论文部分内容阅读
NOx和SO2是大气污染物之一,具有一定的危害性。燃煤电厂产生的烟气中即含有NOx和S02,且占两类污染物各自排放总量的比例较大,亟待有效处置。处置烟气中NOx和SO2诸多技术中。生物法净化技术以其:常在较为温和的条件下进行,不需高温高压,设备具有操作简便、占地面积小,后续产物无二次污染等优点,成为当前研究的热点。本研究主要针对生物法净化烟气中NOx和SO2技术缺乏一个精确有效的预测模型而提出的。因为此类模型在研究阶段中,有助于设备达到最大净化效率;在实际运用中,可以使设备消耗在最经济的水平上;最后,也是最为重要的,本技术最终要实现与计算机技术、自动化控制等技术的结合,形成一套具有高效、安全、稳定、操控性良好、节能经济等性能的工艺,才能真正被运用于实际生产活动当中。而精确的模型是重要的基础,因此具有很大的研究价值。由于生物法净化烟气中NOx和SO2过程十分复杂,一些因素难以定量化等原因,较难建立起精确的数学模型。而BP神经网络具有极强的非线性逼近能力,不用明确输入输出数据之间的函数关系,通过调整其连接权值和阈值即可对新的数据做出预测。因此在本研究中,提出了以BP神经网络为工具,来建立生物法净化烟气中NOx和SO2的预测模型的方案。主要的研究内容包括:BP神经网络模型的建立、进行仿真以验证预测精度是否在有效范围内、改进BP模型以进一步提高预测精度,主要完成如下工作:(1)确立了建立用于BP神经网络的参数:其中脱硫塔为NOx进气口浓度、SO2进气口浓度、气通量、营养液循环量、营养液pH、温度。对NOx出气口浓度、SO2出气口浓度分别进行预测;脱氮塔为NOx进气口浓度、气通量、营养液循环量、营养液pH、温度。对NOx出气口浓度进行预测。BP模型采用3层模型:其输入、隐层选取tansig函数;输出层选取purelin;选取trainlm算法。神经个数分别为脱硫塔净化NOx模型6、6、1;脱硫塔净化NOx模型5、5、1;脱硫塔净化SO2模型6、6、1个,仿真实验表明,脱硫塔NOx模型精确率为86.13%,脱氮塔NOx模型精确率在90.7%。脱硫塔SO2模型暂不具意义。(2)BP神经网络的优化,采用了遗传算法。建立了参数为种群规模50;遗传代数100;交叉概率0.95;变异概率0.08;BP神经网络部分不变的GA-BP模型。数据仿真表明脱硫塔NOx净化效果模型预测精确率可达92.7%,脱氮塔NOx净化效果模型预测精确率可达到96.8%。本研究通过建立的双塔的GA-BP经网络模型。最终预测平均相对误差都在10%以内,脱氮塔NOx模型更是小于5%。因此预测模型是有效的。本项研究成功地将BP神经网络与生物膜填料塔同时脱硫脱氮技术相结合,有望推进该技术的工业化进程。