[发明专利]基于多源信息融合技术的燃煤锅炉SCR催化剂寿命评价方法

权利要求书

1.一种基于多源信息融合技术的燃煤锅炉SCR催化剂寿命评价方法，其特征在于，综合分析实验室检测数据和电厂历史运行数据得到SCR脱硝催化剂寿命，包括以下步骤：

步骤1，获取催化剂样本微观性能指标：对电厂锅炉中投用的催化剂进行多次取样，并对样本进行实验室检测，获得表征催化剂活性的微观特征指标；该步骤中对电厂锅炉中投用的催化剂进行多次取样时，每次取样的催化剂样本在SCR反应器中的同一区域；对不同投运时间的催化剂样本进行实验室检测，检测指标包括催化剂的主要活性组分V₂O₅、比表面积、孔容和孔径；V₂O₅采用XRF测试，比表面积采用BET法进行测试，孔容孔径采用压汞分析仪测量；

步骤2，获取催化剂样本宏观性能指标：利用微型反应器试验获得催化剂样本的宏观性能指标；该步骤具体包括：

2a)检测燃煤电厂脱硝系统不同投运时间的催化剂微型反应器试验数据，包括反应器入口NH₃浓度、入口NO_x浓度、反应温度、出口NO_x浓度、氧量、烟气流量以及脱硝效率；

2b)在微型反应器试验数据的基础上计算催化剂活性

式中：K为催化剂活性，m/h；V_f为实验室测试通过催化剂的烟气流量，m³/h；S_c为催化剂试样块的表面积，m²；η为NO_x脱除率，％；其中NOx脱除率为烟气出入口NOx含量差值占烟气入口NOx含量的百分比；

步骤3，获取电厂SCR反应器宏观性能指标：通过对电厂历史运行数据进行统计与挖掘，得到反映电厂SCR催化剂性能的宏观指标；该步骤具体包括：

3a)剔除异常数据，所述异常数据包括机组停机期间的历史数据，传感器异常和网络波动引起的异常数据；

3b)剔除非稳态工况；

3c)建立机器学习模型，以入口NO_x浓度、出口NO_x浓度、机组负荷、氧量为输入，借助BP神经网络建立喷氨量的模型，将剔除异常数据和非稳态数据后的历史运行数据样本以月为单位进行划分，并利用每个月的数据分别建立当月的喷氨量BP神经网络模型；

3d)跟踪反应器潜能，给每个月建立的模型固定相同的输入条件，包括入口NO_x浓度、出口NO_x浓度、机组负荷、氧量，得到相同烟气条件下喷氨量的变化趋势，再利用潜能计算公式将喷氨量的变化趋势转化为SCR反应器潜能的劣化趋势，潜能计算公式为：

式中：MR为NH₃/NO摩尔比；为氨逃逸浓度；C_NO为入口NO浓度；

步骤4，基于信息融合技术的催化剂寿命评价：采用模糊数学的方法将这些与催化剂寿命相关的指标进行融合，完成催化剂寿命的综合评价。

2.根据权利要求1所述的基于多源信息融合技术的燃煤锅炉SCR催化剂寿命评价方法，其特征在于，所述步骤4中，构建催化剂寿命专家知识库，将催化剂寿命的指标分为四类：

第一类：表征脱硝催化剂自身性质指标，包括孔容、孔径、比表面积、V₂O₅的含量；

第二类：微型反应器试验测量的指标，包括催化剂样本的活性；

第三类：现场运行数据中提取的指标，包括SCR反应器的潜能；

第四类：催化剂设计寿命表征指标，包括电厂催化剂的投运时间；

其中，第一类和第二类指标来自实验室检测数据，第三类和第四类指标来自电厂历史运行数据。

3.根据权利要求2所述的基于多源信息融合技术的燃煤锅炉SCR催化剂寿命评价方法，其特征在于，所述催化剂寿命的指标包括：S1为催化剂孔容、S2为催化剂孔径、S3为催化剂比表面积、S4为催化剂中V₂O₅含量、S5为微型反应器测量的催化剂样本活性、S6为电厂SCR反应器潜能、S7为电厂催化剂的投运时间。