三水磷酸钾耦合CaO对樟木粉热解特性及NOx前体释放特性的影响

利用生物质催化热解生产高附加值化学品具有广阔的应用前景,但热解过程中排放的NO_x会对环境造成不利影响。本文利用热重-质谱联用技术（TG-MS）探究樟木粉热解特性及热解过程中主要NO_x前体的释放特性,对比分析CaO耦合磷酸盐对樟木粉热解过程中NO_x前体生成的反应过程的影响。实验结果显示,随着三水磷酸钾和CaO的加入,樟木粉热解过程中挥发性产物的释放量有所增加而固相产物的产率有所减少;同时,混合热解过程中生成的主要NO_x前体的离子流强度曲线有所降低。这表明,三水磷酸钾和CaO的耦合作用,一方面能够改善樟木粉的热解特性,使热解过程更加彻底;另一方面能够有效抑制樟木粉中含氮化合物的一次裂解,延缓NH₃等NO_x前体的生成、减少HCN等NO_x前体的释放。     

富氧燃烧烟气压缩净化的研究进展

富氧燃烧技术具有大幅度降低单位燃料的NO_x和SO_x排放的优点,但酸性物质及汞等污染物的存在对CO₂的后续资源化利用和埋存造成极大影响。本文从富氧燃烧烟气净化技术角度出发,简述了CO₂压缩过程中NO_x和SO₂单独脱除、联合脱除的研究情况,以探寻协同脱除过程中NO_x、SO₂相互影响的规律以及具体N-S反应的路径;分析了压缩过程协同脱汞的研究进展,探讨压缩过程汞脱除的具体机制,观察NO_x、SO₂、H₂O的含量对汞脱除的影响;最后介绍了富氧燃烧烟气压缩净化技术的中试应用情况。分析表明,现有研究大多注重于孤立地分析各种工况参数对NO_x、SO₂、HgO吸收脱除的影响,因此难以从反应机理上揭示多种污染物脱除之间的内在联系与相互作用机制,只有实现NO_x、SO_x及HgO等多种污染物的联合脱除,才能实现富CO₂烟气的有效净化,从而大大减少富氧燃烧技术的设备投资和运行成本,有效促进该技术的大规模商业化应用。     

基于支持向量机与高斯分布估计的低NOx排放

燃烧优化的核心在于建立有效而快速的建模工具及寻优算法,以便于在线应用。为了研究新方法的适用性以及克服常用算法的缺点,本文利用支持向量回归建立了大型四角切圆燃烧电站锅炉NO_x排放特性模型。利用大量的热态实炉试验NO_x排放数据对模型进行了训练和验证。结果表明,支持向量回归模型能获得较神经网络模型更加准确的预测结果,相对于神经网络,支持向量回归能更好处理大样本量数据的非线性问题。随后,采用一种基于高斯概率密度 (GPDD)的分布估计优化算法对NO_x排放模型进行了寻优。研究发现,与遗传算法相比,GPDD具有更好的寻优能力与更快的收敛速度。结合支持向量回归与高斯概率密度分布(GPDD)算法能有效降低燃煤锅炉NO_x排放量,不到1 min的优化时间便于在线应用。研究结论可为该算法在实际电厂中推广应用提供参考依据。     

基于支持向量机与高斯分布估计的低NOx排放

燃烧优化的核心在于建立有效而快速的建模工具及寻优算法,以便于在线应用。为了研究新方法的适用性以及克服常用算法的缺点,本文利用支持向量回归建立了大型四角切圆燃烧电站锅炉NO_x排放特性模型。利用大量的热态实炉试验NO_x排放数据对模型进行了训练和验证。结果表明,支持向量回归模型能获得较神经网络模型更加准确的预测结果,相对于神经网络,支持向量回归能更好处理大样本量数据的非线性问题。随后,采用一种基于高斯概率密度 (GPDD)的分布估计优化算法对NO_x排放模型进行了寻优。研究发现,与遗传算法相比,GPDD具有更好的寻优能力与更快的收敛速度。结合支持向量回归与高斯概率密度分布(GPDD)算法能有效降低燃煤锅炉NO_x排放量,不到1 min的优化时间便于在线应用。研究结论可为该算法在实际电厂中推广应用提供参考依据。     

基于负荷划分数据和支持向量机的火电厂燃烧过程建模

为建立燃烧过程稳态模型,首先利用稳态检测算法提取稳态样本;针对稳态数据中的不均衡性,提出了一种基于负荷划分数据的方法,即根据负荷工况将样本划分成训练子集与测试子集,以提高模型的泛化性能。利用单因素图形分析方法确定3个模型参数的搜索范围,将网格搜索与交叉验证相结合选择最优的模型参数,在此基础上建立了一个300 MW燃煤火电厂机组锅炉燃烧过程的支持向量机模型,包括锅炉效率、NO_x排放量、排烟温度和飞灰含碳量4个过程输出。结果表明,经过参数优化的4个输出模型均具有很好的泛化性能。     

