基于数据驱动660 MW循环流化床锅炉多目标燃烧优化

为降低某电厂循环流化床锅炉污染物排放,同时提高锅炉燃烧运行经济性,本文采用数据驱动技术实现循环流化床锅炉多目标燃烧优化。基于改进粒子群优化长短期记忆神经网络建立循环流化床锅炉NO_(x)/SO_(2)排放数学模型和锅炉排烟温度数学模型,以相对误差为预测性评估指标以确定最佳网络参数;其次,基于改进粒子群优化长短期记忆神经网络(IPSO-LSTM)、长短期记忆神经网络(LSTM)、广义回归神经网络(GRNN)和反向传播神经网络(BPNN)分别构建NO_(x)/SO_(2)排放数学模型和锅炉排烟温度数学模型,通过比较预测性评估指标,证明本文构建预测模型有效性;最后,基于非支配排序遗传算法(NSGA-Ⅱ)获取不同运行工况下循环流化床锅炉燃烧优化调整方案,以降低NO_(x)/SO_(2)排放浓度,同时维持排烟温度稳定性。结果表明:相比优化前,优化后NO_(x)排放浓度平均降低了10.58%,SO_(2)排放浓度平均降低了25.81%,最大降低了650 mg/m^(3),且排烟温度平均降低0.14%。

CF_(3)SO_(2)F及其混合气体电弧等离子体粒子组分与物性参数计算

CF_(3)SO_(2)F是一种有望替代SF_(6)的新型环保绝缘气体,计算CF_(3)SO_(2)F及其混合气体在不同温度下的粒子组成和物性参数对进一步研究其绝缘性质和灭弧能力有重要意义。该文首先深入研究CF_(3)SO_(2)F及其混合气体电弧等离子体粒子组分,并基于吉布斯自由能最小化方法计算得到等离子体在300~30000 K温度范围内的平衡组分;其次根据标准统计热力学关系和Chapman-Enskog方法,在不同气体压力和混合比例下,计算得到等离子体各项热力学参数和输运参数随温度的变化规律;然后探讨了不同缓冲气体对CF_(3)SO_(2)F混合体系的影响,并比较了CF_(3)SO_(2)F与其他常见绝缘气体SF_(6)和C_(4)F_(7)N的相关性质;最后综合分析了CF_(3)SO_(2)F气体的热电弧开断能力。结果表明,在较高的气压下,CF_(3)SO_(2)F气体的分解和电离反应可以被有效抑制;此外,比定压热容分析表明该气体在混合气体中的比例越高,低温区的分解反应越剧烈,高温区的电离反应越平缓;气体种类也会显著影响等离子体的输运特性,不同体系中电导率大小和热导率峰位置等存在较大差异;根据质量密度和比定压热容的乘积(ρc_(p))指标还可以推断CF_(3)SO_(2)F具有较常见绝缘气体C_(4)F_(7)N更强的热电弧开断能力,尽管引入缓冲气体会降低其开断能力,但引入CO_(2)对灭弧性能的负面影响更小。

钙级颗粒移动床脱硫工艺在焦炉烟气处理中的应用实践

从钙级颗粒移动床焦炉烟气脱硫技术工艺的选择、塔体的设计、焦炉烟气处理的实际应用等方面的问题出发,首先对焦炉烟气在干法脱硫塔体的走向进行合理设计;然后创新的提出增加隔热挡墙,为干法脱硫塔仓室创造条件;最后从脱硫剂的选择、脱硫剂上下料的自动化、二氧化硫不合格的解决方法、粉尘颗粒物不合格的解决方法等方面解决实际运行中存在的问题。对焦炉烟气脱硫工艺的选择,现有钙级脱硫装置的稳定运行、经济运行方面具有一定的借鉴和指导意义。

铜厂熔炼区污染源特征及环境参数分布特性

针对夏季正常生产的某典型铜厂熔炼工艺过程展开相关试验和实测研究。结果表明,污染源产生的颗粒微观结构不规则,其Rosin-Rammler粒径分布函数的均匀度指数为0.624,特征尺寸为104μm。该结果为熔炼工艺进行通风除尘数值模拟分析提供参考依据。出铜口处小于10μm的颗粒浓度均值约是排渣口处的40倍,并测得颗粒物上铜、砷元素占总元素质量比分别为11.03%和21.33%,故为保证出铜口处岗位环境中作业人员的健康,亟须提升出铜口处现有通风除尘系统的性能。熔炼区环境中SO_(2)主要来源于出铜工艺过程,出铜过程中SO_(2)短时间加权平均接触质量浓度为23.27 mg/m^(3),达到职业卫生标准中SO_(2)短时间接触容许质量浓度的2.33倍。结果可为通风系统高效设计、除尘设备合理选择、职业卫生标准工作场所有害因素职业接触限值的修订提供原始参考数据。

