基于TS模糊神经网络的湿法脱硫效率预测

English

您当前的位置：

首页 >

文章列表页 >

基于TS模糊神经网络的湿法脱硫效率预测

热力发电 2016年第5期

发电技术论坛 | 更新时间：2025-09-28

- 基于TS模糊神经网络的湿法脱硫效率预测
- Prediction of limestone-gypsum wet flue gas desulfurization efficiency based on T-S fuzzy neural network
- 作者机构：
  
  华北电力大学能源动力与机械工程学院,河北,保定,071003
- 作者简介：
- 基金信息：
- DOI：
  中图分类号： X773
- 网络出版：2016-06-15，
  
  纸质出版：2016
- 稿件说明：
移动端阅览
李斌, 邓煜, 边禹铭, 等. 基于TS模糊神经网络的湿法脱硫效率预测[J]. 热力发电, 2016,(5).

LI Bin, DENG Yu, BIAN Yuming, et al. Prediction of limestone-gypsum wet flue gas desulfurization efficiency based on T-S fuzzy neural network[J]. Thermal Power Generation, 2016, (5).
李斌, 邓煜, 边禹铭, 等. 基于TS模糊神经网络的湿法脱硫效率预测[J]. 热力发电, 2016,(5). DOI：

LI Bin, DENG Yu, BIAN Yuming, et al. Prediction of limestone-gypsum wet flue gas desulfurization efficiency based on T-S fuzzy neural network[J]. Thermal Power Generation, 2016, (5). DOI：

由于影响脱硫效率的因素较多

且相互之间均具有关联性

造成脱硫效率难以实时监测，且测量结果不精准。本文运用T-S模糊神经网络建立了脱硫效率的预测模型

基于某电厂DCS采集的湿法脱硫系统原始数据

在MATLAB平台上进行训练与检验

得到较精准的脱硫效率预测模型。模型验证结果显示:采用T-S模糊神经网络模型预测脱硫效率

85％的样本点相对误差分布在－1.0％～0.5％之间

最大误差不超过1.5％，说明该模型的预测精度较高

能较好地满足工程实际的需求。

浏览量

395

下载量

CSCD

文章被引用时，请邮件提醒。

提交

关联资源

基于偏最小二乘支持向量机的烟气湿法脱硫效率预测模型

蒸发塔处理脱硫废水的热量衡算

基于增强灰狼优化LSTM神经网络的火电机组SCR脱硝反应器建模

基于粒子群优化双支持向量机的SCR烟气脱硝效率预测模型

300 MW机组CFB锅炉超低排放两级联合脱硫匹配方式试验