火电厂SCR脱硝催化剂寿命预估研究

火电厂SCR烟气脱硝装置的核心是SCR脱硝催化剂,其使用寿命直接影响着SCR工艺的效率和运行费用。针对火电厂SCR脱硝催化剂在运行过程中的失活机理,建立了催化剂的失活动力学模型以及寿命计算方法,并基于物理和数学方法对失活动力学模型进行了修正,采用催化剂实际运行的失活数据进行验证,确定了催化剂失活动力学的最佳修正模型为k=φk0e-At,利用该模型对催化剂进行寿命估算具有较为准确的结果,可为火电厂SCR脱硝催化剂的寿命管理提供一定的参考依据。     

铜改性SCR催化剂脱氨脱硝实验研究

对商业V2O5-WO3/TiO2型SCR催化剂进行铜改性,拟将其取代少量下游SCR催化剂进行逃逸氨和残余NOx的同时去除.在350℃下分别测试了不同铜负载量Cu-SCR催化剂的脱氨和脱硝性能,分析反应温度、NH3/NO比及SO2、H2O等烟气成分的影响,并考察了模拟SCR尾部烟气条件下对逃逸氨和残余NOx的去除效果.结...     

基于阶梯式广义预测的SCR脱硝系统优化控制

SCR脱硝系统被控对象具有大迟延和大惯性,采用常规PID难以满足对出口NO_x含量的精准控制。为提高控制品质,提出了基于阶梯式广义预测的SCR脱硝系统优化控制。首先采用粒子群算法辨识了NO_x排放量的数学模型,其次基于模型设计了阶梯式广义预测控制器,最后将基于联合互信息的LSSVM动态软测量模型得到的NO_x生成量作为前馈,构建了基于软测量模型的前馈-反馈控制系统。结果表明：基于阶梯式广义预测的脱硝优化控制能很好的减少出口NO_x的波动,将动态软测量模型得到的NO_x生成量预测值作为前馈引入SCR脱硝控制系统,克服了测量数据存在的滞后问题,可以及时准确的控制喷氨量,实现脱硝系统的稳态经济运行。     

基于灰色神经网络的火灾事故预测

针对我国火灾事故现状,结合灰色理论和神经网络的特点,提出灰色神经网络火灾事故预测模型。依据我国2003-2012年火灾事故统计数据,分别选用GM(1,1)模型和灰色神经网络模型对2003-2010年数据（火灾起数）进行拟合,对2011年、2012年数据进行（火灾起数）预测。结果表明,灰色神经网络火灾事故预测模型具有灰色系统贫乏数据建模和神经网络高度非线性映射能力的优点,有效地解决了传统火灾事故预测中误差大稳定性差的缺陷,提高了预测精度,在火灾事故预测中具有一定的实用价值。     

粉煤灰负载钒氧化物低温SCR催化剂脱硝性能研究

目前,我国电厂普遍采用SCR法高含尘工艺对烟气中的NOx进行脱硝,催化剂存在严重堵塞、中毒等问题,SCR法低含尘工艺越来越引起重视。为了制备SCR法低含尘工艺中的低温SCR脱硝催化剂,本文将钒氧化物负载在粉煤灰和膨润土混合制成的复合材料载体上,制成V2O5/FA-BT催化剂,同时分别用全自动比表面及孔隙度分析仪(Micromeritics Tristar 3 000)和扫描电子显微电镜(SEM)对催化剂的比表面积和表面形貌进行表征。结果表明:不同V2O5负载量的V2O5/FA-BT催化剂在低温下有很好的脱硝效果,其中以V2O5负载量(质量分数)为11%的V2O5/FA-BT脱硝效果最好,当反应温度为130℃时,脱硝率达到89%;对催化剂进行酸改,CH3COOH酸改的催化剂比表面积较大且脱硝效果最好。     

基于三阶灰色神经网络的股指预测

将三阶灰色模型(GM(3,1))与神经网络模型进行有机的组合,建立新的三阶灰色神经网络模型,并以中国股票市场上证指数为例进行预测.实证表明,新预测模型的模拟精度较现有方法更为精确,更具有实用价值.     

