一种基于神经网络的脱硝催化剂寿命预测方法技术

本发明专利技术涉及脱硝催化剂寿命预测技术领域，具体是一种基于神经网络的脱硝催化剂寿命预测方法，步骤如下：S1、催化剂失活测试：对催化剂单元体样品进行催化剂活性与催化剂面速度计算；S2、生活模型制作；S3、寿命管理方案分析；S4、寿命余量计算；S5、神经网络的脱硝催化剂寿命预测磨合；S6、对计算的数据存储：数据存储到存储器，催化剂做出信息标识；S7、更换催化剂：对应的催化剂寿命临近余量倒计时间时，提醒维护人员更换催化剂。本发明专利技术结合催化剂失活测试进行神经网络生活模型的制作，神经网络生活模型的制作后进行模拟，对预测校准，提高预测精准度，通过神经网络生活模型计算的数据标识与倒计时，便于对后续催化剂的管理。便于对后续催化剂的管理。

【技术实现步骤摘要】
一种基于神经网络的脱硝催化剂寿命预测方法


[0001]本专利技术涉及脱硝催化剂寿命预测
，具体是一种基于神经网络的脱硝催化剂寿命预测方法。

技术介绍

[0002]脱硝催化剂泛指应用在电厂SCR脱硝系统上的催化剂，在SCR反应中，促使还原剂选择性地与烟气中的氮氧化物在一定温度下发生化学反应的物质，脱硝催化剂具有一定的寿命，使用过程需要对其寿命预测，便于后续催化剂的更换，一般采用实验预热的方式进行寿命预测，而神经网络是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型，这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的，神经网络能完成复杂数据的处理且处理的精准度高，用于脱硝催化剂寿命预测相较于计算效率更高。
[0003]中国专利公开了基于Elman神经网络模型的SCR烟气脱硝催化剂寿命预测方法，(授权公告号CN109801684A)，该专利技术基于已有数据的基础上，能够精确地预测SCR催化剂工作一段时间后的相对活性，通过该方法的预测结构，能描绘催化剂的相对活性随着工作时间增加的变化趋势，对于SCR催化剂的寿命管理具有指导作用，但是，上述申请完全依赖神经网络的算法对催化剂的寿命预测，预测精准度得不到保障，不利于预测的精准度，预测后催化剂的后续管理不方便，不利于催化剂寿命预测后的维护操作，对通过对。因此，本领域技术人员提供了一种基于神经网络的脱硝催化剂寿命预测方法，以解决上述
技术介绍
中提出的问题。

