目前燃煤電廠的SO²排放量已經(jīng)超過(guò)了SO²排放總量的一半，并且呈現(xiàn)逐年遞增的趨勢(shì)。我國(guó)先后頒布的《火電廠大氣污染物排放標(biāo)準(zhǔn)》和《煤電節(jié)能減排升級(jí)與改造行動(dòng)計(jì)劃（2014—2020年）》等一系列政策法規(guī)，明確指出火電廠的SO²排放濃度必須控制在35 mg/m³以下。石灰石-石膏濕法煙氣脫硫技術(shù)(WFGD)是目前最有效的燃煤機(jī)組SO²控制技術(shù)之一。WFGD工藝中漿液pH值是決定煙氣脫硫效率的關(guān)鍵參數(shù)，因此pH值的測(cè)量需要迅速、準(zhǔn)確。

         在WFGD現(xiàn)場(chǎng)測(cè)量時(shí)由于環(huán)境惡劣，且pH值變化具有較大的慣性，導(dǎo)致測(cè)量時(shí)長(zhǎng)較大，無(wú)法及時(shí)得到漿液pH值的準(zhǔn)確值，對(duì)于脫硫作業(yè)十分不利。因此需要對(duì)漿液pH值進(jìn)行預(yù)測(cè)。

         pH值測(cè)量作為非線性系統(tǒng)一直是研究熱點(diǎn)。利用燃煤機(jī)組的運(yùn)行數(shù)據(jù)，再結(jié)合機(jī)理分析，采用實(shí)驗(yàn)建模的方法可以辨識(shí)出精確合理的系統(tǒng)模型。文獻(xiàn)[5]和文獻(xiàn)[6]把神經(jīng)網(wǎng)絡(luò)等自適應(yīng)模糊系統(tǒng)用于pH中和過(guò)程。BP神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)、Elman神經(jīng)網(wǎng)絡(luò)等方法是pH值建模的典型方法,但上述算法本身在時(shí)間序列的處理上并沒(méi)有突出的優(yōu)勢(shì)。

         隨著技術(shù)的進(jìn)步，深度學(xué)習(xí)、遞歸神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)等也在pH值建模得到應(yīng)用。LSTM神經(jīng)網(wǎng)絡(luò)，注重?cái)?shù)據(jù)間的時(shí)間特性，在大遲延時(shí)間序列預(yù)測(cè)中具有突出優(yōu)勢(shì)。LSTM神經(jīng)網(wǎng)絡(luò)的特點(diǎn)在于發(fā)現(xiàn)當(dāng)前時(shí)刻數(shù)據(jù)與之前數(shù)據(jù)間的聯(lián)系，利用本身具有的記憶能力，將之前數(shù)據(jù)的狀態(tài)進(jìn)行保存，同時(shí)根據(jù)保存的信息影響后續(xù)的預(yù)測(cè)值及變化趨勢(shì)。

         因此，本文提出一種基于LSTM神經(jīng)網(wǎng)絡(luò)的pH值預(yù)測(cè)模型。以某600 MW機(jī)組為研究對(duì)象，使用機(jī)組實(shí)際運(yùn)行數(shù)據(jù)，經(jīng)過(guò)機(jī)理和相關(guān)性分析，確定pH值模型的輔助變量，建立高精度的pH值預(yù)測(cè)模型。

本文詳細(xì)內(nèi)容請(qǐng)下載：http://www.shi-ke.cn/resource/share/2000003249

作者信息：

金秀章，景  昊

(華北電力大學(xué) 控制與計(jì)算機(jī)工程學(xué)院，河北 保定071003)