[发明专利]一种基于机器学习算法的烟气脱硫二氧化硫浓度预测方法

说明书

本发明提供一种基于机器学习算法的烟气脱硫二氧化硫浓度预测方法。由于烟气脱硫装置出口SO₂浓度与入口烟气量、SO₂浓度、温度、湿度、氧含量以及吸收液的喷淋量、PH值、密度、氧化率等多种因素相关，本发明将机器学习算法模型应用于湿法烟气脱硫装置出口SO₂浓度预测、预警。通过本发明有效解决了传统滞后效应延缓增加脱硫剂的效果，装置出口SO₂浓度超标不能完全避免的问题；还降低了过量的脱硫剂进入副产物中，减少了运行成本。实现湿法脱硫装置出口SO₂浓度预测预警，算法模型参与运行控制，通过及时增加吸收液喷淋量、脱硫剂投加量可有效降低硫装置出口SO₂浓度超标风险，实现湿法烟气脱硫装置稳定达标排放。

技术领域

本发明属于工业烟气治理领域，具体涉及一种基于机器学习算法的烟气脱硫二氧化硫浓度预测方法。

背景技术

我国是一个煤炭大国，目前工业用燃料仍以煤炭为主，煤在燃烧过程中释放热量的同时，还会产生大量的颗粒物、二氧化硫、温室气体等污染物，造成生态环境的污染。湿法烟气脱硫技术是世界上商业化应用的脱硫方法之一，能高效脱除烟气中的硫氧化物，副产物易于资源回收利用，是控制大气二氧化硫污染最为有效的烟气脱硫技术。含二氧化硫的烟气进入脱硫装置，在脱硫塔里与含有吸收剂的喷淋液接触，烟气中的二氧化硫被吸收脱除、洗涤净化后的烟气通过烟囱排放。

脱硫装置的脱硫效率与液气比、脱硫剂的化学剂量(如钙硫比等)以及运行参数(如烟气温度、压力、流量、湿度、氧含量、二氧化硫浓度以及其他烟气成分；喷淋液的温度、压力、流量、密度、PH值、氧化率、成分等；吸收剂的流量、浓度、密度、成分等)有关。脱硫装置效率越高，出口烟气中二氧化硫浓度就越低。对于相同的入口烟气条件，增加吸收液喷淋量、加大脱硫剂流量来提高吸收液PH值可以获得更高的脱硫效率，减小装置烟气中二氧化硫浓度。在实际生产中吸收液喷淋量由循环泵提供，一般不调节循环泵的流量。往往通过脱硫装置出口二氧化硫浓度来调节脱硫剂的投加量。这种控制有一定滞后性，当生产负荷出现较大波动时，脱硫装置入口烟气流量、二氧化硫浓度随之出现较大变化，从而导致脱硫装置出口二氧化硫浓度也会波动，甚至超标。目前常用的控制方法是增加脱硫剂的量来提高装置的脱硫效率。这种措施有两方面的缺点：一是滞后效应延缓增加脱硫剂的效果，装置出口二氧化硫浓度超标不能完全避免；二是过量的脱硫剂进入副产物中，增加了运行成本。

发明内容

本发明的目的是为了解决现有技术中存在的缺点，而提出的一种基于机器学习算法的烟气脱硫二氧化硫浓度预测方法。

为实现上述目的，本发明采用了如下技术方案：一种基于机器学习算法的烟气脱硫二氧化硫浓度预测方法，所述方法包括以下步骤：

S1：采集湿法烟气脱硫装置历史运行数据作为样本集数据；

S2：把S1中采集得到的样本集数据整理成机器学习需要的类型和格式，并通过数据清洗形成机器学习的样本数据；

S2-1：删除样本集中的缺失值，并从小到大进行排序，得到各参数的序列{X1,X2,X3,……Xn}；

S2-2：令Q_L＝X_(n/4),Q_U＝X_(3n/4),IQR＝Q_U-Q_L；n/4、3n/4四舍五入取整数；

Q_L为下四分位数；Q_U为上四分位数；IQR为四分位距；

Q_L＝X_(n/4),Q_U＝X_(3n/4)均为数列{X1,X2,X3,……Xn}对应的值；