一种基于海量运行数据的SCR脱硝催化剂寿命预测方法技术

本发明专利技术公开一种基于海量运行数据的SCR脱硝催化剂寿命预测方法，从燃煤电厂脱硝系统工业过程数据中分析得到SCR催化剂寿命，具体包括以下步骤：首先从DCS数据源系统中获取历史运行数据，将原始数据按时间标签整理成样本集，过滤数值不变数据、野点数据和超限数据，过滤数据的非稳态性；然后利用工况切割和数据装箱方法过滤工况混杂性的影响；再将样本集按时间离散化，并提取计算氨氮摩尔比和脱硝效率的关系；最后利用分析模型挖掘催化剂性能随时间序列劣化的规律，根据换装准则和现场实际烟气条件预测催化剂剩余寿命。本发明专利技术通过对同类型机组、类似运行条件催化剂实际运行性能的数据集成与分析，可以在更大数据集中建立催化剂寿命管理特性函数。

【技术实现步骤摘要】

本专利技术涉及SCR脱硝催化剂寿命管理
，具体是涉及一种基于海量运行数据的SCR脱硝催化剂寿命预测方法。
技术介绍
选择性催化还原法(SCR)是目前成熟且高效的尾气脱硝技术，被广泛应用于国内外燃煤电站系统中。它是在催化剂的作用下，利用还原剂(尿素或者液氨NH3)将烟气中的NOx还原成无污染的N2和H2O。该反应需要在催化剂的表面发生，因此在SCR烟气脱硝系统中，催化剂是最重要的组成部分之一，其性能直接影响到SCR系统的脱硝效果，同时催化剂也是SCR系统中成本最高的部分，占系统总成本的30％～50％。催化剂的实际性能往往受到运行条件的限制，烟气中碱金属、砷等有害元素会造成催化剂中毒，直接降低催化剂活性，催化剂烧结、孔堵塞、磨损、水蒸汽凝结和硫酸盐沉积等都会影响催化剂寿命。另一方面，由于我国对SCR系统运行经验积累不足，氨逃逸会在SCR系统后续受热面形成硫酸盐(NH4HSO4，ABS)的沉积，造成空预器大面积堵灰，严重影响空预器的安全运行，有时不得不停炉冲洗，已成为影响机组可靠运行的重要因素。因此无论是从催化剂本身还是从整个锅炉系统的角度，都需要对SCR催化剂进行连续可靠的监视、管理与分析。为了提高整个系统的技术经济性，满足国家脱硝电价补贴政策，也需要对SCR系统特别是催化剂进行全寿命周期管理。SCR催化剂寿命的监视、管理与分析强烈依赖于火电厂、催化剂制造商及环保部门三者的检测技术。火电厂SCR系统布置有烟气温度、压力、流量、成分等众多就地测点，并接入DCS及SIS系统实现对现场脱硝的在线监控，环保部门在电厂尾部烟道布置有CEMS测点，用于考核机组NOx排放是否达标。目前这类测点仅用于对脱硝系统过程数据的监测与控制，由于受在线检测技术的影响，检测项目不包括催化剂活性，缺少对催化剂寿命的监视能力。另一方面，催化剂厂家会在催化剂中布置试验块，当需要检验催化剂活性时，将该试验块或者现场所采集的催化剂样本取出送到专门的化验室进行化验，这一般需要在机组计划检修时进行，但是由于目前国内机组普遍连续运行时间长，而根据环保部法规一旦机组运行，SCR系统就必须投运，因此实际对催化剂样本检测的次数并不多，电厂实际运行管理人员对催化剂的失活和磨损情况了解不多，催化剂的离线活性检测周期与机组检修周期并不匹配。此外，不仅实验室模拟烟气环境不同于现场实际烟气环境，催化剂抽检样本的活性也不能代表整层催化剂的活性。因此，基于传统检测技术的催化剂全寿命管理方法仍存在不足。目前我国燃煤锅炉SCR系统均实现了DCS集中控制，对SCR系统进出口参数及效率均有在线监测手段，这些参数与锅炉其他运行参数一道已经被采集并存储在电厂SIS系统中，从而形成了SCR系统运行数据库，这些实时数据以及历史数据中包含了丰富的系统信息，从而为数据驱动建模提供了大量的数据样本，也为通过数据挖掘方法获得系统特性提供了基础条件。SCR脱硝效率与催化剂活性直接相关，因此从脱硝效率可获得催化剂活性信息，但是氨氮摩尔比也与脱硝效率直接相关，而且活性劣化是一个慢过程，而喷氨是一个快过程，因此对数据驱动建模及数据挖掘方法进行深入研究，以从海量运行数据中获得催化剂活性信息并建立相关预测模型。锅炉SCR系统是一个典型的复杂非线性系统，既涉及大空间范围内的烟气流动与飞灰颗粒运动，又涉及复杂的化学反应过程，因此与传统海量数据仓库不同，其历史运行数据具有更强时空相关性，具有海量、混杂、时序和高维等特点，同时它与过程特性与工况密切相关，含有包括催化剂活性在内的丰富信息，利用有效的大数据分析方法和信息挖掘工具，提取并利用这些数据中的知识信息有着重要的意义。
技术实现思路
专利技术目的：为了克服现有催化剂检测技术中存在的不足，本专利技术提供一种基于海量运行数据的SCR脱硝催化剂寿命预测方法。技术方案：为实现上述目的，本专利技术的脱硝催化剂寿命预测方法，提供一种从燃煤电厂脱硝系统工业过程数据中分析得到SCR催化剂寿命的方法，包括以下步骤：(1)原始数据校验与过滤；电站SCR脱硝过程是一个复杂的非线性、强耦合的多变量变化过程，加上底层传感器测量环境的不确定性及测量延时差异，使得原始数据波动较大。因此，在数据分析前需要对原始数据进行检验与过滤。步骤(1)包括以下步骤：(1a)原始数据提取。提取燃煤电厂脱硝系统催化剂安装(包括新装、加装和换装催化剂)至今的历史运行数据，取样间隔记为Δt，参数包括负荷N、进口NOx浓度NOin、出口NOx浓度NOout、还原剂(液氨或尿素)流量R、氧量O2，数据集记为A0。(1b)生成数据样本。将同一时间标签下的各传感器测得的数据合称为这个时间下的样本，数据集A0写成样本的形式为： A 0 = { A 0 t 1 , A 0 t 2 , ... , A 0 t i , ... , A 0 t n - 1 , A 0 t n本文档来自技高网...

