负荷随动烟气选择性催化还原脱硝控制策略优化研究及工程应用

为实现对锅炉负荷随动时喷氨量自动控制的优化,减少选择性催化还原(SCR)系统尿素过量使用和避免氨逃逸,以尿素热解喷氨系统为研究对象,采用模糊算法和前馈反馈控制方法,以NO_x浓度、锅炉负荷以及氨逃逸为控制参数,提出尿素热解控制的优化方案,实现对SCR出口NOx浓度的自动控制。在实际工程项目中应用该控制策略对喷氨量进行控制,结果表明,在锅炉负荷变动较大时能够实现出口NO_x稳定达标排放,氨逃逸小于2.5mg/m~3。     

基于改进支持向量回归机的污水处理厂出水总氮预测模型

在小样本数据的情况下,采用粒子群优化算法(PSO)对传统支持向量回归机(SVR)进行改进,将其应用于北京某大型污水处理厂出水总氮浓度预测上。预测结果精度对比分析表明,PSO-SVR模型预测结果平均相对误差为1.836%,决定系数为67.76%,均方根误差为0.693 9,各评价指标均优于多元线性回归模型、BP神经网络模型。因此在小样本情况下,利用PSO-SVR模型对污水处理厂出水总氮浓度进行预测是可行有效的,为应用数据驱动模型对污水处理过程进行建模模拟提供了一种新方法尝试。     

基于奇异谱分析—遗传算法反向传播神经网络模型的湘江新港断面水质预测

运用奇异谱分析(SSA)对湘江新港断面557周的pH、DO、高锰酸盐指数和氨氮数据进行了预处理,再运用遗传算法优化反向传播神经网络模型进行拟合与预测。结果表明:SSA有较好的降噪能力,遗传算法反向传播(GABP)神经网络模型相比BP神经网络模型均方根误差(RMSE)平均缩小了6.96%,具有良好的预测精度;预测期内新港断面的pH、DO、高锰酸盐指数、氨氮均能满足《地表水环境质量标准》(GB 3838—2002)Ⅲ类标准,但氨氮在预测期内呈上升趋势,需警惕氨氮浓度过高引发的水污染问题。     

基于反向传播-向量评价遗传算法模型的燃煤电站锅炉燃烧多目标优化

基于MATLAB智能工具箱对某300MW电站锅炉进行燃烧优化。利用反向传播(BP)神经网络分别建立了锅炉热效率和NO_x排放预测模型,用以预测锅炉热效率和NO_x排放特性。锅炉热效率预测的校验样本相对误差平均绝对值为0.210 0%,NO_x排放量预测的校验样本相对误差平均绝对值为2.410 0%,表明模型具有良好的准确性和泛化性。借助向量评价遗传算法(VEGA)优化模型得到锅炉热效率和NO_x排放量的优质解集合。300 MW负荷下锅炉热效率优质解集合为92.93%~93.64%,NO_x排放量优质解集合为367~413mg/m~3;270 MW负荷下锅炉热效率优质解集合为92.26%~93.56%,NO_x排放量优质解集合为360~416mg/m~3。研究结果对实际的电站锅炉燃烧具有一定的指导意义。     

基于多级神经网络模型的厌氧氨氧化系统参数预测

厌氧氨氧化菌生长条件复杂、影响因素多,其工艺系统运行控制复杂,为解决上述问题,研究构建了1个多级神经网络预测模型,以提高SBBR单级自养脱氮厌氧氨氧化系统出水总氮去除率预测精度,并确定了系统工程应用的关键控制参数。一级神经网络模型通过灰色关联度分析,对影响出水总氮去除率的关键性指标进行预测;二级神经网络模型基于一级模型增加数据维度,并通过改进粒子群算法优化网络、借鉴遗传算法变异的思想扩大搜索范围,提高了出水总氮去除率的预测精度。多级神经网络模型预测结果表明,其总氮去除率平均相对误差为0.54%,相对误差为5.76%,均方根误差为1.132 1,预测数据基本上与实际值相符;与其他预测模型相比较,该模型表现出较优的预测精度。进一步分析发现,通过控制工艺系统的曝气量调节出水亚氮浓度,是保证工艺反应的稳定和实现厌氧氨氧化工艺工程应用的有效控制方式。     

