[发明专利]一种脱硫系统入口SO2

说明书

本发明提供了一种脱硫系统入口SO₂浓度智能预测方法。本发明的脱硫系统入口SO₂浓度智能预测方法，包括步骤101：根据燃煤机组燃烧原理及脱硫系统反应机理，确定入口SO₂浓度影响因素以及预测方法的输入变量；步骤201：基于主成分分析方法和灰度关联方法，确定入口SO₂浓度影响因素并提取特征变量；步骤301：基于提取的特征变量，根据CatBoost算法建立入口SO₂浓度智能预测模型；步骤401：将当前时刻的入口SO₂浓度影响因素的实时运行数据输入建立的入口SO₂浓度智能预测模型，得到当前时刻的脱硫系统入口SO₂浓度。本发明的方法能够提前预测脱硫系统入口SO₂浓度以便及时调整供浆量，对于控制燃煤机组SO₂污染物的排放具有指导意义。

技术领域

本发明涉及燃煤电厂烟气脱硫技术领域，尤其是涉及一种脱硫系统入口SO₂浓度智能预测方法。

背景技术

SO₂是形成酸雨和雾霾的主要原因之一，而我国燃煤电厂污染物排放是SO2的主要来源。火电厂在生产流程中会燃烧大量的煤，而煤中常常含有一定量的硫元素，这些硫元素经过燃烧之后会释放出大量SO₂，如果不加以治理，就会对环境造成巨大的危害。因此，控制和减少燃煤电厂污染物SO₂的排放势在必行。

目前，国内外主要通过连续排放检测系统（Continuous Emission MonitoringSystem，CEMS）对烟气中的SO₂成分进行实时测量。然而，这种测量方法在测量过程具有投资成本高、分析数据耗时长、测量值反馈存在严重滞后等缺点，势必导致脱硝系统入口SO₂浓度难以实时准确的测量。测量不精确将会导致对入口SO₂浓度的控制不及时，进而导致SO₂排放超标，影响了机组的正常运行。

为了获得更为精确的入口SO₂浓度，机器学习方法成为众多学者的选择。然而，现有的神经网络、支持向量机、决策树等方法在脱硫系统入口SO₂浓度预测上尚存在一定的不足，同时在开展预测之前特征参数的选择均是根据运行人员的经验选择，因此存在一定的主观性。为了解决传统方法在预测上所存在的问题，特提出本发明。

发明内容

本发明的目的在于提供一种脱硫系统入口SO₂浓度智能预测方法，该方法能够提前预测脱硫系统入口SO₂浓度以便及时调整供浆量，对于控制燃煤机组SO₂污染物的排放具有指导意义。

本发明提供一种脱硫系统入口SO₂浓度智能预测方法，包括：

步骤101：根据燃煤机组燃烧原理及脱硫系统反应机理，确定入口SO₂浓度影响因素以及预测方法的输入变量；

步骤201：基于主成分分析方法和灰度关联方法，确定入口SO₂浓度影响因素并提取特征变量；

步骤301：基于提取的特征变量，根据CatBoost算法建立入口SO₂浓度智能预测模型；

步骤401：将当前时刻的入口SO₂浓度影响因素的实时运行数据输入建立的入口SO₂浓度智能预测模型，得到当前时刻的脱硫系统入口SO₂浓度。

在本发明中，入口SO₂浓度影响因素可以包括机组负荷、总风量、总煤量、磨煤机给煤量、原烟气入口烟气温度、原烟气入口烟气压力和原烟气入口O₂量。