【技术保护点】
一种基于海量运行数据的SCR脱硝催化剂寿命预测方法，其特征在于，从燃煤电厂脱硝系统工业过程数据中分析得到SCR催化剂寿命，具体包括以下步骤：(1)原始数据校验与过滤：从DCS数据源系统中获取历史运行数据，将原始数据按时间标签整理成样本集，过滤数值不变数据、野点数据和超限数据，过滤数据的非稳态性；(2)工况切割与数据装箱：利用工况切割和数据装箱方法过滤工况混杂性的影响；(3)过程数据关系提取：将样本集按时间离散化，并提取计算氨氮摩尔比和脱硝效率的关系；(4)脱硝催化剂性能分析：利用分析模型挖掘催化剂性能随时间序列劣化的规律，根据换装准则和现场实际烟气条件预测催化剂剩余寿命。

【技术特征摘要】
1.一种基于海量运行数据的SCR脱硝催化剂寿命预测方法，其特征在于，从燃煤电厂脱硝系统工业过程数据中分析得到SCR催化剂寿命，具体包括以下步骤：(1)原始数据校验与过滤：从DCS数据源系统中获取历史运行数据，将原始数据按时间标签整理成样本集，过滤数值不变数据、野点数据和超限数据，过滤数据的非稳态性；(2)工况切割与数据装箱：利用工况切割和数据装箱方法过滤工况混杂性的影响；(3)过程数据关系提取：将样本集按时间离散化，并提取计算氨氮摩尔比和脱硝效率的关系；(4)脱硝催化剂性能分析：利用分析模型挖掘催化剂性能随时间序列劣化的规律，根据换装准则和现场实际烟气条件预测催化剂剩余寿命。2.根据权利要求1所述的基于海量运行数据的SCR脱硝催化剂寿命预测方法，其特征在于，所述步骤1具体包括如下步骤：(1a)原始数据提取：提取燃煤电厂脱硝系统催化剂安装至今的历史运行数据，取样间隔记为Δt，参数包括负荷N、进口NOx浓度出口NOx浓度还原剂流量R、氧量O2，数据集记为A0；(1b)生成数据样本：将同一时间标签下的各传感器测得的数据合称为这个时间下的样本，数据集A0写成...

【专利技术属性】
技术研发人员：江晓明，司风琪，喻聪，李逗，于爱华，李倩，
申请(专利权)人：大唐南京环保科技有限责任公司，东南大学，
类型：发明
国别省市：江苏;32