申请/专利权人：华北电力大学

申请日：2024-02-07

公开（公告）日：2024-06-28

公开（公告）号：CN118262812A

主分类号：G16C20/10

分类号：G16C20/10;G16C20/70;G06N20/00

优先权：

专利状态码：在审-公开

法律状态：2024.06.28#公开

摘要：本发明实施例提供了一种基于数据驱动的催化重整制氢催化剂筛选方法，用于对催化重整制氢的镍基双金属催化剂进行筛选。所述方法包括：获取使用镍基双金属催化剂的甲烷催化重整实验数据，进行数据增强，获得增强数据集；构建多层感知器MLP模型，通过网格搜索与五折交叉验证筛选获得最优超参数组合，实现催化重整制氢过程中甲烷转化率、二氧化碳转化率、氢气一氧化碳比率、甲烷转化率变化等目标的准确预测；枚举镍基双金属催化剂，结合MLP预测相应催化剂下甲烷催化重整结果，基于评分函数对催化剂进行评价，从而筛选获得优良催化剂。本发明基于MLP模型，快速筛选镍基双金属催化剂组合，可有效提升对镍基双金属催化剂的筛选效率。

主权项：1.一种基于数据驱动的催化重整制氢催化剂筛选方法，其特征在于，包括以下步骤：步骤1：获取镍基双金属催化剂催化重整制氢系统的实验数据，包括反应参数、催化剂参数、原料参数及甲烷转化率、二氧化碳转化率、氢气一氧化碳比率和甲烷转化率变化，进行数据增强后构成增强数据集；步骤2：创建MLP模型，其输入层节点数对应输入特征数量，输出层节点数对应输出目标数量，所述输入特征包括反应参数、原料参数和催化剂参数，所述反应参数包括：反应温度、反应压力和气时空速，所述原料参数包括：原料比例和载气比例，所述催化剂参数包括：催化剂质量、催化剂煅烧温度、催化剂还原温度、催化剂活性组分与载体组分的原子序数、原子半径、价电子数、电负性和催化剂比表面积；所述输出目标包括：甲烷转化率、二氧化碳转化率、氢气一氧化碳比率和甲烷转化率变化；步骤3：随机选取所述增强数据集的80％作为训练集，剩余20％数据作为测试集，采用网格搜索与五折交叉验证方法对包括学习率和训练次数在内的超参数进行筛选，选取实现均方误差最低的超参数组合，基于该参数训练MLP模型；步骤4：评估MLP在测试集上的预测性能，计算均方根误差与相关系数，如均方根误差大于15或相关系数小于0.7，则继续重复前述步骤1到3；如均方根误差与相关系数不满足上述条件，则进行后续步骤；步骤5：枚举镍基双金属催化剂，采用MLP预测其催化下的甲烷转化率、二氧化碳转化率、氢气一氧化碳比率和甲烷转化率变化，采用评分函数将四种目标预测值转化为催化剂分数，筛选并评估用于催化重整制氢的最优镍基双金属催化剂。

全文数据：

权利要求：

百度查询： 华北电力大学 一种基于数据驱动的催化重整制氢催化剂筛选方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD