SCR脱硝催化剂寿命预测与精确管控技术

,SCR脱硝催化剂寿命预测与精确管控技术,报告人：陆强,华北电力大学生物质发电成套设备国家工程实验室2019.9.19,燃煤机组SCR脱硝系统运行优化及废旧催化剂寿命管理技术交流会,2,汇报内容,1,3,4,2,汇报内容,1,3,4,SCR脱硝催化剂寿命预测背景,在SCR系统中，由于中毒、烧结、磨损和飞灰堵塞等原因，催化剂活性会逐渐衰减，当降低到一定程度后，脱硝效率就得不到保证，此时必须更换催化剂。,催化剂置换费用占到系统总价的很大一部分，如果能够准确预测出催化剂寿命并及时更换催化剂不仅可以保证脱硝效率还可以降低发电运行成本。,新鲜催化剂,失活催化剂,SCR脱硝催化剂寿命预测研究现状,随机过程,根据经验预测,人工智能,人工智能,rA:某时刻反应物A在催化剂上的反应速率rA0:反应物A在新鲜催化剂上的反应速率,k:反应系数CA:反应物浓度a:催化剂活性:内扩散效率因子,催化反应的表观速率通式,催化剂活性定义式,主反应速率方程式,c：反应物或生成物浓度T：反应温度a:催化剂活性,c：反应物或生成物浓度T：反应温度a:催化剂活性,失活速率方程式,催化剂的活性定义式,整体失活模型,催化剂整体失活模型：,单因素失活模型,由于SCR催化剂的烧结、磨损和飞灰堵塞的失活原理均较为复杂，反应过程多变，故使用以下基础模型描述催化剂失活过程：,SCR脱硝催化剂失活模型,细小灰粒聚集于SCR反应器上游，到一定程度后掉落到催化剂表面。,催化剂的磨损是由其本身的性质和所工作的流态化环境特征共同决定的。,当烟气温度高于400时，烧结就开始发生。,磨损,烧结,堵塞,导致SCR催化剂中毒的物质包括重金属、碱土金属、碱金属、SO2和磷酸盐等，目前国内外学者仅研究过部分碱金属与重金属的失活动力学模型。,（模型中C为修正系数，CAs为砷浓度）,砷中毒：,钾中毒：,利用渐进壳模型，综合考虑内、外扩散后得出失活模型,SCR脱硝催化剂失活模型（中毒模型）,SCR脱硝催化剂寿命预测技术难点,难点：SCR脱硝催化剂整体失活模型物理意义明确，但预测误差大，无法满足工业使用要求。单因素失活机理复杂，模型较少，且只能分析相对因素失活过程，无法准确预测催化剂整体寿命。,利用电厂催化剂服役数据进行拟合，寻找最优拟合模型，弥补物理模型预测误差大的缺点。,根据对单一参数的预测结果推导出相应参数公式，从多角度表述预测结果。,综合考虑各影响因素和催化剂失活趋势后给出催化剂管理方案。,SCR脱硝催化剂寿命预估与管理技术路线,SCR脱硝催化剂寿命预测研究内容,数学修正模型,借鉴HRP-12催化剂上苯与直链烯烃的烷基化反应，可在失活方程的前面增添一个修正系数,平均相对误差：5.65%,特点：样本数据可以是动态变化的，指标数据的可以存在不完备或不确定性，需要的数据量比较少，预测比较准确，精度较高。计算简便，检验方便，适用于中长期预测。但是数据必须满足时序性要求。,灰色模型GM(a,b),模型原理,首先对数据进行预处理（增强数据规律性，改善结果随机性，提高抗噪性），设原始数据序列为：,SCR脱硝催化剂寿命预测研究内容,a为发展系数,u为灰色作用量,设为待估参数向量：,最小二乘法,SCR脱硝催化剂寿命预测研究内容,灰色模型GM(a,b),代入数值拟合,微分方程的解,还原数据,（累减生成）,平均预测误差：5.09%,SCR脱硝催化剂寿命预测研究内容,灰色模型GM(a,b),后验差检验,后验差比:,小误差概率：,1级精度,SCR脱硝催化剂寿命预测研究内容,灰色模型GM(a,b),特点：弥补灰色模型对数据样本等时距的要求，计算简便。