吸收塔内浆液的pH是影响燃煤电厂湿法脱硫系统效率的重要参数。燃煤电厂的湿法脱硫系统具有大滞后、非线性、强耦合等特征,因而其吸收塔浆液的pH很难实现精准控制。利用门控循环单元(gated recurrent unit,GRU)神经网络在处理时间序列...吸收塔内浆液的pH是影响燃煤电厂湿法脱硫系统效率的重要参数。燃煤电厂的湿法脱硫系统具有大滞后、非线性、强耦合等特征,因而其吸收塔浆液的pH很难实现精准控制。利用门控循环单元(gated recurrent unit,GRU)神经网络在处理时间序列数据的优越性,对吸收塔内的浆液pH进行预测建模,通过将燃煤电厂采集的影响浆液pH的变量数据作为模型的输入,对模型进行训练处理,获得吸收塔内浆液pH的预测模型。将预测模型应用于辽宁省华能营口电厂600 MW机组湿法脱硫智能控制系统中吸收塔内浆液pH的预测。结果表明相比于反向传播(back propagation,BP)神经网络模型、径向基函数(radial basis function,RBF)神经网络、循环神经网络(recurrent neural network,RNN)和长短期记忆(long and short term memory,LSTM)神经网络,该模型精确度更高,实用性更强。展开更多
针对火电厂脱硫系统工作过程中存在非线性、时变性、多变量等问题,提出了一种基于改进即时学习算法的脱硫系统吸收塔浆液pH值软测量模型。在选择即时学习算法相似样本时,为了充分考虑输入变量与输出变量之间的相关性,采用一种基于偏最...针对火电厂脱硫系统工作过程中存在非线性、时变性、多变量等问题,提出了一种基于改进即时学习算法的脱硫系统吸收塔浆液pH值软测量模型。在选择即时学习算法相似样本时,为了充分考虑输入变量与输出变量之间的相关性,采用一种基于偏最小二乘法(partial least squares,PLS)的相似准则确定系统当前工作点的建模邻域,利用得到的建模邻域建立基于最小二乘支持向量机(least squares support vector machine,LSSVM)的局部模型预测当前pH值。将该方法应用于脱硫系统吸收塔pH值建模仿真,结果表明,该软测量模型具有良好的预测性能。展开更多
文摘吸收塔内浆液的pH是影响燃煤电厂湿法脱硫系统效率的重要参数。燃煤电厂的湿法脱硫系统具有大滞后、非线性、强耦合等特征,因而其吸收塔浆液的pH很难实现精准控制。利用门控循环单元(gated recurrent unit,GRU)神经网络在处理时间序列数据的优越性,对吸收塔内的浆液pH进行预测建模,通过将燃煤电厂采集的影响浆液pH的变量数据作为模型的输入,对模型进行训练处理,获得吸收塔内浆液pH的预测模型。将预测模型应用于辽宁省华能营口电厂600 MW机组湿法脱硫智能控制系统中吸收塔内浆液pH的预测。结果表明相比于反向传播(back propagation,BP)神经网络模型、径向基函数(radial basis function,RBF)神经网络、循环神经网络(recurrent neural network,RNN)和长短期记忆(long and short term memory,LSTM)神经网络,该模型精确度更高,实用性更强。
文摘针对火电厂脱硫系统工作过程中存在非线性、时变性、多变量等问题,提出了一种基于改进即时学习算法的脱硫系统吸收塔浆液pH值软测量模型。在选择即时学习算法相似样本时,为了充分考虑输入变量与输出变量之间的相关性,采用一种基于偏最小二乘法(partial least squares,PLS)的相似准则确定系统当前工作点的建模邻域,利用得到的建模邻域建立基于最小二乘支持向量机(least squares support vector machine,LSSVM)的局部模型预测当前pH值。将该方法应用于脱硫系统吸收塔pH值建模仿真,结果表明,该软测量模型具有良好的预测性能。