[发明专利]一种基于实测数据的脱硝催化剂工艺特性指标预测方法

说明书

本发明公开了一种基于实测数据的新鲜蜂窝式脱硝催化剂脱硝效率预测方法。主要包含以下步骤：步骤一，样品收集，收集同一厂家多批次蜂窝式催化剂并制成样品；步骤二，数据收集，样品实验室几何测量、理化测量、工艺特性测量得出测量数据；步骤三，数据处理，对测量数据进行相关性分析、主成分分析及计算；步骤四，LMBP神经网络建模；步骤五，同类样品工艺特性指标预测。本发明将实验室已有的大量实测数据进行有效利用，利用已有的实验数据来预测未知的工艺特性指标数据，能够实现对样品工艺特性在进行检测之前的提前预测，预警实验室新鲜蜂窝式脱硝催化剂工艺特性评估环节中的不可控因素，给实验室工艺特性检测带来极大的便利。

技术领域

本发明涉及脱硝催化剂领域，具体涉及一种基于实测数据的新鲜蜂窝式脱硝催化剂工艺特性指标预测方法。

背景技术

蜂窝式脱硝催化剂被广泛应用于燃煤电厂的烟气脱硝系统中，而这些催化剂在使用之前，都需要对其质量进行把控，大部分质量把控都是由催化剂生产厂家来进行的，但是对电厂来说，独立于催化剂生产厂家的第三方检测所得出的报告，相对而言，具有更佳的可信度和接受度。实验室作为对催化剂进行质量评估的独立第三方，对催化剂的评价，主要依照相应的行业标准，从三个方面即几何特性评价、理化特性评价，工艺特性评价来进行。工艺特性的评价，主要是对催化剂的脱硝效率和活性的评价，该评价离不开评价装置(也称为检测装置、平台)上的长时间实验，耗时费力，且实验过程中稍不注意就会出错。

公开号为CN 203479783U、CN 203616297U、CN 108426975A的中国专利给出了脱硝催化剂的活性检测装置的设计方案，公开号CN 106647285A、CN 107202857A的方案分别采用不同的算法实现了催化剂活性和脱硝效率的计算或者检测，但前述方案或者方法均没有考虑脱硝催化剂的几何特征和理化特征均对活性和脱硝效率有一定的影响。实验室参照国标GB/T 31587-2015《蜂窝式烟气脱硝催化剂》6.5.2.1烟气章节所规定的测试烟气条件，对催化剂的活性和脱硝效率进行检测。由于测试烟气条件固定不变，长期来看，不同催化剂样品的几何特性和理化特性对催化剂的活性和脱硝效率的的耦合性影响，必然会表现出一定的统计规律性，这种规律性特征的研究，可以指导实验室对催化剂样品的检测工作，具有重要的应用价值，但目前并没有相关的专利或者文献对这种统计性规律进行研究并进而指导实验工作。

发明内容

本发明的目的是为了解决现有技术中存在的缺陷，提供一种能够揭示催化剂工艺特性参数与几何、理化参数之间规律，对采用同一生产工艺生产的新的催化剂样品进行工艺特性指标进行快速、准确预测的方法。

为了达到上述目的，本发明提供了一种基于实测数据的新鲜蜂窝式脱硝催化剂工艺特性指标预测方法，包括以下步骤：

(1)样品收集：被收集的待测催化剂为同一厂家生产的新鲜蜂窝式脱硝催化剂；

(2)数据收集：对收集的样品进行几何特性测量、理化特性测量、工艺特性测量，获得几何特性参数、理化特性参数、工艺特性参数；

(3)数据处理：将步骤(2)收集数据构成的样本集矩阵M进行归一化处理，并对M矩阵归一化后的几何特性参数、理化特性参数构成的子矩阵进行相关系数分析和主成分分析；

(4)建立LMBP神经网络模型；

(5)模型预测：

对于待预测的催化剂样品，重复步骤(1)～(3)，所得数据适用步骤(4)建立的神经网络模型，对得出的预测结果反归一化得到催化剂的工艺特性参数。

其中，步骤(3)中数据处理的具体方法如下：