[發明專利]一種SCR脫硝成型催化劑的多目標優化方法

在審

• 申請號: 201710858682.3
• 申請日: 2017-09-21
• 公開（公告）號: CN108038561A
• 公開（公告）日: 2018-05-15
• 發明（設計）人: 王春華;范芳蘇;馮紅科
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/04;G06N3/06;G06N3/08
• 代理公司: 南京瑞弘專利商標事務所(普通合伙) 32249
• 代理人: 賈郡

本發明公開一種SCR脫硝成型催化劑的多目標優化方法，包括以下步驟：選擇SCR脫硝成型催化劑的待優化結構參數，并確定優化區間；以最高脫硝效率、最低壓降及最低磨損速率為優化目標，構造適應度函數；進行變工況數值實驗，制成RBF神經網絡的數據樣本；基于訓練樣本對RBF神經網絡進行訓練，建立SCR脫硝反應的RBF神經網絡代理模型；利用混沌優化算法對SCR脫硝成型催化劑結構參數進行優化，確定待優化結構參數的最優值。本發明克服了SCR脫硝成型催化劑現有優化方法的不足，提供了一種代理模型精度高，全局優化能力強，具有高魯棒性的多目標優化方法。

技術領域

本發明屬于燃煤鍋爐排放的大氣污染控制領域，具體涉及一種選擇性催化還原(Selective catalytic reduction,SCR)脫硝成型催化劑的多目標優化方法。

背景技術

電力行業作為我國國民經濟的基礎，仍將長期堅持以燃煤發電為主的格局。火電廠排放煙氣中的氮氧化物既是硝酸型酸雨的主要來源，又是形成光化學煙霧、破壞臭氧層的重要物質。氮氧化物具有很強的毒性，對人體、環境和生態都有極大的危害，已成為火電廠排放的主要污染物之一。選擇性催化還原(Selective catalytic reduction,SCR)技術是我國火電行業普遍采用的脫硝技術之一，其核心在于SCR脫硝催化劑。脫硝性能、壓降和抗磨損性能是評價SCR脫硝成型催化劑的主要指標，但脫硝性能的提升往往以增加流阻和磨損為代價，如降低催化劑孔徑可以提高脫硝效率，但會引起壓降的增加和抗磨損性能的惡化。如何針對SCR脫硝成型催化劑進行優化以實現脫硝性能、壓降和抗磨損性能的協同最優具有重要的現實意義。

徑向基函數(Radial basis function,RBF)神經網絡是一種優良的前饋型神經網絡，學習算法相對簡單，具有多維非線性映射能力、很強的泛化能力、聚類分析能力，在理論上具有任意逼近性能和最佳逼近性能，且無局部最小問題存在。混沌優化算法是一種利用混沌模型的遍歷性搜索最優解的方法，可以有效避免傳統優化算法在求解多極點問題時易陷入局部極值的缺陷。

發明內容

本發明的目的是提供一種SCR脫硝成型催化劑的多目標優化方法，克服SCR脫硝成型催化劑現有優化方法的不足，提供一種代理模型精度高，全局優化能力強，具有高魯棒性的多目標優化方法。

為實現上述目的，本發明采用以下技術方案：

一種SCR脫硝成型催化劑的多目標優化方法，包括以下步驟：

步驟1，選擇SCR脫硝成型催化劑的待優化結構參數，并確定優化區間；

步驟2，以最高脫硝效率、最低壓降及最低磨損為優化目標，構造適應度函數；

步驟3，進行變工況數值實驗，制成RBF神經網絡的數據樣本，數據樣本由訓練樣本和檢測樣本組成；

步驟4，基于訓練樣本對RBF神經網絡參數進行訓練，建立SCR成型催化劑的RBF 神經網絡代理模型，并通過檢測樣本進行驗證；

步驟5，利用混沌優化算法對SCR脫硝成型催化劑進行優化，確定待優化參數的最優值。

進一步的，步驟1中，所述待優化參數選擇包括催化劑孔徑(S)、催化劑壁厚(D)、催化劑層高(H)、催化劑層之間的距離(L)。催化劑孔徑的優化范圍為5～13mm，催化劑壁厚的優化范圍為0.8～1.1mm，催化劑層高的優化范圍為800～1500mm，催化劑層之間的距離的優化范圍為200-700mm。

進一步的，步驟2中，對于最高脫硝效率、最低壓降及最低磨損三個優化目標，分別賦予0.5、0.3和0.2的權重。

進一步的，步驟3中，RBF神經網絡的輸入向量為催化劑孔徑、催化劑壁厚、催化劑層高及催化劑層之間的距離；RBF神經網絡輸出向量為催化劑的脫硝效率、壓降及磨損量。

制作RBF神經網絡數據樣本的步驟為：