[发明专利]一种脱硫系统pH值预测方法及装置

说明书

本说明书实施例公开了一种脱硫系统pH值预测方法及装置。首先采用模糊C均值聚类算法对数据样本进行分类，依据经验知识做先验指导进行数据空间初步划分，并通过模糊C均值聚类算法进行数据样本的聚类，提高了聚类结果的稳定性；基于支持向量机建立脱硫系统pH值单一模型，得到了物理意义明确的子模型，所以相较于现有的pH值预测方法具有更高的准确性；在此基础上采用集成隶属度的方法对单一模型进行集成，相对于现有的简单平均法具有更高的准确性，并且最终得到的集成模型其预测精度和泛化能力与单一模型相比有了提高。

技术领域

本申请涉及燃煤机组脱硫系统技术领域，尤其涉及一种脱硫系统pH值预测方法及装置。

背景技术

随着社会环保意识的提高以及国家相关环保法律的制定，火电厂燃煤机组污染物排放问题引起了越来越多的关注。其中火电机组燃烧产生的二氧化硫是污染物的主要成分之一，燃煤电站二氧化硫排放量的控制主要采用石灰石-石膏湿法烟气脱硫技术实施烟气脱硫，由于脱硫系统存在非线性、强耦合、大延迟、大惯性等特征，同时烟气中的SO2浓度具有变化剧烈和测量滞后的特点，使得脱硫系统吸收塔内的pH值控制变得十分棘手。

pH值是燃煤机组进行脱硫控制的重要指标之一。在实际生产过程中，由于脱硫环境恶劣，扰动因素较多导致pH计表头或测量设备易损害或腐蚀，其测量结果难以直接用于烟气脱硫优化，因此对pH值进行准确预测能够提前反映pH值的变化趋势，有助于脱硫系统对pH值进行控制。

目前模型建立常用的方法有下面两种：

1.机理建模方法

机理建模即“白盒”法，对系统的内部逻辑进行详细研究后，通过数学模型对其内部结构和过程机理进行描述。为得到其模型，对系统的工作原理通过数学公式进行还原，因此模型具有可靠的理论基础；但是机理模型较为复杂且只适合特定的系统，一旦研究对象发生改变机理模型将无法适用，不具有可推广性。

2.试验建模方法

试验建模即“黑盒”法，试验建模法不需要了解系统的内部运行原理，只需要根据大量的系统输入数据和输出数据，得到符合其输入输出数据的数学模型。试验建模法具有推广性，但其需要大量的数据作为基础，随着近几年国内数据库技术的成熟，使得许多有效数据模型的建立成为现实，脱硫系统pH值的预测可以进行超前控制，该方法具有较高的实用性。

发明内容

有鉴于此，本申请实施例提供了一种脱硫系统pH值预测方法及装置，用以提高pH值预测方法的准确性。

为解决上述技术问题，本说明书实施例是这样实现的：

本说明书实施例提供的一种脱硫系统pH值预测方法，所述方法包括：

获取待预测的输入变量参数；其中，所述输入变量参数包括：入口烟气氧量、入口烟气温度、原烟气SO2浓度和石灰石浆液密度；

将所述输入变量参数输入至pH值预测集成模型中，输出pH预测值，所述pH值预测集成模型基于多个单一模型和隶属度矩阵构建。

可选的，所述pH值预测集成模的构建方法如下：

获取脱硫系统的pH值数据样本集合；

对所述pH值数据样本集合中的各样本数据进行划分，得到位于不同数据范围的多个pH值数据样本子集；

通过模糊C均值聚类算法对各pH值数据样本子集进行聚类处理；

计算各pH值数据样本子集的隶属度矩阵；

基于聚类后的各数据样本子集构建多个单一模型；

基于所述各单一模型和所述各隶属度矩阵构建pH值预测集成模型。

可选的，所述基于聚类后的各数据样本子集构建多个单一模型，具体包括：