CN114880944A - 一种基于Lasso算法的脱硫系统运行优化方法及系统 - Google Patents
一种基于Lasso算法的脱硫系统运行优化方法及系统 Download PDFInfo
- Publication number
- CN114880944A CN114880944A CN202210574210.6A CN202210574210A CN114880944A CN 114880944 A CN114880944 A CN 114880944A CN 202210574210 A CN202210574210 A CN 202210574210A CN 114880944 A CN114880944 A CN 114880944A
- Authority
- CN
- China
- Prior art keywords
- desulfurization
- value
- concentration
- circulating pump
- power consumption
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000006477 desulfuration reaction Methods 0.000 title claims abstract description 136
- 230000023556 desulfurization Effects 0.000 title claims abstract description 136
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000005457 optimization Methods 0.000 title claims abstract description 47
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 42
- 239000002002 slurry Substances 0.000 claims abstract description 62
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims abstract description 22
- 239000003546 flue gas Substances 0.000 claims abstract description 22
- 230000008569 process Effects 0.000 claims description 14
- 235000019738 Limestone Nutrition 0.000 claims description 10
- 239000006028 limestone Substances 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 4
- 239000007788 liquid Substances 0.000 claims 1
- 238000005265 energy consumption Methods 0.000 abstract description 4
- 239000003344 environmental pollutant Substances 0.000 abstract description 4
- 239000000463 material Substances 0.000 abstract description 4
- 231100000719 pollutant Toxicity 0.000 abstract description 4
- 238000011160 research Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 4
- 229910052799 carbon Inorganic materials 0.000 description 3
- 239000003245 coal Substances 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000011480 coordinate descent method Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 229910052731 fluorine Inorganic materials 0.000 description 1
- 125000001153 fluoro group Chemical group F* 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 229910052717 sulfur Inorganic materials 0.000 description 1
