CN115309117A - 一种基于数据驱动的wfgd出口so2浓度预测及智能优化方法 - Google Patents
一种基于数据驱动的wfgd出口so2浓度预测及智能优化方法 Download PDFInfo
- Publication number
- CN115309117A CN115309117A CN202210932045.7A CN202210932045A CN115309117A CN 115309117 A CN115309117 A CN 115309117A CN 202210932045 A CN202210932045 A CN 202210932045A CN 115309117 A CN115309117 A CN 115309117A
- Authority
- CN
- China
- Prior art keywords
- concentration
- wfgd
- value
- prediction
- intelligent
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 74
- 238000005457 optimization Methods 0.000 title claims description 36
- 230000008569 process Effects 0.000 claims abstract description 38
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims abstract description 24
- 239000003546 flue gas Substances 0.000 claims abstract description 24
- 238000004458 analytical method Methods 0.000 claims abstract description 23
- 239000000126 substance Substances 0.000 claims abstract description 22
- 238000011156 evaluation Methods 0.000 claims abstract description 19
- 230000003009 desulfurizing effect Effects 0.000 claims abstract description 18
- 238000005516 engineering process Methods 0.000 claims abstract description 16
- 239000010440 gypsum Substances 0.000 claims abstract description 16
- 229910052602 gypsum Inorganic materials 0.000 claims abstract description 16
- 230000009467 reduction Effects 0.000 claims abstract description 15
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 14
- 238000012544 monitoring process Methods 0.000 claims abstract description 13
- 238000013528 artificial neural network Methods 0.000 claims abstract description 11
- 230000003647 oxidation Effects 0.000 claims abstract description 10
- 238000007254 oxidation reaction Methods 0.000 claims abstract description 10
- 230000018044 dehydration Effects 0.000 claims abstract description 5
- 238000006297 dehydration reaction Methods 0.000 claims abstract description 5
- 238000002360 preparation method Methods 0.000 claims abstract description 5
- 238000004065 wastewater treatment Methods 0.000 claims abstract description 4
- 239000002002 slurry Substances 0.000 claims description 45
- 238000006477 desulfuration reaction Methods 0.000 claims description 38
- 230000023556 desulfurization Effects 0.000 claims description 38
- 235000019738 Limestone Nutrition 0.000 claims description 22
- 239000006028 limestone Substances 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000012937 correction Methods 0.000 claims description 13
- 238000010521 absorption reaction Methods 0.000 claims description 8
- 239000007788 liquid Substances 0.000 claims description 7
- 238000009825 accumulation Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000007405 data analysis Methods 0.000 claims description 6
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 5
- 238000013499 data model Methods 0.000 claims description 5
- 229910052760 oxygen Inorganic materials 0.000 claims description 5
- 239000001301 oxygen Substances 0.000 claims description 5
- 238000004090 dissolution Methods 0.000 claims description 4
- 230000032683 aging Effects 0.000 claims description 3
