本發(fā)明涉及SCR脫硝催化劑壽命管理技術領域，具體是涉及一種基于海量運行數據的SCR脫硝催化劑壽命預測方法。

背景技術：

選擇性催化還原法(SCR)是目前成熟且高效的尾氣脫硝技術，被廣泛應用于國內外燃煤電站系統(tǒng)中。它是在催化劑的作用下，利用還原劑(尿素或者液氨NH3)將煙氣中的NOx還原成無污染的N2和H2O。該反應需要在催化劑的表面發(fā)生，因此在SCR煙氣脫硝系統(tǒng)中，催化劑是最重要的組成部分之一，其性能直接影響到SCR系統(tǒng)的脫硝效果，同時催化劑也是SCR系統(tǒng)中成本最高的部分，占系統(tǒng)總成本的30％～50％。催化劑的實際性能往往受到運行條件的限制，煙氣中堿金屬、砷等有害元素會造成催化劑中毒，直接降低催化劑活性，催化劑燒結、孔堵塞、磨損、水蒸汽凝結和硫酸鹽沉積等都會影響催化劑壽命。另一方面，由于我國對SCR系統(tǒng)運行經驗積累不足，氨逃逸會在SCR系統(tǒng)后續(xù)受熱面形成硫酸鹽(NH4HSO4，ABS)的沉積，造成空預器大面積堵灰，嚴重影響空預器的安全運行，有時不得不停爐沖洗，已成為影響機組可靠運行的重要因素。因此無論是從催化劑本身還是從整個鍋爐系統(tǒng)的角度，都需要對SCR催化劑進行連續(xù)可靠的監(jiān)視、管理與分析。為了提高整個系統(tǒng)的技術經濟性，滿足國家脫硝電價補貼政策，也需要對SCR系統(tǒng)特別是催化劑進行全壽命周期管理。

SCR催化劑壽命的監(jiān)視、管理與分析強烈依賴于火電廠、催化劑制造商及環(huán)保部門三者的檢測技術?；痣姀SSCR系統(tǒng)布置有煙氣溫度、壓力、流量、成分等眾多就地測點，并接入DCS及SIS系統(tǒng)實現對現場脫硝的在線監(jiān)控，環(huán)保部門在電廠尾部煙道布置有CEMS測點，用于考核機組NOx排放是否達標。目前這類測點僅用于對脫硝系統(tǒng)過程數據的監(jiān)測與控制，由于受在線檢測技術的影響，檢測項目不包括催化劑活性，缺少對催化劑壽命的監(jiān)視能力。另一方面，催化劑廠家會在催化劑中布置試驗塊，當需要檢驗催化劑活性時，將該試驗塊或者現場所采集的催化劑樣本取出送到專門的化驗室進行化驗，這一般需要在機組計劃檢修時進行，但是由于目前國內機組普遍連續(xù)運行時間長，而根據環(huán)保部法規(guī)一旦機組運行，SCR系統(tǒng)就必須投運，因此實際對催化劑樣本檢測的次數并不多，電廠實際運行管理人員對催化劑的失活和磨損情況了解不多，催化劑的離線活性檢測周期與機組檢修周期并不匹配。此外，不僅實驗室模擬煙氣環(huán)境不同于現場實際煙氣環(huán)境，催化劑抽檢樣本的活性也不能代表整層催化劑的活性。因此，基于傳統(tǒng)檢測技術的催化劑全壽命管理方法仍存在不足。