基于SCR反应器NO_x均匀度测试的脱硝系统超低排放改造

以东北地区某350 MW火电机组为研究对象,对其超低排放改造后的脱硝系统择性催化还原(selective catalytic reduction,SCR)反应器进行性能测试,利用所获数据绘制等高线图和折线图,研究并分析了SCR反应器出、入口烟气流场和NO_x浓度场的分布特性。结果显示,脱硝系统平均效率为97.37%,SCR反应器出口NO_x平均浓度为13.31 mg·m~(-3),均达设计要求(脱硝效率≥91.1%,出口浓度≤40mg·m~(-3)),总体脱硝性能表现良好。结果表明:入口NO_x均匀度较好;甲、乙侧反应器出口烟道NO_x浓度的离散度分别为31.49%、56.90%,高于设计值(≤15%),出口NO_x分布不均匀。技术改造使得该机组SCR反应器出口NO_x浓度满足了超低排放限值的要求(≤50 mg·m~(-3)),却在喷氨优化调整、喷氨格栅清理以及催化剂压差控制等方面存在不足。在增加新催化剂层的基础上,对于催化剂层结构疏通、喷氨自动控制、烟气流场的校核与改造等方面仍有提升的空间。     

空气中PM_(10)浓度的BP神经网络预报研究

建立了某市PM10浓度预报的分段BP神经网络模型,经验证,所建立的BP预报模型,预测精度比较高,PM10日平均浓度误差大多在-0．010～0．010mg／m^3范围内,相对误差在-20％～20％,表明BP神经网络对PM10的浓度预报是一种有效的工具。     

SCR脱硝系统分区控制式喷氨格栅的优化

安徽芜湖电厂2~#炉喷氨格栅采用分区控制式喷射技术。由于格栅阀门开度、浓度场、速度场三者之间耦合较差,导致反应器出口烟道NH_3/NO_x分布极不均匀,实测NO_x最大偏差达74.7 mg·m~(-3),NH_3逃逸率最高达11.4μL·L~(-1),下游空气预热器安全运行受到严重影响。基于全区域NH_3/NO_x等摩尔比理念,并综合考虑该反应器入口的浓度场和速度场状况进行喷氨格栅优化。调整后,在660、500、330 MW3种典型工况下,NO_x浓度最大偏差分别降至5.8、10.3、11.8 mg·m~(-3),NH_3逃逸率由调前的4.64μL·L~(-1)分别降至调后的2.67、3.03、2.14μL·L~(-1)。系统总效率基本不变,但效率峰谷差异下降明显。     

SCR脱硝在燃煤电厂超低排放中的适用性分析

通过流场模拟、化学动力学计算、并结合物理实验,全过程研究SCR反应器内烟气组分的动量/能量/质量传递及脱硝还原反应,计算在不同入口NO_x浓度下SCR出口NO_x和氨逃逸的排放量及空间分布,确定SCR在NO_x超低排放要求下的适用范围。研究结果表明,为实现NO_x50 mg·Nm~(-3)并同时满足NH_32.28 mg·Nm~(-3)的要求,2层SCR催化剂可处理的入口烟气NO浓度上限为240 mg·Nm~(-3),而3层SCR催化剂则可对NO浓度380 mg·Nm~(-3)的烟气实施超低排放治理,为合理选择SCR超低排放设计方案提供了数据支撑。     

基于人工神经网络和遗传算法研究锰过氧化酶脱色甲基橙

基于锰过氧化物酶(MnP)氧化脱色偶氮类染料的原理,实验研究MnP对甲基橙的脱色工艺,采用人工神经网络(ANN)和遗传算法(GA)建立脱色模型并优化工艺。建立的ANN模型的误差、相关系数、均方根误差和绝对平均偏差分别为0.0009、0.9971、1.21和6.82,模型有效且能够用于预测和工艺优化。采用GA对ANN模型进行数值寻优,得到的最佳工艺条件为酶液量0.6 mL,Mn2+浓度4 mmol/L,H2O2浓度0.49 mmol/L。该条件下脱色率达到(90.74±0.59)%。ANN耦合GA有效地建立了锰过氧化物酶脱色甲基橙的模型,并优化了工艺参数,为甲基橙脱色的研究提供一定参考。     

基于Sentinel-2影像的洱海叶绿素a质量浓度反演

为动态监测洱海水体富营养污染物,利用遥感技术对反映水体富营养化的核心参数——叶绿素a质量浓度进行反演,建立适合当地当季的反演模型,对水体叶绿素a质量浓度进行宏观监测;通过洱海的秋季Sentinel-2影像和实测叶绿素a质量浓度数据,使用参数相关分析方法选取反演波段,建立BP神经网络模型和多元线性回归模型,随机选择7个样本点对2种模型进行交叉验证后,对洱海叶绿素a质量浓度进行反演。结果表明：Sentinel-2数据与叶绿素a质量浓度具有显著的相关关系(Pearson积矩相关系数的绝对值大于0.7, P <0.001),且分别在单波段、单波段比值和双波段比值中相关系数最大的波段及波段组合为B6、 B7/B6和(B6+B8)/(B7+B8a);隐含层神经元节点数为4的3层BP神经网络模型的均方根误差最小,决定系数最大,分别为0.002 8和0.925;2019年10月12日、11月9日,洱海叶绿素a质量浓度在空间上均呈北部高于南部的分布状态;BP神经网络模型的平均绝对误差百分比为21.36%、均方根误差为0.002 8、决定系数为0.925,多元线性回归模型的平均绝对误差百分比为27....     

