基于RBF神经网络的双碱法脱硫塔SO2排放量预测方法

苏翔鹏; 刁永发; 杨青杰

English

您当前的位置：

首页 >

文章列表页 >

基于RBF神经网络的双碱法脱硫塔SO2排放量预测方法

热力发电 2017年第9期

热能科学研究 | 更新时间：2025-09-28

- 基于RBF神经网络的双碱法脱硫塔SO2排放量预测方法
- Prediction of SO2 emission from dual-alkali desulfurization tower based on RBF neural network
- 作者机构：
  
  1. 东华大学环境科学与工程学院,上海,201600
  2. 河南潜合自动化科技有限公司,河南,新乡,453000
- 作者简介：
  
  [ "苏翔鹏(1992－)，男，硕士研究生，主要研究方向为人工智能在烟气脱硫及锅炉污染物排放控制领域的应用，13062693069@163.com。" ]
- 基金信息：
- DOI：
  中图分类号： TK39
- 网络出版：2017-09-30，
  
  纸质出版：2017
- 稿件说明：
移动端阅览
苏翔鹏, 刁永发, 杨青杰. 基于RBF神经网络的双碱法脱硫塔SO2排放量预测方法[J]. 热力发电, 2017,(9).

SU Xiangpeng, DIAO Yongfa, YANG Qingjie. Prediction of SO2 emission from dual-alkali desulfurization tower based on RBF neural network[J]. Thermal Power Generation, 2017, (9).
苏翔鹏, 刁永发, 杨青杰. 基于RBF神经网络的双碱法脱硫塔SO2排放量预测方法[J]. 热力发电, 2017,(9). DOI：

SU Xiangpeng, DIAO Yongfa, YANG Qingjie. Prediction of SO2 emission from dual-alkali desulfurization tower based on RBF neural network[J]. Thermal Power Generation, 2017, (9). DOI：

摘要

采用传统公式估算脱硫塔出口SO2排放量的方法难以推广，现场实测又耗时耗财，对此，本文提出一种基于RBF神经网络的脱硫塔出口SO2排放量预测方法，并以传统F-R修正的变梯度BP神经网络和以LM算法优化的BP神经网络（LM-BP神经网络）为对照模型，对双碱法脱硫塔在线监测数据进行预测。结果发现：RBF神经网络最大偏差和平均偏差均为0，优于变梯度BP神经网络和LM-BP神经网络。基于此，采用RBF神经网络作为预测模型，以平均烟气温度为101?℃、平均脱硫塔清液pH=8.40、平均进塔清液流量与烟气流量之比（液气比）1.130 0 L/m3为输入参数，连续改变其中某一输入参数，分别预测其他参数对脱硫塔出口SO2质量浓度折算值的影响。结果表明：脱硫塔出口SO2质量浓度折算值随进口烟气温度升高而增大，在烟气温度高于110?℃后出现波动；当烟气温度为101?℃、液气比为1.130 0 L/m3时，最优脱硫塔清液pH为8.60；当温度为101?℃、pH=8.40时，脱硫塔出口SO2质量浓度折算值随液气比增大而减小。因此，基于RBF神经网络的脱硫塔出口SO2排放量预测方法不仅能够有效预测双碱法脱硫塔出口SO2排放量，而且能够对SO2排放量进行优化控制。

Abstract

关键词

Keywords

references

浏览量

365

下载量

CSCD

文章被引用时，请邮件提醒。

提交

关联资源

脱硫塔内烟气流场影响因素数值模拟

石灰石彩膏法串联脱硫塔系统

基于RBF神经网络和BP神经网络的燃煤锅炉NOx排放预测

喷淋脱硫塔内除雾器性能数值模拟

湍球塔双碱法烟气脱硫冷态试验研究