[发明专利]基于多参数的氨法烟气脱硫效率预测方法

摘要

本发明是一种基于多参数的氨法烟气脱硫效率预测方法，其特点是：选用四种不同的人工智能计算模型，将氨法脱硫系统运行过程中所采集的多组烟气量、循环泵流量、浓缩泵流量、氨浓度、吸收液浓度、液气比、进口烟气温度、耗氨量、喷淋浆液密度、喷淋塔浆液pH值和预洗涤塔浆液pH值等参数作为四个模型的输入变量。对各模型分别进行训练，建立四个脱硫参数与脱硫效率间的非线性函数关系。再将实时监测到的参数分别传输至已训练好的人工智能模型中，对脱硫效率做出预测。将结果中处于中间的两个预测值的平均值作为最终预测值。此方法能够更好的对氨法脱硫效率进行预测，与单一模型预测相比，具有稳定性更高，预测能力更强等特点。

主权项

一种基于多参数的氨法烟气脱硫效率预测方法，其特征是，将PLS、PLS、SA‑SVM和GALS‑SVM四种人工智能计算模型融合在一起，自动对氨法烟气脱硫效率进行预测，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‑B为自适应粒子群优化的BP神经网络，具体包括下述步骤：1)对氨法脱硫系统的运行参数进行采集；2)对运行参数进行归一化处理；3)利用归一化处理后的数据，对上述四种模型进行建模；4)将脱硫系统运行中监测到的实时参数数据输入计算机，利用已训练好的PLS、PLS、SA‑SVM和GALS‑SVM四种人工智能计算模型分别预测出各自预测值；5)将四个预测结果中最大和最小的两个舍弃，用剩余的两个预测结果的的平均值作为最终预测值。