对重金属汞的具有很好的协同脱除性能。SCR单元单质汞的氧化率为56.87％，ESP单元的脱汞效率为53.45％，FGD单元的脱汞效率为34.42％。
表1各污染物控制单元污染物去除率
烟气污染控制链上各污染物排放浓度如图1所示，系统出口的烟气的NOx、SO2、PM、汞及化合物的排放浓度分别为在47mg/Nm3、31mg/Nm3、4.8mg/Nm3、0.00405mg/Nm3，满足GB13223-2011的超低排放要求50mg/Nm3、35mg/Nm3、10mg/Nm3、0.03mg/Nm3。该烟气污染物协同控制工艺配置和参数设计满足超低排放的要求，可为新建燃煤电厂烟气污染物控制系统设计提供指导。
以上所述的具体实例仅为了详细解释说明本发明的有益成果和特殊技术方案，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种电厂烟气重金属多污染物协同控制的预测方法，其特征在于包括以下步骤：
(1)将烟气重金属多污染物协同控制单元进行机理建模，建立选择性催化还原SCR脱硝的理论反应模型、电除尘ESP机理模型、石灰石-石膏湿法脱硫WFGD理论反应模型和重金属汞的转化迁移模型；
所述的选择性催化还原SCR脱硝的理论反应模型包含NO和NH3发生的氧化还原反应和汞的氧化反应动力学模型：
其中rNO、rHg0为烟气中NO和Hg0的反应速率，CNO、CHg0为烟气中NO和Hg0的浓度，kNO、kHg0为指前因子，KHCl、KNH3为HCl、NH3的吸附平衡常数，CHCl、CNH3为烟气中HCl、NH3的浓度；
所述的电除尘ESP机理模型基于颗粒物和颗粒汞脱除机理，可获得除尘效率ηPM与气体速度V、介电常数ε对应关系：
式中ηPM为除尘效率，Cnvo为进口粒子浓度，Cnvs为Xs处粒子浓度，Xs为全部粒子饱和带电荷的位置，L为板式电除尘器板的长度，qps为粒子饱和电荷，Ec为集尘强度，C为修正系数，μ为气体粘度，d为粒径，W为板间距，V为实际气速；
汞的脱除量与飞灰烧失量LOI的关系为
wHg＝-0.0114LOI2+0.2249LOI+0.1207
式中wHg为飞灰中汞的含量，LOI为飞灰烧失量；
所述的脱硫WFGD理论反应模型基于石灰石-石膏湿法脱硫过程反应网络，在Ca/S比为1.0～1.5，pH范围4.5～6.2，液气比LG范围为5～15内，可获得脱硫脱汞除尘效率ηSO2、ηHg与设计参数LG、pH值的对应关系：
ηHg＝0.0258LG+0.72；
所述的重金属汞的转化迁移模型：基于严格的化学平衡和物料平衡，嵌入到SCR单元、ESP单元、WFGD单元机理模型中，SCR单元中的协同氧化汞的反应动力学模型，ESP单元中颗粒汞的去除模型以及FGD单元中汞的去除模型：
wHg＝-0.0114LOI2+0.2249LOI+0.1207
ηHg＝0.0258LG+0.72
式中rHg0为烟气中Hg0的反应速率，CHg0为烟气中Hg0的浓度，kHg0为指前因子，KHCl、KNH3为HCl、NH3的吸附平衡常数，CHCl、CNH3为烟气中HCl、NH3的浓度；wHg为飞灰中汞的含量，LOI为飞灰烧失量，ηHg为脱汞除尘效率，LG为液气比；
(2)将重金属多污染物控制单元模型进行集成耦合，得到重金属多污染物协同控制预测模型；
(3)输入新建电厂锅炉参数和控制单元设计参数，得到重金属多污染物在烟气污染物控制工艺链上的排放浓度预测结果；
(4)对控制单元设计参数优化，发挥各控制单元对污染物协同控制效应，得到重金属多污染物排放浓度满足超低排放要求的烟气污染物控制设计方案。
2.根据权利要求1所述的电厂烟气重金属多污染物协同控制的预测方法，其特征在于：所述的重金属多污染物协同控制预测模型中各污染物控制单元存在多种集成耦合形式。
3.根据权利要求2所述的电厂烟气重金属多污染物协同控制的预测方法，其特征在于：集成耦合形式为先脱硝除尘后脱硫或者先除尘后脱硝后脱硫的耦合形式。
4.根据权利要求1所述的电厂烟气重金属多污染物协同控制的预测方法，其特征在于：所述的重金属多污染物协同控制预测模型的建立依托于GAMS或Aspen仿真平台。
5.根据权利要求1所述的电厂烟气重金属多污染物协同控制的预测方法，其特征在于：所述的输入新建电厂锅炉参数包括烟气温度流量、烟气中各组分的浓度、飞灰烧失量参数。
CN202111504716.1A 2021-12-10 2021-12-10 一种电厂烟气重金属多污染物协同控制的预测方法 Active CN114159968B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111504716.1A CN114159968B (zh) 2021-12-10 2021-12-10 一种电厂烟气重金属多污染物协同控制的预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111504716.1A CN114159968B (zh) 2021-12-10 2021-12-10 一种电厂烟气重金属多污染物协同控制的预测方法

