基于现场数据的NOx浓度预测

作者：罗玉康; 朱曙光; 巨克珺

来源：能源研究与利用, 2020, (06): 25-33.

DOI：10.16404/j.cnki.issn1001-5523.2020.06.002

• 选择性催化还原法
• 预测模型
• 神经网络

选择性催化还原法(Selective Catalytic Reduction,简称SCR)目前在国内已得到广泛应用。该法喷氨量的控制多采用PID控制器,存在着滞后性大和控制品质不佳的问题。文中选用安徽某电厂600 MW燃煤机组的SCR反应系统所采集数据,以SCR系统相关参数为输入,SCR入口NOX浓度和出口NOx浓度为输出,采用BP神经网络构建SCR脱硝系统预测模型,并利用经过数据预处理的现场实测数据进行训练和测试。实验结果表明:建立的该模型精度高,预测结果可靠,能够准确反映出SCR脱硝系统的入口和出口NOx浓度变化。

• 单位
  南京理工大学