目前我國燃煤鍋爐SCR系統(tǒng)均實現了DCS集中控制，對SCR系統(tǒng)進出口參數及效率均有在線監(jiān)測手段，這些參數與鍋爐其他運行參數一道已經被采集并存儲在電廠SIS系統(tǒng)中，從而形成了SCR系統(tǒng)運行數據庫，這些實時數據以及歷史數據中包含了豐富的系統(tǒng)信息，從而為數據驅動建模提供了大量的數據樣本，也為通過數據挖掘方法獲得系統(tǒng)特性提供了基礎條件。SCR脫硝效率與催化劑活性直接相關，因此從脫硝效率可獲得催化劑活性信息，但是氨氮摩爾比也與脫硝效率直接相關，而且活性劣化是一個慢過程，而噴氨是一個快過程，因此對數據驅動建模及數據挖掘方法進行深入研究，以從海量運行數據中獲得催化劑活性信息并建立相關預測模型。鍋爐SCR系統(tǒng)是一個典型的復雜非線性系統(tǒng)，既涉及大空間范圍內的煙氣流動與飛灰顆粒運動，又涉及復雜的化學反應過程，因此與傳統(tǒng)海量數據倉庫不同，其歷史運行數據具有更強時空相關性，具有海量、混雜、時序和高維等特點，同時它與過程特性與工況密切相關，含有包括催化劑活性在內的豐富信息，利用有效的大數據分析方法和信息挖掘工具，提取并利用這些數據中的知識信息有著重要的意義。

技術實現要素：

發(fā)明目的：為了克服現有催化劑檢測技術中存在的不足，本發(fā)明提供一種基于海量運行數據的SCR脫硝催化劑壽命預測方法。

技術方案：為實現上述目的，本發(fā)明的脫硝催化劑壽命預測方法，提供一種從燃煤電廠脫硝系統(tǒng)工業(yè)過程數據中分析得到SCR催化劑壽命的方法，包括以下步驟：

(1)原始數據校驗與過濾；

電站SCR脫硝過程是一個復雜的非線性、強耦合的多變量變化過程，加上底層傳感器測量環(huán)境的不確定性及測量延時差異，使得原始數據波動較大。因此，在數據分析前需要對原始數據進行檢驗與過濾。

步驟(1)包括以下步驟：

(1a)原始數據提取。提取燃煤電廠脫硝系統(tǒng)催化劑安裝(包括新裝、加裝和換裝催化劑)至今的歷史運行數據，取樣間隔記為Δt，參數包括負荷N、進口NOx濃度NOⁱⁿ、出口NOx濃度NO^out、還原劑(液氨或尿素)流量R、氧量O₂，數據集記為A₀。

(1b)生成數據樣本。將同一時間標簽下的各傳感器測得的數據合稱為這個時間下的樣本，數據集A₀寫成樣本的形式為：

$A_0=\{A_{0t_1},A_{0t_2},...,A_{0t_i},...,A_{0t_{n-1}},A_{0t_n}\}$

$A_{0t_i}=\{t_i,N_{t_i},{\mathrm{NO}}_{x,t_i}^{in},{\mathrm{NO}}_{x,t_i}^{out},R_{t_i},O_{2t_i}\}$

式中，i為樣本標簽；n為樣本總數；t_i為時間標簽；為t_i時間點下的樣本；分別為t_i時間點下的負荷、進出口NOx濃度、還原劑流量和氧量。

(1c)在A₀基礎上，過濾數值不變的數據。這類數據可能是機組停機期間傳感器測量得到，也可能是數據傳輸通道故障造成，過濾后數據集記為A₁。

(1d)在A₁基礎上，過濾野點數據和粗大誤差數據。野點數據作為噪聲存在，是偏離樣本集群其它觀測值的數據點；粗大誤差數據是測量值遠高于該指標傳感器量程范圍或該指標常規(guī)觀測范圍的數據，過濾后數據集記為A₂。

(1e)在A₂基礎上，過濾異常數據并消除數據非穩(wěn)態(tài)性。當工業(yè)脫硝系統(tǒng)受到外部(如負荷指令)或內部(如還原劑流量)擾動時，由于流動的延遲性和催化劑的蓄氨性，出口參數(如出口NOx)對擾動的響應存在一定的時滯，在這段系統(tǒng)非穩(wěn)態(tài)工作過程中，同一時刻的入口參數(如還原劑流量)和出口參數(如出口NOx)關系不對應，會影響后續(xù)的過程數據關系提取，需要提前過濾，過濾后數據集記為A₃。

