通过燃烧低污染煤炭来改善人们的健康,以改善热发电的空气质量

科学领域:

• 环境科学 环境科学
• 数据科学数据科学数据科学
• 化学工程是化学工程的重要组成部分.

背景情况:

• 热电厂的燃煤是氧化 (NOx) 排放的主要来源,对健康构成重大风险.
• 目前的NOx减排策略侧重于燃烧后处理,但事先优化煤炭成分提供了一个有希望的替代方案.
• 煤炭的燃烧前优化以减少NOx排放是一个研究不足的领域.

研究的目的:

• 提出和验证一种模糊的大数据分析方法,以根据煤炭成分预测NOx排放.
• 建立一个预处理方法来减少煤炭燃烧前的NOx排放.
• 与现有方法相比,提高NOx排放预测的准确性.

主要方法:

• 一种混合方法,结合了递归特征消除,模糊c-means,XGBoost,支持向量回归,随机森林,决策树和深度神经网络.
• 使用煤炭成分和规格数据作为预测建模的输入.
• 在台湾热电厂的真实数据上应用和验证该方法.

主要成果:

• 拟议的模糊大数据方法实现了NOx排放的预测准确度显著提高.
• 该方法表现出优异的预测性能,根平均平方误差为14.55ppm,平均绝对百分比误差为8.9%.
• 结果表明基于煤炭成分分析的预处理的有效性.

结论:

• 开发的模糊大数据分析方法提供了一种有效的预处理策略,用于减少燃煤发电厂的NOx排放.
• 根据煤炭特性准确预测氧化物排放,从而实现最佳的燃烧条件和污染控制.
• 这项研究填补了关键的研究缺口,重点关注用于减少NOx排放的燃烧前优化.