- JGIATAMCQXIDNZ-UHFFFAOYSA-N calcium sulfide Chemical compound [Ca]=S JGIATAMCQXIDNZ-UHFFFAOYSA-N 0.000 claims description 3
- 230000007547 defect Effects 0.000 claims description 3
- 150000002500 ions Chemical class 0.000 claims description 3
- 239000007791 liquid phase Substances 0.000 claims description 3
- 230000035484 reaction time Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000004134 energy conservation Methods 0.000 abstract description 6
- 238000005265 energy consumption Methods 0.000 abstract description 6
- VTYYLEPIZMXCLO-UHFFFAOYSA-L Calcium carbonate Chemical compound [Ca+2].[O-]C([O-])=O VTYYLEPIZMXCLO-UHFFFAOYSA-L 0.000 description 6
- 239000003795 chemical substances by application Substances 0.000 description 6
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 4
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 4
- 239000011575 calcium Substances 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 239000007789 gas Substances 0.000 description 4
- 229910052717 sulfur Inorganic materials 0.000 description 4
- 239000011593 sulfur Substances 0.000 description 4
- 229910000019 calcium carbonate Inorganic materials 0.000 description 3
- 238000012300 Sequence Analysis Methods 0.000 description 2
- 230000002745 absorbent Effects 0.000 description 2
- 239000002250 absorbent Substances 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- OSGAYBCDTDRGGQ-UHFFFAOYSA-L calcium sulfate Chemical compound [Ca+2].[O-]S([O-])(=O)=O OSGAYBCDTDRGGQ-UHFFFAOYSA-L 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000001590 oxidative effect Effects 0.000 description 2
- 239000000843 powder Substances 0.000 description 2
- 238000005507 spraying Methods 0.000 description 2
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 1
- VEXZGXHMUGYJMC-UHFFFAOYSA-M Chloride anion Chemical compound [Cl-] VEXZGXHMUGYJMC-UHFFFAOYSA-M 0.000 description 1
- LSNNMFCWUKXFEE-UHFFFAOYSA-N Sulfurous acid Chemical compound OS(O)=O LSNNMFCWUKXFEE-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 229910052791 calcium Inorganic materials 0.000 description 1
- GBAOBIBJACZTNA-UHFFFAOYSA-L calcium sulfite Chemical compound [Ca+2].[O-]S([O-])=O GBAOBIBJACZTNA-UHFFFAOYSA-L 0.000 description 1
- 235000010261 calcium sulphite Nutrition 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 238000005504 petroleum refining Methods 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000004537 pulping Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D53/00—Separation of gases or vapours; Recovering vapours of volatile solvents from gases; Chemical or biological purification of waste gases, e.g. engine exhaust gases, smoke, fumes, flue gases, aerosols
- B01D53/34—Chemical or biological purification of waste gases
- B01D53/346—Controlling the process
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D53/00—Separation of gases or vapours; Recovering vapours of volatile solvents from gases; Chemical or biological purification of waste gases, e.g. engine exhaust gases, smoke, fumes, flue gases, aerosols
- B01D53/34—Chemical or biological purification of waste gases
