重型柴油车实际道路氮氧化物和碳排放研究

通过对20辆国五及国六重型柴油车排放远程监控数据分析,分别使用3B-MAW方法、总行程平均法以及功基窗口法对数据进行分析,获取了重型柴油车在实际道路上的NO_(x)和CO_(2)排放特征.数据分析结果表明国六重型柴油车实际道路NO_(x)排放显著低于国五重型柴油车,且二者在中/高负荷工况下的NO_(x)排放相比低负荷时亦有明显降低.但国六重型柴油车的CO_(2)排放却比国五重型柴油车高出10%左右,应引起广泛重视.按窗口功率比大小进行NO_(x)排放分析的3B-MAW方法,既能考虑到重型柴油车道路排放特点,又能兼顾SCR催化剂对NO_(x)排放控制的技术特点,适合用于进行重型柴油车排放远程监控数据评价分析.

催化裂化再生烟气氮氧化物排放的节能减排分析与应对措施

面对全球气候变化和环境保护的双重压力,降低工业生产过程氮氧化物(NO_(x))排放成为节能减排的重要环节。通过对贵州省某炼油企业催化裂化再生烟气NO_(x)大量数据的对比研究,发现再生烟气中NO_(x)浓度升高主要因素为烧焦罐导流锥损坏及掺渣率上升。基于节能减排视角,维持一氧化碳含量(CO)、优化原料使用、引入脱硝助剂以及应用脱硝技术等减少NO_(x)排放应对措施。结果表明,再生烟气中NO_(x)量下将20%左右,达到环保排放标准,且应对措施能实现NO_(x)排放的有效控制,节能减排效果理想。

等离子点火锅炉氮氧化物排放的数值模拟研究

等离子点火技术成功地应用于各类燃煤锅炉中,大大提高了点火成功率及运行经济性,而氮氧化物排放是锅炉运行中面临的重要问题,开展等离子点火锅炉内氮氧化物排放特征的研究十分有意义。采用数值模拟方法,研究了不同等离子点火功率下锅炉燃烧特征,获得锅炉内流场及温度分布。通过分别采用三种氮氧化物生成机理,获得不同点火功率下三种类型氮氧化物的贡献比例和变化趋势。等离子点火功率的升高对炉膛内流场影响较小,但会明显提高炉膛内的平均温度,扩大高温区范围。随着等离子点火功率的升高,燃料型氮氧化物生成量降低,热力型氮氧化物生成量升高,氮氧化物的总生成量降低。

国六非城市在用柴油车实际运行工况与氮氧化物排放特征研究

非城市柴油车在柴油车市场中占据了较大的份额,开展国六非城市在用柴油车实际运行工况与氮氧化物(NO_(x))排放特征分析,对于下一阶段实际道路排放测试方法的升级以及降低NO_(x)排放具有重要意义。利用在用柴油车远程监控数据,系统研究了国六N_(2)和N_(3)类非城市在用柴油车实际运行工况与NO_(x)排放特征,并与便携式排放测试系统(PEMS)测试结果进行对比。结果表明,在市区和市郊工况下,国六非城市在用柴油车实际运行时间占比和NO_(x)排放贡献率均低于PEMS测试,而在高速工况下的实际运行时间占比和NO_(x)排放贡献率均高于PEMS测试。建议在后续标准的修订中,应进一步优化PEMS测试中非城市车辆的行驶工况构成比例,以便更真实地反映其实际NO_(x)排放水平。此外,国六非城市柴油车NO_(x)比排放随车速和发动机负荷的提高呈下降趋势。高速工况下,N_(2)和N_(3)类非城市在用柴油车的NO_(x)比排放较于市区工况分别降低了72.1%和64.7%。值得注意的是,约13%的N_(2)类非城市在用柴油车在市区工况下表现出选择性催化还原(SCR)入口排气温度较低,导致SCR装置处于低转化效率状态。因此,应提高SCR装置低温转化效率,以降低市区行驶工况下的NO_(x)实际排放量。

