论文部分内容阅读
高硫石油焦在电解铝生产应用过程中,不仅腐蚀设备,污染大气环境,并且严重影响原铝品质。因此,有效降低高硫石油焦硫含量并且控制产生烟气中硫排放对炭素行业及电解铝行业的可持续发展、降低环境污染具有重要现实意义。由于石油焦中绝大部分硫都以有机硫形式存在,本文采用有机溶剂萃取法结合微波辅助技术对煅前石油焦进行脱硫处理。通过比较几种不同有机溶剂的萃取脱硫效果,筛选出邻氯苯酚和糠醛为最佳萃取剂,采用单因子法考察了反应温度、反应时间、石油焦粒径和石油焦浓度对溶剂萃取脱硫率的影响。结果表明,单一溶剂萃取脱硫效率均较低,邻氯苯酚和糠醛在各自最佳脱硫条件下脱硫率分别为20.1%和14.8%。将邻氯苯酚和糠醛配制成复合萃取溶剂,其最佳脱硫率为23.2%,较单一邻氯苯酚和糠醛溶剂萃取脱硫率均有提升。为进一步提高萃取效果,引入微波技术对石油焦进行预处理,在最佳微波预处理条件下,微波辅助邻氯苯酚和糠醛萃取脱硫率分别为29%和23.5%,较单一溶剂萃取脱硫率分别提升了8.9%和8.7%。微波辅助邻氯苯酚-糠醛复合萃取效果更为明显,其脱硫率最佳为35.3%,脱硫率提升了12.1%。对于石油焦的煅后脱硫,本文主要研究石油焦煅烧烟气对SO2排放的影响。利用统计学假设检验研究石油焦煅烧烟气参数与SO2排放浓度的相关性,检验结果显示烟气含氧量、流量及NOx浓度与烟气SO2排放浓度呈负相关关系,烟气温度、压力及粉尘浓度与烟气SO2排放浓度无显著相关性。本文以石油焦煅烧脱硫系统参数作为输入参数,建立传统双隐含层BP神经网络模型对石油焦煅烧烟气脱硫系统脱硫率变化进行预测,并在此模型网络结构基础上进行改进,建立隐层组合BP神经网络模型。两种BP神经网络模型预测结果均较好,NMB均低于10,NME均低于40,RMSE均低于0.1,R均高于0.6,通过对比两种神经网络预测结果指标,隐层组合BP神经网络模型在一定程度上优于传统BP神经网络模型。由此可以通过改变脱硫系统参数来定量地控制石油焦煅烧烟气脱硫效率,从而有效地减少硫排放。