Para garantizar el funcionamiento seguro y estable del sistema de desulfuración de gases de escape de las plantas de energía de carbón, es necesario establecer un plan científico y razonable para predecir la vida útil del catalizador de reducción selectiva catalítica (SCR). La degradación del catalizador SCR es el resultado de múltiples factores físicos y químicos, y es difícil predecir su grado de desactivación mediante modelos físicos o fórmulas matemáticas tradicionales. Este estudio se centra en las características de big data de las plantas de energía, preprocesa los datos originales y establece cuatro modelos de predicción: ajuste de curvas, predicción gris, redes neuronales BP, redes neuronales grises. El análisis comparativo de casos revela que el preprocesamiento de datos puede mejorar la precisión de la predicción; cuando los datos cumplen con la característica de equidistancia, el modelo de salida directa optimizado por la red neuronal gris tiene una alta precisión de predicción; cuando los datos no cumplen con la característica de equidistancia, el modelo de red neuronal BP tiene un mejor efecto de predicción.

Sistema de desulfuración de gases de escape; catalizador SCR; predicción de vida útil; ajuste de curvas; predicción gris; red neuronal BP; red neuronal gris