关键词:
环境工程学
催化裂化
NOx
神经网络
质量浓度预测
摘要:
为了提前掌握催化裂化装置再生器出口烟气中氮氧化物(NOx)排放质量浓度,从源头控制的角度出发,有效地动态指导脱硝装置运行参数调节,开展了径向基函数(Radial Basis Function,RBF)、反向传播(Back Propagation,BP)和自编码器(Auto Encoder,AE)神经网络在催化裂化装置再生器出口烟气NOx质量浓度预测中的应用研究。通过业务分析和数据分析,确定影响再生烟气中NOx质量浓度的工艺特征变量。利用采用不同方法清洗的两组数据,对比分析RBF、BP和AE神经网络在提前15 min预测再生器出口NOx排放质量浓度的效果,模型预测的精度分别为94.29%、91.73%和88.47%。基于RBF神经网络建立NOx质量浓度预测模型并进行工业应用,在400个工业测试样本中质量浓度预测值的最大误差为6.97 mg/m3,最小误差为0.07 mg/m3,平均误差为2.91 mg/m3。该预测模型对催化再生器出口NOx质量浓度的预测误差满足企业现场应用的要求,可指导工艺操作人员更好地掌控再生器出口烟气中NOx质量浓度的变化,为工艺操作人员提供了一个调整脱硝设施优化运行的时间窗口,有效增强了催化裂化装置催化剂再生烟气中NOx排放的抗冲击能力。