Publications (2)

Publication Number Publication Date
CN114159968A CN114159968A (zh) 2022-03-11
CN114159968B true CN114159968B (zh) 2023-09-26

Family

ID=80485473

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111504716.1A Active CN114159968B (zh) 2021-12-10 2021-12-10 一种电厂烟气重金属多污染物协同控制的预测方法

Country Status (1)

Country Link
CN (1) CN114159968B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015013636A1 (en) * 2013-07-25 2015-01-29 Babcock & Wilcox Power Generation Group, Inc. Controlling aqcs parameters in a combustion process
CN205925416U (zh) * 2016-06-16 2017-02-08 山西北极熊环境科技有限公司 一种用于二氧化碳捕集的多污染物治理设备
CN108636094A (zh) * 2018-07-12 2018-10-12 浙江大学 一种湿法脱硫工艺中的精确预测控制与节能系统及方法
CN109472406A (zh) * 2018-11-02 2019-03-15 浙江大学 一种超低排放多污染物协同脱除系统的全局优化方法
CN109985523A (zh) * 2019-04-17 2019-07-09 江苏科技大学 一种基于scr的船舶尾气脱硝控制方法
CN210729109U (zh) * 2019-07-19 2020-06-12 山西大学 一种新型燃煤发电超低排放烟气污染控制系统
CN112163335A (zh) * 2020-09-25 2021-01-01 广东电科院能源技术有限责任公司 一种NOx浓度预测模型的训练方法、预测方法和装置
CN112933965A (zh) * 2021-03-31 2021-06-11 浙江程润云环境科技有限公司 一种绿色、高效船舶废气多污染物净化系统及智能调控方法
CN113094986A (zh) * 2021-04-01 2021-07-09 瀚蓝绿电固废处理(佛山)有限公司 垃圾焚烧炉烟气中污染物排放量预测模型构建方法及应用