焦炉煤气精脱硫工艺分析及设计优化

为实现多个使用混合煤气的轧钢加热炉超低排放,通过烟气的含硫量分析,以及反算煤气含硫量,确定了首先应当实施焦炉煤气精脱硫改造。在分析和吸取煤化工行业水解法脱硫技术的基础上,宝钢结合自身特点,对原料气净化、反吹气选用、再生气去向、水解的分段,进行了适应性优化,并充分考虑了与煤气柜和管网的合理连接。项目实施后,煤气总硫脱除率在90%以上,烟气SO_(2)排放量减少50%以上,初步达到预期效果。

气化细渣和煤掺烧氮氧化物和二氧化硫排放特性研究

气化细渣热值低、水分高,难以独立稳定燃烧,因此通常将其和热值较高的燃料进行掺混实现燃烧利用。为研究气化细渣和煤掺烧过程中NO_(x)和SO_(2)的排放特性,利用管式炉燃烧污染物测试系统,在空气气氛下,使用不同比例的气化细渣和烟煤进行掺烧实验,对燃烧污染物的释放量进行实时监测,并计算燃烧污染物的释放总量。通过实验发现:温度是影响NO_(x)、SO_(2)排放量的重要因素,在高温工况下,NO、SO_(2)的释放量显著提高,NO_(2)、N_(2)O的释放量显著降低。燃料中挥发分的含量与NO_(2)、N_(2)O的释放量有着密切关系,煤中挥发分含量较高,NO_(2)、N_(2)O的释放量也相对较高。整体NO_(2)、N_(2)O的释放量远小于NO的释放量,NO_(x)排放以NO为主。随气化细渣掺烧比例增大,NO、SO_(2)释放量降低。因此,通过与煤掺烧可以实现气化细渣的稳定低污染燃烧。

大庆市6种绿化树种对SO_(2)、NO_(2)的消减及滞尘效应

城市森林在吸收、滞留大气污染物,改善城市生态环境方面具有重要意义。以大庆市6种常见绿化树种为研究对象,采用水洗-滤膜法和熏气试验探究不同树种对总悬浮颗粒物(TSP)、大颗粒物(PM_(>10))、粗颗粒物(PM_(3—10))和细颗粒物(PM_(1—3))的滞留规律以及对大气中SO_(2)、NO_(2)的消减效果。研究结果表明:(1)不同树种的滞尘能力差异显著(P<0.05),对TSP的滞留量从大到小依次为:油松(3.82±0.40)g/m^(2)>红瑞木(1.45±0.12)g/m^(2)>紫丁香(1.22±0.17)g/m^(2)>梣叶槭(1.21±0.13)g/m^(2)>大叶杨(0.93±0.17)g/m^(2)>旱柳(0.54±0.14)g/m^(2);(2)树种间对不同颗粒物的滞留量具有显著差异(P<0.05),供试树种对不同粒径颗粒物滞留的质量占比表现为,PM_(>10)(62.33%—83.68%)、PM_(3—10)(10.82%—21.41%)、PM_(1—3)(4.05%—18.30%);(3)红瑞木、紫丁香和梣叶槭的滞尘量与对大气SO_(2)、NO_(2)的吸收量具有显著正相关关系;(4)红瑞木、紫丁香和大叶杨的综合滞尘能力以及大气NO_(2)、SO_(2)的消减能力较强。因此,红瑞木、紫丁香和大叶杨可优先考虑用于城市绿化,在园林植物的规划中当以乔木类的树种为主,配以灌木类和草本类植物,充分利用立体空间,达到滞尘效应的最大化,与此同时还应适当引种或培育适于北方生长的常绿树种,以加强对冬季大气颗粒物的滞留效果。