高纯竖窑氮氧化物排放超标原因分析

某高纯竖窑更换脱硝催化剂3个月后出现氮氧化物排放超标的问题,为此进行了取样分析和现场测试分析,结果表明:新更换的脱硝催化剂在高纯竖窑烟气条件下运行良好,并未因中毒而快速失活。NOx超标的直接原因是GGH换热器因硫酸氢铵的缓慢沉积而逐渐腐蚀并出现穿孔,最终导致脱硝前烟气泄漏到脱硝后烟气中。“布袋除尘+GGH壳程换热升温+热风炉升温+中温SCR脱硝+GGH换热管程降温”的脱硝工艺整体上符合高纯竖窑的烟气污染物排放特点,催化剂的化学寿命可达到3年左右。

混合策略在水泥窑炉煅烧NO_(x)浓度预测中的应用

NO_(x)体积分数是反映水泥窑炉煅烧过程中氮排放的一个关键环保指标。水泥煅烧过程具有大噪声、大时滞和非线性等复杂特性。为了解决以上难点,提出基于互补集合经验模态分解(Complemementary Ensemble Empirical Mode Decomposition,CEEMD)、熵原理的互信息(Mutual Information,MI)、最大相关最小冗余算法(Max-Relevance and Min-Redundancy,mRMR)和天牛须搜索算法(Beetle Antennae Search,BAS)优化神经网络(Back Propagation Neural Network,BPNN)的混合策略,并用于NO_(x)体积分数预测。首先,CEEMD和中值平均滤波用于处理大噪声。同时,利用熵原理的MI和mRMR进行时滞分析和变量选择,解决大时滞问题。其次,利用BAS提高多层前馈(Back Propagation,BP)神经网络的预测能力,并解决非线性工况问题。最后,将该策略进行工业应用。结果显示,在25900个工业测试样本中,两组的均方根误差(Root Mean Squared Error,RMSE)和平均绝对误差(Mean Absolute Error,MAE)分别仅为0.3024、0.2059和0.2153、0.2013。预测模型结果可指导水泥脱硝操作人员精准喷氨,减少NO_(x)排放并降低氨水用量和氨逃逸情况。

330 MW旋流对冲锅炉低负荷运行的低NO_(x)燃烧优化

以某热电厂一台330 MW旋流对冲燃煤锅炉为研究对象,通过数值模拟分析了锅炉在150 MW低负荷运行、不同配风比下炉内的流动、传热及NO_(x)排放情况。结果表明,当二次风配比和燃尽风率增大时,NO_(x)的生成趋势并不呈线性变化,而是存在一个最低点,可得到一个NO_(x)排放值最低的最佳配风方式。为了验证该最佳工况的优化效果及实际运行的可行性,又将数值研究中的3个典型工况进行了现场实验。实验结果表明:与原运行工况相比,采用最佳配风方式的实际炉膛出口NO_(x)浓度下降20%,锅炉效率提高0.41%。该配风优化方案经济可行,为同类型工程问题提供了优化思路。

基于AMESim的柴油机SCR系统NO_(X)转化率仿真与验证

为研究车用柴油机SCR系统催化转化效率的影响因素,利用AMESim软件建立SCR系统仿真模型,结合台架试验,分析了排气温度、NO_(2)/NO_(X)值以及排气流量对系统NO_(X)转化率的影响。将不同温度下SCR系统仿真输出的NO_(X)转化率数据进行了实验验证,结果表明模型预测误差小于5%。仿真结果显示:SCR系统的NO_(X)转化率会随排气温度升高而明显增大,370~450℃为系统性能的最佳温度区间,NO_(X)转化率最大值均在88%以上。NO_(X)转化率随着NO_(2)/NO_(X)值的提高而增加,且当NO_(2)/NO_(X)值为55%~60%时达到峰值。当排气温度处于400~450℃之间时,NO_(X)转化率受排气流量影响较小,转化率稳定在90%左右。确定了SCR系统在发动机不同工况条件下的工作性能,为后续的尿素喷射控制研究提供指导依据。

