基于沙地猫群优化–最小二乘支持向量机的动态NOx排放预测

针对火电机组频繁调峰导致机组燃烧状态不稳,进而导致锅炉出口NOx浓度波动范围大的问题,提出一种基于沙地猫群优化(sand cat sarm optimization,SCSO)的最小二乘支持向量机(leastsquaressupportvectormachine,LSSVM) NOx动态预测模型。首先利用k近邻互信息计算时间延迟的同时筛选辅助变量。然后,基于SCSO算法进行输入变量阶次的选择。使用包含辅助变量时间延迟和阶次的信息作为模型的输入,SCSO算法优化最小二乘支持向量机参数,建立动态NOx排放最小二乘支持向量机预测模型(SCSO-LSSVM动态软测量模型)。最后将模型与未加入迟延的LSSVM模型,加入迟延的LSSVM模型和粒子群优化算法(particle swarm optimization,PSO)优化最小二乘支持向量机参数的动态软测量模型进行对比验证。结果表明,相较于其他模型,该文建立SCSO-LSSVM动态软测量模型均方根误差、平均绝对误差、平均绝对误差最小,预测精度最高,而且在NOx浓度剧烈波动时也能够较好地预测NOx浓度,具有很好的动态特性。

基于麻雀算法优化支持向量机的NOx浓度预测

煤炭作为火电厂发电的主要能源,其在锅炉内焚烧过程中会产生大量的氮氧化物。各电厂一般利用烟气自动监控系统对其浓度进行实时测量,但由于测量时存在较大迟延,不能准确地反映SCR系统NOx浓度的实时变化。因此提出了一种基于改进麻雀算法优化最小二乘支持向量机的NOX浓度预测方法。首先,引入余弦因子改进麻雀算法中的比例算子,将迭代次数信息引入到迭代过程中,平衡算法前后期的全局与局部搜索能力。其次,使用新的变异算子代替原算子,将混沌理论融合到麻雀算法,解决了算法全局搜索能力较差、初始化麻雀分布不稳定及发现者位置更新方式不足的问题。最后,采用改进麻雀算法(CDE-SSA)对最小二乘支持向量机(LSSVM)进行参数寻优。实验结果证明,方法在NOX浓度预测的精度和稳定性上均表现出了良好的性能。

冠心病病人血清KAL、ENOX1水平与冠状动脉斑块稳定性、预后的关系

目的:分析冠心病病人血清卡利他汀(KAL)、Ecto-NOX二硫化物硫醇交换器1(ENOX1)水平与冠状动脉斑块稳定性、预后的关系。方法:选取2021年1月—2022年2月我院收治的103例冠心病病人(作为冠心病组),根据冠状动脉斑块稳定性分为不稳定组(47例)和稳定组(56例);根据6个月后是否发生主要不良心血管事件分为预后不良组(34例)和预后良好组(69例)。另选取同期50名体检健康者(作为对照组)。采用酶联免疫吸附法检测血清KAL、ENOX1水平。采用Spearman法分析冠心病病人血清KAL与ENOX1水平的相关性;多因素Logistic回归分析血清KAL、ENOX1水平与冠心病病人冠状动脉斑块不稳定、预后不良的关系;受试者工作特征(ROC)曲线分析血清KAL、ENOX1水平对冠心病病人冠状动脉斑块不稳定和预后不良的预测价值。结果:冠心病组血清KAL水平低于对照组,ENOX1水平高于对照组(P<0.001)。不稳定组血清KAL水平低于稳定组,ENOX1水平高于稳定组(P<0.001)。预后不良组血清KAL水平低于预后良好组,ENOX1水平高于预后良好组(P<0.001)。Spearman相关性分析显示,冠心病病人血清KAL与ENOX1水平呈负相关(r=-0.780,P<0.001)。多因素Logistic回归分析显示,KAL升高为冠心病病人冠状动脉斑块不稳定和预后不良的独立保护因素,ENOX1升高为独立危险因素。ROC曲线分析显示,血清KAL、ENOX1水平联合预测冠心病病人冠状动脉斑块不稳定和预后不良的ROC曲线下面积高于各指标单独预测。结论:冠心病病人血清KAL水平降低,ENOX1水平升高与冠状动脉斑块不稳定、预后不良有关,二者联合对冠心病病人冠状动脉斑块稳定性和预后的预测价值较高。

基于神经网络的重型车辆远程监控NOx传感器露点保护过程数据修复方法

为解决重型车辆远程监控数据中NOx传感器露点保护过程的数据无效问题,利用一辆国六重型车辆的PEMS测试对露点保护期间的高NOx排放问题进行探究,验证了利用神经网络算法修复数据和提高远程监测数据利用率的可行性。结果表明,NOx传感器露点保护过程会导致30%以上的NOx排放量未被统计;在露点保护期间,超过90%的数据显示车辆速度低于54 km/h、发动机冷却液温度低于82℃、SCR入口温度低于245℃、SCR出口温度低于225℃。神经网络算法可有效修复露点保护过程中失效的NOx测量值,对发动机原始排放和车辆尾管排放的累计排放量误差都在4%以内。

