严　玥, 严　实, 杨永斌, 江　赟

(1.重庆工商大学 检测控制集成系统重庆市市级工程实验室，重庆 400067;2.重庆川仪分析仪器有限公司，重庆 400060)



应用技术

Adaboost集成BP神经网络在火电厂SO2浓度检测中的应用*

严玥1, 严实2, 杨永斌1, 江赟1

(1.重庆工商大学 检测控制集成系统重庆市市级工程实验室，重庆 400067;2.重庆川仪分析仪器有限公司，重庆 400060)

针对火电厂在线SO2浓度检测中，检测精度受到温度、压力(大气压及烟气压力)、燃煤质量、水分含量、电子器件噪声、光学镜片老化、气体吸收峰值交叉干扰等多种因素的干扰，很难以单一方法进行改进这一问题。以国内某中型火电厂2015年实际生产数据为依据，设计预处理装置完成气体的前期处理，以尽可能达到分析仪分析要求(温度、流量、含水量等)，减少可预见干扰，采用Adaboost算法集成BP神经网络进行优化，降低其他因素对检测结果的干扰，仿真测试分析，证明了该方法的有效性。

浓度检测； 干扰； BP神经网络； Adaboost

0　引　言

2014年发改委《煤电节能减排升级与改造行动计划(2014-2020年)》[1]以及环境保护部颁布的火电厂大气污染物排放新标准规定[2]，重点地区须执行大气污染物特别排放限值，其中SO2的排放标准为35 mg/m3(标准状态)，对红外线气体分析仪器的检测精度、可携带型、经济性能以及在线性提出了更高的要求。目前的红外气体测量装置大多采用最小二乘法(或相关改进的算法)对气体的测量误差进行拟合。但当多种气体以及水分、粉尘混合时，相互干扰会造成主成分特征丢失或者退化[3,4]，另外电子器件噪声、光学镜片老化等也会对检查造成一定程度的干扰。……