面向脱硫系统BP神经网络预测控制.pdf

第 51卷 第5期 石 油 化 工 自 动 化 Vo1．51，No．5 2015年 1O月 AUTOM AT10N IN PETRo—CHEMICAL INDUSTRY October，2015 面向脱硫系统的BP神经网络预测控制 程换新，于沙家 (青岛科技大学 自动化与电子工程学院，山东 青岛 266061) 摘要 ：为降低脱硫系统中二氧化硫的排放量，提出了基于BP神经网络的二氧化硫预测模型。应用BP神经网络的预测模型， 采用迭代优化的控制算法，根据系统相应的性能指标，并对网络的权值和阈值进行反复调整，最后利用实际数据对模型进行了 仿真验证。研究结果表明，BP网络的脱硫效率预测模型仿真精度较高，为燃烧系统的改造提供了依据。 关键词 ：BP神经网络 脱硫系统 预测控制 非线性映射 中图分类号：TP29 文献标志码：A 文章编号：1007—7324(2015)05—0039—04 BPNeuralNetworkPredictionControlforDesulfurizationSystem ChengHuanxin，YuShajia (CollegeofAutomationEngineering．QingdaoUniversityofScience＆ Technology，Qingdao，266061，China) Abstracts：ToreduceSO9emission load indesu1furization system ，BP neuralnetworkbased SO2prediction modelisputforward．According tosystem relativeperformanceindexs，the weightandthresholdvalueofneuralnetwork areadjustedrepeatedlyapplyingBP neural networkprediction modeladopted with iterativeoptimization controlalgorithm．Simulation verificationofthemode1iSfinally conductedusingactualdata．Theresearch resultshows simulationaccuracyforBP network predictionmodelofdesulfurization efficiencyishigh．It providesbasisforcombustionsystem modification． Keywords：BPneuralnetwork；desulfurizationsystem ；predictioncontrol；nonlinear-mapping 燃煤电厂在发 电过程 中产生很多二氧化硫、氮 料。其主要过程是吸收、氧化、结晶和干燥过程。 氧化物气体及灰尘等，主要成分二氧化硫对环境的 1．2 氨湿法脱硫系统组成 污染 日益严重，其排放被严格控制。目前脱硫系统 某热电厂 300Mw 机组脱硫系统由烟气系 中二氧化硫的排放量主要受烟气量、预洗塔 内温 统、烟气吸收系统、硫铵处理系统、事故浆液系统、 度、脱硫塔出口烟气温度、脱硫塔 内浆液的pH值 工艺水及废水处理系统组成。 及氨水中氨的质量分数 (氨湿法脱硫)等因素的影 1)烟气系统。从锅炉总烟道中出来的气体经 响。近 10年来，国内在降低二氧化硫排放方面做 进 口挡风板、增压风机最后经过烟气换热器将其温 了很多实验研究，取得 了较好成果，如安装浓淡燃 度降低后送入吸收塔中。塔中的烟气和液氨反应 烧器、分级送风、氨湿法脱硫、石膏湿法脱硫等都可