[发明专利]一种工业硫磺回收装置尾气二氧化硫含量实时预测方法

说明书

本发明公开一种工业硫磺回收装置尾气二氧化硫含量实时预测方法，本发明旨在充分利用SAE较强的特征提取能力，并在SAE的顶层增加一层非线性的输出神经元，从而可以将SAE应用于开发设计一种工业硫磺回收装置尾气二氧化硫含量在线软测量技术。与传统方法相比，首先，本发明方法通过在栈式自编码器的基础上新增一个输出层神经元，将适用于无监督学习的自编码器巧妙的转变成了有监督的软件测量建模方法；其次，本发明方法考虑到了工业硫磺回收装置采样数据在时间上的动态特性，采取将多个时刻的数据整合成一个输入向量，这样可以将时序性体现在软测量建模中；最后，在接下来的具体实施案例中，通过软测量精度对比验证了本发明方法的优越性。

技术领域

本发明涉及一种工业软测量方法，特别涉及一种工业硫磺回收装置尾气二氧化硫含量实时预测方法。

背景技术

在现代化的工业生产过程中，实时的测量过程运行的关键性指标数据可直接为生产安全、产品质量、操作优化等提供参考依据。通常来讲，实时测量工业过程中的各种状态数据最有效也是最直接的方式是使用先进测量仪器与仪表。例如，温度、压力、流量、液位等信息可通过相应的传感器实现实时在线测量，而且这类传感器技术已经很成熟，硬件购置的费用也相对大众化。然而，产品含量或浓度信息的测量相对来讲非常困难，通常是通过化学反应规律来实现测量的。从这个角度来讲，含量或浓度的测量仪器需要定期维护，而且测量数据实时性不高。这对需要实时利用含量或浓度数据的工业过程对象来说，是非常不利的。可幸的是，软测量技术为解决这个问题提供了行之有效的解决思路。

在石化加工厂，工业硫磺回收装置可以有效的降低尾气排放中二氧化硫的含量，从而大幅度降低石化企业对环境尤其是大气造成的污染。因此，工业硫磺回收装置需要实时的监测尾气中二氧化硫的含量，并通过含量的变化及时调控工业硫磺回收装置的运行状态。如前所述，二氧化硫(化学分子式为：SO₂)含量的实时测量比较困难，石化企业通常不会投入大量成本去购置实时性较强的在线成分分析仪，一般是通过离线采样分析SO₂的含量，这就对测量数据的实时性问题提出了很大的挑战。在工业硫磺回收装置中，测量的变量除SO₂的含量之外，其他容易测量的变量包括：单乙醇胺流量、汽提过程酸-水相流量等。这些容易测量变量的采样数据对尾气中SO₂的含量是存在很大关联性的。因此可以通过这些流量数据来实时软测量尾气中SO₂的含量。

虽然利用容易测量数据来软测量浓度或含量数据在技术层面上是可行的，但是软测量能否成功有效应用还的看采用何种软测量建模算法。由于工业硫磺回收装置各个测量变量之间的存在复杂非线性关系，且工业硫磺回收装置运行状态的复杂性，导致常规神经网络建模方法的软测量精度不高。若是采样深度神经网络来建立软测量模型，则需要大量的训练数据。由于工业硫磺回收装置尾气中的二氧化硫含量的测量时依靠离线完成的，不能提供很大量的训练数据，导致深度神经网络模型的软测量精度有限。因此，针对工业硫磺回收装置尾气二氧化硫含量在线软测量技术还值得商榷。

发明内容

本发明所要解决的主要技术问题是：如何利用栈式自编码器(Stacked Auto-Encoder，缩写：SAE)实现对工业硫磺回收装置尾气二氧化硫含量的在线软测量。由于SAE是一类无监督学习方法，而软测量建模归属为有监督学习。因此，本发明旨在充分利用SAE较强的特征提取能力，并在SAE的顶层增加一层非线性的输出神经元，从而可以将SAE应用于开发设计一种工业硫磺回收装置尾气二氧化硫含量在线软测量技术。

本发明方法解决上述问题所采用的技术方案为：一种工业硫磺回收装置尾气二氧化硫含量在线软测量方法，包括以下步骤：