生物脱氮除磷活性污泥系统复合模拟方法

为避免繁琐的参数校核工作,提出了活性污泥2 d号模型(ASM2d)和人工神经网络(ANNs)相结合的复合模拟方法。考察了复合方法在某污水处理厂生物脱氮除磷工艺中的应用情况。研究表明,ANNs能够准确地模拟出水实测值与未经校核的ASM2d机理模型的估计值之间的差值。利用Levenberg-Marquardt算法,对出水氨氮、总氮和总磷分别建立网络结构为5-12-1、5-8-1和5-8-1的ANNs子模型,将这些子模型输出同ASM2d机理模型输出相加便得到复合模型输出。复合模型估计值对前10.4 d(ANNs子模型训练数据时段)出水氨氮、总氮和总磷浓度的拟合平均绝对百分比误差分别为0.267、0.055和0.048;其对后2.6 d(ANNs子模型测试数据时段)出水氨氮、总氮和总磷浓度的预测平均绝对百分比误差分别为0.332、0.083和0.069。均方根误差、平均绝对误差等评价指标也表明复合模型能够给出合理的模拟结果。     

大型燃煤机组SCR脱硝系统优化

江西某电厂660 MW燃煤机组SCR系统氨逃逸严重,催化剂层老化迅速,空预器运行短时间内会堵塞。为了改善SCR系统氨逃逸问题和机组运行可靠性,通过数值模拟的方法,结合物理模型速度场冷态实验及现场NO_x浓度测试结果,建立脱硝系统三维模型,模拟了不同圆盘导流板安装角度及不同喷氨方案下SCR系统流场分布。对模拟结果进行对比和分析,提出适当调大圆盘导流板倾角和合理差异化调整各喷口喷氨参数的优化方案,使第一层催化剂层入口处NH_3浓度、NO_x浓度和NH_3/NO_x分布都能很好地满足设计和运行要求,为大型燃煤机组SCR脱硝系统的优化调整和运行提供参考。     

流化床中煤与稻秆混烧污染物排放特性

在自主设计的流化床上开展煤与稻秆混烧的实验。通过对燃烧过程中烟气成分及飞灰含碳量的分析,研究了质量掺混比、燃烧温度、流化风速及二次风率对混烧的影响。实验结果表明,掺混稻秆有效改善了煤的燃烧特性,随着质量掺混比的增加,NO_x、SO_2及CO的排放浓度降低,飞灰含碳量降低。当掺混比由0%增加至30%、温度为850℃时,NO_x排放浓度由506.25 mg·m-3降低至404.33 mg·m~(-3),SO_2排放浓度由762.86 mg·m~(-3)降低至522.86 mg·m~(-3)。随着燃烧温度的增加,NO_x与SO_2排放浓度增加,而CO排放浓度和飞灰含碳量降低。随着流化速度的增加,NO_x与SO_2排放浓度增加,CO排放浓度和飞灰含碳量先降低后增加,并分别在流化速度0.234 m·s~(-1)和0.26 m·s~(-1)时达到最低。随着二次风率的增加,SO_2排放浓度与飞灰含碳量降低,NO_x排放浓度与CO排放浓度先减小后增加,均在20%二次风率时达到最低。     

燃煤机组烟气污染物排放特性研究

在分析超净排放技术和脱硫、脱硝及除尘中各污染物的作用机制基础上,研究了不同工况条件下SO_2、NO_x、烟尘的排放特性。结果表明:(1)脱硝工艺烟气温度控制在377~407℃,总风量控制在1 100~1 500t/h,出口NO_x质量浓度能够达到《火电厂大气污染物排放标准》(GB 13223—2011)超净排放(50mg/m~3)的脱硝标准,比改造前NO_x平均脱除效率提升6百分点。(2)改造后,出口烟气SO_2质量浓度为28.7 mg/m~3,低于35 mg/m~3;出口烟尘质量浓度为3.4 mg/m~3,低于5 mg/m~3,均达到了GB13223—2011超净排放的标准。(3)电厂完成改造后每年可减少SO_2及NO_x排放量分别为2.7万、1.3万t,年缴纳的SO_2和NO_x排污费用可减少2 526.3万元,具有显著的节能及经济效益。     

