程换新,于沙家

(青岛科技大学 自动化与电子工程学院,山东 青岛　266061)



BP神经网络预测技术在脱硫系统pH值中的应用

程换新,于沙家

(青岛科技大学 自动化与电子工程学院,山东 青岛266061)

摘要在热电厂脱硫过程中,pH值的稳定性对脱硫效率影响重大,在实际生产中因受到各种环境因素及主观因素的影响,pH测量仪器在现场操作中易受到破坏或腐蚀,给生产造成很大损失,为了降低这种损失,提出了基于BP神经网络的预测技术。运用此预测算法对系统参数进行数学建模,设计了三层网络预测模型,同时用Matlab工具箱对pH数据进行仿真,使系统实现在线控制和实时控制。结果表明,BP神经网络对脱硫系统中pH值的预测精度很高,产生误差也很小,取得了满意的预测效果。因此,用BP神经网络预测技术对烟气脱硫系统中的pH值进行预测,能提前预知脱硫过程中pH值的变化情况,有助于改善脱硫装置的效率。

关键词BP神经网络;脱硫pH值;预测技术;Matlab

在我国,煤炭作为热电厂的主要能源,其燃烧产生的SO2对环境污染很严重,因此火电厂在排放SO2之前需要安装脱硫装置,达到国家SO2的排放标准。目前主要的脱硫方式是烟气脱硫,在这个脱硫过程中pH值作为石膏浆液酸碱度的度量,是脱硫工序中一个重要的技术参数。在实际生产中,脱硫环境一般都很恶劣,例如烟尘较多、空气潮湿、噪音大及震动剧烈等,使pH计表头或测量设备易损害或腐蚀,影响系统的脱硫效率。为了保证pH值的准确无误需要建立一个扰动较小、比较稳定的环境,在实际生产中却很难做到。……