- 239000011593 sulfur Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/06—Power analysis or power optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Computational Mathematics (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Human Resources & Organizations (AREA)
- Public Health (AREA)
- Bioinformatics & Computational Biology (AREA)
- Water Supply & Treatment (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Life Sciences & Earth Sciences (AREA)
- Algebra (AREA)
- General Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Evolutionary Biology (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Computing Systems (AREA)
- Treating Waste Gases (AREA)
Abstract
本发明公开了一种基于Lasso算法的脱硫系统运行优化方法及系统，脱硫系统包括若干台浆液循环泵；包括：基于Lasso算法构建脱硫效率模型，脱硫效率模型用于通过获取脱硫出口的SO2浓度和pH值，获得浆液循环泵的运行数量；采集脱硫出口的SO2浓度和pH值，通过Lasso算法，获取浆液循环泵的最佳运行数量；基于SO2浓度的限值，通过调整pH值和/或浆液循环泵运行数量，获取最低耗电量；基于最低耗电量，控制脱硫系统进行工作；本发明采用Lasso算法对脱硫系统进行建模研究，为脱硫系统运行优化的准确性提供保障，根据不同工况提供了物耗、能耗较低的可调参数设定值，从而实现对烟气污染物脱除低成本高效率的控制。
Description
技术领域
本发明涉及发电厂运行优化技术领域，具体而言，涉及一种基于Lasso算法的脱硫系统运行优化方法及系统。
背景技术
在提出“碳达峰、碳中和”的发展背景下，我国能源结构开始转向绿色低碳发展。但以目前来看，我国的电源结构中仍主要以燃煤火电机组为主，随着优质煤的产量减少与价格提高，燃煤电厂会使用部分劣质煤以保证经济效益，劣质煤不仅发热量低且具有较高的含硫量，燃煤机组的SO2排放控制就显得尤为重要。烟气脱硫设备的目的在于通过一定的化学方法在脱硫塔内将烟气中的污染物脱除，脱硫系统中通常使用脱硫效率来评价脱硫系统的脱硫能力。实际运行过程中为了保证脱硫系统出口浓度达标，运行人员往往会增加浆液循环泵的投运台数，造成电耗的增加，因此，在保证脱硫系统出口浓度达标的前提下使脱硫系统经济稳定运行就显得尤为重要。如果能够使用一定的建模方法获取脱硫效率和pH值以及浆液循环泵投运台数的关联模型，基于模型判断当前工况下最优的浆液循环泵投运台数，以及当前浆液循环泵台数下所对应的最优pH值，那么在大大提高脱硫系统的控制品质的同时，也起到了节能降耗的作用，可以进一步提高电厂效益，因此，急需一种基于Lasso算法的脱硫系统运行优化方法及系统，以满足现有的技术需求。
发明内容
针对脱硫系统存在运行不科学，物耗能耗大幅浪费的问题，本发明的目的是提出一种基于Lasso算法的脱硫系统运行优化方法及系统，通过建立脱硫效率模型的方式，准确有效的对脱硫系统进行运行优化，节约电耗与物耗，提高电厂效益。
为了实现上述技术目的，本申请提供了一种基于Lasso算法的脱硫系统运行优化方法，脱硫系统包括若干台浆液循环泵；包括以下步骤：
基于Lasso算法构建脱硫效率模型，脱硫效率模型用于通过获取脱硫出口的SO2浓度和pH值，获得浆液循环泵的运行数量；
采集脱硫出口的SO2浓度和pH值，通过Lasso算法，获取浆液循环泵的最佳运行数量；
基于SO2浓度的限值，通过调整pH值和/或浆液循环泵运行数量，获取最低耗电量；
基于最低耗电量，控制脱硫系统进行工作。
优选地，在构建脱硫效率模型的过程中，基于Lasso算法，通过获取脱硫出口的SO2浓度和pH值、机组负荷、入口烟气流量、循环浆液量、入口SO2浓度，生成浆液循环泵的运行数量。
优选地，在构建脱硫效率模型的过程中，脱硫效率模型表示为：
其中，Y为脱硫出口的SO2浓度，x1为机组负荷；x2为入口烟气流量；x3为循环浆液量；x4为入口SO2浓度；x5为pH值。
优选地，在调整pH值的过程中，pH值的调整范围为5.2-5.7。
优选地，在获取耗电量的过程中，基于脱硫效率模型，通过采集机组负荷、入口烟气流量、入口SO2浓度，生成耗电量。
优选地，在获取最低耗电量的过程中，提高pH值，并判断停运一台浆液循环泵后是否满足脱硫效率，若满足则停运一台浆液循环泵以节约电耗，若不满足，维持当前状态，表明此时工况已为最优工况。
优选地，在停运一台浆液循环泵后不满足脱硫效率时，维持循环泵投运台数，判断适当降低pH值后是否满足脱硫效率，若满足则调低pH值以节约石灰石成本；若不满足，维持当前状态，表明此时工况已为最优工况。
本发明提供了一种基于Lasso算法的脱硫系统运行优化系统，包括：
数据采集模块，用于采集脱硫出口的SO2浓度和pH值；
数据处理模块，用于基于Lasso算法构建脱硫效率模型，通过获取脱硫出口的SO2浓度和pH值，生成浆液循环泵的运行数量，其中，通过Lasso算法，获取浆液循环泵的最佳运行数量；
优化控制模块，用于基于SO2浓度的限值，通过调整pH值和/或浆液循环泵运行数量，获取最低耗电量，并基于最低耗电量，控制脱硫系统进行工作。
优选地，数据处理模块包括：
耗电量计算单元，用于基于脱硫效率模型，通过采集机组负荷、入口烟气流量、入口SO2浓度，生成耗电量；
运行数量计算单元，用于基于Lasso算法，通过获取脱硫出口的SO2浓度和pH值、机组负荷、入口烟气流量、循环浆液量、入口SO2浓度，生成浆液循环泵的运行数量。
优选地，优化控制模块包括：
第一优化单元，用于通过提高pH值，并判断停运一台浆液循环泵后是否满足脱硫效率，若满足则停运一台浆液循环泵以节约电耗，若不满足，维持当前状态，表明此时工况已为最优工况；
第二优化单元，用于在维持循环泵投运台数的前提下，判断适当降低pH值后是否满足脱硫效率，若满足则调低pH值以节约石灰石成本；若不满足，维持当前状态，表明此时工况已为最优工况。
本发明公开了以下技术效果：
1、采用Lasso算法对脱硫系统进行建模研究，为脱硫系统运行优化的准确性提供保障；
2、本发明所述方法基于经济性分析提出的优化策略结合了实际运行操作的经验，适用于实际现场，且易于运行人员操作；
3、本发明所述方法建立的最优目标值运行规则库，根据不同工况提供了物耗、能耗较低的可调参数设定值，从而实现对烟气污染物脱除低成本高效率的控制。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明所述的脱硫系统各项成本占比；
图2是本发明所述的方法流程图。
具体实施方式
下为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
如图1-2所示，本发明提供了一种基于Lasso算法的脱硫系统运行优化方法，脱硫系统包括若干台浆液循环泵；包括以下步骤：
基于Lasso算法构建脱硫效率模型，脱硫效率模型用于通过获取脱硫出口的SO2浓度和pH值，获得浆液循环泵的最佳运行数量；
采集脱硫出口的SO2浓度和pH值，通过Lasso算法，获取浆液循环泵的最佳运行数量；
基于SO2浓度的限值，通过调整pH值和/或浆液循环泵运行数量，获取最低耗电量；
基于最低耗电量，控制脱硫系统进行工作。
进一步优选地，本发明在构建脱硫效率模型的过程中，基于Lasso算法，本发明通过获取脱硫出口的SO2浓度和pH值、机组负荷、入口烟气流量、循环浆液量、入口SO2浓度，生成浆液循环泵的运行数量。
进一步优选地，本发明在构建脱硫效率模型的过程中，本发明提到的脱硫效率模型表示为：
其中，Y为脱硫出口的SO2浓度，x1为机组负荷；x2为入口烟气流量；x3为循环浆液量；x4为入口SO2浓度；x5为pH值。
进一步优选地，本发明在调整pH值的过程中，本发明提到的pH值的调整范围为5.2-5.7。
进一步优选地，本发明在获取耗电量的过程中，基于脱硫效率模型，本发明通过采集机组负荷、入口烟气流量、入口SO2浓度，生成耗电量。
进一步优选地，本发明在获取最低耗电量的过程中，本发明通过提高pH值，判断停运一台浆液循环泵后是否满足脱硫效率，若满足则停运一台浆液循环泵以节约电耗，若不满足，维持当前状态，表明此时工况已为最优工况。
进一步优选地，本发明在停运一台浆液循环泵后不满足脱硫效率时，本发明在维持循环泵投运台数的同时，判断适当降低pH值后是否满足脱硫效率，若满足则调低pH值以节约石灰石成本；若不满足，维持当前状态，表明此时工况已为最优工况。
本发明提供了一种基于Lasso算法的脱硫系统运行优化系统，包括：
数据采集模块，用于采集脱硫出口的SO2浓度和pH值；
数据处理模块，用于基于Lasso算法构建脱硫效率模型，通过获取脱硫出口的SO2浓度和pH值，生成浆液循环泵的运行数量，其中，通过Lasso算法，获取浆液循环泵的最佳运行数量和脱硫系统的耗电量；
