一种锅炉燃烧与脱硝过程协同优化控制的方法

    公开(公告)号:CN115145152A

    公开(公告)日:2022-10-04

    申请号:CN202210785842.7

    申请日:2022-07-04

    IPC分类号: G05B13/04

    摘要: 本发明涉及一种锅炉燃烧‑脱硝过程协同优化控制方法,包括基于CO监测的燃烧优化控制模块、基于风量等参数预报的还原剂总量控制模块和基于分区喷入量分布表的分区喷入控制模块。本发明建立了CO浓度与燃烧效率之间的神经网络模型,控制风量以优化锅炉燃烧效率;在此基础上,将风量指令作为前馈预报,克服脱硝系统的大延迟、大惯性及强非线性缺点,实时精确控制还原剂喷入总量;进一步,根据多工况下烟道内NOx特征,建立分区喷入量分布表,实时控制分区喷入阀门开度,实现还原剂与烟气的均匀混合,提高脱硝效率;本发明在大范围变负荷工况下,保证出口NOx浓度达标、提高脱硝控制精度、提升锅炉燃烧效率,实现机组降碳减排。

    低成本高效的污染物与CO2协同吸收-解吸解耦方法

    公开(公告)号:CN114712989A

    公开(公告)日:2022-07-08

    申请号:CN202210235430.6

    申请日:2022-03-11

    IPC分类号: B01D53/14 G05B13/04

    摘要: 本发明涉及一种低成本高效的污染物与CO2协同吸收‑解吸解耦方法,建立了不同工况下的污染物与CO2协同吸收‑解吸解耦控制优化模型,以低成本高效获得高纯度液态污染物和CO2为寻优目标,构造自适应罚函数将有约束优化问题的求解转变成无约束优化问题,实现参数的实时、精确、稳定控制;辅以烟气预洗涤降温、多级中间冷却和塔顶除雾等手段,实现污染物和CO2的高效捕集。本发明吸收过程与解吸过程解耦,进行各级温度‑pH‑液气比与富液流量‑解吸温度的协同调控,实现高效低能耗污染物和CO2的协同捕集‑再生‑浓缩,降低了现有烟气净化系统与碳捕集系统分离运行的高昂成本。

    催化剂协同外场强化二氧化碳低能耗解吸系统及方法

    公开(公告)号:CN114699883A

    公开(公告)日:2022-07-05

    申请号:CN202210431144.7

    申请日:2022-04-22

    IPC分类号: B01D53/14 B01D53/18

    摘要: 本发明涉及一种催化剂协同外场强化二氧化碳低能耗解吸系统及方法,吸收CO2后的富液经富液输送泵输运,与解吸后经贫液输送泵输运的贫液在贫富液换热器进行换热升温;升温后的富液进入解吸塔内,再生后的贫液经微波再沸器汽化后为解吸塔内的富液提供解吸能量,经微波再沸器汽化后的贫液与富液采用逆向接触,接触区域自上至下依次为带有超声波强化区的填料区、带有超声波强化区的催化区;解吸完的气混物经气液冷却器冷却和气液分离器气液分离后的液体继续注入解吸塔循环;降低了40%以上的能耗。本发明在催化剂协同超声波场/微波电磁场等外场作用下实现了二氧化碳低能耗解吸。

    一种基于机器学习的高灵敏度气体传感材料筛选方法

    公开(公告)号:CN118486394A

    公开(公告)日:2024-08-13

    申请号:CN202410550853.6

    申请日:2024-05-07

    IPC分类号: G16C20/70 G16C60/00 G16C20/90

    摘要: 本发明提供一种基于机器学习的高灵敏度气体传感材料筛选方法,涉及气敏材料开发的技术领域。该方法包括以下步骤:根据已知传感材料的结构与性能数据构建气敏传感材料数据库;分析变量之间的相关性,并筛选描述符;对初始数据进行预处理;构建初始模型,将数据集数据划分为训练模型参数的训练集和评估模型性能的测试集;进行描述符贡献度评估,并在模型性能达到要求前不断重复修正描述符的选取;构建化学结构虚拟空间,并运用模型对传感性能做出预测,筛选得到性能较好的配方。本发明可用于对未知材料的气敏性能预测,相比于传统的实验‑表征开发手段极大提高了效率,能够缩短研发周期、降低开发成本,为传感材料的开发提供了一个新的研究范式。

    一种低熔点高稳定熔盐储热材料智能筛选方法

    公开(公告)号:CN116013436A

    公开(公告)日:2023-04-25

    申请号:CN202211700380.0

    申请日:2022-12-28

    摘要: 本发明提供一种能够提高开发效率的低熔点高稳定熔盐储热材料智能筛选方法,包括以下步骤:收集已知的熔盐储热材料信息作为数据建立数据库;对数据进行初筛和归一化,将数据库内数据按比例划分为训练集和测试集;采用训练集构建机器学习预测模型,采用交叉验证评估机器学习预测模型的泛化能力;采用测试集测试机器学习预测模型的精度并以评价指标进行评价;采用机器学习预测模型对熔盐储热材料的熔点和分解温度进行预测。本发明可以用于对未知熔盐储热材料的高通量筛选,与传统的实验‑表征开发手段相比,极大的节约了成本,加快了开发速度,可广泛应用于各种储热/储能材料的设计与开发。