,（1）多项式模型：,（2）指数模型：,（3）高斯模型：,曲线拟合,工程中常用模型：指数函数、幂函数、多项式函数、三角函数和高斯函数,SCR脱硝催化剂寿命预测研究内容,令：,一阶多项式模型：二阶多项式模型：三阶多项式模型：指数模型：高斯模型：,曲线拟合,SCR脱硝催化剂寿命预测研究内容,SCR脱硝催化剂寿命预测研究内容,SCR脱硝催化剂寿命预测研究内容,随着计算机技术的发展，利用人工智能中的数据挖掘技术可以帮助解决复杂的SCR脱硝催化剂寿命预测问题。,BP网络,SCR脱硝催化剂寿命预测研究内容,优点：非线性映射能力、自学习和自适应能力、容错能力缺点：局部极小、收敛速度慢、结构选择不确定,神经网络,log-sigmoid:,tan-sigmoid:,S型,（作为输出层传递函数时输出值范围-1,1）,线性函数,purelin:,激励函数,适合中小型网络,（输出值可以是任意值）,SCR脱硝催化剂寿命预测研究内容,神经网络,平均误差：5.02%,网络拓扑结构：1-2-1,SCR脱硝催化剂寿命预测研究内容,神经网络,SCR脱硝催化剂寿命预测研究内容,所需样本小,非线性映射能力强,灰色神经网络,预测准确度高,GM（1，1）模型预测结果残差：(0)=0.00000，-0.01919，0.03751，-0.03249，0.03141，-0.01027，0.00297，-0.00844，0.01591，-0.03361，0.01335,GM（1，1）模型预测结果：x(1)=1.00000，0.87919，0.8025，0.73249，0.66859，0.61027，0.55703，0.50844，0.46409，0.42361，0.38665,网络拓扑结构：3-3-1,SCR脱硝催化剂寿命预测研究内容,残差修正模型,灰色神经网络残差修正模型平均误差：4.78%,SCR脱硝催化剂寿命预测研究内容,残差修正模型,网络拓扑结构:2-5-1,SCR脱硝催化剂寿命预测研究内容,直接输出模型,直接输出模型平均误差：4.60%,残差修正模型平均误差：4.78%,SCR脱硝催化剂寿命预测研究内容,直接输出模型,SCR脱硝催化剂寿命预测研究内容,催化剂寿命预估结果的多重表述可以通过预测催化剂相对活性变化情况推导出其余重要参数变化趋势，从多个角度预测催化剂的寿命，更直观的分析催化剂失活规律。,结果的多重表述,2,汇报内容,1,3,4,SCR脱硝催化剂寿命管理,典型的“2+1”型催化剂层布置方式,典型的“2+1”型催化剂寿命管理曲线,催化剂管理是根据催化剂的失活速率、性能要求和系统能力来预测何时需要加装、替换或者再生催化剂层的技术。目前电站均根据催化剂的出厂寿命管理曲线对催化剂进行替换和加装，不能满足所有电站的运行要求。因此，针对不同运行情况和催化剂性能制定出合理的管理方案，对优化设备运行状况具有重要意义。,SCR脱硝催化剂寿命管理,ta1=24009.6329h,催化剂寿命约为24000h,误差为0.4%,模型验证,SCR脱硝催化剂寿命管理,SCR脱硝催化剂寿命管理方案比较,不改变催化剂层位置,SCR脱硝催化剂寿命管理,SCR脱硝催化剂寿命管理,改变催化剂层位置,tc2=38772.2589h,tc2=tc1+tc2=62781.8918h,ta1=24009.6329h,（添加备用层催化剂放置在第一层的位置，同时将原来的两层催化剂均下移一层）,SCR脱硝催化剂寿命管理,SCR脱硝催化剂寿命管理,结合反应器性能计算模型对12种方案进行对比分析后，得到了催化剂的最佳换装方案，节省运行成本。