优化控制模块，用于基于SO2浓度的限值，通过调整pH值和/或浆液循环泵运行数量，获取最低耗电量，并基于最低耗电量，控制脱硫系统进行工作。
进一步优选地，本发明提到的数据处理模块包括：
耗电量计算单元，用于基于脱硫效率模型，通过采集机组负荷、入口烟气流量、入口SO2浓度，生成耗电量；
运行数量计算单元，用于基于Lasso算法，通过获取脱硫出口的SO2浓度和pH值、机组负荷、入口烟气流量、循环浆液量、入口SO2浓度，生成浆液循环泵的运行数量。
进一步优选地，本发明提到的优化控制模块包括：
第一优化单元，用于通过提高pH值，并判断停运一台浆液循环泵后是否满足脱硫效率，若满足则停运一台浆液循环泵以节约电耗，若不满足，维持当前状态，表明此时工况已为最优工况；
第二优化单元，用于在维持循环泵投运台数的前提下，判断适当降低pH值后是否满足脱硫效率，若满足则调低pH值以节约石灰石成本；若不满足，维持当前状态，表明此时工况已为最优工况。
本发明通过Lasso算法建立脱硫效率模型，基于脱硫效率模型以浆液循环泵电耗为优化目标，以脱硫出口SO2浓度和pH值为约束条件，建立脱硫系统的经济运行规则库，实现脱硫系统的在线运行优化指导。
本发明提到的一种基于Lasso算法的脱硫系统运行优化方法，包括以下步骤：
1.Lasso回归算法：
Lasso回归算法(Least absolute shrinkage and selection operator)是一种压缩估计。基本思想是在回归系数的绝对值之和小于一个常数的约束条件下，使残差最小，得到可以解释的模型。具体的计算公式如下
式中X＝(x1,x2,…,xn)T是数据矩阵即通过变量筛选后模型的输入，Y＝(y1,y2,…,yn)T是由标签组成的列向量即预测模型的输出，w为系数矩阵。
对于w的求解，采用坐标下降法，通过启发式的方式进行迭代求解函数的最小值。首先设定初值w(0)，括号里的数表示迭代轮数。在第k轮迭代中，w的n个维度的迭代公式如下：
…
如果w(k)和w(k-1)在各维度上变化都足够小，那么w(k)即为所求，否则继续进行下一轮迭代。
将脱硫系统的脱硫效率模型假定为线性模型，则其具体的表达式可以写为
Y＝λ1*x1+λ2*x2+...+λn*xn+β (5)
式中Y为出口SO2浓度，X＝(x1,x2,…,xn)为选定的参数，λ为回归系数，β为整体的误差。在回归模型中，为了保证拟合的效果，一般要求损失函数RRS最小，设损失函数为
由于Lasso算法也属于线性算法范畴，用单纯的一次项进行拟合会导致模型复杂度不够，预测精度不足，为了进一步提升预测精度，本发明选取各参数最优的函数形式来代替，最终得到的预测模型为：
Y＝λ1*h(x1)+λ2*h(x2)+...+λn*h(xn)+β (7)
式中h(x)为各参数最优的函数表达式，包括线性函数h(x)＝k*x+c，二次多项式函数h(x)＝a*x2+b*x+c，幂函数h(x)＝a*xb等。
2.脱硫效率模型的建立：
基于Lasso算法的理论对脱硫效率进行建模研究
2.1函数形式的选取：
假设各参数相互独立，对每一项参数以不同的函数形式进行拟合，经过对比，本发明采用线性、二次多项式、三次多项式、幂函数4种结构进行拟合，各项参数最优的函数形式如表1所示。
表1
2.2.脱硫效率模型的建立：
使用Lasso算法对筛选后的训练样本进行训练，得到各参数的最优系数组合λ，结合各参数最优的函数形式得到最终的预测公式：
式中，Y为脱硫出口的SO2浓度，x1为机组负荷；x2为入口烟气流量；x3为循环浆液量；x4为入口SO2浓度；x5为PH值。
3.脱硫系统运行优化：
基于脱硫效率模型结合历史数据对脱硫系统的运行参数进行优化。
3.1优化目标的确立：
脱硫成本主要有脱硫电耗成本、石灰石成本和脱硫水耗成本组成，选用现场实际一整年的运行数据，分别计算每个月的脱硫电耗成本、石灰石成本、脱硫水耗成本。其结果如图1所示：
相关成本变化范围及占比如表2所示：
表2
从图表中可以看出，脱硫系统各项成本中，脱硫电耗成本所占比例最高，变动范围最大，因此其可优化空间也最大，石灰石成本次之，脱硫水耗成本所占比例最小。本发明按照如下的原则进行优化：
(1)保证脱硫系统安全运行；
(2)保证污染物排放达标；
(3)维持pH值在5.2-5.7范围内；
(4)在满足前三项的基础上以脱硫系统综合成本最低为原则。
3.2基于脱硫效率模型的运行工况优化：
本发明依据建立的脱硫效率模型，模拟实际运行工况，以满足脱硫效率、保证pH值处于安全范围，根据以循环泵电耗为主要优化目标的优化原则。本发明具体优化策略如下：
根据历史数据建立脱硫效率模型；
输入当前工况(机组负荷、入口烟气流量、入口SO2浓度)；
适当提高pH值，并判断停运一台浆液循环泵后的是否满足脱硫效率；
若满足则停运一台浆液循环泵以节约电耗；
若不满足，维持循环泵投运台数，判断适当降低pH值后是否满足脱硫效率；
若满足则调低pH值以节约石灰石成本；
若不满足，维持当前状态，表明此时工况已为最优工况；