基于某装载机高原环境下NOx排放的模拟研究

为了探讨工程机械在高原环境下的燃烧排放特性,本文以某装载机柴油发动机为原型,建立高原环境下的数值计算模型,研究该柴油机在高原环境下的燃烧排放特性。结果表明:NOx的产生与发动机缸内温度密切相关。且当发动机转速不变时,随着海拔的上升,发动机NOx的排放有着先上升后下降的趋势;当海拔不变时,发动机转速提高,其NOx的排放也逐渐增加。

循环流化床NOx和SO_(2)协同脱除技术试验研究

结合循环流化床后燃技术(简称“后燃技术”)和炉内喷钙脱硫技术,在0.1 MW循环流化床试验台上研究了循环流化床NOx和SO_(2)协同脱除潜力,主要研究了后燃室脱硫剂添加量对NOx和SO_(2)排放影响以及炉内添加脱硫剂时燃烧温度对NOx和SO_(2)排放的影响。结果表明:通过后燃室注入脱硫剂可以降低SO_(2)排放,能够达到一定的脱硫效果。当燃烧温度较高时,后燃技术下炉内添加脱硫剂,脱硫效果很差。通过适当降低燃烧温度可以实现NOx和SO_(2)的协同脱除。当温度为845℃时,后燃技术下炉内脱硫时可直接实现超低NOx排放,而SO_(2)排放可以降至92.09 mg/m^(3)。后燃技术下炉内低温脱硫时,如果后燃室添加适量脱硫剂,则SO_(2)排放可进一步降低,有望实现NOx和SO_(2)双超低排放,进一步降低循环流化床污染物脱除成本。

协同脱除VOCs和NOx的双功能催化剂研究进展

从催化剂的载体、活性组分及助剂、结构与形貌3个方面综述了协同脱除挥发性有机气体(VOCs)和NOx的VOCs-NH3-SCR(氨选择性催化还原)催化剂的研究进展,总结了不同VOCs-NH3-SCR催化剂对VOCs和NOx的协同脱除效果,阐述了VOCs和NOx的脱除机制及在VOCs-NH3-SCR体系下反应物间的协同或拮抗机制,并展望了VOCs-NH3-SCR催化剂的研究和开发方向。指出:应加强VOCs和NOx的协同脱除机理研究,通过调控催化剂体系、厘清功能活性位点、靶控不同反应物及中间物种的生消过程,寻求VOCs和NOx催化氧化的宽协同温窗区,进一步提高催化剂在VOCs和NOx协同脱除条件下的选择性。

基于智能算法的重型车辆NOx排放量预测方法

重型车辆NOx排放量的传统预测方法中,由于没有利用误差反馈来修正预测算法,导致预测出的NOx排放量数据与真实数据相差较大。为此提出基于智能算法的重型车辆NOx排放量预测方法。收集大量的重型车辆真实的NOx排放数据,计算出重型车辆NOx综合排放因子,基于智能算法构建BP人工神经网络,设置隐含模式的工作层,输入收集到的真实数据对智能算法进行训练,利用BP神经网络误差反传的功能对每个数据对进行训练,通过误差反馈修正算法的预测误差。设计道路预测实验,将基于智能算法得出的重型车辆NOx排放量数据与真实排放量数据进行对比,得出两者数据结果高度一致的结论,表明该方法的预测数据误差较小,能够进行有效的重型车辆Nox排放量预测。

基于GAM模型分析环境因素对重型柴油车NOx排放的影响

本研究采用一套AVL便携式车载排放测试系统对一台国六排放标准重型柴油车进行实际道路整车排放测试试验,并基于广义相加模型(GAM)探究环境温度、相对湿度(RH)及气压对排气污染物NOx浓度的影响,分析环境条件对整车排放的影响。单因素拟合结果分析表明,环境温度、RH及气压与排气污染物NOx浓度呈显著非线性相关关系;多因素拟合结果分析表明,3个解释变量对NOx排放浓度变化的影响较显著,解释变量的影响程度由高到低依次为:环境温度>RH>气压,针对多因素交互影响下的气态污染物及颗粒物排放的研究具有统计学意义。由于环境条件的不可控性对发动机排放的影响不可忽略,所以,在制订相应的标准时,必须对环境因素对汽车排放的影响进行适当的考虑。

