[发明专利]基于多参数的氨法烟气脱硫效率预测方法

说明书

技术领域

本发明涉及氨法烟气脱硫效率预测领域，尤其涉及一种基于多参数的氨法烟气脱硫效率预测方法。

背景技术

针对氨法烟气脱硫装置运行效率还没有较好的监测方法，仍然使用烟气分析仪等测量仪器直接测量烟气中硫质量浓度的传统方法为主。此方法容易受到烟道出口复杂情况的影响，导致测量偏差或只能反映烟道局部的硫含量等问题。

目前，简便准确的氨法脱硫效率检测方法在国内尚无先例。

发明内容

本发明的目的在于弥补上述检测方法缺陷与技术空白，提出一种准确性高，通用性强且简单可靠的基于多参数的氨法烟气脱硫效率预测方法。本发明的目的是由以下技术方案来实现的：一种基于多参数的氨法烟气脱硫效率预测方法，其特征是，它包括以下步骤：

(1)对氨法脱硫系统的运行参数进行采集并分类：为保证训练的模型在之后的预测中有较好的适应性，采集到的参数数据应按照脱硫系统处于不同性能等级分类，即高效率性能等级，效率在[1，0.95]之间；一般效率性能等级，效率在(0.95，0.85]之间；低效率性能等级，效率在0.85以下。在三个性能等级段中各取至少取500组数据作为训练样本。

(2)对运行参数进行归一化处理：设脱硫效率的论域为d_i＝[m_i，M_i]，设r_i＝ud_i(x_i)，(i＝1，2，3，…，n)是模型对属值x_i的无量纲值，且r_i∈[0，1].

其中，为的标准函数。经过归一化，个数据取值范围为[0，1].

(3)利用归一化处理后的数据，建立PLS、SA-SVM、GALS-SVM和PSO-BP四个人工智能计算模型。其中：PLS为偏最小二乘回归，SA-SVM为退火优化的支持向量机，GALS-SVM为遗传优化的最小二乘支持向量机，PSO-BP为自适应粒子群优化的BP神经网络。

(a)PLS的建模

首先，分别提取脱硫效率和脱硫运行指标的第一个成分t₁和u₁.从Y₀中提取第一个成分u₁，因为只有一个因变量，所以u₁就是标准化后的脱硫效率。从X₀中提取第一个成分t₁，t₁是各脱硫运行指标变量的线性组合，是对原始变量解释力最强的综合变量。满足t₁＝X₀ω₁且||ω₁||＝1，ω₁是X₀的第一个轴。取进而分别建立X₀对t₁和Y₀对t₁的回归方程：

X0=t1α1T+X1Y0=t1β1T+Y1---(2)]]>

其中α₁和β₁是回归方程系数X₁与Y₁分别是脱硫运行指标与脱硫效率的残差矩阵。