基于特征选择的IPSO-GRU脱硫系统出口SO_(2)浓度预测模型

针对燃煤电厂在吹扫等过程中脱硫系统出口SO_(2)浓度的不能及时检测的问题,提出了一种基于特征选择的改进粒子群优化算法优化门控循环单元神经网络(IPSO-GRU)的脱硫系统出口SO_(2)浓度预测模型。通过最大相关最小冗余(minimum Redundancy and Maximum Relevance,mRMR)算法对采集的目标数据进行预处理,挑选出合适的变量,随后将选定的变量作为IPSO-GRU预测模型的输入。针对门控循环单元(Gated Recurrent Unit,GRU)模型关键超参数难以确定的问题,使用改进粒子群(Improved Particle Swarm Optimization,IPSO)算法对模型参数进行训练,以降低GRU的训练成本。最终实现对脱硫系统出口二氧化硫浓度的预测。实验结果表明,所提模型与传统循环神经网络相比预测精度更高,在工程实际中更具应用价值。

北京市能见度下降与颗粒物污染的关系

为了解北京市能见度下降的主要原因 ,在 1999— 2 0 0 0年对各种污染物的消光系数和不同粒径大小颗粒物的质量浓度进行了观测 .发现颗粒物的散射消光作用在北京市能见度下降中占有主要地位 ,其中与细粒子的关系更为密切 .在不同季节运用不同的回归方程 。

夏季持续高温天气对北京市大气细粒子(PM_(2.5))的影响

在 1 999 0 6 2 3北京市出现长达 1 3d的持续高温期间对细粒子 (PM2 5)质量浓度进行了观测 .数据表明 ,持续高温期间细粒子质量浓度比非高温期间要高出 2～ 3倍 .但是通过对持续高温期间的气象数据进行分析 ,发现还是很利于污染物扩散 .进一步分析同步监测的O3浓度、颗粒物中SO2 - 4的粒径范围及其含量等数据 。

陶瓷微滤膜回收钛白粉水洗液中TiO_2颗粒中试与现场考核

对陶瓷微滤膜回收钛白粉水洗液中二氧化钛粒子进行了中试实验和现场考核 ,考察了错流速度、浓度对渗透通量的影响及湍流促进器对微滤过程的强化效果 ;建立了日处理 15 0t废水的陶瓷膜回收钛白粉成套装置 ,并对该装置进行了现场运行性能考察和经济核算。实验结果表明 ,采用陶瓷膜微滤技术回收钛白粉水洗液中二氧化钛粒子不仅在技术上是可行的 ,在经济上也是合理的。

2,4-二硝基苯肼衍生-高效液相色谱测定大气细粒子中二羰基类化合物

以2,4-二硝基苯肼作为衍生化试剂,采用高效液相色谱法定量检测了大气细粒子(PM2.5)中二羰基类化合物。以乙二醛和甲基乙二醛为目标化合物,对二羰基类化合物采样条件(采集时间,流速等)、样品处理及分析条件进行了优化。研究表明,利用3mL衍生化溶液(含0.25mmol/LHCl和30μL饱和DNPH-乙腈溶液)和3mL乙腈可有效提取滤膜上的二羰基类化合物;本方法在滤膜采样12h内的采样及洗脱效果较好。利用此方法对上海市宝山区上海大学和崇明东平国家森林公园大气细粒子(PM2.5)中二羰基化合物进行了检测。

HNS-Ⅳ的制备及粒径、形貌控制

采用溶剂-非溶剂重结晶方法制备了超细六硝基茋(HNS-Ⅳ),研究了溶解溶剂、非溶剂、洗涤溶剂及干燥方式对HNS-Ⅳ粒径及形貌的影响。采用扫描电镜和激光粒度对HNS-Ⅳ晶体的形貌、粒径进行了分析。结果表明,较适宜的溶剂为N,N-二甲基甲酰胺(DMF)溶解溶剂,H2O非溶剂,CH3OH洗涤溶剂;较适宜的干燥方式为室温下真空干燥48 h。通过控制温度、溶剂用量、非溶剂用量、表面活性剂用量、干燥方式,可调节产品粒径,得到粒径为0.5～1.0μm,晶貌较好的HNS-Ⅳ粉末。

利用超临界CO_2制备α-细辛醚及布洛芬微细颗粒

用超临界CO2 法制备了药物α 细辛醚和布洛芬的微细颗粒 ,考察了膨胀压力、膨胀前温度、沉析室温度、喷嘴直径等因素对颗粒平均直径的影响 .对制备的微粒分别用XRD 。

无皂乳液制备小微球集合型P(AMPS-MMA)微球

用2-丙烯酰胺基-2-甲基丙磺酸(AMPS)作为功能单体与甲基丙烯酸甲酯(MMA)进行无皂乳液共聚合,得到了小微球集合型P(AMPS-MMA)微球。用红外光谱(FT-IR)、热性能分析(TG-DSC)和扫描电镜(SEM)等技术对样品进行表征,并采用表面张力法测得AMPS的临界胶束浓度(CMC)为0.072mol/L;通过探讨AMPS用量对反应体系的影响研究了聚合反应机理。结果表明,微球的Tg为170℃左右,平均粒径大约在20μm,呈单分散性,每个微球都由很小的微球集合而成,小微球的粒径大约在0.1μm。