基于Prophet-随机森林优化模型的空气质量指数规模预测

长时间的规模预测有助于从宏观角度分析事物的发展趋势与规律。对上海市2013—2017年逐日空气质量指数(AQI)进行分析,在此基础上建立了Prophet-随机森林(RF)优化模型。Prophet模型将AQI时间序列趋势分解为趋势项、季节项、节假日效应;RF算法用于弥补Prophet模型无法预测随机非线性部分的缺点,对Prophet模型进行优化,将Prophet-RF优化模型用于AQI的规模预测。结果表明:相比于Prophet模型,Prophet-RF优化模型的预测效果更加精确,其中,拟合值的均方根误差和平均绝对误差均减少了0.161,预测值的均方根误差和平均绝对误差分别减少了0.434和0.399。Prophet-RF优化模型解释性强且精度高,对于时间序列的规模预测具有较明显的优势。     

烧结机头电除尘器的数值模拟及现场实测验证

为提高某600 m~2烧结机头电除尘器的实际工程应用效果,使用商业CFD软件进行数值模拟,分别采用k-ε模型、电磁流体模型(MHD)和离散相模型(DPM)模拟流场、电场和颗粒运动轨迹。结果表明:经气流分布优化后,计算得到电除尘器进口烟气量分配偏差为±1.5%、颗粒相质量流量偏差为±0.7%,电除尘器本体两侧阻力分别为127.1 Pa和123.7 Pa,电场截面气流分布均匀性相对均方根差分别为0.129和0.133,均优于标准JB/T7671-2017要求;得到电场内电势分布及颗粒运动规律,电除尘效率与供电电压、颗粒粒径具有相关性。经现场实测验证,各参数的实测值与模拟值一致性较好,实测电除尘器出口烟尘浓度为25.8 mg·m~(-3),除尘效率达99.20%,优于设计值;烟尘颗粒在0.03～10μm的分级除尘效率为80.35%～98.69%。0.1～1μm的颗粒段存在穿透窗口,其分级除尘效率仅为80.35%～91.81%。本研究结果可为烧结烟气的烟尘超低排放提供参考。     

基于变异CPSO算法的LSSVM出水COD的软测量研究

在分析混沌粒子群优化算法(CPSO)和最小二乘支持向量机(SVM)理论基础上,以某污水处理厂的氧化沟系统为对象,采用带有末位淘汰机制的混沌粒子群优化算法优化支持向量机的参数,建立了基于变异CPSO算法的LS-SVM的氧化沟出水水质COD软测量模型,并与PSO-LSSVM,LSSVM模型比较,研究表明,ICPSO-LSSVM模型预测准确,泛化性能好,且该模型预测结果中相对误差小于10%的样本达到90%,最大相对误差仅为12.5%,均方差MSE为0.0106,模型具有较高的精度,基本可以实现出水COD浓度的在线预估。     

基于集成神经网络的汽车尾气检测系统设计

为了准确、有效地检测汽车尾气中各气体的质量分数,对传感器阵列和BP神经网络技术进行了研究,设计了一套汽车尾气检测系统。首先,根据汽车尾气成分选取4个相应传感器和一个温湿度传感器组成传感器阵列,搭建汽车尾气检测装置;其次,为了克服单一BP神经网络预测精度低,容易陷入局部极值的缺点,建立基于Adaboost算法和BP神经网络的集成神经网络模型;最后,利用集成神经网络模型对传感器阵列的响应信号进行回归分析。结果表明,集成神经网络模型预测的平均相对误差小于3%,能够有效处理汽车尾气的检测数据。     

化学-生物絮凝工艺类神经网络模型比较研究

在化学-生物絮凝工艺中试研究的基础上,分别建立了基于BP类神经网络的多输入多输出（MIMO）模型与多输入单输出（MISO）模型。应用化学生物絮凝工艺中试6个不同工况的实测数据对2个模型进行训练,均表现出很好的收敛性。通过另外2个中试工况的实测数据对模型预测性能进行测试,MISO模型对化学-生物絮凝反应器出水的COD、TP和SS的预测相对误差均低于MIMO模型,其预测相对误差均在9%以下。研究表明,MISO模型是一个很易使用的建模工具,能很好地预测化学-生物絮凝工艺出水水质。