文獻(xiàn)標(biāo)識(shí)碼: A
DOI: 10.19358/j.issn.2096-5133.2020.08.012
引用格式: 金秀章,,景昊. 基于LSTM的濕法煙氣脫硫漿液pH值建模[J].信息技術(shù)與網(wǎng)絡(luò)安全,,2020,39(8):62-66.
目前燃煤電廠的SO2排放量已經(jīng)超過了SO2排放總量的一半,,并且呈現(xiàn)逐年遞增的趨勢(shì)。我國(guó)先后頒布的《火電廠大氣污染物排放標(biāo)準(zhǔn)》和《煤電節(jié)能減排升級(jí)與改造行動(dòng)計(jì)劃(2014—2020年)》等一系列政策法規(guī),,明確指出火電廠的SO2排放濃度必須控制在35 mg/m3以下,。石灰石-石膏濕法煙氣脫硫技術(shù)(WFGD)是目前最有效的燃煤機(jī)組SO2控制技術(shù)之一。WFGD工藝中漿液pH值是決定煙氣脫硫效率的關(guān)鍵參數(shù),,因此pH值的測(cè)量需要迅速,、準(zhǔn)確。
在WFGD現(xiàn)場(chǎng)測(cè)量時(shí)由于環(huán)境惡劣,,且pH值變化具有較大的慣性,,導(dǎo)致測(cè)量時(shí)長(zhǎng)較大,無法及時(shí)得到漿液pH值的準(zhǔn)確值,,對(duì)于脫硫作業(yè)十分不利。因此需要對(duì)漿液pH值進(jìn)行預(yù)測(cè),。
pH值測(cè)量作為非線性系統(tǒng)一直是研究熱點(diǎn),。利用燃煤機(jī)組的運(yùn)行數(shù)據(jù),再結(jié)合機(jī)理分析,,采用實(shí)驗(yàn)建模的方法可以辨識(shí)出精確合理的系統(tǒng)模型,。文獻(xiàn)[5]和文獻(xiàn)[6]把神經(jīng)網(wǎng)絡(luò)等自適應(yīng)模糊系統(tǒng)用于pH中和過程。BP神經(jīng)網(wǎng)絡(luò),、RBF神經(jīng)網(wǎng)絡(luò),、Elman神經(jīng)網(wǎng)絡(luò)等方法是pH值建模的典型方法,但上述算法本身在時(shí)間序列的處理上并沒有突出的優(yōu)勢(shì),。
隨著技術(shù)的進(jìn)步,深度學(xué)習(xí),、遞歸神經(jīng)網(wǎng)絡(luò),、卷積神經(jīng)網(wǎng)絡(luò)等也在pH值建模得到應(yīng)用。LSTM神經(jīng)網(wǎng)絡(luò),,注重?cái)?shù)據(jù)間的時(shí)間特性,,在大遲延時(shí)間序列預(yù)測(cè)中具有突出優(yōu)勢(shì)。LSTM神經(jīng)網(wǎng)絡(luò)的特點(diǎn)在于發(fā)現(xiàn)當(dāng)前時(shí)刻數(shù)據(jù)與之前數(shù)據(jù)間的聯(lián)系,,利用本身具有的記憶能力,,將之前數(shù)據(jù)的狀態(tài)進(jìn)行保存,同時(shí)根據(jù)保存的信息影響后續(xù)的預(yù)測(cè)值及變化趨勢(shì),。
因此,,本文提出一種基于LSTM神經(jīng)網(wǎng)絡(luò)的pH值預(yù)測(cè)模型。以某600 MW機(jī)組為研究對(duì)象,,使用機(jī)組實(shí)際運(yùn)行數(shù)據(jù),,經(jīng)過機(jī)理和相關(guān)性分析,確定pH值模型的輔助變量,,建立高精度的pH值預(yù)測(cè)模型,。
本文詳細(xì)內(nèi)容請(qǐng)下載:http://forexkbc.com/resource/share/2000003249
作者信息:
金秀章,景 昊
(華北電力大學(xué) 控制與計(jì)算機(jī)工程學(xué)院,,河北 保定071003)