使用博弈差分算法的电站锅炉高效低污染燃烧均衡优化

提高电站锅炉热效率,降低NO_x等污染物的排放量是电站节能减排必须解决的问题。经过采用经量子遗传算法）QGA）优化参数后的最小二乘支持向量机（LSSVM-QGA）建立燃烧优化模型,预测的锅炉热效率和NO_x排放量的平均相对误差分别达到了0.054%和1.229%,其预测精度及泛化能力均较优,有更强的适用性能。在此模型基础上,提出一种采用自适应缩放因子与交叉因子和共享函数机制的差分进化算法（DE）,通过其演化博弈论中的NASH均衡,实现锅炉燃烧的多目标优化,结果表明,基于NASH均衡的优化方法可以得到操作变量的最优解集,能够更好地改善运行工况,最终可以实现削峰填谷,使电站锅炉保持一个稳定均衡的燃烧状态。     

350 MW超临界循环流化床锅炉SO2、NOx及粉尘排放特性试验

为了解煤泥、煤矸石等多元低热值煤掺烧下CFB锅炉污染物生成排放特性，以某电厂350 MW超临界CFB锅炉为研究对象，基于现场运行实测数据，研究了该锅炉在30%～99%负荷率下烟气SO₂、NO_x生成及粉尘排放随负荷变化的特性，并分析了锅炉运行负荷、平均床温、过量空气系数及流化风率等关键运行参数对其生成与排放水平的影响。试验结果表明，该机组在30%～99%全负荷条件下总排放口烟气污染物排放均能够满足超低排放标准；SO₂、NO_x排放浓度随锅炉负荷的降低基本呈现先降低后迅速升高的趋势，粉尘排放浓度随锅炉负荷的降低而降低；所研究关键运行参数中，锅炉床温对SO₂、NO_x生成与排放水平起主导作用；低负荷下锅炉平均床温较低、炉膛过量空气系数较大，SO₂、NO_x生成浓度偏高，且二者排放浓度与过量空气系数及流化风率基本呈正相关。综合考虑，应适当控制锅炉平均床温在800℃以上，过量空气系数应不高于1.3为宜；低负荷下可采取烟气再循环措...     

基于混合建模的煤泥流化床锅炉干法脱硫操作优化

煤泥流化床锅炉干法脱硫系统因成本低、脱硫效率较高而应用广泛。流化床锅炉的运行条件对脱硫效率具有重要影响,而脱硫剂的增加既会提高脱硫效率又会降低锅炉热效率,因此存在最佳操作条件。首先采用LSSVM建立了SO₂浓度预测模型,并通过实际数据验证了模型的准确性和快速性。在此基础上,通过机理分析,建立了脱硫剂对锅炉热效率影响的全面准确模型。最后,以企业总体运行费用最低为目标,建立了总的操作优化目标函数。以SO₂预测模型和锅炉热效率模型为基础,通过求解总的优化命题,得到了不同SO₂浓度限制和不同SO₂排放费用下的最佳锅炉操作条件。通过优化明显地降低了脱硫运行费用,提高了脱硫效率,对流化床锅炉干法脱硫系统具有重要的指导意义。     

机器学习驱动锅炉燃烧优化技术的现状与展望

伴随可再生能源发电装机容量快速增加,深度调峰过程中负荷多变、燃烧失稳等不稳定工况对火电机组的燃烧优化控制提出了更高要求,快速发展的人工智能技术与深度学习算法为锅炉参数预测建模及优化提供了重要手段。在机器学习算法方面,总结了特征筛选与建模算法的研究现状,提出了传统统计学方法与线性降维方法的科学解释性较差且不能很好地辨识高维数据,结合深度学习算法的特征筛选方法在处理复杂的火电机组数据时优势更明显;对比了多种神经网络在NO_x排放浓度建模中的优缺点,其中长短期记忆神经网络与卷积神经网络在处理时序数据时效果更好、集成模型通过组合不同学习器的优势可提高整个模型的泛化能力和鲁棒性。在预测模型的应用方面,通过对SCR脱硝系统建立预测模型可以方便运行人员模拟并修正可调参数,同时作为软测量手段监测燃烧系统运行状态;引入NO_x排放浓度预测模型的前馈控制和模型预测控制等先进控制手段可有效改善火电机组传统PID控制效果较差的问题;在多目标优化中NO_x脱除效率通常与锅炉效率或脱硝成本共同作为优化目标,以期实现经济效益与社会效益的和谐统一。     

