不均匀喷氨的NOx通量获取方法和喷氨格栅阻力特性

不均匀喷氨的方法是根据喷氨格栅建立不同分区的NO_x通量,设计分区不同的喷氨量,而NO_x通量由两个参数即烟气流速和NO_x浓度决定,试验和数值模拟方法是获得这两个参数的重要手段。通过对比发现,数值模拟的边界条件在实际中难以确定,无法较好地模拟流速场,而试验是更优的一种方法。试验结果显示,不同负荷和煤种下,喷氨格栅截面的流速分布基本不变,某些区域始终高,某些区域始终低。同时得到NO_x浓度的不均匀系数相对于流速不均匀系数很小,且考虑喷氨截面到催化剂还有一段扩散距离,可以仅考虑主要影响因素即烟气流速对不均匀喷氨的喷氨量进行设计,该方法简单有效,在工程实际中应用效果较好。同时对喷氨支管的阻力特性进行了试验研究,利用多孔介质代替该区域可以极大简化数值模拟区域。     

基于CFD建模的1000MW电站锅炉SCR脱硝系统喷氨策略优化

以某1 000 MW电站锅炉的选择性催化还原(SCR)脱硝系统为研究对象,入口截面采用现场实测流场和NO_x浓度场分布数据,对耦合反应器内的湍流流动、多组分混合及化学反应进行了基于CFD建模的数值计算研究,并基于氨氮比一致分配理论,利用数值模拟多次试算获得最优喷氨策略,对该最优喷氨策略进行现场验证.结果表明:实际入口为非均匀流场和浓度场,采用均匀喷氨策略,催化剂上部截面氨氮比及出口附近测点位置氨气浓度分布极度不均,氨逃逸严重;现场验证实验表明,本文方法确实可有效地指导喷氨优化调整,降低调整盲目性,提高现场工作效率.     

基于RBF神经网络的SCR脱硝系统喷氨优化

为实现对电厂选择性催化还原(SCR)脱硝装置喷氨的优化控制,以广东某电厂350 MW锅炉为研究对象,采用径向基函数(RBF)神经网络法,以锅炉负荷、烟气体积流量、SCR烟气温度、脱硝进口NO_x 质量浓度以及喷氨质量流量等为输入变量,以SCR脱硝效率为输出变量,建立输入变量与输出变量之间的关系模型,实现对SCR脱硝效率及脱硝出口NO_x 质量浓度的预测.在满足NO_x 排放标准的前提下,以SCR系统运行成本最小为目标,利用Matlab对该模型进行仿真实验,寻求氨耗成本和电耗成本与NO_x 排放费用的临界点,得到最佳喷氨质量流量.结果表明:最佳喷氨质量流量计算值比实测值或高或低,但在满足NO_x 排放标准的前提下,其SCR系统运行成本呈降低趋势.     

500MW机组脱硝系统喷氨格栅优化设计

合理的喷氨系统可保证烟气中的氮氧化物和脱硝剂氨均匀混合,有利于提高脱硝效率,节约氨耗量;减少催化剂预装量,延长催化剂寿命;保证达标排放,降低硫铵堵塞引发的安全风险;降低投资和运行管理成本。以某500 MW机组SCR系统为研究对象,设计3种不同形式的喷氨格栅进行数值模拟。选择催化剂入口截面速度和氨浓度分布最为均匀的方案,对原喷氨系统进行改造。结果表明:工程改造后,SCR出口NO_x浓度不均匀度由最高57.40%降低到20.20%,氨逃逸由最高24×10~(-6)降低到1×10~(-6),液氨耗量节约10%以上。     

超低排放脱硝喷氨格栅优化策略

超低排放改造后脱硝系统普遍出现氨逃逸大、空预器堵塞严重、喷氨自动无法投入等问题。通过仿真设计优化、喷氨格栅调整、精准喷氨改造等优化手段,能改善催化剂入口氨氮摩尔比,从而保证NOx减排系统的稳定运行。喷氨格栅优化能实现对氨逃逸的控制,可以减少还原剂耗量和降低引风机电耗,具有明显的经济性。     

基于NOx浓度场实时检测的喷氨优化应用研究

在国家新的大气污染排放标准要求下,需要对燃煤电厂脱硝系统反应器进行喷氨实时优化。在工程实践中,首先需解决NH_3/NO_x混合效率问题,其次解决脱硝系统出口的NO_x浓度场均匀性对催化剂寿命产生影响所带给电厂运行的经济性、安全性等问题。为此,对NO_x浓度场进行实时检测并深入研究了脱硝系统喷氨实时优化方案,提出一种模糊控制与均衡控制相结合的前馈串级控制方法。目前,该系统已成功应用在1 000 MW机组中,应用显示控制法可以有效减小耗氨量,提高出口NO_x的均匀程度,从而降低了机组运行电耗,增强了系统运行稳定性和可靠性,减少了氨逃逸,延长了催化剂使用寿命。给电力生产带来很好的经济效益,满足了脱硝工程中喷氨混合的需要。     