带式焙烧机球团NOx超低排放技术研究现状与展望

总结了带式焙烧机NOx的产生机制,揭示了带式焙烧机产生NOx的主要因素,探索从焙烧过程中可降低NOx产生的措施;并结合最新烟气强化脱硝技术和强化手段,为带式焙烧机烟气脱硝技术改造做理论支持和铺垫。

火电厂燃煤锅炉NOx排放预测模型优化设计

针对传统的建模方法无法建立精准的锅炉燃烧数学模型及其氮氧化物(NOx)排放预测精度不高等问题,提出一种差分量子灰狼(DEQGWO)算法来优化无迹卡尔曼滤波(UKF)的预测模型。利用不同工况下1000MW超超临界机组锅炉历史数据验证DEQGWO-UKF模型预测结果并与基本UKF模型、PSO-UKF模型进行预测精度对比。结果证明:DEQGWO算法比其它仿生算法在优化UKF预测NOx模型中有更好的预测精度和泛化能力,对火电厂SCR系统NOx预测提供有效解决方法。

基于BWOA-GAM-BiGRU的火电厂SCR系统出口NOx排放预测

提出了一种基于数据驱动结合全局注意力机制与双向门控循环单元深度神经网络的选择性催化还原系统出口NOx排放预测模型,并使用黑寡妇优化算法对网络超参数进行自动寻优。对某300MW电厂选择性催化还系统的历史运行数据进行深度挖掘,确定模型输入变量并校准各输入变量与NOx排放量之间的时延并重构样本序列。实验结果显示,所提出模型的预测结果比典型预测模型具有更高预测精度和更好的泛化能力。

基于MI-PCA和ML-AE-ELM的脱硝系统入口NOx质量浓度预测

为提高脱硝系统入口氮氧化物(nitrogen oxide,NOx)质量浓度的预测精度,提出一种基于互信息的主成分分析(principal component analysis,PCA)和多层自编码结构的极限学习机(extreme learning machine,ELM)组合算法的预测模型。对输入变量的选取方式进行完善,并加入历史NOx质量浓度,对预测算法的网络结构进行优化。实验结果表明:与其他预测算法模型相比,该模型具有较高的预测效率,在不同工况下均具有较高的预测精度,表现出良好的抗噪能力和泛化能力。

基于CNN(1D)-LSTM模型的电站锅炉SCR入口NOx浓度预测

为了解决电站锅炉操作人员依赖经验调节锅炉运行参数降低SCR入口NOx浓度,提高脱硝效果的问题,提出一种SCR入口处NOx浓度预测方法。该方法建立了基于卷积神经网络和长短期记忆神经网络的CNN(1D)-LSTM模型,通过提取锅炉在时序上的特征参数,可预测5 min后SCR入口处NOx浓度。电厂运行人员可将该模型的预测结果作为SCR入口处NOx浓度的重要参考,更加有效地调节锅炉参数进行脱硝优化。结果表明,预测3 min后SCR入口处NOx浓度LSTM模型优于CNN(1D)-LSTM;预测5 min后的SCR入口浓度CNN(1D)-LSTM模型相比于LSTM模型预测精度有很大的所提高,在测试集上E_(mape)为7.05%,取得了期望的效果。

CeO_(2)/ZrO_(2)对Cu-ZSM-5选择性催化还原NOx的反应活性及抗老化性能的影响

采用浸渍法分别将CeO_(2)、ZrO_(2)负载于Cu-ZSM-5催化剂中,通过催化剂活性评价系统研究了CeO_(2)、ZrO_(2)负载量对整体式Cu-ZSM-5催化剂NOx转化率的影响规律,并采用NO-TPD方法分析了催化剂表面的NOx吸附能力.此外,利用FT-IR和SEM技术探究了催化剂样品的抗老化能力.结果表明,添加CeO_(2)或ZrO_(2)有利于提升整体式Cu-ZSM-5催化剂NOx转化率,其中8%CeO_(2)/Cu-ZSM-5在150~550℃温度范围内NO_(x)转化率最高,但此催化剂表面晶粒在高温下易发生团簇,导致催化剂老化,催化活性下降.ZrO_(2)的添加可以有效稳固表面晶粒,进而改善催化剂的抗老化性能.

带式焙烧机操作参数对球团强度影响研究及源头减排NOx措施

基于SPSS统计分析软件,对带式焙烧机球团矿抗压强度与各工艺参数进行相关性分析,并使用线性回归功能建立回归模型,根据模型计算结果,通过降低焙烧温度,源头治理带式焙烧机脱硫脱硝入口烟气NOX浓度,同时确保球团矿抗压强度不下降。

