燃烧(特别是燃煤)过程的氮氧化物(NO_x)气体是引起酸雨、温室效应、导致光化学烟雾和破坏臭氧层的主要物质之一,已成为全球性面临的空气污染难题。随着环保要求的提高,控制NOx的排放和研究低NOx煤粉燃烧理论及技术已成为煤粉燃烧领域的重要课题,其中再燃技术是一种常见的方法。由于这一技术造价低,易于实现,而且脱销效率高,所以是最行之有效的降低NOx排放的方法之一。国外对此进行了大量的研究,且有工业应用,NOx降低达到50%以上。 本文首先探讨了煤燃烧过程中NOx的生成和NOx的破坏机理。重点探讨了控制NOx形成的技术措施,再燃还原NOx的机理及影响再燃的主要因素,进一步指出采用超细煤粉再燃降低NOx具有相当大的吸引力和可行性。 大量的试验研究发现,用超细煤粉作为再燃燃料时降低NOx排放的效果较好,而要实现这一技术的一个关键问题便是如何获取超细煤粉。在对比分析了一次风再燃和三次风再燃和常见惯性分离机构的情况下,结合对镇海电厂670t/h锅炉机组的研究分析,提出了一次风超细粉再燃的初步方案,在撞击块细粉分离试验中选用了电厂常规细度煤粉作为原粉,在气固多相流试验台上进行了试验研究,得出了多因素影响细粉制备的规律,在满足浓淡比的条件下进一步考察浓淡两侧的粒径分布,为选择既能提供合适的煤粉浓淡,又能满足煤粉颗粒尺寸的惯性分离装置提供了试验和理论依据,为超细煤粉再燃的工业应用打下了基础。 循环流化床锅炉NOx排放量受锅炉设计参数影响很大,而且各参数之间相互影响,具有很强的耦合性,相互关系很难以常规的计算公式表达,而人工神经网络技术具有的强大的联想功能和记忆功能以及对于非线性变量的映射能力,本文运用BP神经网络建立了大型循环流化床锅炉的优化设计模型,模型以影响目标值的因素为输入变量,以NOx产量为输出变量,用电厂采集的数据样本进行训练,它可在运行中自动学习,适应很大的容量范围,并根据该模型提出了锅炉优化设计方法,可保证锅炉燃烧污染物排放最优。