火电行业二氧化硫排放量预测研究

论文摘要

煤炭作为我国的主要燃料和能源,近年来在我国的能源消费比例中一直保持在70%以上。相关研究资料表明,燃煤所产生的SO2排放量占全国总的SO2排放量的90%以上,而火电行业的燃料用煤一直是我国煤炭消耗的重要组成部分,因此,火电行业在运行过程中所产生的SO2在我国总的SO2排放量中一直占有很大的部分。SO2会对大气环境、人体健康、建筑、水体等社会生活中各个方面所产生的危害,如何对SO2的排放进行控制成为一个重要的问题。而火电行业SO2的排放量进行估算或者预测是进行大气污染控制的基础性工作。由于火电行业SO2污染源在生产工艺、脱硫设备的技术水平、电力生产的技术水平、生产规模、锅炉的排放特性以及其他特征方面存在着明显的多样性,很难采用简单的公式进行估算,现行的诸多SO2排放量估算方法也存在较多的局限性。因此本文对我国火电SO2排放现状、火电SO2控制技术以及我国的SO2控制法规标准等进行了深入分析,并根据我国火电SO2排放的具体情况,提出使用灰色预测模型和BP神经网络模型对我国火电SO2排放量进行预测较为合适。在两个模型的基础上,建立了灰色神经网络组合预测模型,最后,利用我国近年来的统计数据,对我国未来的火电行业SO2排放量进行了预测。通过进行预测表明,本文所建的模型运算较为简单,所需数据较少,是对我国火电行业SO2排放量进行预测的一种较为合理、科学的方法。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 论文研究背景及意义
• 1.1.1 研究背景
• 1.1.2 研究意义
• 1.2 国内外研究现状
• 1.3 本文的研究思路及内容
• 第2章 火电行业二氧化硫控制法规及技术
• 2.1 我国二氧化硫排放现状
• 2.2 火电行业二氧化硫控制法规、政策及标准
• 2.2.1 二氧化硫控制法规与政策
• 2.2.2 火电厂污染物排放标准
• 2.2.3 排污收费制度
• 2.3 火电行业二氧化硫控制技术
• 2.3.1 二氧化硫的生成原理
• 2.3.2 火电行业二氧化硫控制技术
• 2.4 本章小结
• 第3章 火电行业二氧化硫排放量估算方法研究
• 3.1 二氧化硫排放量估算的一般方法
• 3.1.1 现场实测法
• 3.1.2 物料衡算法
• 3.1.3 经验估算法
• 3.1.4 类比分析法
• 3.1.5 通量法
• 3.1.6 浓度反推法
• 3.1.7 地面轴浓度公式法
• 3.2 燃煤锅炉的二氧化硫排放估算
• 3.3 区域火电厂二氧化硫排放量数理统计预测方法
• 3.4 本章小结
• 2排放预测模型与排放特征'>第4章 区域火电行业SO₂排放预测模型与排放特征
• 2 排放特征'>4.1 灰色理论与区域火电行业SO₂排放特征
• 4.1.1 灰色理论的基本概念
• 4.1.2 灰色理论的产生
• 4.1.3 灰色理论的基本特点
• 4.1.4 灰色系统理论数据处理的基本方法
• 2 排放的灰色特征'>4.1.5 区域火电行业SO₂排放的灰色特征
• 4.2 灰色预测理论与预测方法
• 4.3 人工神经网络理论
• 4.3.1 常用的神经网络模型
• 4.3.2 BP 神经网络
• 4.4 组合预测模型与预测模型的选择
• 4.4.1 组合预测模型
• 4.4.2 组合预测模型的分类
• 2 排放量预测模型的选取'>4.4.3 区域火电行业SO₂排放量预测模型的选取
• 2 排放量预测模型的建立'>4.5 区域火电行业SO₂排放量预测模型的建立
• 4.5.1 GM（1，N）灰色预测模型
• 4.5.2 BP 神经网络模型
• 2 排放量组合预测模型'>4.5.3 基于灰色神经网络的火电SO₂排放量组合预测模型
• 4.6 本章小结
• 2排放量预测'>第5章 火电行业SO₂排放量预测
• 2 排放量预测的基础数据采集'>5.1 火电行业SO₂排放量预测的基础数据采集
• 2 排放量预测'>5.2 火电行业SO₂排放量预测
• 2 排放量预测'>5.2.1 基于灰色预测模型的SO₂排放量预测
• 2 排放量预测'>5.2.2 基于BP 神经网络模型SO₂排放量预测
• 2 排放量预测'>5.2.3 基于灰色神经网络组合模型的火电SO₂排放量预测
• 5.3 预测结果分析
• 5.4 本章小结
• 第6章 结论
• 参考文献
• 攻读硕士学位期间发表的论文及其它成果
• 致谢
• 作者简介
• 详细摘要