论文部分内容阅读
环保工况在线监测平台广泛地应用于污染源监控中,其功能主要为环境数据的统计、上报,缺乏预测预警功能。海水脱硫系统本身能耗较高,脱硫系统运行优化对电厂节能减排有重要的意义。本论文以妈湾电厂海水脱硫系统为研究对象,从系统二氧化硫总量核算和系统运行成本优化两个方面展开研究。对工况数据进行定性分析检验,通过测点参数范围限值、参数关联性置信区间和参数逻辑规则分析实现对异常工况数据的筛选。结果表明在烟气侧机组负荷—烟气量、机组负荷—给煤机总量、引风机电流—机组总送风量之间为正相关关系,置信区间分别为机组负荷—烟气量(0.6388,0.9043),机组负荷—给煤机总量(0.8514,0.9741),引风机电流—机组总送风量(0.9558,0.9950);吸收塔区脱硫效率—入口烟气量置信区间为(-0.6978,-0.1414),脱硫效率—入口烟气SO2浓度置信区间为(-0.3331,0.2771),脱硫效率—海水量(-0.4395,0.1213),海水升压泵电流—海水量(-0.4541,0.1249),脱硫效率与入口烟气流量、入口烟气SO2浓度、海水流量参数线性相关性较弱。以Java语言格式建立了烟气侧和吸收塔侧工况参数逻辑规则。定量分析方面完成了脱硫效率和二氧化硫排放量神经网络建模。在分析脱硫反应机理基础上,确定了模型输入参数和输出参数的选取,进行了网络训练参数的优选,建立了脱硫效率和二氧化硫排放量BP神经网络模型。用训练好的神经网络模型对1#机组测试数据进行预测,三组测试样本决定系数R分别为0.88139、0.94021和0.97165,表明模型具有较好的预测效果。选取2#机组工况数据作为测试样本带入建立好的模型之中,三组测试样本的决定系数R为0.84448、0.51042和0.71662,预测效果较1#机组较差,表明模型对机组具有一定依赖性。二氧化硫排放量模型在脱硫效率模型基础之上计算得到。以系统实际运行数据为基础,建立系统脱硫运行成本模型。对系统主要能耗设备增压风机和海水升压泵建立能耗模型进行建模。模型构建了基于运行成本的优化目标函数,利用遗传算法进行可调控参数寻优,实现了目标工况的运行优化。机组负荷较低和入口烟气SO2浓度较低情况下,调节海水升压泵运行数量实现节约能耗;负荷为210MW、240MW、270MW条件下对设计运行参数进行优化,主要是通过减小风机动叶开度,实现增压风机能耗的降低。所建立定性分析和定量分析模块以程序语言写入智能核算模块中,以妈湾电厂为应用对象,得到了实际工程应用。在系统正常运行条件下,本文所建立的定性分析模块可以实现数据筛选,对异常数据进行导出和统计。利用所建立的脱硫效率神经网络模型对某一天的脱硫效率进行仿真输出,模型输出值与在线监测值变化趋势基本一致,误差百分比在2%以内,表明了所建立模型具有较好的预测性。通过在线二氧化硫排放量和模型二氧化硫排放量比对,实现二氧化硫排放量的确定。基于SIS系统建立的脱硫系统运行优化模型,实现了对不同工况的运行参数优化指导。