基于BP神经网络的SCR蜂窝状催化剂脱硝性能预测

被引：13

作者：

杨碧源

赵金笑

魏宏鸽

王艳鹏

朱跃

机构：

[1] 华电电力科学研究院

来源：

中国电力 | 2016年 / 10期

关键词：

燃煤电厂; 烟气脱硝; 蜂窝状催化剂; SCR; BP神经网络; 预测模型;

D O I：

暂无

中图分类号：

O643.36 [催化剂]; TP183 [人工神经网络与计算];

学科分类号：

070305 [高分子化学与物理]; 140502 [人工智能];

摘要：

选择性催化还原(SCR)法是目前烟气脱硝应用最广泛的技术之一,其脱硝效率与催化剂有紧密联系。在自制性能测试试验台上,以某商用蜂窝状催化剂为研究对象,选取空速、温度、氧气含量、氨氮摩尔比、NO浓度5组参数进行脱硝性能测试,分析其对脱硝效率的影响。在实验数据的基础上,应用BP神经网络建立了预测模型,并与实验数据进行了对比分析。结果表明,当BP神经网络拓扑结构为5×7×1时,训练结果较好,利用其进行脱硝性能预测时,绝对误差绝对值的平均值为8%,相对误差绝对值的平均值为11%,证明BP神经网络拟合效果较好。

引用

页码：127 / 131

页数：5

共 11 条

[1]

平板式SCR催化剂的性能检测 [J].

孟小然 ;

于艳科 ;

陈进生 ;

王金秀 ;

陈衍婷 .

中国电力, 2014, (12) :144-148+155

[2]

烟气脱硝选择性催化还原催化剂反应模拟研究 [J].

沈伯雄 ;

赵宁 ;

刘亭 .

中国电机工程学报, 2011, 31 (08) :31-37

[3]

WO3对于V2O5/TiO2脱硝催化剂的抗中毒作用 [J].

朱崇兵 ;

金保升 ;

仲兆平 ;

李锋 ;

翟俊霞 .

锅炉技术, 2009, 40 (01) :63-67+72

[4]

V2O5-WO3/TiO2催化剂氨法SCR脱硝反应动力学研究 [J].

范红梅 ;

仲兆平 ;

金保升 ;

李锋 ;

刘涛 ;

翟俊霞 .

燃料化学学报, 2006, (03) :377-380

[5]

垃圾热解实验研究及其神经网络预测模型 [J].

温俊明 ;

池涌 ;

金余其 ;

严建华 ;

倪明江 ;

岑可法 .

中国电机工程学报, 2005, (05)

[6]

Kinetic and 2D reactor modeling for simulation of the catalytic reduction of NO x in the monolith honeycomb reactor[J] S.R. Dhanushkodi;N. Mahinpey;M. Wilson Process Safety and Environmental Protection 2008,

[7]

Mathematical modeling of monolith catalysts and reactors for gas phase reactions[J] Jinwen Chen;Hong Yang;Neil Wang;Zbigniew Ring;Tadeusz Dabros Applied Catalysis A; General 2008,

[8]

Experimental and theoretical study of NO decomposition in a catalytic monolith reactor[J] Chemical Engineering & Processing: Process Intensification 2003,

[9]

A Sequential Learning Approach for Single Hidden Layer Neural Networks[J] Jie Zhang;A.J. Morris Neural Networks 1998,

[10]

MATLAB神经网络应用设计[M] 傅荟璇; 等编著机械工业出版社 2010,

← 1 2 →