催化剂工艺特性预测.PDF

第48 卷 第11 期 热 力 发 电 Vol.48 No. 11 2019 年 11 月 THERMAL POWER GENERATION Nov. 2019 基于PCA-LMBP 神经网络模型的SCR 脱硝 催化剂工艺特性预测 林正根，姚 杰，庄 柯，金定强，吴碧君 （国电环境保护研究院有限公司，江苏 南京 210031 ） ［摘 要］为了利用烟气脱硝催化剂几何及理化特性实现对催化剂固定工况下脱硝效率和活性的预 测，本文分析了选择性催化还原（SCR）脱硝催化剂工艺特性与几何及理化特性之间的关 联特征，利用相关系数矩阵分析、主成分分析（PCA ）简化输入参数，提出改进的神经网 络预测模型。通过大量样本数据的训练，建立了催化剂脱硝效率和活性的 PCA-LMBP 神 经网络预测模型，利用该模型对实际测量数据进行模拟预测。模型预测结果与实际值对比 表明，所建立的 PCA-LMBP 神经网络预测模型具有较高的准确性，对于烟气脱硝催化剂 性能检测、质量监控及相关的技术服务有指导意义。 ［关 键 词］SCR 烟气脱硝；催化剂；主成分分析；LMBP 神经网络；脱硝效率；工艺特性；活性 ［中图分类号］X51 1 ［文献标识码］A ［DOI 编号］10.19666/j.rlfd.201904091 ［引用本文格式］林正根, 姚杰, 庄柯, 等. 基于 PCA-LMBP 神经网络模型的 SCR 脱硝催化剂工艺特性预测[J]. 热力发电, 2019, 48(11): 108-114. LIN Zhenggen, YAO Jie, ZHUANG Ke, et al. Process characteristics forecasting for SCR denitration catalyst based on PCA-LMBP neural network model[J]. Thermal Power Generation, 2019, 48(11): 108-114. Process characteristics forecasting for SCR denitration catalyst based on PCA-LMBP neural network model LIN Zhenggen, YAO Jie, ZHUANG Ke, JIN Dingqiang, WU Bijun (Guodian Environmental Protection Research Institute Co., Ltd., Nanjing 210031, China) Abstract: To realize prediction of denitration efficiency and activity of the catalyst under stationary test condition by using geometric and physicochemical characteristics of the flue gas denitration catalyst, the correlation between the process characteristics and geometric and physical/chemical properties of selective catalytic reduction (SCR) denitrification catalyst was analyzed. The correlation coefficient matrix analysis and principal component analysis (PCA) we