肠愈灌肠方对溃疡性结肠炎大鼠血清NOXs、ROS、P38MAPK及IL-1β含量的影响

目的:观察不同剂量的肠愈灌肠方对UC大鼠的治疗作用及其对血清NOXs、ROS、P38MAPK及IL-1β水平的影响,探讨其治疗UC可能的作用机制。方法:将90只SPF级SD大鼠随机分为6组(正常对照组、模型组、美沙拉嗪对照组、肠愈灌肠方低剂量组、肠愈灌肠方中剂量组、肠愈灌肠方高剂量组),每组15只,用DSS溶液建立UC大鼠模型,各组均予以相应的药物灌肠,共治疗15 d。评估各组大鼠一般生存状况、DAI评分、CMDI评分、炎症病理学评分并用ELISA法检测各组大鼠血清NOXs、ROS、P38MAPK及IL-1β的含量。结果:肠愈灌肠方组(低剂量组、中剂量组、高剂量组)及美沙拉嗪对照组均能有效改善大鼠一般生存状况及降低DAI评分(P<0.05),其中肠愈灌肠方中剂量组及美沙拉嗪对照组在降低大鼠DAI评分方面疗效相当(P>0.05);在结肠黏膜损伤及病理学观察方面,肠愈灌肠方组及美沙拉嗪对照组均能有效降低大鼠CMDI评分及炎症病理学评分(P<0.05),其中肠愈灌肠方高剂量组能最大程度上改善肠黏膜损伤情况,促进黏膜愈合(P<0.05);肠愈灌肠方组及美沙拉嗪对照组均能有效降低大鼠血清NOXs、ROS、P38MAPK及IL-1β含量(P<0.05),且各组间相比有统计学意义(P<0.05)。结论:肠愈灌肠方可能通过调节NOXs-ROS-P38MAPK信号通路从而抑制相应的促炎性细胞因子IL-1β的表达进而发挥治疗作用。

300MW机组锅炉效率和NOx排放协同优化试验研究

提高锅炉效率与降低NOx排放在运行调整上是一对矛盾,为了寻求锅炉效率与NOx排放之间的最佳平衡点,选取某300 MW烟煤锅炉为研究对象,进行了变氧量、变SOFA投运层数、变磨煤机组合方式试验。试验结果表明,该锅炉存在B侧CO偏高的问题,将运行氧量提高0.4%以后,锅炉效率可以提高0.3%,NOx增大8 mg/m^(3),喷氨量增加了3 kg/h,送、引风机电流合计增加了8 A,综合测算结果显示,单台炉全年运行综合收益约为120万元;在常规的四层SOFA风全部投运运行方式下,若采用关闭最下层SOFA风运行模式,锅炉效率可以提高0.49%,NOx增大26 mg/m^(3),喷氨量增加9 kg/h,送、引风机电流合计减小了3 A,综合测算下来,单台炉全年运行综合收益至少为264万元。变磨组合结果表明,常规运行方式下(ABCD磨投运),综合经济性最高。因此,对于该烟煤锅炉,不建议采用彻底的深度空气分级模式运行,即不建议所有SOFA风全开,可适当增加锅炉主燃区氧量运行,以提高了锅炉效率,改善主燃区还原性气氛,提高综合收益,推动电厂节能降耗工作。

基于RBF神经网络的催化再生烟气NOx质量浓度预测与应用

为了提前掌握催化裂化装置再生器出口烟气中氮氧化物(NOx)排放质量浓度,从源头控制的角度出发,有效地动态指导脱硝装置运行参数调节,开展了径向基函数(Radial Basis Function,RBF)、反向传播(Back Propagation,BP)和自编码器(Auto Encoder,AE)神经网络在催化裂化装置再生器出口烟气NOx质量浓度预测中的应用研究。通过业务分析和数据分析,确定影响再生烟气中NOx质量浓度的工艺特征变量。利用采用不同方法清洗的两组数据,对比分析RBF、BP和AE神经网络在提前15 min预测再生器出口NOx排放质量浓度的效果,模型预测的精度分别为94.29%、91.73%和88.47%。基于RBF神经网络建立NOx质量浓度预测模型并进行工业应用,在400个工业测试样本中质量浓度预测值的最大误差为6.97 mg/m3,最小误差为0.07 mg/m3,平均误差为2.91 mg/m3。该预测模型对催化再生器出口NOx质量浓度的预测误差满足企业现场应用的要求,可指导工艺操作人员更好地掌控再生器出口烟气中NOx质量浓度的变化,为工艺操作人员提供了一个调整脱硝设施优化运行的时间窗口,有效增强了催化裂化装置催化剂再生烟气中NOx排放的抗冲击能力。

米勒循环降低船用中速柴油机NOx排放研究

降低中速柴油机NOx排放的研究具有重要的现实意义。利用AVL BOOST软件,以Wartsila4L20型中速柴油机为模拟原型建立仿真模型,通过台架试验数据验证模型模拟的准确性,并利用所建立的模型,在综合考虑柴油机经济性和可靠性的基础上,研究米勒循环降低船用中速柴油机NOx排放的有效途径。