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6726888B2 (en) * 2002-01-25 2004-04-27 General Electric Company Method to decrease emissions of nitrogen oxide and mercury
CN105983297B (zh) * 2015-02-09 2019-06-18 华北电力大学 一种燃煤电站飞灰吸附剂一体化改性及喷射脱汞系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015013636A1 (en) * 2013-07-25 2015-01-29 Babcock & Wilcox Power Generation Group, Inc. Controlling aqcs parameters in a combustion process
CN105592911A (zh) * 2013-07-25 2016-05-18 巴布科克和威尔科克斯能量产生集团公司 控制燃烧过程中的aqcs参数
CN205925416U (zh) * 2016-06-16 2017-02-08 山西北极熊环境科技有限公司 一种用于二氧化碳捕集的多污染物治理设备
CN108636094A (zh) * 2018-07-12 2018-10-12 浙江大学 一种湿法脱硫工艺中的精确预测控制与节能系统及方法
CN109472406A (zh) * 2018-11-02 2019-03-15 浙江大学 一种超低排放多污染物协同脱除系统的全局优化方法
CN109985523A (zh) * 2019-04-17 2019-07-09 江苏科技大学 一种基于scr的船舶尾气脱硝控制方法
CN210729109U (zh) * 2019-07-19 2020-06-12 山西大学 一种新型燃煤发电超低排放烟气污染控制系统
CN112163335A (zh) * 2020-09-25 2021-01-01 广东电科院能源技术有限责任公司 一种NOx浓度预测模型的训练方法、预测方法和装置
CN112933965A (zh) * 2021-03-31 2021-06-11 浙江程润云环境科技有限公司 一种绿色、高效船舶废气多污染物净化系统及智能调控方法
CN113094986A (zh) * 2021-04-01 2021-07-09 瀚蓝绿电固废处理(佛山)有限公司 垃圾焚烧炉烟气中污染物排放量预测模型构建方法及应用

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Constance L Senior等.Emission of mercury, trace elements, and fine particles from stationary combustion sources.《Fuel Processing Technology》.2000,第65-66卷第264-288页. *
于荆鑫等.基于Aspen Plus的燃煤电厂烟气污染控制单元模拟.《过程工程学报》.2019,第19卷(第2期),第329-337页. *
陈磊等.350MW超低排放燃煤电厂污染物控制装置对汞的协同脱除.《热能动力工程》.2020,第35卷(第2期),第187-193页. *

Also Published As

Publication number Publication date
CN114159968A (zh) 2022-03-11

Similar Documents

Publication Publication Date Title
CN103349892B (zh) 一种错流式双级移动床活性焦废气集成净化塔
CN105833689B (zh) 一种高温下粉尘与NOx超低排放的系统及方法
CN105688566A (zh) 一种烧结烟气脱硫脱硝装置及方法
CN102728217A (zh) 移动床活性焦联合脱硫脱硝脱汞的方法及系统
CN106582225A (zh) 一种基于脱汞脱氨改性催化剂的sncr‑scr联合脱硝系统及其脱硝方法
CN203436995U (zh) 一种烧结烟气多污染物协同控制装置
CN103432877B (zh) 超重力络合亚铁烟气湿法除尘脱硫脱硝脱汞脱砷一体化的方法
CN205627573U (zh) 一种高温下粉尘与NOx超低排放的系统
CN1576696A (zh) 废气处理系统
CN104353356A (zh) 一种带式焙烧机球团烟气净化吸附塔
CN107596798A (zh) 一种预除尘及脱硫、脱硝一体化处理装置及方法
CN105617858A (zh) 一种组合式烟气多污染物协同深度净化工艺
CN110124479A (zh) 一种紊流式活性焦脱硫脱硝设备及方法
CN105561774B (zh) 一种燃煤电厂前置sco强化烟气脱硝脱汞系统
CN105363340A (zh) 一种同时脱硫脱硝活性炭干法烟气净化方法及净化装置
CN102824809B (zh) 一种吸附塔
CN105854537A (zh) 一种工业炉窑预脱除三氧化硫和脱硝装置及方法
CN114159968B (zh) 一种电厂烟气重金属多污染物协同控制的预测方法
CN106110850A (zh) 一种烟气污染物超低排放系统及方法
CN107866142A (zh) 用于水泥行业干法脱硫脱硝副产物的处置系统
CN103203182B (zh) 烟气联合脱硫脱硝脱汞装置及其方法
CN107930396A (zh) 一种烧结烟气集中高效脱硫脱硝的方法
CN112121616A (zh) 一种微波紫外光耦合双氧水的烟气多污染物净化装置
CN202683069U (zh) 移动床活性焦联合脱硫脱硝脱汞的系统
CN204261560U (zh) 一种带式焙烧机球团烟气净化吸附塔

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