[发明专利]一种脱硫系统中的脱硫溶液的PH值预测方法及装置在审

专利信息
申请号: 201610051703.6 申请日: 2016-01-26
公开(公告)号: CN105700579A 公开(公告)日: 2016-06-22
发明(设计)人: 贾旭 申请(专利权)人: 国网山东省电力公司青岛供电公司;国家电网公司
主分类号: G05D21/02 分类号: G05D21/02
代理公司: 北京三聚阳光知识产权代理有限公司 11250 代理人: 马永芬
地址: 266003 山*** 国省代码: 山东;37
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 脱硫 系统 中的 溶液 ph 预测 方法 装置
【权利要求书】:

1.一种脱硫系统中的脱硫溶液的PH值预测方法,其特征在于,包括如 下步骤:

获取吸收塔入口烟气温度、吸收塔入口烟气含氧量、吸收塔入口二氧 化硫含量、吸收塔入口含尘量以及石灰石溶液密度;

利用BP神经网络模型以所述吸收塔入口烟气温度、吸收塔入口烟气含 氧量、吸收塔入口二氧化硫含量、吸收塔入口含尘量以及石灰石溶液密度 作为所述BP神经网络模型的输入层数据,计算脱硫溶液的PH值,其中所 述BP神经网络模型是利用之前获取的吸收塔入口烟气温度、吸收塔入口烟 气含氧量、吸收塔入口二氧化硫含量、吸收塔入口含尘量、石灰石溶液密 度以及实测的脱硫溶液的PH值进行训练得到的。

2.根据权利要求1所述的方法,其特征在于,在所述获取吸收塔入口 烟气温度、吸收塔入口烟气含氧量、吸收塔入口二氧化硫含量、吸收塔入 口含尘量以及石灰石溶液密度之前,还包括:

获取多组训练数据,所述训练数据包括吸收塔入口烟气温度、吸收塔 入口烟气含氧量、吸收塔入口二氧化硫含量、吸收塔入口含尘量、石灰石 溶液密度以及实测的脱硫溶液的PH值;

利用所述多组训练数据对所述BP神经网络模型进行训练,直至所述BP 神经网络模型输出的脱硫溶液的PH值与实测的脱硫溶液的PH值的误差小 于预定阈值。

3.根据权利要求1所述的方法,其特征在于,在所述利用BP神经网 络模型以所述吸收塔入口烟气温度、吸收塔入口烟气含氧量、吸收塔入口 二氧化硫含量、吸收塔入口含尘量以及石灰石溶液密度作为所述BP神经网 络模型的输入层数据,计算脱硫溶液的PH值之后,还包括:

判断计算出的脱硫溶液的PH值是否在预设阈值范围之内;

当计算出的脱硫溶液的PH值不在所述预设阈值范围之内时,判定计算 出的脱硫溶液的PH值异常。

4.根据权利要求1-3中任一项所述的方法,其特征在于,所述BP神经 网络模型是三层神经网络模型。

5.根据权利要求1-4中任一项所述的方法,其特征在于,所述BP神经 网络模型是基于小波算法的神经网络模型。

6.一种脱硫系统中的脱硫溶液的PH值预测装置,其特征在于,包括:

获取单元,用于获取吸收塔入口烟气温度、吸收塔入口烟气含氧量、 吸收塔入口二氧化硫含量、吸收塔入口含尘量以及石灰石溶液密度;

预测单元,用于利用BP神经网络模型以所述吸收塔入口烟气温度、吸 收塔入口烟气含氧量、吸收塔入口二氧化硫含量、吸收塔入口含尘量以及 石灰石溶液密度作为所述BP神经网络模型的输入层数据,计算脱硫溶液的 PH值,其中所述BP神经网络模型是利用之前获取的吸收塔入口烟气温度、 吸收塔入口烟气含氧量、吸收塔入口二氧化硫含量、吸收塔入口含尘量以 及石灰石溶液密度以及实测的脱硫溶液的PH值进行训练得到的。

7.根据权利要求6所述的装置,其特征在于,还包括:

训练数据获取单元,用于获取多组训练数据,所述训练数据包括吸收 塔入口烟气温度、吸收塔入口烟气含氧量、吸收塔入口二氧化硫含量、吸 收塔入口含尘量、石灰石溶液密度以及实测的脱硫溶液的PH值;

训练单元,用于利用所述多组训练数据对所述BP神经网络模型进行训 练,直至所述BP神经网络模型输出的脱硫溶液的PH值与实测的脱硫溶液 的PH值的误差小于预定阈值。

8.根据权利要求6所述的装置,其特征在于,还包括:

比对单元,用于判断计算出的脱硫溶液的PH值是否在预设阈值范围之 内;

判定单元,用于当计算出的脱硫溶液的PH值不在所述预设阈值范围之 内时,判定计算出的脱硫溶液的PH值异常。

9.根据权利要求6-8中任一项所述的装置,其特征在于,所述BP神经 网络模型是三层神经网络模型。

10.根据权利要求6-9中任一项所述的装置,其特征在于,所述BP神 经网络模型是基于小波算法的神经网络模型。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于国网山东省电力公司青岛供电公司;国家电网公司,未经国网山东省电力公司青岛供电公司;国家电网公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201610051703.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top