论文部分内容阅读
奥里油是一种以奥里诺科沥青为原料,加入29％～30％水、0.1％～0.2％乳化剂和0.03％～0.05％表面活性稳定剂,经机械混合乳化而成的一种假塑性非牛顿体油品,属于水包油型乳化燃料。奥里油除作为电厂锅炉燃料之外,还适合于其它工业加热炉。
和其他的化石燃料一样,奥里油燃烧后不可避免地要产生污染大气的物质,而且烟气中含有较多的硫氧化物。这些污染烟气排放到大气中并且在大气中扩散,对周围的大气环境会造成一定的影响。根椐国家环保部门的规定,必须对奥里油电厂项目进行大气环境影响评价。
本文首先综述了国内外烟气扩散的研究成果,总结了国内外烟气扩散的研究现状和方法,分析了目前烟气扩散中存在的问题,并在此基础上提出了本课题的研究内容和方法。
目前用来分析烟气扩散空间分布的大多是高斯模式。高斯模式是建立在统计理论基础上的,物理概念、机理不是很明确。虽然高斯模式对一些简单的情况能得出较好的结果,但是对复杂的情况如电厂的高架源烟气扩散就不能得出理想的结果。由于烟气在空气中的扩散往往都是湍流扩散,研究烟气扩散时就要用合适的湍流模型,而计算流体力学就是研究流体运动的,尤其是流体的湍流运动。因此,本课题拟采用计算流体力学技术即CFD技术来研究奥里油电厂烟气浓度的空间分布。
根据奥里油电厂的有关设计数据和湛江的气象数据,利用CFD软件PHOENICS和Fluent对奥里油电厂烟气浓度空间分布进行模拟,得出奥里油电厂周围环境的污染物浓度,模拟结果与类似火电厂数据相吻合,证明用CFD软件模拟奥里油电厂烟气扩散的方法是可行的,从而为该电厂的环境影响评价提供依据。
对于烟气扩散时间分布,目前很少有方法能够预测得准,因为烟气浓度的时间序列受很多复杂的因素影响,研究表明烟气浓度随时间的变化具有明显的非线性动力学特征。因此,对于奥里油电厂烟气浓度的时间分布本课题拟采用非线性方法最小二乘支持向量机(LS-SVM)。
支持向量机是一种基于统计学习理论的机器学习方法,它很好地执行了统计学习理论的结构风险最小化原则。支持向量机应用于时间序列预测最大的优势在于它适合于小样本决策,其学习方法的本质在于能够在有限特征信息情况下,最大限度地发掘数据中隐含的分类知识。
文中介绍了支持向量机的理论基础,结合实测的污染物浓度时间序列,采用基于最小二乘支持向量机的预测模型对奥里油电厂的污染物浓度的时间序列进行了实例预测,结果表明最小二乘支持向量机方法在预测污染物浓度的时间序列方面有较高的精度。