为更好的指导实际运行，以机组负荷、烟气流量和入口SO2浓度这三个影响因素作为工况划分的依据，依据历史数据划分出500组目标工况，按照本发明的优化策略进行优化，得到最优的可控变量设定值，并进行汇总整理。表3为综合所有工况后的最优目标值运行规则库。
表3
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
在本发明的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种基于Lasso算法的脱硫系统运行优化方法，所述脱硫系统包括若干台浆液循环泵；其特征在于，包括以下步骤：
基于Lasso算法构建脱硫效率模型，所述脱硫效率模型用于通过获取脱硫出口的SO2浓度和pH值，获得所述浆液循环泵的最佳运行数量；
采集所述脱硫出口的SO2浓度和pH值，通过所述Lasso算法，获取所述浆液循环泵的所述最佳运行数量；
基于所述SO2浓度的限值，通过调整所述pH值和/或所述浆液循环泵运行数量，获取最低耗电量；
基于所述最低耗电量，控制所述脱硫系统进行工作。
2.根据权利要求1所述一种基于Lasso算法的脱硫系统运行优化方法，其特征在于：
在构建脱硫效率模型的过程中，基于所述Lasso算法，通过获取脱硫出口的SO2浓度和pH值、机组负荷、入口烟气流量、循环浆液量、入口SO2浓度，生成所述浆液循环泵的运行数量。
3.根据权利要求2所述一种基于Lasso算法的脱硫系统运行优化方法，其特征在于：
在构建脱硫效率模型的过程中，所述脱硫效率模型表示为：
其中，Y为脱硫出口的SO2浓度，x1为机组负荷；x2为入口烟气流量；x3为循环浆液量；x4为入口SO2浓度；x5为pH值。
4.根据权利要求3所述一种基于Lasso算法的脱硫系统运行优化方法，其特征在于：
在调整所述pH值的过程中，所述pH值的调整范围为5.2-5.7。
5.根据权利要求4所述一种基于Lasso算法的脱硫系统运行优化方法，其特征在于：
在获取耗电量的过程中，基于所述脱硫效率模型，通过采集所述机组负荷、所述入口烟气流量、所述入口SO2浓度，生成所述耗电量。
6.根据权利要求5所述一种基于Lasso算法的脱硫系统运行优化方法，其特征在于：
在获取最低耗电量的过程中，提高所述pH值，并判断停运一台浆液循环泵后是否满足脱硫效率，若满足则停运一台浆液循环泵以节约电耗，若不满足，维持当前状态，表明此时工况已为最优工况。
7.根据权利要求6所述一种基于Lasso算法的脱硫系统运行优化方法，其特征在于：
在停运一台浆液循环泵后不满足脱硫效率时，维持循环泵投运台数，判断适当降低pH值后是否满足脱硫效率，若满足则调低pH值以节约石灰石成本；若不满足，维持当前状态，表明此时工况已为最优工况。
8.一种基于Lasso算法的脱硫系统运行优化系统，其特征在于，包括：
数据采集模块，用于采集脱硫出口的SO2浓度和pH值；
数据处理模块，用于基于Lasso算法构建脱硫效率模型，通过获取脱硫出口的SO2浓度和pH值，生成所述浆液循环泵的运行数量，其中，通过所述Lasso算法，获取所述浆液循环泵的所述最佳运行数量和所述脱硫系统的耗电量；
优化控制模块，用于基于所述SO2浓度，通过调整所述pH值和/或所述浆液循环泵运行数量，获取最低耗电量，并基于所述最低耗电量，控制所述脱硫系统进行工作。
9.根据权利要求8所述一种基于Lasso算法的脱硫系统运行优化方法，其特征在于：
所述数据处理模块包括：
耗电量计算单元，用于基于所述脱硫效率模型，通过采集所述机组负荷、所述入口烟气流量、所述入口SO2浓度，生成所述耗电量；
运行数量计算单元，用于基于所述Lasso算法，通过获取脱硫出口的SO2浓度和pH值、机组负荷、入口烟气流量、循环浆液量、入口SO2浓度，生成所述浆液循环泵的运行数量。
10.根据权利要求9所述一种基于Lasso算法的脱硫系统运行优化方法，其特征在于：
所述优化控制模块包括：
第一优化单元，用于通过提高所述pH值，并判断停运一台浆液循环泵后是否满足脱硫效率，若满足则停运一台浆液循环泵以节约电耗，若不满足，维持当前状态，表明此时工况已为最优工况；
第二优化单元，用于在维持循环泵投运台数的前提下，判断适当降低pH值后是否满足脱硫效率，若满足则调低pH值以节约石灰石成本；若不满足，维持当前状态，表明此时工况已为最优工况。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210574210.6A CN114880944A (zh) | 2022-05-24 | 2022-05-24 | 一种基于Lasso算法的脱硫系统运行优化方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210574210.6A CN114880944A (zh) | 2022-05-24 | 2022-05-24 | 一种基于Lasso算法的脱硫系统运行优化方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114880944A true CN114880944A (zh) | 2022-08-09 |
