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。

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。

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。

重型柴油车实际道路NO_(x)排放分析方法研究

利用PEMS对6辆典型国六重型柴油车开展实际道路排放测试,基于功基窗口法(中国和欧盟)、NTE法(美国EPA)和3B-MAW法(美国CARB)研究了重型柴油车实际道路NO_(x)排放特性,探讨了不同分析方法的特点及适用性。结果表明:基于功基窗口法的NO_(x)排放结果符合中国和欧盟的监管要求,但基于NTE法和3B-MAW法的NO_(x)排放合规性具有不确定性。NO_(x)排放数据利用率低导致NTE法无法有效分析实际道路NO_(x)排放,3B-MAW法对NO_(x)排放分类管理值得借鉴。冷起动NO_(x)排放占PEMS试验的47.3%~80.7%,重型柴油车冷起动NO_(x)排放应被重视。然而目前中国、欧盟和美国的重型车实际道路NO_(x)排放分析方法均无法有效评估冷起动NO_(x)排放。因此,下阶段排放法规对冷起动NO_(x)排放的监管应当提出相应测试循环、分析方法和排放限值,切实降低重型柴油车NO_(x)实际排放。

重型柴油车NO_(x)排放因子与其浓度相关性研究

重型柴油车排放的NO_(x)污染物对环境空气质量影响较大,受排放标准、排放控制技术水平、检测方法、驾驶工况等众多因素的影响,当前较难整体评估在用重型柴油车的实际排放状况.本研究首先通过发动机排放台架试验及实际道路排放(PEMS)循环试验,探究了重型柴油车NO_(x)排放因子与NO_(x)平均浓度之间的内在联系;其次,研究了远程监控有效数据筛选规则,提出了一种基于NO_(x)日均浓度评估远程监控重型柴油车NO_(x)排放因子的方法.结果表明:重型柴油车发动机排放台架、PEMS循环试验的NO_(x)排放因子均与NO_(x)平均浓度呈较强相关性,相关系数(R^(2))为0.99.通过远程监控平台监测数据验证了重型柴油车的NO_(x)排放因子与NO_(x)日均浓度有一定相关性,R^(2)高于0.9(p<0.01).因此,可用重型柴油车排放的NO_(x)日均浓度来表征整车污染物排放情况.研究显示,安装远程终端的第五和第六排放阶段的重型柴油车,分别按照NO_(x)日均浓度低于200×10^(−6)和50×10^(−6)来判定排放稳定达标重型柴油车,按照NO_(x)日均浓度高于900×10^(−6)和500×10^(−6)来判定高排放重型柴油车,监管部门和车辆生产企业可利用该指标快速筛选排放稳定达标以及高排放重型柴油车.

不同海拔下国Ⅵ重型柴油车实际道路NO_(x)排放特性

为了解不同海拔下国Ⅵ重型柴油车的NO_(x)排放特性,利用便携式排放测试系统(PEMS)在4个不同海拔城市(襄阳、昆明、丽江和香格里拉)对国Ⅵ重型柴油车进行实际道路排放测试。结果表明:随着海拔高度的升高,NO_(x)排放呈现增加趋势,高海拔下的平均NO_(x)排放速率是平原的4.65~20.58倍,NO_(x)综合排放因子是平原的2.80~13.75倍;不同载荷条件下香格里拉的NO_(x)综合排放因子是襄阳、昆明和丽江的1.27~13.75倍;市区路的NO_(x)排放因子是市郊路和高速路的1.05~6.49倍,且香格里拉市区路的排放因子超过400 mg/km;在Bin 11~Bin 14和Bin 21~Bin 28区间,随着机动车比功率(VSP)的升高,NO_(x)排放速率表现出先增大后减小的趋势;不同海拔下车辆从市区路到市郊路、市郊路到高速路行驶时,NO_(x)瞬时排放速率出现峰值;NO_(x)高排放区域集中在高转速、高扭矩区间;海拔与平均NO_(x)排放因子的决定系数为0.86,表现出较强的正相关关系。

