基于遗传算法优化BP神经网络的SCR脱硝系统催化剂体积设计

唐诗洁; 陆强; 曲艳超; 任翠涛; 杨勇平

doi:10.12096/j.2096-4528.pgt.19102

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

基于遗传算法优化BP神经网络的SCR脱硝系统催化剂体积设计

燃煤发电系统能源高效清洁利用 | 更新时间：2025-07-04

- 基于遗传算法优化BP神经网络的SCR脱硝系统催化剂体积设计
- Catalyst Volume Design in SCR Denitrification System Based on Genetic Algorithm Optimized BP Neural Network
- 发电技术 2019年40卷第3期页码：246-252
- 作者机构：
  
  1.生物质发电成套设备国家工程实验室(华北电力大学), 北京市昌平区 102206
  2.北京华电光大环境股份有限公司, 北京市昌平区 102206
- 作者简介：
  
  [ "唐诗洁(1993), 女, 硕士研究生, 研究方向为火电厂脱硝综合治理, tangsj1120@126.com" ]
  [ "陆强(1982), 男, 教授, 博士生导师, 主要从事固体燃料高效热利用以及烟气污染物治理方面研究工作, qianglu@mail.ustc" ]
- 基金信息：
  
  国家重点基础研究发展计划项目(2015CB251501);北京市科技新星(Z171100001117064);中央高校基本科研业务费专项资金(2018ZD08);中央高校基本科研业务费专项资金(2016YQ05)
- DOI：10.12096/j.2096-4528.pgt.19102
  中图分类号：
- 收稿：2019-01-25，
  
  纸质出版：2019-06-30
- 稿件说明：
移动端阅览
唐诗洁, 陆强, 曲艳超, 等. 基于遗传算法优化BP神经网络的SCR脱硝系统催化剂体积设计[J]. 发电技术, 2019,40(3):246-252.

Shijie TANG, Qiang LU, Yanchao QU, et al. Catalyst Volume Design in SCR Denitrification System Based on Genetic Algorithm Optimized BP Neural Network[J]. Power Generation Technology, 2019, 40(3): 246-252.
唐诗洁, 陆强, 曲艳超, 等. 基于遗传算法优化BP神经网络的SCR脱硝系统催化剂体积设计[J]. 发电技术, 2019,40(3):246-252. DOI： 10.12096/j.2096-4528.pgt.19102.

Shijie TANG, Qiang LU, Yanchao QU, et al. Catalyst Volume Design in SCR Denitrification System Based on Genetic Algorithm Optimized BP Neural Network[J]. Power Generation Technology, 2019, 40(3): 246-252. DOI： 10.12096/j.2096-4528.pgt.19102.

摘要

火电厂SCR脱硝系统的设计需要在满足脱硝效率的同时，尽可能节约成本，因此需要准确预测SCR脱硝所需的催化剂体积。火电厂的烟气条件复杂多变，烟气温度、烟气流量、出入口NO

浓度等参数都会影响SCR催化剂的体积设计，因此催化剂体积预测是一个多因素耦合的问题。针对这一特点，使用BP神经网络对催化剂体积设计进行了预测，并针对该模型结构上的缺陷，进行基于遗传算法优化的神经网络建模研究。结果表明，遗传算法优化后的BP神经网络模型预测精度和数据拟合能力均有提高，为脱硝系统的催化剂体积设计提供了新思路。

Abstract

The design of the SCR denitrification system in coal-fired power plants requires the efficient denitrifi-cation efficiency and the low cost. Hence

it is essential to accurately calculate the volume of SCR denitrification catalysts. The flue gas conditions of thermal power plants are complex and changeable. Flue gas temperature

flue gas flow

inlet and outlet NO

concentrations

and other parameters all affect the volume of the SCR catalyst.Therefore

catalyst volume prediction is a multifactor coupling problem. For this feature

the BP neural network model was used to predict the volume design of the catalyst

and the neural network modeling based on genetic algorithm optimization was investigated for the structural defects of the BP neural network model. The results s

how that the prediction accuracy of BP neural network model optimized by genetic algorithm is promising

which provides a new way for catalyst volume design of SCR denitrification.

关键词

Keywords

references

王雪娇, 郭家秀, 尹华强.我国火电厂烟气脱硝技术综述[C]//2016燃煤电厂超低排放形势下SCR (SNCR)脱硝系统运行管理及氨逃逸与空预器堵塞技术交流研讨会, 杭州, 2016.

王学勤, 朱文堃, 徐静静, 等.楼宇型燃气分布式能源系统SCR脱硝应用研究[J].发电技术, 2018, 39(6):580-584.

喻小伟, 周瑜, 刘帅, 等.SCR脱硝催化剂失活原因分析及再生处理[J].热力发电, 2014, 43(2):109-113.

霍秋宝, 田亮, 赵亮宇, 等.火电机组不同脱硝方式下的运行费用分析[J].华北电力大学学报(自然科学版), 2012, 39(5):87-92.

王琦, 王树荣, 岑可法, 等.燃煤电厂SCR脱硝技术催化剂的特性及进展[J].电站系统工程, 2005, 21(5):4-6.

张帅夫, 张珈毓.烟气条件对火电厂SCR催化剂设计的影响[C]//2012中国环境科学学会学术年会, 南宁, 2012.

李鑫, 宋新刚, 高子朋, 等.基于AVL BOOST的柴油机SCR催化剂尺寸优化设计[J].中国航海, 2015, 38(3):18-22.

雷本喜, 尹海滨, 蔺海艳.玻璃熔窑烟气SCR脱硝蜂窝状催化剂的选型计算[J].江苏建材, 2015(3):11-13.

胡守仁.神经网络导论[M].长沙:国防科技大学出版社, 1993:1-10.

韩力群.人工神经网络教程[M].北京:北京邮电大学出版社, 2006:4-6.

朱永利, 尹金良.人工智能在电力系统中的应用研究与实践综述[J].发电技术, 2018, 39(2):106-111.

MATLAB技术联盟, 刘冰, 郭海霞.MATLAB神经网络超级学习手册[M].北京:人民邮电出版社, 2014:160-161.

于航, 刘阳, 连魏魏, 等.一种基于神经网络的硅基光伏组件运行温度在线软测量方法[J].发电技术, 2018, 39(6):566-573.

Xu L, Li Y, Xu N, et al.Soy suce cassification by gographic rgion and frmentation bsed on atificial nural ntwork and gnetic agorithm[J].Journal of Agricultural&Food Chemistry, 2014, 62(51):12294.

Li S, Liu L J, Zhai M.Shortterm traffic flow prediction with the improved particle swarm optimization BP neural network[J].Systems Engineering Theory and Practice, 2012, 32(9):2045-2049.

Holland J H.Adaptation in natural and artificial systems[M].Cambridge:MIT Press, 1992:126-137.

墨蒙, 赵龙章, 龚嫒雯, 等.基于遗传算法优化的BP神经网络研究应用[J].现代电子技术, 2018, 41(9):41-44.

柳小桐.BP神经网络输入层数据归一化研究[J].机械工程与自动化, 2010(3):122-123, 126.

陈明.MATLAB神经网络原理与实例精解[M].北京:清华大学出版社, 2013:205-207.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

变电设备温度态势感知及辅助决策系统方案研究

一种改进组合神经网络的超短期风速预测方法研究

气候变化条件下基于智能预测模型的虚拟电厂不确定性运行优化研究

基于BP神经网络和支持向量回归的燃煤电厂空气预热器压差预测

基于大数据分析的火电机组引风机故障预警研究