,解决实际问题,SCR脱硝催化剂寿命管理,2,汇报内容,1,3,4,利用灰色预测中的GM（1,1）模型，研发了实用性较强的催化剂寿命预测软件。该软件可根据用户需求自行选择催化剂类型，在计算界面输入工况参数后可得到相应的催化剂几何比表面积、脱硝效率和相对活性等参数，进一步预测出催化剂活性变化规律，为安装SCR脱硝系统的相关企业提供催化剂换装建议，指导生产实践。,硬件要求1）CPU：2.66GHz以上2）内存：2G及以上3）显卡：标准VGA4）屏幕分辨率：12801024及以上,运行环境,支持软件1）操作系统：Windows7系统、Windows10系统2）使用软件：MATLABR2012b,SCR脱硝催化剂寿命预测软件,系统流程图,SCR脱硝催化剂寿命预测软件,用户登录界面,板式催化剂几何比表面积计算界面,部分源代码截图,SCR脱硝催化剂寿命预测软件,催化剂活性及脱硝效率计算界面,SCR脱硝催化剂寿命预测软件,催化剂寿命计算示例,2,汇报内容,1,3,4,以电厂1为例，该电厂给出了2016年1月10日到2017年1月3日期间的运行数据，通过催化剂活性计算公式得到不同运行时间对应的SCR催化剂活性,从图中可以发现，在运电厂的催化剂活性数据十分繁杂，难以观察到催化剂活性的变化规律，无法直接用于活性预测，因此需要进行数据预处理,数据预处理,在运电厂SCR脱硝催化剂寿命预测,预处理后的数据更便于观察，也更符合电厂SCR催化剂活性变化规律，可直接用于催化剂活性预测研究,在运电厂SCR脱硝催化剂寿命预测,预测方法曲线拟合,在运电厂SCR脱硝催化剂寿命预测,曲线拟合法操作和计算过程简单，在工程中常用模型包括指数函数、幂函数、多项式函数、三角函数和高斯函数。,预测方法灰色预测,灰色预测模型所需数据量少，预测精度较高并且可通过新增加的实测数据相应的变动模型而计算程序不需要变化，但数据需满足等时距特性。在本研究中应用的是单一变量的GM(1,1)模型。,在运电厂SCR脱硝催化剂寿命预测,预测方法BP神经网络,BP神经网络结构,训练和测试样本的确定,设定训练参数,用spss软件筛选出网络输入变量,在运电厂SCR脱硝催化剂寿命预测,预测方法BP神经网络,在运电厂SCR脱硝催化剂寿命预测,预测方法灰色神经网络,灰色预测+神经网络,灰色神经网络,残差模型,直接输出模型,所需样本小,非线性映射能力强,预测准确度高,直接输出模型（优化后）,网络的输入输出均为灰色预测结果的残差,网络的输入为灰色预测结果与催化剂服役时间，输出为催化剂活性,网络的输入为灰色预测结果与催化剂活性影响因素，输出为催化剂活性,在运电厂SCR脱硝催化剂寿命预测,预测方法灰色神经网络,在运电厂SCR脱硝催化剂寿命预测,在运电厂SCR脱硝催化剂寿命预测,预测结果,通过比较可以发现，优化后的直接输出模型误差最小。因此，在燃煤电厂实际运行过程中，可将灰色神经网络中的直接输出模型（优化后）作为SCR脱硝催化剂的寿命预测模型。,在运电厂SCR脱硝催化剂寿命预测,预测结果,预测结果,利用优化后的直接输出模型对SCR催化剂已有运行数据进行拟合并预测后续活性变化情况。由于在模型中机组负荷、脱硝效率、烟温、烟气量等运行工况均是输入变量，但后续时间的运行工况均未知，因此在预测时分别假设机组运行负荷为满负荷（100负荷）、常规负荷（60负荷）、低负荷（40负荷）。,在运电厂SCR脱硝催化剂寿命预测,在运电厂SCR脱硝催化剂寿命预测,改进与优化,电厂1的烟气参数变化范围较其他电厂更大，催化剂活性波动更明显，使得预测结果没有其他电厂准确。可将烟气量作为标准对数据进行筛选后再进行预测。,筛选出烟气量在1