论文部分内容阅读
本课题“基于RBF神经网络的双碱法脱硫塔SO2排放量预测与优化研究”来源于江苏三房巷集团工程项目——燃煤锅炉烟气脱硫塔排放物浓度预测与控制系统开发。以企业目前在运行的一套6#脱硫塔23 t/h锅炉双碱法脱硫系统为研究对象,充分调研现场情况,并将相关结果及时记录在案。根据脱硫系统的历史运行数据和脱硫塔排放物浓度预测的经验,分析双碱法脱硫塔SO2排放量与脱硫系统运行参数之间的关系。首先,通过对三房巷集团某双碱法脱硫系统这一具体的工程项目的研究,分析了双碱法脱硫工艺的基本流程和反应机理,指出了在现场条件下影响双碱法脱硫塔SO2排放量的主要运行参数,并将这些主要运行参数对SO2排放量的影响进行了分析。在此基础上,提出了利用人工神经网络的方法对双碱法脱硫塔SO2排放量进行研究。本文主要通过研究人工神经网络的理论基础,分析RBF(Radial Basis Function)神经网络算法的原理,对RBF神经网络采用自组织选取中心法,另采用传统F-R修正的变梯度算法BP(Back Propagation)神经网络和以LM(Levenberg-Marquardt)算法优化的BP神经网络作为对照模型。以现场采集的100组有效数据作为神经网络训练样本,再从其中选用15组数据作为检测样本,在MATLAB 2014a平台上进行双碱法脱硫塔SO2排放量的预测。预测结果表明,RBF神经网络在预测精度、训练速度和泛化能力等方面均比另外两种网络具有良好的优势,故选用RBF神经网络的方法对脱硫塔烟气出口SO2排放量进行预测和优化。然后,建立了可对双碱法脱硫塔SO2排放量进行预测与优化的RBF神经网络模型。以双碱法脱硫工艺现场运行的11个主要脱硫参数作为网络的输入权值,详细地分析了RBF神经网络模型中单因素变化条件下烟气出口SO2浓度折算值随脱硫系统运行参数变化的影响。在进行脱硫塔SO2排放量的优化预测时,主要考虑了脱硫塔烟气出口SO2排放量随进塔烟气温度、进塔清液pH值和液气比变化的影响。优化预测结果表明,采用RBF人工神经网络的方法不仅能够有效预测双碱法脱硫塔烟气出口SO2排放量,而且能够对脱硫塔烟气出口SO2排放量进行优化预测,以寻求最优脱硫方案。最后,利用MATLAB软件平台设计了一套基于RBF神经网络的双碱法脱硫塔SO2排放量预测系统,开发出了方便而简洁的GUI用户界面。人们只需在窗口中输入运行参数,就会以数据的方式显示出预测结果,模型简单便于在工程实际中应用。