《基于BP神经网络的燃煤电厂烟气量及NOx浓度分布预测研究》
——文献综述
（杨浩 南京理工大学 能源与动力工程，江苏 南京210094）
前言
随着我国经济的发展，能源的消耗量也与日俱增，随之带来对环境的污染也日趋严重，环保治理已经成为经济与社会发展的重要问题之一。我国是产煤和用煤大国，2019年中国煤产量占世界煤产量的46.3%，其中发电用煤量为全国煤炭供应量的44.8%。[3]而燃煤电站产生的SO2与NOx是对大气环境造成污染的主要物质，同时也对人类的身体健康造成了巨大的负面影响。因此电力产业在控制污染物质排放方面有着不容忽视的责任与义务。2012年开始实施的新版《火电厂大气污染物排放标准》（GB13223-1996），规定了火电厂大气污染物排放浓度限值、监测和监控要求,其中规定火电机组燃煤锅炉的NOx排放标准降低到100mg/m3。[2]根据2019年11月国家发布的《长三角地区2019-2020年秋冬季大气污染综合治理攻坚行动方案》，加快推进燃气锅炉低氮改造，未出台地方排放标准的，原则上按照氮氧化物排放浓度不高于50毫克/立方米进行改造。【1】
为控制NOx的排放量，我国燃煤电场大量使用的燃烧后NOx控制方式SCR技术[30]。在该技术中，由于SCR 脱硝系统反应机理复杂，具有非线性、多变量耦合等特点，当工况不变时，烟气NOx的含量受反应温度，烟气流量，喷氨量，流场均匀性等因素影响波动较大【12】；当工况持续变化时，烟气的NOx的含量变化更加剧烈。而烟气信号是通过锅炉符合预测出来的存在很大的滞后性，传统的PID控制方案（比例积分微分控制）对这类大迟延对象的动态偏差控制性能较差，[22]无法实现喷氨量的最优控制，保证脱硝系统的高效率和经济性。
本文将采用使用BP神经网络预测方法对SCR脱硝系统烟气量及NOx浓度分布进行预测，从而为喷氨量提供精准的控制。
关键词：BP神经网络 、燃煤电厂脱硝、烟气量及NOx分布预测
- SCR烟气脱硝技术
目前，已经成功工业应用的烟气脱硝技术主要有SCR烟气脱硝技术、SNCR烟气脱硝技术和SNCR-SCR混合法烟气脱硝技术。[29]其中SCR（选择性催化还原法）烟气脱硝技术是目前最为广泛、技术最为成熟的烟气脱硝技术。
