[发明专利]海水脱硫装置脱硫效率的神经网络模拟方法

摘要

本发明是一种海水脱硫装置脱硫效率的神经网络模拟方法，其特点是：根据热电厂海水脱硫装置实际运行情况，将海水脱硫系统运行过程中采集的多组烟气量、入口烟气SO₂浓度、海水量、海水温度、第一升压泵电流A、第二升压泵电流B等参数作为BP神经网络模型的输入，将海水脱硫效率作为BP神经网络的输出。确定BP神经网络的输入层节点个数、隐含层节点个数、权值和阈值参数对模型进行训练，建立六个脱硫参数与脱硫效率的非线性函数关系。再将实时监测的参数导入建立好的模型中进行仿真输出，对海水脱硫效率作出预测。此方法能更好地对复杂变化的工况进行预测。

主权项

1.一种海水脱硫装置脱硫效率的神经网络模拟方法，其特征是：该模拟方法包括以下步骤：1).根据电厂海水脱硫装置的实际运行情况，选取烟气量x₁、入口烟气中SO₂浓度x₂、海水量x₃、海水温度x₄、第一海水升压泵电流Ax₅、第二海水升压泵电流Bx₆作为BP神经网络模型的输入变量，海水脱硫效率为输出变量；2).从电厂海水脱硫数据库中导出在线监测小时数据，排除脱硫停运和仪表故障原因造成的异常数据，选取正常运行400组工况数据作为训练样本，20组工况数据为测试样本，确定3层BP神经网络输入层节点个数n＝6、隐含层节点个数q＝12、输出层节点个数为l＝1；隐含层传递函数采用S型正切函数tansig，输出层神经元传递函数采用S型正切对数函数logsig，训练函数trainlm建立BP神经网络模型；3).利用步骤2)中建立的神经网络模型，对训练样本和测试样本进行脱硫效率仿真输出；其中，所述步骤2)中排除脱硫停运和仪表故障原因造成的异常数据，具体排除方法为：工况数据异常有以下几种表现：出口SO₂浓度、出口烟气量、长期接近恒值、排放数据徒升徒降、海水升压泵电流为零、出口流量不随负荷变化，出现这些情况的工况数据进行排除;所述步骤2)中，隐含层节点个数q的确定方法为：根据经验公式：q＝log₂n  (2)其中q为隐含层节点个数，n为输入层节点个数，l为输出层节点个数，a为1～10之间的常数；采用经验公式确定q的取值范围为[4,12]，在此范围内采用列举法选取训练误差最小的隐含层节点个数，最终确定q＝12。