基于中温烟气多污染物控制的烟气脱硫实验

中温（200～400℃）烟气多污染物一体化脱除方法能够实现烟尘、NO_x、SO₂一体化脱除,在当前环境问题日趋严峻的背景下具有一定的发展前景。氢氧化钙作为该方法的一种潜力脱硫剂,在中温条件下进行烟气中SO₂脱除的实验研究较少,针对该情况,在自制实验系统上探究了不同因素对SO₂脱除效果的影响,研究表明,在实验室自制的固定床实验系统下,烟气成分中水蒸气、CO₂、NO_x、O₂等的存在会对脱硫产生抑制,升高温度对SO₂脱除有一定促进作用。对吸附产物进行了XRD、SEM等表征,验证了化学吸附机理,氢氧化钙在该温度区间会逐渐分解形成氧化钙,促进SO₂的吸附与内扩散,使得脱硫效果提高。研究结果为进一步提高脱硫效果,提高氢氧化钙活性,并为下一步实现中温下烟气多污染物一体化脱除奠定基础。     

使用博弈差分算法的电站锅炉高效低污染燃烧均衡优化

提高电站锅炉热效率,降低NO_x等污染物的排放量是电站节能减排必须解决的问题。经过采用经量子遗传算法(QGA)优化参数后的最小二乘支持向量机(LSSVM-QGA)建立燃烧优化模型,预测的锅炉热效率和NO_x排放量的平均相对误差分别达到了0.054%和1.229%,其预测精度及泛化能力均较优,有更强的适用性能。在此模型基础上,提出一种采用自适应缩放因子与交叉因子和共享函数机制的差分进化算法(DE),通过其演化博弈论中的NASH均衡,实现锅炉燃烧的多目标优化,结果表明,基于NASH均衡的优化方法可以得到操作变量的最优解集,能够更好地改善运行工况,最终可以实现削峰填谷,使电站锅炉保持一个稳定均衡的燃烧状态。     

基于NSGA-Ⅱ算法的高炉生产配料多目标优化模型建立

高炉炼铁是一种典型的高能耗、高排放、高污染工业,合理的配料方案对高炉节能减排至关重要。基于高炉炼铁过程中的物质与能量守恒和高炉炉料结构理论,建立了以最小化生产成本和CO₂排放量为目标函数的高炉生产配料多目标优化模型,该模型采用非支配排序多目标遗传算法Ⅱ(NSGA-Ⅱ)进行求解,最终得到高炉生产配料多目标优化问题的Pareto最优解集。并将所得到的最优解与柳钢实际生产数据进行比较,结果表明建立的模型能使成本和CO₂排放量都有相应程度的降低,验证了该模型及NSGA-Ⅱ算法的正确性。炉长可以根据该多目标优化结果针对不同的需求选择相应的炉料配比,实现更精确的操作。     

330MW锅炉配风方式对NOx排放浓度和锅炉经济性的影响分析

针对某电厂330MW锅炉进行了配风方式及总风量的研究,分析了配风方式及总风量的变化对NO_x排放浓度和锅炉经济性的影响。结果表明：在机组负荷一定的条件下,改变配风方式,当机组负荷为250MW时,工况T2与工况T1的锅炉效率相差不多,NO_x排放浓度下降了40mg/m³;当机组负荷为300MW时,工况T4比工况T3的锅炉效率高了0.28%,NO_x排放浓度下降了20mg/m³。在机组负荷及其他运行参数基本不变的条件下,改变总风量,当机组负荷为300MW时,工况T6比工况T5的锅炉效率高了0.19%,NO_x排放浓度下降了40mg/m³;当机组负荷为250MW时,工况T9比工况T7的锅炉效率高了0.16%,NO_x排放浓度升高了40mg/m³。当机组负荷为190MW时,工况T12比工况T10的锅炉效率高了0.24%,NO_x排放浓度下降了60mg/m³。     

适应深度调峰的循环流化床NOx排放建模

为响应“十九大”绿色环保精神，满足循环流化床机组超低排放需求，建立准确的NO_x排放浓度机理控制模型对于设计循环流化床机组脱硝自动控制方法具有重大意义。从循环流化床锅炉燃烧机理切入，建立即燃碳模型，并将燃料氮分为挥发分氮与即燃碳氮2部分构建NO_x炉内自生成模型；考虑CO和即燃碳对NO_x的还原作用推导NO_x自还原模型；构建选择性非催化还原脱硝模型，综合以上模型建立了适应深度调峰的循环流化床NO_x排放模型。探究了机组深度调峰下运行参数与NO_x排放浓度的关系以及与选择性非催化还原脱硝效率的影响因素。仿真验证试验表明建立的循环流化床NO_x模型取得了较好仿真效果，稳态工况的模型计算值平均预测时间为114 s,与实测值的平均相对误差为2.50%;深度调峰下的模型计算值平均预测时间为126 s,与实测值的平均相对误差为5.42%。模型计算量较实测量提前2～3 min,具有一定预测效果。NO_x排放浓度模型可为今后循环流化床机组适应...     

