基于分时段多模型建模的SCR催化剂性能劣化分析方法技术

本发明专利技术公开一种基于分时段多模型建模的SCR催化剂性能劣化分析方法，步骤包括：采集机组的历史数据库中相关参数较长时间跨度的运行数据，对机组负荷和SCR入口NOx浓度的常规区间进行工况划分；将运行数据按照时间划分成多个区段，根据机组负荷和SCR入口NOx浓度对每一区段内的运行数据进行稳态筛选得到稳态样本，对稳态样本进行离散化抽取，得到尽可能覆盖全工况的稳态样本作为建模样本；利用LSSVM对各个区段的建模样本进行训练，最终得到各时间区段SCR脱硝系统的全工况模型集；选取典型工况输入集，利用LSSVM模型得到各时间区段的输入输出对应关系，用脱除单位NOx消耗的还原剂流量表征催化剂活性，最终得到SCR催化剂的性能劣化趋势，为催化剂换装提供指导。

【技术实现步骤摘要】
基于分时段多模型建模的SCR催化剂性能劣化分析方法
本专利技术涉及一种催化剂性能劣化分析方法，具体是涉及一种基于分时段多模型建模的SCR催化剂性能劣化分析方法，属于SCR脱硝催化剂管理领域。
技术介绍
随着生态环保约束的进一步趋紧，我国对火电机组污染物排放的要求越来越严格，采用SCR系统对锅炉燃烧烟气进行脱硝处理已然成为火电厂的主流选择。目前，我国燃煤机组的SCR脱硝装置大都采用高温高尘的布置工艺。采用这种布置方式时，烟气无需进行再热即可满足SCR催化剂的活性温度要求，投资和运行成本较低。然而，此种工艺的SCR催化剂运行环境较为恶劣，烟气中的飞灰会造成催化剂的磨损和堵塞，飞灰中的碱金属也会导致催化剂中毒。此外，省煤器出口烟气温度过高还会造成催化剂烧结。催化剂运行过程中的磨损、堵塞、中毒和烧结现象，会导致催化剂活性性能的不断下降，也即催化剂的性能劣化。SCR催化剂是脱硝系统的关键部件，其活性性能对SCR系统的脱硝水平和运行成本具有决定性的影响，特别是在脱硝旁路取消的情况下，SCR脱硝装置与锅炉甚至整个机组运行安全性和经济性之间关联更加紧密，催化剂的活性评估与性能劣化分析对机组安全经济环保运行具有重要意义。目前，比较普遍采用的催化剂活性检测手段主要是实验室检测方法和现场试验分析方法。实验室检测方法对催化剂活性进行检验的方法是，将催化剂中提前布置的试验块或者现场采集的催化剂样本送到专门的实验室进行化验。然而，由于SCR反应器内流场存在一定程度的分布不均，催化剂化验样本的活性并不能够很好地代表整个反应器的脱硝性能；同时，催化剂的取样工作一般需要在机组停机检修时才能进行，而国内机组连续运行时间普遍较长，催化剂采样检测次数受到限制，对实验室检测方法的时效性和准确性造成不利影响。对于现场实验分析方法，该方法利用现场试验数据来计算SCR反应器的整体脱硝性能，有效克服了传统实验室检测方法样本代表性差的问题，现场试验次数不受机组启停的限制。但是现场试验方法的成本较高，且每次现场试验都需要向电网申请稳定的机组负荷以满足试验所需的烟气条件，实际操作过程中该方法也会受到试验次数的影响。因此，有必要提出一种准确的、时效性强的催化剂活性分析方法来满足火电机组的SCR催化剂活性评估和性能劣化分析的现实需求。现役燃煤机组大都配备分布式控制系统和厂级监控信息系统，SCR脱硝系统运行过程中记录了SCR进出口NOx浓度、还原剂流量以及脱硝效率等参数海量的运行数据，这些数据能够直接或间接地反映SCR催化剂的活性状态。然而，SCR脱硝系统是一个复杂的非线性系统，运行数据具有混杂、高维和时序等特点，同时，非稳态工况数据波动幅度大，系统各变量的统计特性不稳定，不利于系统静态特性的研究。此外，SCR催化剂性能劣化是一个缓慢过程，稳态工况数据中包含的催化剂性能的知识信息，在不同的时段也各不相同。因此，利用有效的数据挖掘手段，从SCR系统不同时段的运行数据中获取稳定的、准确的催化剂活性信息，对研究SCR系统脱硝催化剂的性能劣化分析与寿命管理具有重要意义。
技术实现思路
