基于RBF神经网络的双碱法脱硫塔SO2排放量预测方法

• 作者: 刁永发 杨青杰 苏翔鹏
• 来源期刊: 热力发电
• 关键词: 脱硫塔 双碱法 RBF神经网络 变梯度BP神经网络 LM-BP神经网络 SO2排放量 预测方法 优化控制
• 年，卷（期）: 2017,（10）
• 所属期刊栏目: 热能科学研究
• 页码范围: 58-63
• 页数: 6页
• 分类号: TK39
• 语种: 中文
• DOI: 10.3969/j.issn.1002-3364.2017.10.058

摘要

采用传统公式估算脱硫塔出口SO2排放量的方法难以推广,现场实测又耗时耗财,对此,本文提出一种基于RBF神经网络的脱硫塔出口SO2排放量预测方法,并以传统F-R修正的变梯度BP神经网络和以LM算法优化的BP神经网络(LM-BP神经网络)为对照模型,对双碱法脱硫塔在线监测数据进行预测.结果发现:RBF神经网络最大偏差和平均偏差均为0,优于变梯度BP神经网络和LM-BP神经网络.基于此,采用RBF神经网络作为预测模型,以平均烟气温度为101℃、平均脱硫塔清液pH=8.40、平均进塔清液流量与烟气流量之比(液气比)1.1300L/m3为输入参数,连续改变其中某一输入参数,分别预测其他参数对脱硫塔出口SO2质量浓度折算值的影响.结果表明:脱硫塔出口SO2质量浓度折算值随进口烟气温度升高而增大,在烟气温度高于1 10℃后出现波动;当烟气温度为101℃、液气比为1.1300 L/m3时,最优脱硫塔清液pH为8.60,当温度为101℃、pH=8.40时,脱硫塔出口SO2质量浓度折算值随液气比增大而减小.因此,基于RBF神经网络的脱硫塔出口SO2排放量预测方法不仅能够有效预测双碱法脱硫塔出口SO2排放量,而且能够对SO2排放量进行优化控制.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刁永发	东华大学环境科学与工程学院	74	165	7.0	8.0
2	苏翔鹏	东华大学环境科学与工程学院	1	4	1.0	1.0
3	杨青杰		1	4	1.0	1.0