基于BP神经网络的煤直接液化装置VOCs包袋法检测与预测建模

摘要：

挥发性有机物(VOCs)是现代煤化工生产过程中产生的主要污染物之一.煤化工是我国石化领域的重要组成部分,通过煤制油装置可以实现煤炭的清洁利用,煤制油装置由于设备、物料、操作条件等与石化企业存在差异,目前我国针对石化的美国联邦环保署(EPA)相关方程不适用于煤直接液化装置,且目前国内并没有用于核算煤制油装置的相关方程.本文开展了煤制油装置VOCs检测方法研究,并修正了相关方程系数,得到了密封点VOCs核算方程.首先对煤制油装置进行泄漏与维修(LDAR)检测,得到了煤制油装置密封点的VOCs泄漏数据.在数据分析的基础上,改进了包袋法采样方法,对煤直接液化装置进行了密封点的包袋采样分析.在此基础上,得到了相关方程的修正系数,首次提出了适用于国内煤制油装置VOCs泄漏核算的相关方程.最后,考虑了移动距离、温度、压力及多处泄漏等参数对相关方程的影响,校准了煤直接液化装置的相关方程,建立了反向传播算法(BP)神经网络模型,得到了逼近结果较好的相关函数.

关键词：煤直接液化装置、挥发性有机物、包袋采样法、相关方程、BP神经网络

所属期刊栏目：39

分类号：X823(环境质量分析与评价)

资助基金：国家自然科学基金;青岛市应用基础研究计划;中央高校基本科研业务费专项

在线出版日期：2020-10-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：3949-3955