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。