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%。

煤粉富氧燃烧CO_(2)富集特性与NO_(x)生成量模拟预测研究

分析了富氧下的煤粉燃烧特性、CO_(2)富集特性和NO_(x)生成特性,并模拟了CO_(2)富集和NO_(x)生成量的协同控制趋势。结果表明:与空气燃烧相比,富氧燃烧条件下CO_(2)富集分布与NO_(x)体积分数分布是负协同效应;不同O_(2)/CO_(2)体积分数比的富氧下,随着O_(2)体积分数的增加,炉膛出口的CO_(2)体积分数和NO_(x)体积分数都先上升到最大值后稍微下降,呈正协同效应,但出现拐点的O_(2)体积分数不同;CO_(2)富集到一定程度时,能有效抑制NO_(x)的生成量;在富氧条件下,可实现炉膛出口的高CO_(2)富集与低NO_(x)生成量的协同控制技术。

两级浓淡燃烧室内氨-氢-空气预混旋流燃烧过程的NO_(x)排放特性

为了掌握燃气轮机两级浓淡燃烧室内氨-氢-空气预混旋流火焰的NO_(x)排放特性和影响NO_(x)生成的动力学机制,对氨-氢-空气预混旋流燃烧过程进行了三维反应流数值模拟并开展了燃烧反应动力学特性研究.结果表明:在掺氢比为35%、压力为0.5 MPa且当量比为1.20的绝热燃烧工况下,NO_(x)排放可降至54×10^(-6)(15%O_(2)).H+O_(2)(+M)=HO_(2)(+M)是燃烧压力影响氨-氢燃料燃烧过程中NO_(x)排放的关键反应.燃烧压力的升高会促进NO与HO_(2)反应并转化为NO_(2).对于氨-氢混合燃料而言,过高的掺氢比(60%~80%)会导致NO_(x)排放显著升高,而根据壁面热损失程度的不同,适当的掺氢比(35%~55%)则有利于实现较低的NO_(x)排放(54×10^(-6)~86×10^(-6)(15%O_(2))).

基于AM-CNN-LSTM模型的柴油机NO_(x)排放预测

为精确控制选择性催化还原(selective catalytic reduction,SCR)系统的尿素喷射,提出一种基于注意力机制(attention mechanism,AM)的卷积神经网络(convolutional neural networks,CNN)-长短时记忆网络(long shortterm memory,LSTM)模型预测柴油机NO_(x)排放的方法,根据柴油机NO_(x)生成机理和车辆实际道路测试采集的数据选取相关变量;使用AM-CNN模型提取特征,利用LSTM模型对提取的特征进行分析预测NO_(x)排放。结果表明:该混合模型对NO_(x)排放的预测精度较高,计算时间较少,平均绝对误差为5.307×10^(-6),决定系数为0.932。根据预测模型中输入参数权重分析影响NO_(x)生成的关键因素,可以为优化柴油机燃烧过程提供参考。

新型高效低NO_(x)排放CO助燃剂研究和工业应用

大部分催化裂化(FCC)装置采用CO助燃剂控制再生器CO尾燃,但存在加注量大、应用成本高以及烟气NO_(x)增加的问题。本研究开发生产出FCC新型高效低NO x排放CO助燃剂,实验室评价数据和工业应用结果表明:该助燃剂具有更高的助燃活性、更低的烟气NO_(x)含量、更好的水热稳定性和更强的抗硫失活性能,相比市售助燃剂,CO体积分数降低35.9%~40.2%,NO_(x)质量浓度降低15.9%~19.4%;应用新型高效低NO x排放CO助燃剂可减小NO x浓度波动,降低SCR(选择性催化还原)注氨量,降低运行成本,减少余热锅炉结盐,有利于装备长周期运行。

