[发明专利]一种基于神经网络预测控制烟气脱硫的方法

说明书

本发明涉及一种基于神经网络预测控制烟气脱硫的方法，其特征在于，包括以下步骤：步骤S1，采集湿法烟气脱硫系统中关于时间变化的样本数据，并根据采集到的样本数据确定动态神经网络的输入层和输出层的神经元；步骤S2，利用步骤S1中的动态神经网络对湿法烟气脱硫系统进行建模，建立湿法烟气脱硫系统预测模型；步骤S3，利用步骤S2中建立的湿法烟气脱硫预测模型计算湿法烟气脱硫系统烟气出口处的二氧化硫浓度预测值，并利用该二氧化硫浓度预测值对所述湿法烟气脱硫系统的浆液喷淋量进行控制。

技术领域

本发明属于烟气脱硫技术领域，具体涉及一种基于神经网络预测控制烟气脱硫的方法。

背景技术

石灰石—石膏湿法烟气脱硫技术是将石灰石粉加水制成浆液作为吸收剂泵入吸收塔与烟气充分接触混合，烟气中的二氧化硫与浆液中的碳酸钙以及从塔下部鼓入的空气进行氧化反应生成硫酸钙，硫酸钙达到一定饱和度后，结晶形成二水石膏。

经吸收塔排出的石膏浆液经浓缩、脱水，使其含水量小于10％，然后用输送机送至石膏贮仓堆放，脱硫后的烟气经过除雾器除去雾滴，再经过换热器加热升温后，由烟囱排入大气。由于吸收塔内吸收剂浆液通过循环泵反复循环与烟气接触，吸收剂利用率很高，钙硫比较低，脱硫效率可大于95％。

目前大多数火电公司采用湿式脱硫技术，其反应原理基本类似，主要区别在于吸收塔的结构上，有的采用单回路喷淋空塔，有的采用双回路喷淋塔和鼓泡塔等。不同的脱硫工艺，脱硫效率也会有所不同。当机组负荷在稳定状态时，能得到较好的控制效果，但是在变攻条件下，系统呈现出非线性，大滞后性，此时难以较好的控制喷淋塔中浆液的流量。如果喷淋的浆液量过少，会难以保证能够达到烟气的排放标准；如果喷淋的浆液量过多，就会造成资源的浪费。此为现有技术的不足之处。

因此，针对现有技术中的上述缺陷，提供设计一种基于神经网络预测控制烟气脱硫的方法；以解决现有技术中的缺陷，是非常有必要的。

发明内容

本发明的目的在于，针对上述现有技术存在的缺陷，提供设计一种基于神经网络预测控制烟气脱硫的方法，以解决上述技术问题。

为实现上述目的，本发明给出以下技术方案：

一种基于神经网络预测控制烟气脱硫的方法，其特征在于，包括以下步骤：

步骤S1，采集湿法烟气脱硫系统中关于时间变化的样本数据，并根据采集到的样本数据确定动态神经网络的输入层和输出层的神经元；

步骤S2，利用步骤S1中的动态神经网络对湿法烟气脱硫系统进行建模，建立湿法烟气脱硫系统预测模型；

步骤S3，利用步骤S2中建立的湿法烟气脱硫预测模型计算湿法烟气脱硫系统烟气出口处的二氧化硫浓度预测值，并利用该二氧化硫浓度预测值对所述湿法烟气脱硫系统的浆液喷淋量进行控制。

作为优选，所述步骤S1与S2之间还包括以下步骤：

S12：对所述样本数据进行相关性分析，去除与所述湿法烟气脱硫系统出口处烟气中二氧化硫相关性小于0.3的样本数据；以减小计算量，提高计算精度。

作为优选，所述步骤S1中的样本数据包括湿法烟气脱硫系统入口处的二氧化硫浓度、机组负荷、1号吸收塔石膏浆液PH值、石灰石浆液去1号吸收塔的流量、1号吸收塔入口烟气温度、2号吸收塔供浆流量、总风量、总煤量、1号吸收塔液位计算值以及所述湿法烟气脱硫系统出口处烟气中二氧化硫浓度。

作为优选，所述步骤S1中，动态神经网络的输入层神经元为湿法烟气脱硫系统入口处的二氧化硫浓度、NOx浓度、机组负荷、石灰石浆液去1号吸收塔的流量、1号吸收塔出口烟气二氧化硫浓度、2号吸收塔PH值、总风量和总煤量；动态神经网络的输出层的神经元为所述湿法烟气脱硫系统出口处烟气中二氧化硫浓度。