超细粒子对环氧树脂的增韧改性研究

用NW-2辛酯偶联剂改性过的复合氧化锌(ZnO)超细粒子对环氧树脂进行增韧,借助于SEM和力学性能测试手段研究了ZnO粒子的形貌以及NW-2辛酯偶联剂改性复合ZnO粒子在环氧树脂体系中的增韧情况及其机理。结果表明:经过NW-2辛酯偶联剂改性的复合超细ZnO粒子对环氧树脂具备良好的增韧效果。

基于互信息PSO-LSTM的SO_(2)浓度预测

针对电厂燃煤机组的SO_(2)污染物排放问题,提出一种基于互信息(MI)和粒子群优化算法(PSO_(2))的长短期记忆网络(LSTM)预测模型。利用MI筛选出与SO_(2)入口浓度相关性较高的辅助变量,以实现辅助变量的降维。其次,通过PSO_(2)确定LSTM的最优参数组合,降低LSTM训练成本。最终,将选定的辅助变量作为PSO_(2)-LSTM的输入,实现对主导变量SO_(2)浓度的预测。选取火电厂现场DCS数据作为测试数据,以检验模型在真实状况下的应用表现。实验结果显示,所建模型的均方根误差为1.114 3、平均相对误差为0.028 3,表明其预测精度远高于传统预测模型。

汞荧光检测的塞曼效应干扰排除机制研究

本实验利用塞曼效应结合原子荧光光谱法来对有干扰气体以及背景微粒影响下的汞浓度校正进行探究。基于理论计算的方法得到了SO_(2)在垂直于磁场方向与平行于磁场方向上的塞曼能比值为1.96。实验研究了在不通气体的情况下背景微粒散射的背景值,同时利用不同偏振方向上测得的总荧光与浓度校正后的单独汞的荧光之差得到了SO_(2)的荧光值,并且其实验比值与理论计算一致。最后利用塞曼效应原子荧光光谱法对有干扰物质影响下的汞浓度进行精确地校正,且校正结果与单独通入汞的荧光线性曲线具有高度的重合性,说明利用该方法能够实现对汞浓度的精确校正。

基于PSO-Lasso算法的电站湿法脱硫出口SO_(2)浓度预测

为了能够简便地研究机组运行中的过程参数与脱硫效率的关系,提出了一种基于套索(Lasso,Least absolute shrinkage and selection operator)算法的预测方法。结合脱硫系统现场的实际数据,通过相关性分析筛选影响脱硫出口的主要因素。相比于传统的回归算法,创新性的使用粒子群算法(PSO)确定提取出的主要参数的函数形式,最后使用Lasso算法确定最终的预测模型,该模型在简化运算复杂度的同时保证了预测精度。训练数据的选取使用正交化法则,保证训练数据的丰富性与有效性。测试结果表明,模型预测误差为2.23 mg/m^(3),能够反映在工况变化下脱硫出口浓度的对应关系也有助于脱硫系统的优化控制,具有一定的研究与应用价值。

基于改进粒子群优化长短时记忆神经网络的脱硫系统SO_(2)预测模型

针对燃煤电厂脱硫系统出口SO_(2)质量浓度难以稳定控制的问题,提出了一种基于改进粒子群算法(IPSO)优化长短时记忆(LSTM)神经网络的IPSO-LSTM预测模型。首先利用主成分分析(PCA)计算各个变量的贡献率从而筛选出模型的辅助变量,实现辅助变量的降维。其次,利用改进粒子群算法确定LSTM神经网络的神经元数量、学习率和迭代次数。最后,将选定的辅助变量作为IPSO-LSTM预测模型的输入,预测出口SO_(2)质量浓度,采用国内某电厂2×600 MW机组脱硫数据进行仿真,并与相关11种模型进行对比。仿真结果表明,本文模型预测误差最小,其均方根误差为0.98 mg/m^(3),平均相对误差为1.81%;与传统LSTM、LSSVM模型相比,预测精度分别可提高72%和81%;与其他相关模型相比,改进的PSO可以提高PSO的全局寻优能力和收敛速度,当LSTM神经网络具有2层隐含层时,IPSO-LSTM模型预测精确度最高。