一次风率对煤粉气流床气化-燃烧特性及NO_(x)排放影响的试验研究

煤粉气化-燃烧技术是实现燃煤锅炉超低负荷稳燃和低氮氧化物(NO_(x))排放的重要方式。为了揭示一次风率(λ_(1))对煤粉气化-燃烧特性及NO_(x)排放的影响。采用自主搭建的对冲气流床气化-燃烧系统,研究了λ_(1)对煤粉气化特性,燃料N转化和NO_(x)排放特性的影响,采用热重分析仪和化学吸附仪对气化半焦的反应性和孔隙结构进行分析。结果表明:λ_(1)的增加会提高气化炉温度,使气化炉出口CO和CH_(4)的浓度分别降低了2.67%和2.43%;促进了固定碳的转化,其转化率增加了17.28%;燃料N的转化率增加了13.50%,其中增加了向N_(2)的转化,但降低了向NH_(3)的转化。同时,λ_(1)增加使气化焦炭具有更发达的孔隙结构,比表面积增加了95.77 m^(2)/g,孔体积增加了2倍,改善了气化焦炭的燃烧特性。气化燃料进入燃烧室后,当λ_(1)高于0.25时,燃烧室主燃区内未生成NO。λ_(1)为0.35时,燃烧室出口的污染物排放最低,NO_(x)和CO分别为115.86 mg/Nm^(3)(@6%O_(2))和39.25 mg/Nm^(3)(@6%O_(2));此时燃烧效率最高,为99.68%。因此,一次风对煤粉气化燃烧特性和污染物排放具有显著的影响,控制合适的一次风量可以降低污染物排放的同时提升燃烧效率。

基于PEMS测试的重型柴油非城市车辆冷启动NO_(x)排放特征研究

为分析重型柴油非城市车辆在实际道路冷启动氮氧化物(NO_(x))的排放特征,选取20辆符合国六标准的重型柴油车进行实际道路车载尾气检测(Portable Emission Measurement System,PEMS)排放测试。以冷却液温度达到70℃为界限,区分发动机的冷态和热态,进而对冷启动阶段的排放特征进行分析。试验结果表明:冷启动阶段通常发生在600 s以内,时长占比基本小于8%,然而在这一阶段,NO_(x)的比排放达到了1593.6 mg/(kW·h)以上,明显高于国六标准的限值690mg/(kW·h)。为更真实地反映车辆在实际道路上的排放水平,建议在下一阶段的排放标准中,引入包含冷启动阶段的排放评估方法,以完善整车PEMS排放评价体系。

重型柴油车NO_(x)排放检测现状及方法

以山东省在用重型柴油车为研究对象,调研定期排放检验、遥感监测和远程监控在重型柴油车NO_(x)排放监管中的应用现状,采用恒定转速法和自由加速法试验研究重型柴油车的NO_(x)排放规律。调研结果表明:定期排放检验和遥感检测2种方法测得的车辆NO_(x)排放与重型柴油车实际NO_(x)排放情况不符,远程监控形式测得的NO_(x)排放与实际情况相符。试验结果表明:恒定转速法和自由加速法测得的重型柴油车NO_(x)体积分数能够真实反映重型柴油车NO_(x)的排放规律,都可用于重型柴油车NO_(x)排放的快速检测。

