火电机组污染物排放模型与减排成本优化模型的研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 背景及意义 | 第9页 |
| 1.2 污染物NOx特性研究分析 | 第9-12页 |
| 1.2.1 NOx气体的危害 | 第9-10页 |
| 1.2.2 NOx气体的来源 | 第10-11页 |
| 1.2.3 NOx气体的SCR控制方法 | 第11-12页 |
| 1.3 污染物SO_2特性研究分析 | 第12-14页 |
| 1.3.1 SO_2气体的危害 | 第12页 |
| 1.3.2 SO_2气体的来源 | 第12-13页 |
| 1.3.3 SO_2气体的FGD脱除方法 | 第13-14页 |
| 1.4 本文的主要工作 | 第14-16页 |
| 第2章 污染物排放特性 | 第16-20页 |
| 2.1 硫污染物的排放特性 | 第16-17页 |
| 2.2 氮污染物的排放特性 | 第17-18页 |
| 2.3 氮硫污染物间的协同作用 | 第18页 |
| 2.4 本章小结 | 第18-20页 |
| 第3章 应用BP神经网络构建模型 | 第20-29页 |
| 3.1 神经网络介绍 | 第20-23页 |
| 3.1.1 BP神经网络结构 | 第20-22页 |
| 3.1.2 BP神经网络训练过程 | 第22-23页 |
| 3.2 平均影响值(MIV) | 第23-24页 |
| 3.3 MIV法变量筛选模型 | 第24-28页 |
| 3.3.1 变量筛选 | 第24-26页 |
| 3.3.2 MIV法筛选结果 | 第26-28页 |
| 3.4 本章总结 | 第28-29页 |
| 第4章 预测模型的构建与优化 | 第29-38页 |
| 4.1 模型构建 | 第29页 |
| 4.2 建模数据及数据预处理 | 第29页 |
| 4.3 遗传算法 | 第29-30页 |
| 4.4 遗传算法优化BP神经网络模型 | 第30-32页 |
| 4.5 预测模型结果分析 | 第32-37页 |
| 4.6 本章小结 | 第37-38页 |
| 第5章 机组运行优化 | 第38-46页 |
| 5.1 极值寻优 | 第38-39页 |
| 5.2 成本分析与比较 | 第39-43页 |
| 5.2.1 脱除单位质量SO_2的成本核算模型 | 第39-40页 |
| 5.2.2 脱除单位质量NO_x的成本核算模型 | 第40-42页 |
| 5.2.3 总成本核算模型 | 第42-43页 |
| 5.3 运行参数寻优模型 | 第43-45页 |
| 5.4 本章小结 | 第45-46页 |
| 第6章 结论与展望 | 第46-49页 |
| 6.1 全文总结 | 第46-48页 |
| 6.2 展望 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 攻读硕士学位期间发表的论文 | 第53-54页 |
| 致谢 | 第54页 |