超低排放SCR烟气脱硝系统的优化分析

SCR烟气脱硝系统超低排放改造后出现了NH_3/NO_x分布均匀性及喷氨优化调整要求提高的现象。对此,在流场优化的基础上提出了基于氨氮比修正因子的SCR喷氨优化调整方法,采用CFD数值计算对比分析了某300 MW机组优化导流装置前后考核截面速度分布、压差变化以及喷氨优化调整前后的氨氮比分布,最后将计算结果与工业性试验进行了比较。结果表明:通过对导流装置的优化,SCR反应器的流场得到较大改善,可满足超低排放后SCR系统对流场的要求。基于氨氮比修正因子的SCR喷氨优化调整方法解决了仅依靠经验调整反应器出口NO_x浓度场耗时长、效率低、难度大的缺点,优化后的SCR脱硝系统运行指标良好,实现了稳定的超低排放运行。     

V型喷氨混合装置结构优化研究

采用FLUENT软件结合标准κ-ε双方程模型和组分输运模型对简化试验系统流场进行数值模拟。经网格调整后的数值结果和实验数据的对照证实了数值模拟的可靠性。再利用数值计算研究了混合单元数、拓扑结构和覆盖率等因素对V型喷氨混合装置的速度场和浓度场分布特性的影响。计算结果表明,V型喷氨混合装置混合性能由喷氨点数和V型元件湍流涡混双重因素确定;V型喷氨混合单元数为18时,混合最佳,与传统喷氨格栅相近;V型混合对齐布置时,相邻元件相互作用,强化混合;覆盖率增大,混合距离缩短,压降增加。     

基于非线性高斯混合回归的燃煤锅炉NOx排放浓度预测模型

为了准确测量锅炉出口的NO_x排放浓度,针对燃煤锅炉的复杂非线性,提出了一种基于非线性高斯混合回归(Nonlinear Gaussian Mixture Regression, NGMR)的NO_x排放浓度预测方法。采用滑动时间窗方法,结合奇异值分解实现稳态判定;进一步采用互信息(Mutual Information, MI)判断不同变量与NO_x排放浓度的相关性,确定模型输入变量;利用选定的输入变量,基于NGMR建立NO_x排放浓度预测模型;基于某660 MW燃煤机组运行数据,将提出的NGMR模型分别与人工神经网络(Artificial Neural Network, ANN)模型、支持向量回归(Support Vector Machine, SVR)模型以及极限学习机(Extreme Learning Machine, ELM)模型进行对比分析。结果表明：NGMR模型预测均方根误差(Root Mean Square Error, RMSE)为4.66 mg/m³,平均绝对误差(Me...     

SCR烟气脱硝系统喷氨适应性调整的试验分析

在选择性催化还原烟气脱硝技术中,为了使还原剂与NO_x充分混合,最理想的状况是使还原剂的质量浓度分布与NO_x的质量浓度分布相一致。主要介绍了锅炉SCR脱硝系统喷氨适应性调整试验的测点布置、测量方法、试验结果与分析等,通过实验可知,调整各喷氨支管手动阀开度可有效提高SCR喷氨适应性,降低氨逃逸量,降低出口NO_x质量浓度。     

基于LSTM的烟气NOx浓度动态软测量模型

针对SCR系统出口NO_x浓度测量准确性较差、CEMS测量存在较大延迟且吹扫过程中无法测量NO_x浓度的问题,依托某660 MW机组的实际运行数据,建立基于长短期记忆神经网络(LSTM)的烟囱入口NO_x浓度软测量模型。为了验证其对烟囱入口NO_x浓度的预测性能,将所建LSTM模型与RNN模型、BPNN模型和KPLS 3种模型进行对比分析。研究表明:LSTM模型的预测均方根误差为1.34 mg/m~3,平均相对误差为3.51%,模型预测精度优于其他3种模型;LSTM模型的泛化能力较强,数据动态跟踪效果好,具有较高的预测稳定性。     