La_(1-x)Ce_(x)MnO_(3)-Ba/Al_(2)O_(3)催化剂对NO选择性生成NH_(3)的影响

为了实现碳中和目标,降低内燃机碳排放,稀薄燃烧技术成为了当前重要的研究方向.该技术不仅能提高发动机燃油热效率,还能有效降低CO_(2)排放.但是稀薄燃烧往往会伴随着大量氮氧化物的产生,为了解决该问题,采用LNT-SCR耦合的NO_(x)净化技术,此时LNT的作用是将排气中部分NO_(x)转化为NH_(3),为下游的SCR提供还原剂.基于此,制备了LNT催化剂,研究催化剂对NO选择性生成NH_(3)的影响.采用溶胶-凝胶法制备了La_(1-x)Ce_(x)MnO_(3)系列钙钛矿氧化物,并通过分步浸渍法得到了La_(1-x)Ce_(x)MnO_(3)-Ba/Al_(2)O_(3)负载型催化剂.利用XRD、H_(2)-TPR、NO-TPD等表征手段研究了钙钛矿氧化物的晶相结构,以及负载型催化剂的还原特性、NO_(x)吸附-脱附性能等物化性质,并且通过H_(2)选择性催化还原NO实验探究了催化剂掺杂Ce对NO转化成NH_(3)的影响.结果表明,Ce掺杂催化剂具有良好的NH_(3)产物选择性,并且显著提高了NO转化率.温度是NO转化和NH_(3)产物选择性生成的决定性因素,而H_(2)和NO体积比是NO转化和NH_(3)产物选择性生成的关键性因素.其中,La_(0.95)Ce_(0.05)MnO_(3)-Ba/Al_(2)O_(3)在低温下催化活性表现最佳,在350℃、H_(2)和NO体积比为5.0时NH_(3)产物选择性为65%,NO转化率为100%.此外,所制备的La_(1-x)Ce_(x)MnO_(3)都形成了钙钛矿型结构,而且Ce掺杂催化剂的大部分Ce离子可以进入到LaMnO_(3)结构中.在催化剂适量掺杂Ce后,H_(2)消耗总面积增大、还原峰的峰值温度降低,表明掺杂Ce改善了催化剂的还原特性;同时NO吸附和脱附面积增大,表明Ce掺杂改变了催化剂的NO_(x)吸附-脱附性能.

基于组合时域特征提取和Stacking集成学习的燃煤锅炉NO_(x)排放浓度预测

为提高火电厂锅炉出口NO_(x)排放浓度的预测精度,提出一种考虑组合时域特征的Stacking集成学习模型。首先,为挖掘数据深层信息,采用时序分析、完全自适应噪声集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise analysis,CEEMDAN)和统计学计算数据标准差、偏度等特征的方法进行组合时域特征提取以构建重构数据;其次,考虑到重构数据中存在的冗余变量对模型的精度有所影响,利用遗传算法(genetic algorithm,GA)对重构数据进行特征降维;最后,为充分发挥各个模型的优势以提高模型的预测精度,构建以极限学习机(extreme learning machines,ELM)、深度神经网络(deep neural networks,DNN)、多层感知器(multilayer perceptron,MLP)、极限梯度提升算法(extreme gradient boosting,XGBoost)为基模型和以回声状态网络(echo state network,ESN)为元模型的Stacking集成学习NOx排放浓度预测模型。实验结果表明:该预测模型在不同数据集下都有着不错的预测效果,预测误差均小于2%,能够对锅炉NOx排放浓度实现精准预测。