- B01D53/46—Removing components of defined structure
- B01D53/48—Sulfur compounds
- B01D53/50—Sulfur oxides
- B01D53/501—Sulfur oxides by treating the gases with a solution or a suspension of an alkali or earth-alkali or ammonium compound
- B01D53/502—Sulfur oxides by treating the gases with a solution or a suspension of an alkali or earth-alkali or ammonium compound characterised by a specific solution or suspension
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D53/00—Separation of gases or vapours; Recovering vapours of volatile solvents from gases; Chemical or biological purification of waste gases, e.g. engine exhaust gases, smoke, fumes, flue gases, aerosols
- B01D53/34—Chemical or biological purification of waste gases
- B01D53/74—General processes for purification of waste gases; Apparatus or devices specially adapted therefor
- B01D53/80—Semi-solid phase processes, i.e. by using slurries
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D2251/00—Reactants
- B01D2251/40—Alkaline earth metal or magnesium compounds
- B01D2251/404—Alkaline earth metal or magnesium compounds of calcium
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D2257/00—Components to be removed
- B01D2257/30—Sulfur compounds
- B01D2257/302—Sulfur oxides
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D2258/00—Sources of waste gases
- B01D2258/02—Other waste gases
- B01D2258/0283—Flue gases
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32252—Scheduling production, machining, job shop
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- General Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Analytical Chemistry (AREA)
- Oil, Petroleum & Natural Gas (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Quality & Reliability (AREA)
- Manufacturing & Machinery (AREA)
- General Engineering & Computer Science (AREA)
- Treating Waste Gases (AREA)
Abstract
本发明涉及一种基于数据驱动的WFGD出口SO2浓度预测及智能优化方法，WFGD包括脱硫剂制备系统、烟气系统、脱硫塔、工艺水系统、供电系统、氧化风系统、在线监测系统、控制中心、废水处理系统、石膏脱水系统、化验室和工程师站；基于化学分析参数、实时运行参数和历史数据建立动态数据库，利用数据驱动技术对数据库数据进行分析，采用人工神经网络对出口SO2浓度进行结果校正，并匹配验证实测值，建立出口SO2浓度预测模型，同时提出了双模型评价指标及其取值方法，形成具有实际指导意义的SO2浓度预测模型，然后基于预测模型搭建智能预测控制系统，实现实时优化调整WFGD运行参数，达到节能降耗的目的。
Description
技术领域
本发明属于大气污染物治理技术领域，具体地说是一种基于数据驱动的WFGD出口SO2浓度预测及智能优化方法。
背景技术
燃煤电厂SO2控制措施以石灰石-石膏湿法烟气脱硫工艺为主，石灰石-石膏湿法脱硫工艺市场占有率达95％以上。
石灰石-石膏湿法烟气脱硫工艺的化学原理：
(1)烟气中的SO2溶解于水中生成亚硫酸并离解成H+和HSO3 -；
(2)烟气中的氧(由氧化风机送入的空气)溶解在水中，将HSO3 -氧化成SO4 2-；
(3)吸收剂中的碳酸钙在一定条件下于水中生成Ca2+；
(4)在吸收塔内，溶解的二氧化硫、碳酸钙及氧发生化学反应生成石膏。
对于石灰石-石膏湿法烟气脱硫工艺，在相同条件下，入口二氧化硫浓度越高，需要的浆液喷淋量也就越大，因此，相应的循环泵选型、浆池容积也相应增加，公用系统中吸收剂制备系统、石膏脱水系统等容量相应增加，带来投资成本也会增加，同时，由于设备出力增加，相应的运行成本也会升高。因此，通过优化脱硫系统运行参数来实现节能降耗是当前技术研究工作热点。
目前，湿法烟气脱硫装置在运行优化、节能减排、智能化控制方面还存在以下问题：(1)上下游设备运行参数未进行耦合分析，导致影响因素分析存在偏差；(2)在线监测数据与实测值存在时序偏差，而常规优化技术未考虑相关影响；(3)脱硫系统设备较多，精细化控制程度高，而实际操作中末端设备的运行参数未纳入智能化控制系统；(4)湿法脱硫的核心原理是酸碱中和化学反应，而当前优化控制技术未将化学参数纳入因素分析，导致预测结果存在偏差。为了达到SO2的排放浓度低于35mg/m3的目的，在运行方式上仍是粗放式处理，造成脱硫剂投入过量、系统能耗增加、设备损耗加剧、维护成本增加。
