基于大数据的总排口NOx浓度分析及预测

作者：张军; 陈鸥; 罗志刚; 杨建辉; 刘国栋

来源：洁净煤技术, 2020, S1: 200-205.

DOI：10.13226/j.issn.1006-6772.20091703

• 大数据
• 脱硝
• 总排口NOx浓度
• 精细化控制

截至2018年底,除部分地区外国内火电机组已基本完成超低排放改造。超低排放对火电机组喷氨总量控制提出了新要求,传统的控制方式由于控制精度不高、延迟较大等问题导致总排口NOx难以实现稳定达标排放,或为保持总排口NOx达标而过量喷氨,导致催化剂和空预器堵塞,影响装置的寿命和使用,提高了系统的运行成本。通过大数据分析方法,采用线性回归、浅层神经网络、决策树回归、极端随机树回归等4种模型,分析锅炉负荷、炉膛总风量、给煤量、一次风、二次风、燃尽风等对总排口NOx的影响。计算结果表明,极端随机树回归在训练集、验证集、交叉验证集上均表现出较好的预测效果。在分析的各测点中,炉膛总风量、氨气流量、入口烟气压力、入口烟气温度、入口NOx浓度、锅炉负荷、各燃烧器一次风速、各磨煤机给煤量等对总排口NOx浓度的影响较大;超低排放控制需对总排口NOx浓度进行精准控制时,需重点考虑这些测点。入口O2浓度、省煤器出口含氧量、锅炉左右侧二次风量、前后墙燃尽风量等测点对总排口NOx浓度的影响较小,在建立预测模型时可忽略。选取影响最重要70余个测点,对总排口NOx进行预测,并与实际测量数据进行对比,分析各算法的预测精度及特点。对比结果表明,极端随机树分析模型预测的总排口NOx值与实际测量值吻合度较高,可得到较好的预测效果。

• 单位
  北京国电龙源环保工程有限公司