关键词:
工业烟气
脱硝技术
人工智能
大数据
优化控制
摘要:
随着工业的快速发展和环保要求的提升,氮氧化物(NO_(x))排放的控制成为大气污染物治理的重要议题。传统的选择性催化还原(SCR)等脱硝工艺虽然已经较为成熟,但大多仍采用粗犷的人工控制或精细化程度较低的自动、半自动化控制方式,存在排放波动大、资源消耗大、劳动强度大等诸多缺陷。近年来,随着人工智能、机器学习及大数据分析等技术的飞速发展,智能化技术逐步被引入到工业烟气SCR脱硝过程控制中用以克服传统控制方式的不足,取得了一定的成效。本文综述了近年来烟气脱硝过程智能控制模型的研究进展,重点介绍了基于大数据、人工智能、机器学习等先进技术的烟气脱硝优化控制方法;对采用BP神经网络、深度学习(如LSTM、CNN)等方法进行NO_(x)浓度预测和脱硝控制优化以及BP神经网络的优化算法(如结合灰狼算法、粒子群算法等)的研究进行综述,并对比基于PID的模糊控制与二自由度策略等自适应控制模型的优势与控制效果,探讨脱硝过程智能控制技术在工业中的应用现状及面临的挑战;最后,展望了脱硝过程智能控制技术的发展趋势与研究方向,以期为工业烟气污染物治理提供参考。