基于蜣螂优化-集成加权融合的NO_(x)浓度动态预测

针对SCR入口NO_(x)浓度单一预测模型无法满足在不同工况下保持预测精度的问题,提出了一种基于蜣螂优化(dung beetle optimizer,DBO)集成模型加权融合的预测SCR入口NO_(x)浓度的动态模型。首先使用CatBoost与LightGBM的混合模型在筛选辅助变量的同时,求取辅助变量的迟延时间和阶次信息,并根据以上信息确定预测模型的输入变量;然后建立由LightGBM,XGBoost与CatBoost组成的集成模型,并使用蜣螂优化算法对预测结果进行加权融合;最后将DBO-集成加权融合动态预测模型与3种单模型和蜣螂算法优化2种模型加权融合的预测模型进行对比。结果证明DBO综合加权融合动态预测模型的评价指标优于其他模型,具有更高的预测精度、实时性和适应性,能够更好地满足不同工况下的NO_(x)浓度预测要求。

基于LSTM-SAFCN模型的生物质锅炉NO_(x)排放浓度预测

针对生物质锅炉燃烧过程的动态特性,提出一种改进的长短期记忆-自注意力机制全卷积神经网络(LSTM-SAFCN)模型用于预测NO_(x)排放浓度。首先利用完全自适应噪声集合经验模态分解法(CEEMDAN)对数据进行预处理,消除数据噪声对NO_(x)排放浓度预测的影响;其次融合自注意力机制与长短时记忆-全卷积神经网络(LSTM-FCN)进行特征提取与预测建模,该拓展方法能够同时兼顾时间序列数据的局部细节与长期趋势特征;最后,利用生物质热电联产系统的实际运行数据验证了所提算法的有效性。

基于改进蜣螂优化算法的电站NO_(x)排放预测

锅炉燃烧优化在电厂锅炉经济稳定运行中起着重要作用,NO_(x)排放预测是其中的一个基本环节,因此提出了一种基于改进蜣螂优化算法优化卷积神经网络(convolutional neural network,CNN)与双向长短期记忆神经网络(long short term memory,LSTM)的组合模型超参数的超超临界锅炉NO_(x)排放预测的方法。首先通过Pearson相关性判定与NO_(x)排放相关的特征参数;其次建立CNN-LSTM预测模型,利用卷积神经网络CNN提取分层数据结构,长短期记忆网络挖掘长期依赖关系,然后结合佳点集、t分布变异策略对蜣螂算法进行改进,用改进后的算法对LSTM超参数进行优化得到最终预测模型;最后与其他神经网络模型进行对比验证。以某660 MW机组锅炉深度调峰实际数据进行预测,结果得到NO_(x)排放浓度实际值与预测值的平均绝对误差为3.3516,平均相对误差为2.4667,数据结果表明该预测模型具有更准确的预测效果。

Cu离子分子筛催化材料在去除NO_(x)方面应用的研究进展

控制大气中氮氧化物的排放对环境和人体健康有着至关重要的作用,应用于NO_(x)去除的技术有很多,其中选择性催化还原(NH3-SCR)技术是去除NO_(x)极有效的技术之一,利用CO去除NO_(x)为烟气脱硝(CO-SCR)提供了一种简单且低成本的技术,直接催化分解NO_(x)被认为是去除NO_(x)最理想、最环保的技术。Cu离子分子筛作为去除NO_(x)的高效催化剂,具有宽温度窗口和良好的水热稳定性。本文综述了Cu交换分子筛在去除NO领域的研究进展,讨论了Cu离子分子筛在NH3-SCR、CO-SCR以及直接催化分解NO中的应用,着重总结了Cu离子参与去除NO的反应机理,归纳了分子筛中Cu活性位点对脱硝性能的影响,还讨论了铜离子分子筛的抗H_(2)O和SO_(2)中毒性能,展望了Cu离子分子筛未来可能的发展方向。