技术实现思路

[0004]本专利技术的目的在于提供一种基于神经网络的脱硝催化剂寿命预测方法，以解决上述
技术介绍
中提出的问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：一种基于神经网络的脱硝催化剂寿命预测方法，步骤如下：
[0006]S1、催化剂失活测试：特定烟气温度和流量下，对NOx的处理能力分析，在实验室中实验架上模拟烟气温度和烟气流速，在烟气流场分布均匀的条件下，对催化剂单元体样品进行催化剂活性与催化剂面速度计算；
[0007]S2、生活模型制作：SCR脱硝反应器模型设置三层催化剂结构，根据催化剂的整体失活特征推算公式，分析反应器整体脱硫效率与运行时间的关系，推算得出公式(1)
‑
(13)；
[0008]S3、寿命管理方案分析：根据S1与S2的内容计算出催化剂寿命并对内容分析；
[0009]S4、寿命余量计算：根据催化剂的寿命分析剩余可使用的时间，采用催化剂的寿命减去己用时间得到寿命余量；
[0010]S5、神经网络的脱硝催化剂寿命预测磨合：采用模拟数据对神经网络的脱硝催化剂寿命预测磨合，磨合后的神经网络的脱硝催化剂寿命预测磨合用于实际预测中；
[0011]S6、对计算的数据存储：数据存储到存储器，催化剂做出信息标识，并设定寿命余量倒计时；
[0012]S7、更换催化剂：对应的催化剂寿命临近余量倒计时间时，提醒维护人员更换催化剂。
[0013]作为本专利技术进一步的方案：所述S1中催化剂单元体样品进行催化剂活性计算，详见公式(1)，其计算公式为：
[0014][0015]公式中：K为催化剂活性，单位m/h，A
v
为催化剂面速度，单位m/h，η为脱硝效率，M
R
为氨氮摩尔比。
[0016]作为本专利技术再进一步的方案：所述S1中催化剂面速度的计算公式详见公式(2)，其计算公式为：
[0017][0018]公式中：式中：V为催化剂进口烟气流量，单位m3
/
h，A为催化剂表面积，单位m2，当氨氮摩尔比为1时公式(1)简化为(3)，其计算公式为：
[0019]K＝
‑
A
v
×
1n(1
‑
η)
ꢀꢀꢀꢀꢀꢀ
(3)。
[0020]作为本专利技术再进一步的方案：所述S2中根据催化剂的整体失活特征得出计算公式详见公式(4)，其计算公式为：
[0021][0022]根据(4)解出公式详见公式(5)，其计算公式为：
[0023]K＝K0exp(
‑
Qt)
ꢀꢀꢀ
(5)
[0024]公式中：K0为初始活性，单位m/h，t为催化剂的服役时间，单位h，Q为催化剂的失活速率，单位m/h，烟气通过各层催化剂时，其中的组分浓度等参数随之改变，致使三层催化剂的失活速率不同，此时各层催化剂的模型如公式(5)，其计算公式为：
[0025]K
i
＝K0exp(
‑
Q
i
t)
ꢀꢀꢀꢀ
(6)
[0026]公式中：K0为第i层催化剂的失活速率，且Q1＞Q2＞Q3。
[0027]作为本专利技术再进一步的方案：所述S2中根据公式(1)可知脱硝效率和催化剂活性的关系为详见公式(7)，其计算公式为：
[0028][0029]公式中：η
i
为脱硝效率，M
R，i
为入口氨氮摩尔比，K
i
为催化剂活性，SCR脱硝催化剂反应器出口的NO
x
浓度计算详见(8)，其计算公式为：
[0030][0031]公式中：为反应器进口NO
x
质量浓度，单位mg/m3，为反应器进口NO
x
质量浓度，单位mg/m3，反应器脱硝效率还可表示为公式(9)，其计算公式为：
[0032][0033]结合(8)与(9)可知，反应器整体脱硝效率与各层脱硝效率的关系如公式(10)，其计算公式为：
[0034][0035]作为本专利技术再进一步的方案：所述S2中将(7)带入到公式(10)得到反应器整体脱硝效率η
total
随催化剂活性的变化情况参阅公式(11)，其计算公式为：
[0036][0037]公式中M
R，in
为反应器入口的氨氮摩尔比，此值通常为己知值，而第2、3层催化剂的氨氮摩尔比M
R，2
、M
R，3
的值得出公式(12)与(13)其计算公式为：
[0038][0039][0040]作为本专利技术再进一步的方案：所述S2中将公式(6)、(12)、(13)带入(11)后，即可得到反应器整体脱硫效率与运行时间的关系。
[0041]作为本专利技术再进一步的方案：所述S5中模拟次数为1000次，模拟后随机抽出10％的数据，取其10％的数据平均值得出的数据作为预测基础数据。
[0042]作为本专利技术再进一步的方案：所述S7中提醒时间距离催化剂预测寿命最后时间之前24h，维护人员在提醒时间12h内更换催化剂。
[0043]与现有技术相比，本专利技术的有益效果是：
[0044]1.本专利技术基于神经网络的脱硝催化剂寿命预测方法，结合催化剂失活测试进行神经网络生活模型的制作，神经网络生活模型的制作后进行模拟，对预测校准，提高预测精准度；<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的脱硝催化剂寿命预测方法，其特征在于，步骤如下：S1、催化剂失活测试：特定烟气温度和流量下，对NOx的处理能力分析，在实验室中实验架上模拟烟气温度和烟气流速，在烟气流场分布均匀的条件下，对催化剂单元体样品进行催化剂活性与催化剂面速度计算；S2、生活模型制作：SCR脱硝反应器模型设置三层催化剂结构，根据催化剂的整体失活特征推算公式，分析反应器整体脱硫效率与运行时间的关系；S3、寿命管理方案分析：根据S1与S2的内容计算出催化剂寿命并对内容分析；S4、寿命余量计算：根据催化剂的寿命分析剩余可使用的时间，采用催化剂的寿命减去已用时间得到寿命余量；S5、神经网络的脱硝催化剂寿命预测磨合：采用模拟数据对神经网络的脱硝催化剂寿命预测磨合，磨合后的神经网络的脱硝催化剂寿命预测磨合用于实际预测中；S6、对计算的数据存储：数据存储到存储器，催化剂做出信息标识，并设定寿命余量倒计时；S7、更换催化剂：对应的催化剂寿命临近余量倒计时间时，提醒维护人员更换催化剂。2.根据权利要求1所述的一种基于神经网络的脱硝催化剂寿命预测方法，其特征在于，所述S1中催化剂单元体样品进行催化剂活性计算，详见公式(1)，其计算公式为：公式中：K为催化剂活性，单位m/h，A
v
为催化剂面速度，单位m/h，η为脱硝效率，M
R
为氨氮摩尔比。3.根据权利要求1所述的一种基于神经网络的脱硝催化剂寿命预测方法，其特征在于，所述S1中催化剂面速度的计算公式详见公式(2)，其计算公式为：公式中：式中:V为催化剂进口烟气流量，单位m3/h，A为催化剂表面积,单位m2，当氨氮摩尔比为1时公式(1)简化为(3)，其计算公式为：K＝
‑
A
v
×
1n(1
‑
η)
ꢀꢀ
(3)。4.根据权利要求1所述的一种基于神经网络的脱硝催化剂寿命预测方法，其特征在于，所述S2中根据催化剂的整体失活特征得出计算公式详见公式(4)，其计算公式为：根据(4)解出公式详见公式(5)，其计算公式为：K＝K0exp(
‑
Qt)
ꢀꢀꢀꢀ
(5)公式中：K0为初始活性，单位m/h，t为催化剂的服役时间，单位h，Q为催化剂的失活速率，单位m/h，烟气通过各层催化剂时，其中的组分浓度等参数随之改变，致...

【专利技术属性】
技术研发人员：高献淞，陈浩瀚，巫星蓉，
申请(专利权)人：重庆智慧思特大数据有限公司，
类型：发明
国别省市：