Family
ID=82678366
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210574210.6A Pending CN114880944A (zh) | 2022-05-24 | 2022-05-24 | 一种基于Lasso算法的脱硫系统运行优化方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114880944A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115729184A (zh) * | 2022-11-14 | 2023-03-03 | 青芥一合碳汇(武汉)科技有限公司 | 基于大数据分析和边缘控制的脱硫优化运行方法及装置 |
-
2022
- 2022-05-24 CN CN202210574210.6A patent/CN114880944A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115729184A (zh) * | 2022-11-14 | 2023-03-03 | 青芥一合碳汇(武汉)科技有限公司 | 基于大数据分析和边缘控制的脱硫优化运行方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110263988B (zh) | 一种基于电厂脱硫系统的数据运行优化方法 | |
| WO2020088485A1 (zh) | 一种智能化多种污染物超低排放系统及全局优化方法 | |
| CN111340199B (zh) | 一种基于物料衡算和深度学习的脱硫系统节能方法 | |
| CN108636094A (zh) | 一种湿法脱硫工艺中的精确预测控制与节能系统及方法 | |
| CN111723456A (zh) | 一种基于nsga-ⅱ算法的中央空调系统能效优化方法 | |
| CN101477367A (zh) | 面向节能降耗的工艺过程效能优化控制方法及其应用 | |
| CN113094988A (zh) | 一种基于数据驱动的浆液循环泵运行优化方法及系统 | |
| US20240036560A1 (en) | Environmental protection device control apparatus, production plan optimization system, method and computer-readable medium | |
| CN103206364A (zh) | 一种进行单型号水泵节能运行调度的系统及其方法 | |
| CN111598308B (zh) | 基于回归和二重pso算法解决浆液循环泵组合优化方法 | |
| CN114880944A (zh) | 一种基于Lasso算法的脱硫系统运行优化方法及系统 | |
| CN112506162B (zh) | 一种基于数据模型和机理运算的氧化风系统控制方法 | |
| CN111242469B (zh) | 锅炉或窑炉超低排放与高效节能耦合运行的方法及系统 | |
| CN111311023A (zh) | 一种配煤掺烧方法、装置、设备及计算机可读存储介质 | |
| CN113723002A (zh) | 全工况下脱硫系统浆液pH值预测模型建立方法及系统 | |
| CN111767677A (zh) | 一种基于ga算法的梯级泵站群扬程优化分配方法 | |
| CN110889638B (zh) | 一种火电厂操作评价方法及相关设备 | |
| CN103761385A (zh) | 一种多热源环状管网的优化设计方法 | |
| CN111564184A (zh) | 燃煤电厂石灰石-石膏湿法脱硫so3协同脱除效率预测方法 | |
| CN112426856B (zh) | 一种烟气脱硫流场模拟方法、系统和装置 | |
| CN112023650A (zh) | 一种全工况自适应的pH调节系统 | |
| CN116085823A (zh) | 锅炉燃烧控制方法及系统 | |
| CN112044270B (zh) | 一种基于数据驱动多模型的脱硫氧化风系统控制方法 | |
| CN115145152A (zh) | 一种锅炉燃烧与脱硝过程协同优化控制的方法 | |
| CN113313325A (zh) | 一种脱硫系统运行优化方法、系统、设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |