基于神经网络的大型燃煤电厂so2和nox的污染物预测模型 prediction model for pollutants so2 and nox from large-scale coal-fired power plant based on neural network.pdfVIP

基于神经网络的大型燃煤电厂 张砺彦1，麦永强2，张月辉3，黄群星4 1．浙江大学能源工程设计研究院，浙江杭州 310027 2．国电东胜热电厂，内蒙古东胜017000 3．浙江物化天宝能源环保有限公司，浙江杭州 310053 4．浙江大学能源清洁利用国家重点实验室，浙江杭州 310027 [摘 要] 针对现有接触式监测系统所存在的堵塞、磨损、维护费用高等缺点，应用人工神经网络 的非线性动力学特性和自我学习推导能力，建立了大型电站锅炉污染物(N(咒、SOz)排 放的神经网络预测模型。现场试验结果表明，该模型有较好的预测效果，NO=和S02 的平均栩婶误差分别为4．8813％和6．1365％。 燃煤电厂；锅炉；污染物排放；S02；NOx；神经网络；预测 [关键词] [中隔分类号]X5ll [文献标识码]A [文章编号]1002—3364(2008)10—0009—05 十分复杂，因此煤中有机硫的组成也很复杂。煤中有 火电厂燃煤锅炉是我国大气污染物SOz、NOx的 主要排放源之一，控制火电厂污染物排放的一个先决 机硫的主要组成形式包括硫醇类R—SH(R表示碳氢 条件是对污染物排放的准确监控。由于电站锅炉为大 基)、硫醚类R—S—R、含噻吩环的芳香体系、硫醌类 尺度测量对象，单点取样测量不仅存在测量不准确的 以及二硫化物R一卜卜R或硫葱类。无机硫主要以 问题，而且取样设备易堵塞、易磨损、维护费用高，故不 硫化物硫的形式存在，还有少量的硫酸盐硫。无机含 宜进行长期在线测量。为此，有必要开发价格低廉并 硫矿物质主要成分为黄铁矿(FeS2)，又称矿物硫，它在 易于实现长期在线运行的软测量方法。本文应用人工 煤中呈独立相弥散分布。锅炉燃烧中SOz排放的主 神经网络的非线性动力学特性和自我学习推导能力， 要影响因素为：(1)炉膛温度；(2)过量空气系数口；(3) 建立了电站锅炉污染物排放的神经网络预测模型，通 二次风风温；(4)一、二次风比值卢；(5)灰分中的金属 过对网络模型的训练和测试，使其实际应用时达到了 氧化物。 较好的在线监测效果。 1．2 NO。生成机理和影响因素 1 污染物生成机理和影响因素 空气中的N。是以三键氮形式存在，煤中的有机 氮则以碳氮三键和单键的形式存在。由于氮的键能不 扭 基础一究一 力 1．1 SO,的生成机理和影响因素 同，以及与氮进行反应的介质成分不同，NO