[发明专利]基于变量压缩BP神经网络的电厂SO2排放软测量方法

权利要求书

1.一种基于变量压缩BP神经网络的电厂SO₂排放软测量方法，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：对所述样本数据进行相关性分析，对原样本变量进行压缩，去除与所述湿法烟气脱硫系统出口处烟气中SO₂相关性小于0.2的样本数据；

该步骤中，相关性的求取方法为：

步骤S3：利用所述的变量压缩-BP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S4：利用步骤S3中建立的湿法烟气脱硫预测模型计算湿法烟气脱硫系统的烟气出口处的SO₂浓度的预测值；

步骤S5：利用步骤S4的预测值对湿法烟气脱硫系统的浆液喷淋量进行控制；将目标值与预测值进行比较，若预测值大于目标值且两者相差越大，对应的浆液的喷淋量也就越大；若目标值大于预测值则减少喷淋量。

2.根据权利要求1所述的一种基于变量压缩BP神经网络的电厂SO₂排放软测量方法，其特征在于，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SO₂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湿法烟气脱硫系统出口处烟气中SO₂浓度。

3.根据权利要求2所述的一种基于变量压缩BP神经网络的电厂SO₂排放软测量方法，其特征在于，所述变量压缩-BP神经网络的输入层神经元为湿法烟气脱硫系统入口处的SO₂浓度和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SO₂浓度、2号吸收塔PH值、总风量和总煤量。

4.根据权利要求3所述的一种基于变量压缩BP神经网络的电厂SO₂排放软测量方法，其特征在于，所述变量压缩-BP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SO₂浓度。

5.根据权利要求4所述的一种基于变量压缩BP神经网络的电厂SO₂排放软测量方法，其特征在于，采集样本数据的频率为每五分钟一次，连续采集十天，共2880笔数据，将样本数中的前八天作为训练集，最后两天的数据作为验证集。