660 MW 机组 SCR 脱硝板式催化剂磨损分析

针对马鞍山当涂电厂660MW机组脱硝SCR(选择性催化还原)板式催化剂发生局部严重磨损的现象,文章依据多次实际测量的数据进行对比分析,发现磨损呈现规律性分布,并且与脱硝反应器内部结构相关联。通过冷态流场计算及灰场数值计算分析研究表明:催化剂局部严重磨损的主要原因是由于反应器的顶部梁结构布局不合理,造成烟气流量、流速分布不均,引起催化剂局部出现严重磨损。针对这一原因,文章提出通过移除脱硝反应器上方的积灰三角以及改变喷氨烟道上方导流板的直径和角度等措施来改善脱硝反应器中烟气的流速分布。数值模拟的计算结果表明,在相同的运行工况下,改善后的脱硝反应器中烟气流速的均匀性得到了显著的提高,有效抑制了催化剂局部出现严重磨损等不良现象的发生。     

灰色神经网络预测修正模型研究

简述灰色系统与人工神经网络各自的特点与应用,分析两者以及组合方式的优缺点和预测能力,结合灰色系统的"少数据,高精度"的特性和人工神经网络的"纠正"能力,提出一种新的组合模型:误差纠正网络模型,并通过数据初步验证,结果表明,新的组合模型对负荷预测是可行的。     

基于灰色ELM神经网络的短时交通流量预测

为了提高短时交通流预测的精度,针对现有灰色模型,利用一阶线性微分白化方程拟合交通流数据。针对交通流数据波动性较高和易失真的缺点,提出一种基于灰色ELM神经网络的短时交通流预测方法。首先对短时交通流数据采用灰色模型累加处理,将其转化为长时交通流数据,以降低交通流数据的随机性,有效减小因数据本身波动造成的误差。然后,利用ELM神经网络代替一阶线性微分白化方程,对长时交通流进行预测。最后,将长时交通流预测结果经过累减还原为短时交通流预测结果,有效提高了预测精度。仿真验证结果表明,相比于现有的一些预测方法,该方法提高了预测精度,是一种有效的短时交通流预测方法。     

基于神经网络校正的电力负荷灰色预测

针对电力负荷预测残差序列具有复杂的非线性状态的特点,运用神经网络模型,对电力负荷的灰色预测残差进行校正;同时对神经网络隐含层的神经元个数进行调整,使得网络模型结构优化,模型参数确定更为合理,进一步提高了预测精度。     

基于灰色关联与神经网络的瓦斯含量预测研究

为了解各影响因素对煤层瓦斯赋存规律的影响,准确预测煤层瓦斯含量,在分析潘一东勘探钻孔资料的基础上,基于灰色关联分析了影响13-1煤层瓦斯含量的各因素,确定了煤层埋深、顶板岩性、煤层厚度和地质构造是影响煤层瓦斯含量的主要因素;利用神经网络方法建立了煤层瓦斯含量预测模型,结合实际数据,对预测模型进行训练与检验。结果表明：预测精度较高,验证了基于灰色理论与神经网络预测模型的可靠性。     

基于有机灰色神经网络模型的空气污染指数预测

针对灰色预测对波动较强的序列只能预测大致变化趋势的缺陷,结合灰理论中的GM(1,1)、无偏GM(1,1)、非等时距GM(1,1)、pGM(1,1)和BP神经网络的特点,提出有机灰色神经网络预测模型,将一维序列通过三个灰色模型得到三组值作为神经网络的输入,原始序列作为神经网络的输出,训练得到最佳神经网络结构．以哈尔滨市近三年内空气污染指数为例,结合其变化规律,建立哈尔滨市月平均空气污染指数的有机灰色神经网络预测模型,结果表明,该模型拟合误差小,预测精度高．     

混凝土结构寿命的灰色预测

根据灰色系统理论的预测模型,建立了预测混凝土结构寿命的非等步长GM(1,1)模型群。利用某混凝土结构的损伤系数进行寿命预测,得到了精度较高的预测结果,证明该模型能够满足工程需要．是一种预测混凝土结构寿命的行之有效的新方法。     

基于灰色理论的飞机结构疲劳寿命预测

对飞机结构疲劳寿命进行预测研究,具有重要的军事意义与凸显的经济价值,本文以某型军用飞机关键结构部件--水平尾翼为具体研究对象,采用通过飞机结构疲劳寿命试验专用平台得到的水平尾翼疲劳寿命的真实试验数据,运用灰色相关理论建立非等间距GM(1,1)模型,应用此模型预测飞机结构部件的疲劳寿命,并通过试验对所建模型的准确性与有效...     

SCR脱硝装置的优化数值研究

静态混合器的结构与布局是保证反应器中烟气温度场、流动场和反应物浓度场均匀分布的关键。本文以某330 MW燃煤机组的烟气脱硝系统为研究对象,运用三维数值仿真方法,模拟烟道中烟气的流动速度、温度、氨浓度及流动方向,对混合器的结构进行优化,分析混合器的类型、摆放、数目与间隔,借此改善流场的均匀性,保证流动速度均匀分布。结果表明：加装混合器可以较好地改善SCR装置烟道内的流场;通过数值模拟,在优化后的模型结构中,反应器上游的烟气速度偏差不大于15%,烟气进入SCR反应器的流速偏差小于15%,入口烟气流向偏差不超过10%;氨氮比相对标准偏差不大于5%,入口温度分布偏差不超过10 K。     

基于灰色神经网络的测井预测地层破裂压力

在新兴的信息处理技术中，灰色系统预测法和神经网络预测法都可用来解决精细测井解释和油藏描述中的模式识别和参数预测等问题。基于灰色ＧＭ（０，Ｎ）静态模型和ＢＰ神经网络模型，提出了一种新的参数估算方法即灰色神经网络判释法，由此分析了利用测井资料预测地层破裂压力的可行性。以Ｈ盆地中部气田为实例，综合应用现场试采测压资料和测井资料，建立了该气田石盒子组马家沟组地层破裂压力的灰色ＢＰ神经网络预测模型，成功地处理了该区２５口气井（油井）资料。结果表明，该法简便好用，预测精度高，为应用测井资料预测地破裂层压力开拓了一条新的途径。     

基于灰色遗传BP神经网络的大坝变形预测

提出了一种基于灰色预测模型的遗传算法优化BP神经网络的组合预测模型。通过对原始大坝序列进行灰色拟合,弱化原始序列的随机扰动影响,增强数据的线性规律,并采用遗传算法优化BP神经网络的连接权值和阈值,之后将灰色拟合后的残差作为优化后的BP神经网络的输入样本进行训练和测试,进而建立灰色遗传BP神经网络预测模型。组合模型充分结合了BP神经网络自适应学习的优点,避免了灰色方法及模型在非线性预测方面的缺陷;同时集成了遗传算法的全局寻优性能,弥补了神经网络容易陷入局部极值点的缺陷。与灰色GM(1,1)和单一BP神经网络对比表明,组合模型能保证较优的局部预测值和较高的全局预测精度,应用于复杂的大坝变形预测中是可行的。     

基于灰色神经网络与灰色关联度的中长期日负荷曲线预测

用电结构变化和经济发展会深刻影响中长期的日负荷特性.采用加权平均法确定归一化之后的预测年基准曲线,利用非常适于少数据、多因素预测问题并具有高度非线性拟合特性的灰色神经网络,对中长期日负荷曲线的日特征参数进行预测,其中考虑了经济发展、用电结构的影响;并利用粒子群算法对灰色神经网络的参数进行初始化,以提高网络的全局搜索性能.引入灰色绝对关联度描述曲线的相似特性,基于日负荷特征参数约束,通过所构建的非线性规划模型进行中长期日负荷曲线预测.选用江西电网2006-2015年各季度日负荷数据进行测试,结果表明本方法具有较高的预测精度.