(2)工況切割與數據裝箱；

由于火電機組實發(fā)負荷普遍需要跟隨電網調度指令，機組在運行過程中工況變化頻繁，爐內煙氣條件(如煙氣溫度、煙氣流量等)同樣會隨負荷不斷波動?？紤]到SCR脫硝系統(tǒng)是個多變量耦合的過程，變量之間的關系會隨負荷變化，若不能消除負荷對系統(tǒng)的干擾，將難以提取其它過程數據間的關系。

步驟(2)包括以下步驟：

(2a)工況切割。將負荷的歷史數據按數值大小等寬切割成若干小區(qū)間，小區(qū)間寬度S的定義原則為：可近似認為在該區(qū)間范圍內，負荷變化不大，負荷對同一樣本其它參數間關系影響不大。負荷等寬切割后可寫成如下形式：

$N=\{N_{S_1},N_{S_2},...,N_{S_j},...,N_{S_{m-1}},N_{S_m}\}$

$N_{S_j}=\[N_{S_j}^{\min },N_{S_j}^{\max }\]$

式中，j為小區(qū)間編號；m為負荷等寬切割小區(qū)間個數；S_j為負荷等寬切割區(qū)間標簽；為負荷分割后的第j個小區(qū)間；分別為第j個小區(qū)間負荷的上下限。

(2b)數據裝箱。將樣本內經過數據校驗和過濾的其它數據按負荷標簽對應裝入負荷小區(qū)間(箱)內。數據裝箱后的數據集可寫成如下形式：

$A_3=\{A_{3S_1},A_{3S_2},...,A_{3S_j},...,A_{3S_{m-1}},A_{3S_m}\}$

$A_{3S_j}=\{A_{3S_j}^1,A_{3S_j}^2,...,A_{3S_j}^k,...,A_{3S_j}^{l-1},A_{3S_j}^l\}$

$A_{3S_j}^k=\{t_{3S_j}^k,N_{3S_j}^k,{\mathrm{NO}}_{x,3S_j}^{in,k},{\mathrm{NO}}_{x,3S_j}^{out,k},R_{3S_j}^k,O_{2,3S_j}^k\}$

s.t.

$N_{3S_j}^k\∈\[N_{3S_j}^{\min },N_{3S_j}^{\max }\]$

式中，是A₃樣本集內第j個等寬區(qū)間(箱)內的樣本集；是樣本集內第k個樣本；l是樣本集內樣本的個數；分別為樣本里的時間標簽、負荷、進出口NOx濃度、還原劑流量和氧量；和分別為第j個等寬區(qū)間(箱)內負荷的上下限。

(2c)工況過濾。統(tǒng)計不同箱內樣本個數，提取某一箱內的數據，組成新的數據集A₄，可認為此數據集內數據關系受負荷影響不大，且樣本最為充足，可用于后續(xù)分析。

$A_4=max\{A_{3S_1},A_{3S_2},...,A_{3S_j},...,A_{3S_{m-1}},A_{3S_m}\}$

(3)過程數據關系提??；

對于電站SCR脫硝系統(tǒng)，若在固定的煙氣環(huán)境下，向SCR反應器內噴入固定流量的還原劑(尿素或液氨)，若催化劑的性能越好，則能達到更高的脫硝效率。因此，氨氮摩爾比與脫硝效率的關系能直觀的反映SCR脫硝系統(tǒng)及催化劑的性能。

步驟(1)和步驟(2)是從海量歷史運行數據中找到傳感器工作正常、工況穩(wěn)定、負荷固定的運行數據集，步驟(3)是從此數據集中提取計算氨氮摩爾比與脫硝效率的關系，包括以下步驟：