专利技术目的：针对现有的SCR催化剂活性检测手段存在的不足，本专利技术提供一种基于分时段多模型建模的SCR催化剂性能劣化分析方法。技术方案：本专利技术所述的基于分时段多模型建模的SCR催化剂性能劣化分析方法，包括如下步骤：(1)从SIS数据库中采集SCR脱硝催化剂活性相关参数的历史运行数据，得到原始样本D；(2)以机组负荷和SCR入口NOx浓度为指标对机组常规运行区间进行工况划分，划分的网格尽可能多地包含原始样本D中的数据；(3)按照时间区段将原始样本D分割成m个时段形成样本集{Di}(1≤i≤m)；(4)以机组负荷和SCR入口NOx浓度为稳态判定条件对样本集{Di}进行稳态筛选，得到稳态运行数据样本集{SDi}(1≤i≤m)，对稳态样本{SDi}进行数据清洗，对清洗后的稳态样本进行离散化抽样，得到尽可能均匀分布的全工况稳态建模样本集{MDi}(1≤i≤m)；(5)采用最小二乘支持向量机(LSSVM)算法对稳态建模样本集{MDi}进行训练，得到各个时间区段SCR脱硝系统的全工况LSSVM模型集{Mi}(1≤i≤m)，模型输入为机组负荷、SCR入口NOx浓度、SCR入口烟气温度、SCR入口氧量和SCR出口NOx浓度，模型输出为还原剂流量；本步骤中，训练LSSVM模型时采用的是对应时段内尽可能离散的稳态数据样本，所得模型能够在全工况范围内具有较高的预测精度；(6)根据步骤(2)中所划网格确定n个典型工况，SCR入口NOx浓度采用各典型工况网格中心点所对应数值，形成一组典型工况输入集DIn×5；其中，选取样本分布最多的负荷工况所对应的机组负荷作为典型工况集的机组负荷，对应SCR出口NOx浓度、烟气温度和SCR入口氧量为机组常规运行区间内所有样本对应参数的平均值；基于本步骤，可在固定烟气流量、出口NOx浓度、温度和氧量的基础上，全面考察不同入口NOx浓度下的还原剂流量消耗，以此来分析SCR催化剂的活性；(7)将步骤(6)中典型工况输入样本集DIn×5分别输入步骤(5)中的LSSVM模型集{Mi}(1≤i≤m)，得到m个模型对应的典型工况输出集DOn×1，即同一组输入集在不同时段对应的输出集，根据模型集的输出结果分析SCR催化剂的活性。上述步骤(7)中，根据模型集的输出结果分析SCR催化剂活性的方法为：定义β值，计算LSSVM模型集中各个模型的β值，作为对应时段SCR催化剂活性的表征值，得到机组SCR脱硝催化剂的性能劣化趋势；其中，β值计算方法具体为：SCR催化剂活性用脱除单位NOx消耗的还原剂流量来表征，还原剂可为液氨、尿素等；表征方式为式中，α为脱除单位NOx所消耗的还原剂流量，表征催化剂的活性，α越小，活性越大；为SCR入口NH3的摩尔浓度，为SCR入口NOx的摩尔浓度，为SCR出口NOx的摩尔浓度；其中，式中，为SCR系统进、出口测得的NOx的质量浓度；为NOx的相对分子质量；式中，Q还原剂为还原剂流量，为还原剂中NH3的质量分数，为NH3的相对分子质量；Q烟为烟气流量，且Q烟＝λ×P，P为机组负荷，λ为机组负荷与SCR入口烟气流量的比例关系；令则α∝β，即SCR催化剂的活性与还原剂流量成反比，与机组负荷和SCR系统进、出口NOx质量浓度之差成正比。较优的，对于LSSVM模型集中的任一模型，取n个典型工况计算得所得β值的算数平均值作为该模型的β值；采用多个典型工况的β值的算术平均值表征催化剂活性，其结果更具有稳定性。上述步骤(1)中，SCR催化剂活性相关参数一般包括：机组负荷、SCR入口NOx浓度、SCR入口烟气温度、还原剂流量、SCR入口氧量和SCR出口NOx浓度；由于现场的烟气流量测点准确性较差，采用机组负荷来表征烟气流量。优选的，采集所述历史运行数据时，整体时间跨度以2年以上为宜，取数间隔可根据整体时间跨度适当选取，一般在1min以内，考虑分析数据量的大小，最好为30～60秒。上述步骤(2)中，工况划分时，以机组负荷和SCR入口NOx浓度为边界条件，对机组常规运行区间进行工况划分。上述步骤(3)中，对数据进行时段分割时，时间跨度最好为一个月，近似认为一个月内SCR催化剂活性变化不大。优选的，本文档来自技高网...

