机理与数据驱动的电站锅炉SCR催化剂寿命预测模型研究

以660 MW电站锅炉SCR反应器三年历史数据为样本,结合2种异常值诊断、3种稳态诊断算法,得到高质量稳态样本。通过BP神经网络将不同时期的脱硝效率修正到同样烟气水平,以表征催化剂性能变化,并对比了机理驱动模型和数据驱动模型在催化剂寿命预测中的效果。结果表明:相较于R检验法,t检验法的稳态诊断效果较好;以10 d为步长建立脱硝效率修正模型精度较高,且能保证单个步长内活性变化不大;相较于ARIMA模型,机理模型预测精度较低,原因可能是电站SCR系统大尺度空间的分布特性及催化剂详细失活机制无法全面考虑。