基于现场数据的NOx浓度预测

罗玉康，朱曙光，巨克珺

（南京理工大学，南京 210094）

氮氧化物以多种不同的形式存在于大气中，包括NO、NO2、N2O、N2O3、N2O4和N2O5等，简 称NOx。大气污染物中的NOx百分之九十以上来源于化石燃料（如煤、天然气和石油等）的燃烧过程，其中煤的燃烧产生的NOx占70%以上[1-2]。而燃煤在我国的能源消耗结构中占很重要的比重，燃煤造成的大气污染较为严重[3]。这些年国家对NOx的排放标准越来越严格，而且还颁布了火电污染物排放相关的标准和规范[4]。NOx减排任务与燃煤电厂的脱硝有着很大关系，SCR 催化还原法是脱硝效率最高的脱硝技术[5]。目前采用SCR 脱硝系统的电厂大部分采用PID 控制喷氨量，当机组处于稳定的工况时，喷氨量可以控制的很好。但是在系统处于变工况的条件下，其喷氨控制会出现大滞后性现象，不能保证最佳的喷氨量，从而造成氨逃逸率增大，使得NOx的脱除效率达不到预期要求，电厂脱硝运行成本增大。因此，如果能根据SCR 入口相关的参数提前预测入口和出口的NOx浓度，就可以喷出相应的氨气量，提升脱硝效率。

BP 神经网络从给定的输入和输出数据中提取相关信息，以适应任意复杂形式的非线性系统[6]。针对目前火力发电厂脱硝系统的现存问题，利用BP 神经网络对SCR 脱硝系统进行模型构建，并对数据进行预处理后，结合现场实测数据进行重复的训练和测试。结果表明基于现场数据构建的SCR 脱硝系统预测模型是可靠的，能够准确反映出SCR 系统入口和出口的NOx实际变化情况。

1 研究对象

本文以安徽某电厂600 MW 的发电机组的SCR 脱硝系统A 侧烟道为对象进行研究。……