(3a)時間離散化。

SCR催化劑的性能劣化是一個緩慢變化的過程，可將數據集A₄按時間標簽等寬切割成若干份，近似認為時間間隔ΔT內催化劑壽命變化不大，并以各ΔT時間段內的數據預測該時間段內催化劑的性能。ΔT的大小利用最大無關性原則確定：隨著ΔT的減小，催化劑性能計算越精確，當ΔT小到一定程度，計算所得的催化劑劣化趨勢不再有明顯變化，即選擇此時的ΔT。

A₄數據集按時間等寬切割后可寫成如下形式：

$A_4=\{A_{4T_1},A_{4T_2},...,A_{4T_f},...,A_{4S_{o-1}},A_{4S_o}\}$

$A_{4T_f}=\{A_{4T_f}^1,A_{4T_f}^2,...,A_{4T_f}^g,...,A_{4T_f}^{x-1},A_{4T_f}^x\}$

$A_{4T_f}^g=\{t_{4T_f}^g,N_{4T_f}^g,{\mathrm{NO}}_{x,4T_f}^{in,g},{\mathrm{NO}}_{x,4T_f}^{out,g},R_{4T_f}^g,O_{2,4T_f}^g\}$

s.t.

$t_{4T_f}^g\∈\[t_{4T_f}^{\min },t_{4T_f}^{\max }\]$

式中，是A₄樣本集內第f個時間區(qū)間內的樣本集；是樣本集內第g個樣本；x是樣本集內樣本的個數；分別為樣本里的時間標簽、負荷、進出口NOx濃度、還原劑流量和氧量；和分別為第f個時間區(qū)間內時間的上下限。

(3b)提取計算氨氮摩爾比和脫硝效率的關系。

在將A₄數據集按時間等分成若干數據集后，利用每個數據集內的樣本分別畫出各時間段里計算氨氮摩爾比和脫硝效率的關系曲線，計算氨氮摩爾比和脫硝效率的推導公式如下所示。

氨氮摩爾比的定義式如下：

$\mathrm{\α}=\frac{C_{{\mathrm{NH}}_3}^i}{C_{{\mathrm{NO}}_x}^i}$

式中，和分別為脫硝反應器入口NH₃和NOx的平均摩爾濃度，mol/L。

脫硝效率的定義式如下：

$\mathrm{\η}=(1-\frac{{\mathrm{NO}}_x^{out}}{{\mathrm{NO}}_x^{in}})\×100\%$

式中，為脫硝系統(tǒng)出口NOx濃度，mg/m³；為脫硝系統(tǒng)入口NOx濃度，mg/m³。

根據電廠已有測點可以直接計算出脫硝效率，然而目前電廠氨逃逸率測點普遍難以精確測量，因此無法計算精確氨氮摩爾比。因此，這里從氨氮摩爾比定義式出發(fā)推導計算氨氮摩爾比，以表征氨氮摩爾比水平。

SCR反應器入口NH₃的摩爾濃度計算式如下：

$C_{{\mathrm{NH}}_3}^i=\frac{Q_{CO{\left({\mathrm{NH}}_2\right)}_2}\×{\mathrm{\ρ}}_{CO{\left({\mathrm{NH}}_2\right)}_2}}{M_{CO{\left({\mathrm{NH}}_2\right)}_2}\×Q_0\×1000}\×2$

式中，為尿素溶液量，L/h；為尿素溶液密度，g/L；為尿素相對分子質量，g/mol；Q₀為反應器入口煙氣流量，m³/h。

上式是以尿素SCR爐為對象推導，式中乘以2是因為1mol的尿素熱解生成2mol的NH₃，乘以1000是為了將單位化為mol/L。

對于液氨爐，SCR反應器入口NH₃的摩爾濃度計算式如下：

$C_{{\mathrm{NH}}_3}^i=\frac{Q_{{\mathrm{NH}}_3}\×{\mathrm{\ρ}}_{{\mathrm{NH}}_3}}{M_{{\mathrm{NH}}_3}\×Q_0\×1000}$

