(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111530052.6 (22)申请日 2021.12.09 (71)申请人 国家能源集团谏 壁发电厂 地址 212006 江苏省镇江市京口区谏 壁镇 越河街6号 申请人 东南大学 (72)发明人 石祥文　丁鑫　黄俊　李林染　 任建伟　史晓磊　谭晨晨　张亚平　 沈凯　吴鹏　 (74)专利代理 机构 常州国洸专利代理事务所 (普通合伙) 32467 代理人 林大伟 (51)Int.Cl. G06F 30/27(2020.01) G06F 119/02(2020.01)G06F 119/04(2020.01) (54)发明名称 一种基于BP神经网络算法的SCR催化剂寿命 预测方法 (57)摘要 本发明涉及一种基于BP神经网络算法的SCR 催化剂寿命预测方法， 属于电厂脱硝技术领域。 本发明基于BP神经网络算法的SCR催化剂 寿命预 测方法对脱硝系统DCS数据进行数据挖掘， 得到 催化剂活性的关键指标， 利用BP神经网络算法来 更准确预测催 化剂活性变化趋势， 为脱硝系统的 催化剂管理提供理论依据， 预测结构准确， 无需 电厂脱硝系统停机操作， 不影响电厂正常工作。 权利要求书2页 说明书5页 附图1页 CN 114201919 A 2022.03.18 CN 114201919 A 1.一种基于BP神经网络算法的SCR催化剂寿命预测方法， 其特 征在于具体步骤为： (1)原始数据的清洗与筛 选； (2)催化剂活性及各指标计算； (3)基于Spearman相关 分析法确定影响催化剂活性的关键指标； (4)基于BP神经网络算法预测催化剂活性变化趋势； (5)预测结果分析。 2.根据权利要求1所述的一种基于BP神经网络算法的SCR催化剂寿命预测方法， 其特征 在于： 所述 步骤(1)原 始数据的清洗与筛 选的方法是： ①根据选定的参数 范围， 对范围以外的数据赋空白值； ②利用“临近点中间值 ”方法对所有空缺 值进行填补。 3.根据权利要求1所述的一种基于BP神经网络算法的SCR催化剂寿命预测方法， 其特征 在于： 所述 步骤(2)催化剂活性及各指标计算包括： ①脱硝效率( η )； ②氨氮摩尔比(MR)； ③催化剂活性(K)； ④SCR反应器烟气压力损失ΔPSCR计算； ⑤空预器烟气压力损失ΔP空预器计算。 4.根据权利要求3所述的一种基于BP神经网络算法的SCR催化剂寿命预测方法， 其特征 在于： 所述脱硝效率( η )的计算方法是按下述公式进行： 式中： CNOx， in， CNOx， out—SCR反应 器入口、 出口NO浓度(标态， 干基， g/Nm3)。 5.根据权利要求3所述的一种基于BP神经网络算法的SCR催化剂寿命预测方法， 其特征 在于： 所述氨 氮摩尔比(MR)的计算方法是按下述公式进行： 式中： MNO2、 MNH3—NO2、 NH3的摩尔质量(g/mo l)； Cslip,NH3—氨逃逸浓度(g/Nm3)； CNOx， NH3—SCR反应 器入口NOx 浓度(g/Nm3)。 6.根据权利要求3所述的一种基于BP神经网络算法的SCR催化剂寿命预测方法， 其特征 在于： 所述催化剂活性(K)的计算方法是按下述公式进行： 式中： AV—面速度(m/ h)； MR—氨氮摩尔比； η—脱硝效率；权　利　要　求　书 1/2 页 2 CN 114201919 A 2式中： V—催化剂进口烟气流 量(m3/h)； A—催化剂表面积(m2)。 7.根据权利要求3所述的一种基于BP神经网络算法的SCR催化剂寿命预测方法， 其特征 在于： 所述SCR反应 器烟气压力损失ΔPSCR计算方法是按下述公式进行： ΔPSCR＝PSCR,in‑PSCR,out 式中： PSCR,in—SCR反应 器入口压力值(atm)； PSCR,out—SCR反应 器出口压力值(atm)。 8.根据权利要求3所述的一种基于BP神经网络算法的SCR催化剂寿命预测方法， 其特征 在于： 所述空预器烟气压力损失ΔP空预器计算方法是按下述公式进行： ΔP空预器＝P空预器,in‑P空预器,out 式中： P空预器,in—空预器入口压力值(atm)； P空预器,out—空预器出口压力值(atm)。 9.根据权利要求1所述的一种基于BP神经网络算法的SCR催化剂寿命预测方法， 其特征 在于： 所述 步骤(3)中基于Spearman相关 分析法确定影响催化剂活性的关键指标的方法为： ①通过文献资料查阅及理论分析， 初步建立影响催化剂活性的指标体系， 包括11个指 标， 即运行时间、 机组负荷、 SCR反应器入口烟气温度、 烟气中SO2浓度、 SCR反应器加氨量、 SCR反应器入口NOx、 SCR反应器脱硝效率、 SCR反应器压力损失、 空预器压力损失、 SCR反应器 入口烟气流 量、 氨氮摩尔比； ②利用Spearman相关分析法， 得到11个指标两两 间的相关性及其与催化剂活性的相关 性， 将相关系数在0.1～0.3定义为一般相关， 0.3～0.7定义为较强相关， 高于0.7定义为强 相关， 根据该筛选标准， 对11个指标进行降维， 经过筛选得到运行时间、 机组负荷、 SCR反应 器加氨量、 SCR反应器脱硝效率、 空预器压力损失、 SCR反应器入口烟气流量等6个指标， 作为 预测催化剂活性的关键参数。 10.根据权利要求1所述的一种基于BP神经网络算法的SCR催化剂寿命预测方法， 其特 征在于： 所述 步骤(4)中基于BP神经网络算法预测催化剂活性变化趋势的方法是： ①输入的神经网络参数； ②采用3层BP神经网络进行预测， 6个关键指标作为输入神经元， 隐含神经元8个， 输出 神经元有1个。 参见图1， 为建立的催化剂活性BP神经网络结构。权　利　要　求　书 2/2 页 3 CN 114201919 A 3