[发明专利]基于分时段多模型建模的SCR催化剂性能劣化分析方法

摘要

本发明公开一种基于分时段多模型建模的SCR催化剂性能劣化分析方法，步骤包括：采集机组的历史数据库中相关参数较长时间跨度的运行数据，对机组负荷和SCR入口NOx浓度的常规区间进行工况划分；将运行数据按照时间划分成多个区段，根据机组负荷和SCR入口NOx浓度对每一区段内的运行数据进行稳态筛选得到稳态样本，对稳态样本进行离散化抽取，得到尽可能覆盖全工况的稳态样本作为建模样本；利用LSSVM对各个区段的建模样本进行训练，最终得到各时间区段SCR脱硝系统的全工况模型集；选取典型工况输入集，利用LSSVM模型得到各时间区段的输入输出对应关系，用脱除单位NOx消耗的还原剂流量表征催化剂活性，最终得到SCR催化剂的性能劣化趋势，为催化剂换装提供指导。

主权项

1.基于分时段多模型建模的SCR催化剂性能劣化分析方法，其特征在于，包括如下步骤：(1)从SIS数据库中采集SCR脱硝催化剂活性相关参数的历史运行数据，得到原始样本D；(2)以机组负荷和SCR入口NO_x浓度为指标对机组常规运行区间进行工况划分，划分的网格尽可能多地包含原始样本D中的数据；(3)按照时间区段将原始样本D分割成m个时段形成样本集{D_i}(1≤i≤m)；(4)以机组负荷和SCR入口NO_x浓度为稳态判定条件对样本集{D_i}进行稳态筛选，得到稳态运行数据样本集{SD_i}(1≤i≤m)，对稳态样本{SD_i}进行数据清洗，对清洗后的稳态样本进行离散化抽样，得到尽可能均匀分布的全工况稳态建模样本集{MD_i}(1≤i≤m)；(5)采用LSSVM算法对稳态建模样本集{MD_i}进行训练，得到LSSVM模型集{M_i}(1≤i≤m)，模型输入为机组负荷、SCR入口NO_x浓度、SCR入口烟气温度、SCR入口氧量和SCR出口NO_x浓度，模型输出为还原剂流量；(6)根据步骤(2)中所划网格确定n个典型工况，SCR入口NO_x浓度采用各典型工况网格中心点所对应数值，形成一组典型工况输入集DI_n×5；其中，选取样本分布最多的负荷工况所对应的机组负荷作为典型工况集的机组负荷，对应SCR出口NO_x浓度、烟气温度和SCR入口氧量为机组常规运行区间内所有样本对应参数的平均值；(7)将步骤(6)中典型工况输入样本集DI_n×5分别输入步骤(5)中的LSSVM模型集{M_i}(1≤i≤m)，得到m个模型对应的典型工况输出集DO_n×1，即同一组输入集在不同时段对应的输出集，根据模型集的输出结果分析SCR催化剂的活性。