煤粉气流床气化炉预热燃烧特性及NO_(x)排放试验研究

煤粉预热燃烧技术已被证明是一种清洁高效的燃烧技术。针对大型燃煤机组四周空间及承重受限,提出采用结构紧凑的对冲气流床气化炉预热解煤粉并耦合燃烧的技术与系统,搭建了新型气流床气化炉预热燃烧实验台,对煤粉在气化炉内预热特性和预热燃料在燃烧室内燃烧特性进行研究,探索煤中氮元素在预热燃烧过程中的迁移和转化规律。结果表明,新型气流床气化炉预热燃烧实验系统能够自维持稳定运行,系统压力和温度波动很小;气化炉内温度梯度较大,高温区位于烧嘴平面附近,最高温度可达1115℃,而出口温度降至850℃。气流床气化炉能够为下行燃烧室稳定提供高温煤气和预热半焦;高温煤气中CO、H2、CH4质量分数(干基)分别可达13.15%、8.72%、0.78%;预热半焦颗粒相比于原煤颗粒粒径减小,原煤50%切割粒径d50=43μm,而预热半焦颗粒d50=24μm,预热后颗粒比表面积从4.05 m^(2)/g增到216.44 m^(2)/g,同时,孔容积也增大,颗粒燃烧特性得到改善;预热过程中96.33%的挥发分和40.23%的固定碳释放到高温煤气中;同时,转化到气相中的煤N达69.74%,其中47.67%转化为N_(2),其余转化为NH_(3)和HCN。预热燃料进入下行燃烧室后能够稳定燃烧,不存在着火延迟,温度分布均匀;主燃区预热燃料中的NH_(3)和HCN,以及焦炭中析出的氮大部分转化为N_(2),主燃区内没有NO生成。实验台燃烧室出口NO_(x)和CO排放质量浓度分别为143.02 mg/Nm3(6%O2)和8.17 mg/Nm3(6%O2),燃烧效率高达99.75%。煤粉经过新型气流床气化炉预热后燃烧,煤N仅有4.69%转化为NO。

超超临界1000 MW机组锅炉燃尽风对炉膛内燃烧及NO_(x)生成特性的影响

针对1台650℃等级超超临界1 000 MW机组旋流对冲锅炉的炉内低氮燃烧问题,建立三维计算流体力学数值模拟,探究其在燃尽风变化的情况下,炉膛内流动、燃烧与传热变化以及燃尽风率对烟气中NO_(x)体积分数的影响。结果表明:设置错位燃尽风,并将前墙低位燃尽风向下15°喷入炉膛有利于降低NO_(x)体积分数,提高燃尽率;较低燃尽风率会造成炉内主燃区温度高、范围大,受热面与炉内高温区距离减小;炉膛出口NO_(x)体积分数随燃尽风率增加呈现先下降再升高的变化规律,最佳燃尽风率约为33.9%。

一种基于卷积特征的NO_(x)排放浓度深度预测模型

为提高燃煤锅炉出口NO_(x)排放浓度的预测精度,该文提出一种基于卷积特征提取的NO_(x)排放浓度深度学习预测模型。首先,分析锅炉燃烧产生NO_(x)的机理,确定模型初选变量;然后,计算不同初选变量与NO_(x)排放浓度之间的最大相关系数,确定变量延迟时间;其次,为挖掘输入变量深层交互信息,设计二维卷积网络进行特征提取,获得高维预测模型输入候选集合;同时,通过偏最小二乘法计算候选集变量与NO_(x)排放浓度之间相关性,降低输入变量维数,确定最终模型的输入变量;最后,设计深度神经网络建立NO_(x)排放预测模型,预测NO_(x)排放浓度。基于1000MW锅炉实际运行数据的实验结果表明,所提出卷积深度神经网络预测算法的平均相对百分比误差小于4%,预测精度能够满足实际生产的需求。

深度空气分级对旋风燃烧锅炉NO_(x)释放影响研究

针对纯燃高碱煤旋风液态排渣锅炉局部高温以及NO_(x)排放高等问题,通过ANSYS软件数值研究了不同深度空气分级方案对旋风液态排渣锅炉炉内温度场、组分场及NO_(x)浓度分布的影响。研究结果表明:深度空气分级燃烧不同工况设置合理,形成了良好的富燃料的主燃区与富氧燃尽区,炉内燃烧稳定,旋风燃烧器逆向布置可促进煤粉燃尽,提高锅炉效率。不同深度空气分级工况下,炉内各组分分布特性一致。同时确定了主燃区最佳过量空气系数为0.85,燃尽风量选用逐层降低布置可实现最佳低氮排放,炉膛出口烟温最低为1375.45 K,炉膛出口NO_(x)浓度最低为391.14 mg/m^(3)。