[发明专利]一种基于LightGBM算法的湿法烟气脱硫优化方法

说明书

本发明公开了一种基于LightGBM算法的湿法烟气脱硫优化方法，通过数学建模加多目标优化的方法计算出脱硫浆液pH值和出口烟气温度的最优设定范围。首先对石灰石‑石膏烟气脱硫工艺过程进行分析挖掘出脱硫浆液pH值和出口烟气温度存在的相互矛盾关系，对工厂实际运行数据进行清洗，剔除异常数据。分析影响脱硫浆液pH值和出口烟气温度的相关因素并利用LightGBM算法建立其回归模型。确定目标函数和设计变量的约束范围，使用NSGA‑III‑DE算法求解出一组最优的脱硫浆液pH值和出口烟气温度解。实验结果表明，本方法建立的数学模型在时间和精度上有很好的表现，用于优化算法中求解出的最优脱硫浆液pH值和出口烟气温度对于指导脱硫系统高效运行具有很好的指导作用。

技术领域

本发明是一种基于集成学习算法的石灰石-石膏烟气脱硫工艺多目标优化方法，主要用于优化脱硫工艺的控制参数提高脱硫效率，属于系统优化和软测量领域。

背景技术

SO₂是一种有害气体，主要来自于对于化石能源的使用。我国是一个能源消耗大国，在这过程中会有产生大量的SO₂，大气中SO₂超过一定含量会形成酸雨破坏环境，另一方面烟尘中含有多种重金属及其氧化物，能催化SO₂形成毒性更强的硫酸雾，威胁到人类的生命安全。因此能源行业都要采用不同的脱硫工艺对烟气进行脱硫处理。我国有丰富的煤炭资源，这决定了我国能源结构中煤炭的消耗占有很大的比重。在所有煤炭消耗行业中燃煤电厂是主要的煤炭消费场所，也是大气污染的重要来源。因此火电厂都要通过脱硫工艺进行烟气处理。

脱硫效率是衡量一个脱硫工艺好坏的重要指标，同时在复杂的脱硫工艺中脱硫效率受到诸多因素的影响，如何在保障安全运行的前提下调节一些控制参数获得较高的脱硫效率是发电厂十分关注的问题。通过对国内某火力发电厂脱硫机组的实际运行数据进行分析得到同时获得较高的脱硫浆液pH值和出口烟气温度有利于提高脱硫效率，但是这确是一个相互矛盾的问题，对于这一对相互矛盾的问题的求解，考虑采用多目标优化算法。

多目标优化的问题需要建立被优化对象的目标函数，传统的方法是通过神经网络、支持向量机和最小二乘算法建立目标函数，但是在大数据量的情况下算法的精度和时间性能都会降低。因此本发明提出利用一个轻量级的集成学习算法LightGBM建立目标函数，时间更快，精度也更高。利用改进的非支配遗传算(NSGA-III-DE)求解目标函数。

发明内容

本发明提出一种面向湿法烟气脱硫工艺的建模和优化方法，该方法通过LightGBM算法建立最大化脱硫浆液pH值和出口烟气温度的目标函数，选定约束条件和约束范围。通过非支配遗传算法求解目标函数得到一组最优解。利用工厂脱硫系统实际运行数据对该方法进行验证，结果表明本方法能够建立更为精确的数学模型，多目标优化算法求解出的最优解能够为脱硫系统的实际运行提供指导，提高脱硫效率。

本发明是通过以下技术方案实现的，本发明包括以下步骤：

步骤1：分析石灰石-石膏湿法烟气脱硫工艺流程，挖掘出同时最大化脱硫浆液PH值和出口烟气温度这一相互矛盾问题。

步骤2：对脱硫系统的实际运行数据进行预处理，通过箱型图算法剔除异常数据。通过灰度关联分析算法分析出脱硫浆液pH值和出口烟气温度的影响因素，做特征选择。

步骤3：根据步骤2选取的特征变量，通过LightGBM算法建立pH值和温度的数学模型。

步骤4：将数据集划分为训练集和测试集。使用训练集训练数学模型，并使用测试集验证模型的性能。

步骤5：确定最大化脱硫浆液pH值和出口烟气温度为目标函数，明确约束范围。使用训练好的数学模型描述目标函数。

步骤6：使用改进的非支配遗传算法(NSGA-III-DE)求解目标函数得到一组最优解集。

步骤7：利用相关评价指标对优化算法的结果进行评估。