500 t/h燃煤锅炉脱硝系统喷氨优化技术及应用

针对某500 t/h燃煤锅炉脱硝系统氨消耗量过大的情况,进行脱硝系统的喷氨优化。优化后的锅炉氮氧化物排放需满足《关于印发全面实施燃煤电厂超低排放和节能改造工作方案的通知》(环发〔2015〕164号)的大气污染排放限制要求。即:NO_x排放浓度小于50 mg/Nm~3,同时要求平均氨逃逸小于3 ppm。     

基于神经网络的分区喷氨量研究

电厂烟气脱硝常采用SCR(选择性催化还原)系统,在实际运行过程中发现第一层催化剂入口往往存在NOX浓度分布不均的情况,按照已有的均匀喷氨方案往往导致催化剂层入口氨氮比分布偏差大的问题,从而进一步影响脱硝效果。文中在已有的SCR反应器冷态试验台的基础上,以喷氨格栅(AIG)分区精准喷氨为研究对象,首先将AIG分为10个分区,其次以催化剂入口截面设置的25个测点的与分区喷氨量相对应氨气浓度为目标,建立CFD仿真模型,得到不同的AIG分区喷氨量组合在25个测点上的氨浓度分布;然后将25个测点的氨气浓度为输入参数,分区喷氨量为输出参数对BP人工神经网络进行训练,而在实际使用中根据测点NOX浓度按照设定氨氮摩尔比将所需氨浓度输入神经网络,即可得到当前NOX分布下的所需的分区喷氨量;最后针对几种典型的入口NOX分布,使用训练好的BP神经网络得到分区喷氨量,将该分区喷氨量输入CFD仿真发现第一层催化剂入口前25个监测点的氨氮比标准偏差系数在3.6%以下,满足电厂低于5%的技术需求。     

基于贝叶斯优化—随机森林回归的燃煤锅炉NOx预测模型

根据某超超临界1 050 MW燃煤机组实际运行数据,采用随机森林(RF)算法建立燃煤锅炉炉膛出口烟气中NO_x质量浓度预测模型,并利用贝叶斯优化(BO)进行超参数寻优,将BO-RF模型与网格搜索优化的RF模型(GSO-RF)进行对比。为了更好地评价预测模型,以平均绝对百分比误差δ_MAPE和决定系数R²作为评价指标,将所建立的BO-RF模型与目前常见的基于贝叶斯优化的BP神经网络(BO-BPNN)模型、最小二乘支持向量机(BO-LSSVM)模型进行比较。结果表明：BO-RF模型比GSO-RF模型的预测精度更高,且BO-RF模型的δ_MAPE为1.478%,R²为0.916 2,均优于BO-BPNN模型和BO-LSSVM模型的预测结果,证明BO-RF模型具有更高的预测精度和更优的泛化性能。     

基于MI-GA-LSTM的锅炉NOx排放快速预测模型

针对电站锅炉在实际运行过程中存在燃烧优化调整不及时以及烟气脱硝成本较高的问题,提出了基于MI-GA-LSTM的炉膛出口NO_x排放快速预测模型。根据燃煤锅炉实际运行数据,利用互信息(MI)进行特征相关性分析,将所得最优特征子集作为长短时记忆神经网络(LSTM)的输入,并利用遗传算法(GA)对模型关键参数进行寻优,得到炉膛出口NO_x原始生成质量浓度预测的MI-GA-LSTM模型,并与LSTM、门控神经网络(GRU)、循环神经网络(RNN)在同一测试集上进行预测效果对比。结果表明：该模型在训练集和测试集上都能够对运行数据进行精准地预测,可以很好地完成多变量非线性拟合;该模型在测试集上的3项指标均优于其他模型,具有更高的预测精度和泛化能力;该模型可作为炉膛出口NO_x排放质量浓度传感器的补充,提前准确感知炉膛出口NO_x原始生成质量浓度的变化。     

高温主燃区还原性氛围下喷氨脱硝的试验研究

为研究煤粉燃烧过程中高温主燃区NH_3对NO_x还原效果的影响,采用尿素溶液为氨基还原剂,利用一维管式电加热沉降炉分析了氨剂对NO_x在不同反应条件下的还原特性。实验结果表明:主燃区温度为1 573 K时,在过量空气系数α≤0.95条件下,尿素溶液可有效的将主燃区烟气中NO_x还原为N_2,且脱硝效率都随氨氮比n增大而快速升高,当n1.75时,脱硝效率升高速度变缓;在还原性氛围中,相同n时,温度越高,脱硝效率越高,且高挥发分烟煤的脱硝效率大于低挥发分无烟煤所对应脱硝效率;试验条件下,神华烟煤的整体脱硝效率最高可达95%;单独喷水可降低NO_x浓度,但与喷氨工况相比,其降低幅度不明显。