一种NOx和SO2烟气监测方法

技术领域

本发明属于烟气监测技术领域，涉及一种NO

背景技术

由于采用国外进口光源、吸收池、光谱仪，导致整机成本高达约15万元。但是燃煤锅炉排放企业较多集中在火电行业以外的建材行业，该行业客户对烟气监测装备的性价比要求较高，在尽量低成本的情况下，NO

发明内容

有鉴于此，本发明的目的在于提供一种NO

为达到上述目的，本发明提供如下技术方案：

一种NO

所述搭建烟气监测仪光谱测量平台包含光源、气室、光谱采集设备、计算机和配气系统；

光源射入气室内，经过反射镜一、凹面镜和反射镜二后射出气室，再射入光谱采集设备，光谱采集设备与计算机数据相连；

气室包括进气口和出气口；

进气口与配气系统相连；

配气系统将N

所述建立浓度反演模型为：

建立气体浓度反演时采用逐线积分的方法；在同一浓度下连续记录10组NO的差分吸光度并求其标准差；

积分区间选择吸收峰1和2；

获取1、2、3……50ppm SO

每种气体获取200组样本，随机选择150组样本数据用于模型训练，剩余的样本数据用于测模型的准确性，对于NO的训练过程，浓度和差分吸光度积分值是非线性关系，为确定浓度反演模型的阶数，采用最小二乘法对训练数据进行模型进行1～9阶多项式训练，训练获得的参数以及R

随着训练阶数的增加，R

H

式中，x表示差分吸光度积分值；A

采用均方误差作为模型的代价函数；均方误差是指模型的预测值和系统的真值的偏差平方的期望，代价函数的值越小，说明模型预测值的精确度越高；建立模型的代价函数如式(2)所示：

式中，MSE表示均方误差；H

当阶数从1增加到3时，MSE逐渐减小，当n＝3时，MSE达到最小；当n继续增加时，训练数据的MSE没有改善；测试数据的MSE是在n＝3时达到最小，当n>3，MSE表现出增大的现象，测试数据的MSE表明，n<3训练模型表现为欠拟合，n>3训练模型出现过拟合，最终确定NO浓度反演模型为3阶多项式，NO浓度反演模型式(3)所示：

H

采用同样的方法，得到SO

本发明的有益效果在于：通过采集不同浓度下的吸收光谱，获取影响浓度的特征数据，建立浓度反演的数学模型，实现对SO

本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。

附图说明

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作优选的详细描述，其中：

图1为本发明的原理图；

图2为烟气监测仪光谱测量平台组成图；

图3为NO差分吸光度积分区间选择；

图4为SO

图5为SO

图6为NO

图7为NO的训练数据和测试数据；图7(a)为NO训练数据；图7(a)为NO测试数据。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本发明的限制；为了更好地说明本发明的实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。

本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本发明的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。

1、技术路线

烟气监测仪的技术路线如图1所示，首先搭建烟气监测仪光谱测量平台，如图2所示，包含气体吸收池、光源、光纤以及光谱测量设备，通过气体混合的辅助系统，将标准气体稀释成不同浓度、不同种类的混合气体，通过测量单一、混合气体的吸收光谱，研究吸收光谱随浓度变化、以及气体种类变化的影响，找出与浓度变化直接相关的吸收光谱的特征。通过采集不同浓度下的吸收光谱，获取影响浓度的特征数据，建立浓度反演的数学模型，实现对SO

气体的吸收光谱受温度，温度越高，气体分子中处于基态的电子与少，电子跃迁时吸收光子的能量就越少，影响了气体的吸收光谱，因此，研究气体吸收光谱随温度的变化规律对准确监测气体浓度是否重要。温度控制辅助系统主要是对标气进行加热，在不同温度下测量气体的吸收光谱，研究吸收光谱受温度的影响规律并建立温度补偿模型。提高仪器对不同工况的适应能力。

SO

2、研究过程

(1)采用国产化的光学测量设备代替进口设备

烟气监测仪中主要部件都是采用的进口设备，如光谱测量设备采用的时美国海洋光学的高端实验级光谱仪，该设备价格十分昂贵，单价8万元左右。光源采用的是日本滨松的氙灯，该光源单价4千元左右。采用国产化的光谱仪单价在1.5万左右，批量价格更低，氙灯价格3千元左右，性能相当。国产光谱仪的短板在于对紫外光的灵敏度，该缺点主要应烟气监测仪的测量下限以及分辨率。该缺点可以通过增加气体吸收池的光程来弥补，光程越长，测量的下限就越低，分辨率也越高，而增加光程的成本远低于采用高性能的光谱仪的成本。

(2)浓度反演模型的建立

建立气体浓度反演时采用了逐线积分的方法。积分区间的选择主要依据两个方面，第一、差分吸光度的强度大小，同一浓度下差分吸光度越强，证明该波段越灵敏，对于测量超低浓度的气体越有利。第二、该区间差分吸光度稳定，以NO为例说明区间的选择。在同一浓度下连续记录10组NO的差分吸光度并求其标准差，如图3所示：

从图3可以看出，吸收峰1和吸收峰2均大于吸收峰3，而且吸收峰1和2的标准差明显低于吸收3的标准差，证明吸收峰1和吸收峰2差分吸光度更加稳定，所以，积分区间选择吸收峰1和2。最终选择的波长点如图3红色曲线所示。采用同样的方法，SO

实验中需要获取1、2、3……50ppm SO

每种气体获取200组样本，随机选择150组样本数据用于模型训练，剩余的样本数据用于测模型的准确性，模型的训练过程以NO为例进行介绍，图7(a)为随机选择的150组训练数据，图7(b)是测试样本。

由图7可知，浓度和差分吸光度积分值是非线性关系，为确定浓度反演模型的阶数，采用最小二乘法对训练数据进行模型进行1～9阶多项式训练，训练获得的参数以及R

表11～9阶训练结果

从表1可以看出，随着训练阶数的增加，R

H

式中，X表示差分吸光度积分值；A

代价函数是用来评估模型好坏程度的一种方法，本研究中采用均方误差作为模型的代价函数。均方误差是指模型的预测值和系统的真值的偏差平方的期望，代价函数的值越小，说明模型预测值的精确度越高。建立模型的代价函数如式(2)所示：

式中，MSE表示均方误差；H

当阶数从1增加到3时，MSE逐渐减小，当n＝3时，MSE达到最小。当n继续增加时，训练数据的MSE并没有明显改善测试数据的MSE也是在n＝3时达到最小，当n>3，MSE表现出增大的现象，测试数据的MSE表明，n<3训练模型表现为欠拟合，而n>3训练模型出现过拟合，最终确定NO浓度反演模型为3阶多项式，NO浓度反演模型式(3)所示：

H

采用同样的方法，得到SO

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。