式中，為液氨流量，L/h；為液氨密度，g/L；為液氨相對分子質量，g/mol；Q₀為反應器入口煙氣流量，m³/h。

以下以尿素SCR爐為例進行推導，液氨爐以此類推。

SCR反應器入口NOx的摩爾濃度計算式如下：

$C_{NOx}^i=\frac{{\mathrm{NO}}_x^{in}}{M_{NOx}}\×{10}^{-6}$

式中，為脫硝系統(tǒng)入口NOx濃度，mg/m³；M_NOx為NOx相對分子質量，g/mol。

氨氮摩爾比的計算式如下：

$\mathrm{\α}=\frac{C_{{\mathrm{NH}}_3}^i}{C_{NOx}^i}=2\×{10}^{-9}\×\frac{Q_{CO{\left({\mathrm{NH}}_2\right)}_2}\×{\mathrm{\ρ}}_{CO{\left({\mathrm{NH}}_2\right)}_2}\×M_{NOx}}{M_{CO{\left({\mathrm{NH}}_2\right)}_2}\×Q_0\×{\mathrm{\ρ}}_{NOx}}$

這里我們假設電廠使用的尿素溶液濃度為定值，進口NOx中NO₂和NO的組成比例基本不變，即M_NOx為定值。將上式中常數項提出，可化簡得到：

$\mathrm{\α}=\frac{C_{{\mathrm{NH}}_3}^i}{C_{NOx}^i}=k_1\×\frac{Q_{CO{\left({\mathrm{NH}}_2\right)}_2}}{Q_0\×{\mathrm{\ρ}}_{NOx}}$

式中，k₁為提出后的常數項。

值得指出的是，各類軟測量及修正算法均適用于本專利對煙氣量的計算。

上式中需要用到現場煙氣量測點，考慮到現場煙氣量測點準確度較差，且經常重新標定，難以直接用來計算，這里采取利用負荷計算煙氣量的方法，并用SCR進口氧氣濃度加以修正，即：

Q₀＝N×λ×A

$\mathrm{\λ}=1-\frac{b-O_2}{21-b}$

式中，N為機組負荷，MW；λ為氧量修正系數；A為負荷與煙氣量之間的比例關系，可認為是常數；O₂為SCR進口氧量；b為標準氧量。

由于氨氮摩爾比推導過程涉及若干假設，因此這里定義它為能反映氨氮摩爾比大小的數，即計算氨氮摩爾比。將計算煙氣量帶入氨氮摩爾比推導式，合并常數項，可得：

$\mathrm{\β}=k_2\×\frac{Q_{CO{\left({\mathrm{NH}}_2\right)}_2}}{N\×(1-\frac{b-O_2}{21-b})\×{\mathrm{\ρ}}_{NOx}}$

式中，β為計算氨氮摩爾比，k₂為常數項。

(4)脫硝催化劑性能分析；

(4a)脫硝催化劑壽命劣化分析

利用各T_f時間段內的計算氨氮摩爾比和脫硝效率關系曲線，將各A_4Tf數據集內脫硝效率修正到同一計算氨氮摩爾比β下。經過上述處理，可認為修正后脫硝效率是在同一負荷工況、同一氨氮摩爾比下測得，其大小能反映催化劑的宏觀性能。在此基礎上，以T_f和修正后脫硝效率關系曲線表征催化劑壽命劣化趨勢。

(4b)極限計算氨氮摩爾比β的選取

由SCR脫硝機理可知：在固定煙氣條件下，隨著計算氨氮摩爾比的增大，起初脫硝效率增大，氨逃逸率變化不大，當計算氨氮摩爾比增大到某一程度(極限計算氨氮摩爾比)，脫硝效率不再有明顯增加，而氨逃逸率開始迅速變大。

極限計算氨氮摩爾比有表征最大有益噴氨量的意義，在極限計算氨氮摩爾比內噴氨，對脫硝效率的提升有明顯幫助，而對氨逃逸影響不大；在高于極限計算氨氮摩爾比范圍噴氨，對脫硝效率影響不大，但會導致氨逃逸劇烈增加。基于此規(guī)律，根據最近時間段T_o內的計算氨氮摩爾比和脫硝效率曲線，找到極限計算氨氮摩爾比，將其定為β的取值。

(4c)脫硝催化劑換裝指導

擬合修正后脫硝效率劣化曲線，預測催化劑剩余壽命，并在到達極限脫硝效率的時間進行換裝。極限脫硝效率根據目前入口NOx水平和規(guī)定NOx排放水平得到。

有益效果：本發(fā)明為SCR催化劑的全壽命預測方法，通過對同類型機組、類似運行條件催化劑實際運行性能的數據集成與分析，可以在更大數據集中建立催化劑壽命管理特性函數，從而為客戶提供更加完善可靠的技術服務。

附圖說明

圖1是從電廠DCS歷史數據到脫硝催化劑壽命預測的方法流程圖；

圖2是對象電廠鍋爐系統(tǒng)流程圖；

圖3是分析參數原始數據歷史曲線；

圖4是工況分割與數據裝箱圖；

圖5是部分月份計算氨氮摩爾比與脫硝效率原始數據關系圖；

圖6是部分月份計算氨氮摩爾比與脫硝效率擬合關系圖；

圖7是最近一個月計算氨氮摩爾比和脫硝效率的關系圖；

圖8是催化劑性能劣化與換裝曲線。

具體實施方式

下面結合實施例對本發(fā)明作更進一步的說明。

本發(fā)明為解決燃煤電廠催化劑壽命劣化分析的問題，提出一種基于海量運行數據的SCR脫硝催化劑壽命預測方法，如圖1所示，該方法具體包括以下步驟：從DCS數據源系統(tǒng)中獲取歷史運行數據；將原始數據按時間標簽整理成樣本集；過濾數值不變數據、野點數據和超限數據，保證基礎分析數據的正確性；過濾數據的非穩(wěn)態(tài)性，保證樣本輸入輸出關系的對應，具體方法可采用穩(wěn)態(tài)判定算法后剔除非穩(wěn)態(tài)數據，或者采用均值方法消除非穩(wěn)態(tài)數據的影響；利用工況切割和數據裝箱方法過濾工況混雜性的影響；將樣本集按時間離散化，并提取極限計算氨氮摩爾比和脫硝效率的關系；利用分析模型挖掘催化劑性能隨時間序列劣化的規(guī)律；根據定義的換裝準則和現場實際煙氣條件預測催化劑剩余壽命。

下面以某660MW超臨界直流鍋爐單側SCR脫硝反應器為例來介紹一種基于海量運行數據的SCR脫硝催化劑壽命預測方法的具體實施步驟，對象機組SCR系統(tǒng)于2012年11月投入運行，布置在省煤器和空預器之間，包括尿素制備區(qū)、SCR反應器及進出口連接煙道。SCR反應器入口煙道布置有分區(qū)氨噴射裝置、管式靜態(tài)混合器、煙氣導流板、整流格柵等元件，內部設有2+1層板式催化劑，其中1為附加層，圖2為鍋爐系統(tǒng)流程圖。

整個數據挖掘過程主要有原始數據校驗與過濾、工況切割與數據裝箱、過程數據關系提取、脫硝催化劑性能分析4個核心部分。結合圖1所示流程，步驟如下文所述:

(1)原始數據校驗與過濾

選取對象機組B側SCR反應器2013年5月1日至2015年11月1日的數據作為研究對象，每隔1分鐘對每個分析參數采集一個數據，共獲得1316163條樣本。分析參數包括SCR入口NOx、負荷、SCR出口NOx、總尿素流量、SCR入口O2量、SCR入口溫度，各參數的原始數據歷史曲線如圖3所示。分析圖3可知，運行人員從原始數據歷史曲線中依然難以找到脫硝劣化的規(guī)律。

本步驟對數值不變數據、野點數據和超限數據進行過濾。在此基礎上，以對數據作日平均的方法去除數據波動性和非穩(wěn)態(tài)性的影響。表1為原始參數上下限統(tǒng)計圖，將超限區(qū)間1和超限區(qū)間2中的點定義為超限數據。

表1分析參數上下限統(tǒng)計表

(2)工況切割與數據裝箱

在原始數據校驗與過濾后，常規(guī)運行負荷段樣本數量分布如圖4所示。統(tǒng)計出來的結果，負荷在460～510MW范圍內，共204490點，即3408小時的數據，占總分析時間的31.8％，其樣本總數和各月的分布樣本數量都比較多。同時曲線高低變化趨勢基本一致，說明各負荷段在不同月份的分布比較均勻。以同樣的方法對460～510MW負荷段進一步細分(以5MW為間隔)。最后，選定500～505MW這一負荷段共23128點，即385小時的數據為接下來分析脫硝系統(tǒng)的固定負荷段。

(3)過程數據關系提取

以500-505MW為分析負荷段，1個月為時間跨度，作出2013年5月至2015年10月部分月份對象機組SCR反應器計算氨氮摩爾比與脫硝效率的關系如圖5和圖6所示。由圖可看出，關系曲線的總體趨勢隨時間向下移動，即相同計算氨氮摩爾比下，隨時間推移，脫硝效率減小。此外，圖6中的計算氨氮摩爾比與脫硝效率關系的比例變化不大；以30天為周期，可得到各月份的平均計算氨氮摩爾比與脫硝效率，再根據圖6中得到的兩者關系的比例，我們就可以將各月份的平均數據轉化到同樣計算氨氮摩爾比下，觀察其脫硝效率的變化。

圖7是最近一個月計算氨氮摩爾比和脫硝效率的關系圖，由圖可看出當計算氨氮摩爾比達到0.88以后，隨計算氨氮摩爾比增加，脫硝效率基本不變，因此我們將0.88定為極限計算氨氮摩爾比，認為當計算氨氮摩爾比大于0.88以后，再增加噴氨量不會對效率增加有明顯的作用，同時會導致氨逃逸水平迅速增長，不利于現場運行。

(4)脫硝催化劑性能分析

以30天為平均周期，可以得到一組計算氨氮摩爾比與脫硝效率，再利用各月份計算氨氮摩爾比與脫硝效率的關系曲線，并將其轉化到0.88的計算氨氮摩爾比下，得到其脫硝效率的變化情況如下圖8所示。

根據電廠實際煙氣情況，2015年進口NOx濃度平均值為227.6mg/m³，為保證出口達到要求的50mg/m³，需要78％的脫硝效率，以此作為換裝曲線1；

根據電廠實際煙氣情況，進口NOx濃度小于250mg/m³的運行時間占2015年運行總時間的80.6％，假定進口NOx濃度為250mg/m³，為保證出口達到要求的50mg/m³，需要80％的脫硝效率，以此作為換裝曲線2。

利用圖8可計算出，在極限計算氨氮摩爾比下，達到換線1的時間為2017年11月，達到換裝曲線2的時間為2016年12月。

電廠可以根據自身入口煙氣情況，規(guī)定換裝節(jié)點時的脫硝效率，在脫硝效率劣化曲線的幫助下，得到SCR催化劑的換裝時間。

以上所述僅是本發(fā)明的優(yōu)選實施方式，應當指出：對于本技術領域的技術人員來說，在不脫離本發(fā)明原理的前提下，還可以做出若干改進和潤飾，這些改進和潤飾也應視為本發(fā)明的保護范圍。