我国重点行业氮氧化物管控现状及减排策略

氮氧化物(NO_(x))减排对于我国细颗粒物(PM_(2.5))与臭氧(O3)复合污染的协同控制至关重要.本文对我国重点行业NO_(x)管控现状和减排策略进行了综述与展望.研究表明,我国NO_(x)排放主要来源于工业炉窑和柴油机尾气,其中工业烟气NO_(x)排放主要来源于钢铁、建材和有色等行业;柴油机NO_(x)排放主要来源于柴油车、非道路移动机械与船舶.NO_(x)减排策略主要包括技术措施和政策措施,其中技术措施主要包括清洁燃烧,如低氮燃烧、废气再循环、清洁燃料替代等,以及后处理净化技术,如选择性催化还原技术、选择性非催化还原、臭氧氧化吸收等;政策措施主要包括提升NO_(x)排放标准,加强排放智能监测监管,布局新能源相关技术等.研究显示:现阶段,机动车和非电行业的NO_(x)减排仍有较大空间;未来,在“碳达峰碳中和”背景下,通过发展大气污染物和温室气体的协同控制技术,将进一步深度减排NO_(x),实现PM_(2.5)与O3的协同控制.

超临界660 MW循环流化床锅炉NO_(x)排放控制困难分析及处理

为解决某电厂超临界660 MW循环流化床(circulating fluidized bed,CFB)锅炉满负荷运行NO_(x)排放较难控制、瞬时值易超过超低排放限值且选择性非催化还原(selective non-catalytic reduction,SNCR)脱硝系统氨耗量较大氨逃逸严重的问题,现场进行了NO_(x)原始排放、SNCR脱硝效率、CO质量浓度及底渣可燃物的试验,并进行了二次风量布置优化试验。研究发现:锅炉原始NO_(x)排放较低,满负荷运行时不超过120 mg/m^(3)(标准状态,下同);中低负荷时NO_(x)质量浓度低于50 mg/m^(3),但炉膛前后NO_(x)质量浓度偏差较大,烟气中的NO_(x)主要在炉膛前部产生。NO_(x)排放较难控制的原因是SNCR脱硝效率较低和炉膛给煤不均。6台分离器入口的SNCR脱硝效率均低于50.0%,其中B、C、E、F 4台分离器脱硝效率低于40.0%。此外,从原始NO_(x)生成来看,根据炉膛深度方向上床温分布、底渣可燃物质量分数和CO质量浓度变化可以确定,炉膛给煤不均也对满负荷NO_(x)排放控制影响显著。当前,电厂若不进行给煤系统改造暂无法实现给煤均匀,但可以通过调整炉膛深度方向二次风量配比降低原始NO_(x)生成,降幅可达9.77%。

耦合全炉膛的新型低NO_(x)旋流燃烧器性能

随着我国对氮氧化物(NO_(x))排放标准的不断收紧,电力行业迫切需要新的技术以减少NO_(x)排放。其中低NO_(x)旋流燃烧器技术作为控制NO_(x)排放的有效手段,受到广泛关注。针对一台600 MW对冲燃煤锅炉,设计并改进了一种新型低NO_(x)旋流燃烧器,研究了单只燃烧器流场、温度场及气体组分的分布特征,同时进一步分析了燃烧器耦合炉膛后的炉内温度场、NO分布情况。模拟结果表明:新型低NO_(x)旋流燃烧器中二次风为直流时煤粉燃烧较充分,且空气分级作用增强,可形成还原性气氛,NO排放量可进一步降低约21%。研究结果可为实际电站的低NO_(x)燃烧器改造提供理论依据和工程应用参考。