【技术保护点】
1.基于分时段多模型建模的SCR催化剂性能劣化分析方法，其特征在于，包括如下步骤：(1)从SIS数据库中采集SCR脱硝催化剂活性相关参数的历史运行数据，得到原始样本D；(2)以机组负荷和SCR入口NOx浓度为指标对机组常规运行区间进行工况划分，划分的网格尽可能多地包含原始样本D中的数据；(3)按照时间区段将原始样本D分割成m个时段形成样本集{Di}(1≤i≤m)；(4)以机组负荷和SCR入口NOx浓度为稳态判定条件对样本集{Di}进行稳态筛选，得到稳态运行数据样本集{SDi}(1≤i≤m)，对稳态样本{SDi}进行数据清洗，对清洗后的稳态样本进行离散化抽样，得到尽可能均匀分布的全工况稳态建模样本集{MDi}(1≤i≤m)；(5)采用LSSVM算法对稳态建模样本集{MDi}进行训练，得到LSSVM模型集{Mi}(1≤i≤m)，模型输入为机组负荷、SCR入口NOx浓度、SCR入口烟气温度、SCR入口氧量和SCR出口NOx浓度，模型输出为还原剂流量；(6)根据步骤(2)中所划网格确定n个典型工况，SCR入口NOx浓度采用各典型工况网格中心点所对应数值，形成一组典型工况输入集DIn×5；其中，选取样本分布最多的负荷工况所对应的机组负荷作为典型工况集的机组负荷，对应SCR出口NOx浓度、烟气温度和SCR入口氧量为机组常规运行区间内所有样本对应参数的平均值；(7)将步骤(6)中典型工况输入样本集DIn×5分别输入步骤(5)中的LSSVM模型集{Mi}(1≤i≤m)，得到m个模型对应的典型工况输出集DOn×1，即同一组输入集在不同时段对应的输出集，根据模型集的输出结果分析SCR催化剂的活性。...

【技术特征摘要】
1.基于分时段多模型建模的SCR催化剂性能劣化分析方法，其特征在于，包括如下步骤：(1)从SIS数据库中采集SCR脱硝催化剂活性相关参数的历史运行数据，得到原始样本D；(2)以机组负荷和SCR入口NOx浓度为指标对机组常规运行区间进行工况划分，划分的网格尽可能多地包含原始样本D中的数据；(3)按照时间区段将原始样本D分割成m个时段形成样本集{Di}(1≤i≤m)；(4)以机组负荷和SCR入口NOx浓度为稳态判定条件对样本集{Di}进行稳态筛选，得到稳态运行数据样本集{SDi}(1≤i≤m)，对稳态样本{SDi}进行数据清洗，对清洗后的稳态样本进行离散化抽样，得到尽可能均匀分布的全工况稳态建模样本集{MDi}(1≤i≤m)；(5)采用LSSVM算法对稳态建模样本集{MDi}进行训练，得到LSSVM模型集{Mi}(1≤i≤m)，模型输入为机组负荷、SCR入口NOx浓度、SCR入口烟气温度、SCR入口氧量和SCR出口NOx浓度，模型输出为还原剂流量；(6)根据步骤(2)中所划网格确定n个典型工况，SCR入口NOx浓度采用各典型工况网格中心点所对应数值，形成一组典型工况输入集DIn×5；其中，选取样本分布最多的负荷工况所对应的机组负荷作为典型工况集的机组负荷，对应SCR出口NOx浓度、烟气温度和SCR入口氧量为机组常规运行区间内所有样本对应参数的平均值；(7)将步骤(6)中典型工况输入样本集DIn×5分别输入步骤(5)中的LSSVM模型集{Mi}(1≤i≤m)，得到m个模型对应的典型工况输出集DOn×1，即同一组输入集在不同时段对应的输出集，根据模型集的输出结果分析SCR催化剂的活性。2.根据权利要求1所述的基于分时段多模型建模的SCR催化剂性能劣化分析方法，其特征在于，步骤(7)中，所述根据模型集的输出结果分析SCR催化剂活性的方法为：定义β值，计算LSSVM模型集中各个模型的β值，作为对应时段SCR催化剂活性的表征值，得到机组SCR脱硝催化剂的性能劣化趋势；其中，所述β值计算方法为：SCR催化剂活性用脱除单位NOx消耗的还原剂流量来表征...

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