余热锅炉单相受热面动态建模与模型参数优化

作为余热利用环节中最重要的部分,余热锅炉的启动、变工况运行和停机特性直接决定锅炉的寿命及效率。基于工质热力学性质和质量、动量及能量守恒方程,以Matlab/Simulink为平台,构建了余热锅炉单相受热面的动态仿真模型。结合某水泥厂自主设计的直流余热锅炉实验数据,基于遗传算法和粒子群算法,对动态模型进行了参数优化。结果表明,经过优化后,余热锅炉动态模型与实验数据匹配程度高,模拟与实验结果的误差为0.93%~4.39%。因此,本文所建立的单相受热面变工况动态模型可以准确反映余热锅炉受热面动态特性。两种算法的对比表明,粒子群算法适应度函数收敛更优;在收敛迭代次数上,粒子群算法在54~64代达到收敛,遗传算法在93代后达到收敛。粒子群算法在参数优化方面优于遗传算法。     

非线性偏最小二乘法及可视化火焰检测系统的燃煤锅炉NOx排放特性的研究

为了研究燃煤电站锅炉NOx排放特性,利用可视化火焰检测系统对燃煤锅炉燃烧火焰和温度场进行了测试研究。通过测量,由双色测温法计算得到了炉内温度场,采用数字图像处理技术提取了火焰图像特征参数,进而借助非线性偏最小二乘法建立了由炉内燃烧温度场及火焰图像特征参数来预测NOx排放量的模型。结果表明,所建模型预测值与实测值具有一致性,从而为燃煤锅炉通过燃烧调整,以降低NOx排放和提高锅炉效率提供了有效手段。     

非线性偏最小二乘及可视化火焰检测系统的燃煤锅炉NOx排放特性的研究

为了研究燃煤电站锅炉NOx排放特性,利用可视化火焰检测系统对燃煤锅炉燃烧火焰和温度场进行了测试研究。通过测量,由双色测温法计算得到了炉内温度场,采用数字图像处理技术提取了火焰图像特征参数,进而借助非线性偏最小二乘法建立了由炉内燃烧温度场及火焰图像特征参数来预测NOx排放量的模型。结果表明,所建模型预测值与实测值具有一致性,从而为燃煤锅炉通过燃烧调整,以降低NOx排放和提高锅炉效率提供了有效手段。     

余热锅炉单相受热面动态建模与模型参数优化

作为余热利用环节中最重要的部分,余热锅炉的启动、变工况运行和停机特性直接决定锅炉的寿命及效率。基于工质热力学性质和质量、动量及能量守恒方程,以Matlab/Simulink为平台,构建了余热锅炉单相受热面的动态仿真模型。结合某水泥厂自主设计的直流余热锅炉实验数据,基于遗传算法和粒子群算法,对动态模型进行了参数优化。结果表明,经过优化后,余热锅炉动态模型与实验数据匹配程度高,模拟与实验结果的误差为0.93%~4.39%。因此,本文所建立的单相受热面变工况动态模型可以准确反映余热锅炉受热面动态特性。两种算法的对比表明,粒子群算法适应度函数收敛更优;在收敛迭代次数上,粒子群算法在54~64代达到收敛,遗传算法在93代后达到收敛。粒子群算法在参数优化方面优于遗传算法。     

基于最小二乘支持向量机的电站锅炉吸热面积灰监测研究

基于最小二乘支持向量机和粒子群算法,实现了对电站锅炉低温过热器灰污状态的在线监测。首先,定义清洁系数表征锅炉受热面的灰污状况,利用电站数据采集系统采集到机组实际运行数据,采用最小二乘支持向量机建立锅炉低温过热器系统的清洁吸热量模型;其次,选取机组正常运行工况下的数据,采用该模型预测出受热面的清洁吸热量;再次,根据热力学平衡计算出受热面的实际吸热量和清洁系数,从而实现了对锅炉受热面积灰状况的在线监测。以某电站300MW机组锅炉实际生产数据进行仿真验证,结果表明:所提方法能够对锅炉主要对流受热面的灰污状况进行有效的监测,模型预测精度较高、鲁棒性较强。     

动态模拟在甲醇精馏塔超压排放分析中的应用

针对某大型甲醇精馏装置预精馏塔系统,采用Dynsim软件模拟事故工况下预精馏塔系统的超压排放过程,得到排放流量—时间曲线。分析结果表明,最大排放工况为停电工况,最大排放量相比传统方法所得最大排放量降低约24%;最大排放量受塔釜再沸器热负荷影响显著。动态模拟为装置安全设计提供了合理的保证,为安全阀、自动控制联锁减排等超压保护系统设计优化提供了可靠的参考依据。