考虑实际路况下排气温度的重型柴油车NO_(x)排放模型

选择性催化还原技术(SCR)是降低重型柴油车氮氧化物(NO_(x))排放的常用技术之一,且SCR系统内的NO_(x)转化率与尾气温度密切相关。然而,现有的NO_(x)排放测算模型主要考虑车辆行驶工况,缺少与排气温度的关联分析,从而增加了NO_(x)排放测算结果的不确定性,对排放清单的建立和减排政策的评估提出了挑战。本研究基于车辆实际运行工况和实测排放数据,建立NO_(x)排放速率库和NO_(x)排放率模型。随后,建立基于机动车比功率(VSP)和热损失系数的尾气温度模型。在此基础上,根据SCR系统中的化学反应原理,建立基于尾气温度的NO_(x)排放模型。最后,利用建立的NO_(x)模型和MOVES模型(移动源排放测算模型)分别估算NO_(x)排放量,并与实际排放情况进行比较分析。结果表明,本研究所提出的考虑实际路况下尾气温度的NO_(x)排放模型可以有效提高NO_(x)排放测算的准确性,在3辆重型柴油公交车上的NO_(x)测算相对误差分别为9.1%、3.9%和3.3%。相较于MOVES模型,相对误差分别降低了24.0、13.1和16.3个百分点。对不同运行工况下的NO_(x)排放特性分析表明,重型柴油货车的平均NO_(x)转化率比柴油公交车高39.2个百分点。

烟气内循环降低氮氧化物过程的模拟研究

氮氧化物(NO_(x))是燃烧产生的一种有害气体。为了满足低氮排放标准,烟气循环是减少NO_(x)生成的有效方式。虽然烟气内循环较烟气外循环的热损失更少、降氮效果更好,但由于其需要在设备设计阶段进行优化,因此当前针对烟气内循环降氮的研究较少,对于实际降氮过程暂无系统性的分析研究。以带有烟气内循环的5 kW甲烷扩散燃烧器为研究对象,采用CFD三维燃烧过程数值模拟来研究烟气内循环卷吸率对NO_(x)生成过程的影响。在常规采用零维或一维的理论模型研究基础上,以模拟结果中的燃烧速率来表征燃烧强度,可以更为准确地预测实际燃烧过程。结果表明:改变空气渐缩段出口直径可以有效控制烟气卷吸率。烟气卷吸率最大可以增加到50%,NO_(x)排放值相比无烟气内循环工况下的NO_(x)排放值降低了94%。烟气内循环对不同的NO_(x)生成路径都有一定的抑制作用,尤其是热力型NO_(x)。增加卷吸率后快速型NO_(x)替代热力型NO_(x)成为主导路径,热力型NO_(x)在整体NO_(x)中的占比从52%降低到16%。快速型NO_(x)也会影响最终降氮效果,因此在实际低氮燃烧器设计中,要综合考虑这几种路径的抑制。

可解释的变负荷下燃煤机组SCR反应器入口NO_(x)质量浓度预测模型

燃煤电厂灵活调峰过程NO_(x)测量往往存在滞后现象,导致选择性催化还原(selective satalytic reduction,SCR)脱硝喷氨控制系统响应不及时,易造成喷氨量过高或过低,从而造成SCR反应器出口NO_(x)质量浓度波动剧烈和氨逃逸率增大。为实现喷氨阀门的提前快速调节并考虑影响燃煤锅炉NO_(x)排放量的因素存在耦合性,提出了一种基于卷积神经网络(convolutional neural network,CNN)和长短时记忆(long short-term memory,LSTM)神经网络混合模型的SCR反应器入口NO_(x)预测模型。利用一台330 MW燃煤电站锅炉的运行参数,通过Pearson系数法计算特征变量之间的相关性,筛选出相关性较大的特征,并定义模型的输入矩阵和输出矩阵,采用随机搜索算法进行优化,以提高预测性能。进一步利用SHAP算法对黑箱模型进行解释,并通过Simulink仿真验证了带有NO_(x)预测的控制效果。结果表明:CNN-LSTM预测模型在调峰负荷变化时,能够以较高的精度预测SCR反应器入口NO_(x)质量浓度的变化,并能提前25s为喷氨控制系统提供反馈;优化后的喷氨控制策略降低了出口NO_(x)质量浓度与设定值间的标准差(降低28%),并提升了NH_(3)/NO_(x)的响应速度,减小最大氨逃逸量22%。该研究结果可为灵活调峰机组的智慧SCR脱硝技术及燃烧优化提出有效的指导。