中国专利CN 107167555 A公开了一种基于随机时序分析的吸收塔入口SO2浓度预测方法，该专利采用随机时序分析法对吸收塔入口SO2浓度进行预测，但采集的数据量和参数种类较少，建模精细度和准确度存在不足，预测可靠性、稳定性难以控制。中国专利CN107315845 A公开了一种硫磺装置尾气达标方法，基于环保大数据技术，建立典型硫磺装置环保大数据模型，实现自动推荐当前工况下SO2达标优化的方案。该专利属于石油炼制行业尾气处理技术，工艺原理、系统运行参数与石灰石-石膏湿法脱硫装置技术原理有本质差异，因此基于系统参数得到的数据模型不适用煤电行业。中国专利CN 111538305 A公开了一种基于需求诊断的火电机组给水和燃料控制智能优化方法、系统及介质，涉及火力发电机组自动控制工程技术领域，该发明通过分析主汽压力、主汽温度的当前反馈及其变化趋势，综合诊断后得到具有针对性的优化指令，能够有效提升协调控制品质，但智能优化方法作为一种广泛使用的技术工具，在不同的专业领域建立的数据模型和评判依据具有本质差异，不具有跨行业的普适性。
发明内容
为了克服现有技术的缺点和不足，本发明提供了一种基于数据驱动的WFGD出口SO2浓度预测及智能优化方法，基于海量的化学分析参数、实时运行参数和历史数据建立动态数据库，利用数据驱动技术对数据库数据进行分析，并匹配验证实测值，建立出口SO2浓度预测模型，同时提出了双模型评价指标及其取值方法，形成具有实际指导意义的SO2浓度预测模型，然后基于预测模型搭建智能预测控制系统，实现实时优化调整WFGD运行参数，达到节能降耗的目的。
为实现上述目的，本发明所采取的技术方案为：
一种基于数据驱动的WFGD出口SO2浓度预测及智能优化方法，其特征在于：所述方法基于数据驱动技术建立预测模型和智能预测控制系统，WFGD为火电机组配备的、以石灰石作为脱硫剂的湿法烟气脱硫系统，包括脱硫剂制备系统、烟气系统、脱硫塔、工艺水系统、供电系统、氧化风系统、在线监测系统、控制中心、废水处理系统、石膏脱水系统、化验室和工程师站；
所述方法包括以下步骤：
(1)配备一台WFGD的煤电机组，系统完整，能正常运行，实现SO2超低排放；
(2)通过化验室获得化学分析参数，通过在线监测系统获得实时运行参数，通过工程师站获得历史数据；
(3)将上述数据导入智能预测控制系统，建立动态数据库，实时运行参数持续导入智能预测控制系统，实现数据库持续替换、更新、迭代，形成动态数据库；
(4)通过关键因素法筛选、拟合，形成SO2浓度初级预测模型，然后采用人工神经网络算法对初级预测模型实时迭代优化、误差校正，最终形成出口SO2浓度预测模型公式；
(5)结合SO2预测浓度与实测值进行对比分析，以模型评价指标衡量预测值的准确度，同时作为预测模型修正系数K值的取值依据；
(6)获得K值后，通过预测模型获得SO2浓度预测值；
(7)模型计算得到的SO2浓度预测值反馈给智能预测控制系统，智能预测控制系统将成套优化运行参数反馈给控制中心，控制中心将运行参数控制指令传递给各运行设备，使各系统在最优状态下运行，实现WFGD节能降耗。
作为优选，所述数据驱动技术以海量WFGD化学分析参数、实时运行参数和历史数据为基础建立动态数据库，进行数据分析和模型拟合，获得具有自学习能力的动态数据库和预测模型，所述化学分析参数包括石灰石细度、石灰石浆液浓度、石灰石纯度、石灰石溶解速率、SO2吸收速率、浆液H+浓度、钙硫摩尔比、浆液Ca2+浓度、液气比、反应时间、反应温度、浆液气液相分压、溶解氧浓度和水溶性离子浓度，所述实时运行参数包括锅炉负荷、烟气量、入口SO2浓度、出口SO2浓度、脱硫效率、浆液pH、浆液密度、浆液液位、氧化风量、烟气温降、浆液品质、浆液循环泵投运台数及出力、石膏品质、系统阻力、工艺水耗量和石灰石耗量，所述历史数据为上述全部数据的历史累积。
作为优选，所述动态数据库具有自学习功能，通过数据库数据累积、更换、迭代，实现最佳运行优化参数方案的持续调整、更新，使智能预测控制系统与脱硫系统实际运行状况匹配，具有消除设备老化、系统性能降低、运行缺陷问题的功能。
作为优选，所述智能预测控制系统以SO2浓度预测模型为技术核心，采用模块内嵌的方式安装在WFGD控制中心，接入方式与电厂控制系统保持一致，智能预测控制系统根据SO2浓度预测模型给出的SO2预测值反馈WFGD运行参数调整指令，并给出最优运行参数值，WFGD控制中心接收到智能预测控制系统指令后提前调整WFGD运行参数，使WFGD处于最优参数运行状态。
作为优选，所述SO2脱除过程中受烟气流速、停留时间、化学反应、设备运行、数据传输等因素的影响，实测值存在一定滞后性，所述智能预测控制系统通过计算模型给出SO2预测值，并结合动态数据库进行运行参数类比、分析、判别，预测时间可提前2～5分钟。
作为优选，以海量化学分析参数、实时运行参数和历史数据构建的动态数据库为基础，采用人工神经网络(ANN)对出口SO2浓度进行结果校正，最终得到出口SO2浓度预测模型，计算公式如下：
式中：
为出口SO2预测浓度；K为修正系数，取值范围0.8～1.2；
为入口SO2浓度，pH为浆液pH值，p为浆液循环泵投运台数，l为锅炉负荷。
作为优选，所述出口SO2浓度预测模型以均方误差(Mean-Square error，MSE)和决定系数(Coefficient of Determination，R2)作为模型评价指标，模型评价指标采用动态数据库数据分析、拟合、计算得到，所述R2要求不低于90％，MSE要求不高于0.01，其计算方法如下：
式中：obsi为脱硫塔出口SO2实测值，prei为脱硫塔出口SO2预测值，meai为脱硫塔出口SO2实测值的平均值；N为样本数上限，i为样本数取值。
作为优选，所述K值通过实际运行参数与预测模型校验计算后拟合得到，K取值与模型评价指标相关，当MSE为0.005、R2为98％时，K值取1；当MSE趋势放大、R2趋势变小时，K值取值小于1；反之当MSE趋势变小、R2趋势放大时，K值取值大于1。
作为优选，所述出口SO2浓度预测模型的K值确定后，通过预测模型计算得到出口SO2浓度预测值，智能预测控制系统基于预测值发出脱硫系统运行参数优化调整的指令，然后WFGD控制中心对脱硫系统进行运行参数优化调整，预测值相对实际值在时间上能提前3分钟，为脱硫系统运行参数调整保留了足够时间，脱硫系统最终达到最优化运行状态，实现节能降耗的目的。
作为优选，建立基于出口SO2浓度预测模型的WFGD运行优化控制方法，并结合动态数据库进行运行参数优化，然后实现WFGD节能降耗的目的。
作为优选，智能预测控制系统的优化调节工作流程如下：
(1)在线监测系统将实测SO2浓度值反馈至智能预测控制系统；
(2)智能预测控制系统将数据储存至动态数据库，同时查询数据库的历史运行方案，调出当前状态下的最优运行参数方案；
(3)最优运行参数方案反馈至WFGD控制中心；
(4)WFGD控制中心通过智能预测控制系统将最优运行参数指令反馈给各系统；
(5)各系统收到指令后，通过自动调节方式对运行参数进行调整，使实际运行参数与指令匹配，脱硫系统达到最优运行状态；
(6)智能预测控制系统运行过程，就是实测值与预测值不断匹配的过程，运行方式寻优的过程，直至找到最优运行状态，整个过程是一个动态调整过程。
相对于现有技术，本发明的有益效果在于：
1.基于化学分析参数、实时运行参数和历史数据建立动态数据库，数据种类全、数量大、实时性好，基于数据库采用数据驱动技术建立预测模型的可靠性和稳定性更好；
2.首次将化学分析参数纳入数据建模，解决了化学参数半自动化获取的问题，通过软测量技术将化学参数对预测模型的影响消除，使预测结果更精准；
3.利用海量实测值对SO2预测模型理论公式进行训练学习，通过修正系数法获得理论模型修正系数，并给出了修正系数取值范围，使预测值与实测值的匹配度达到最佳；
4.采用均方误差和决定系数作为模型评价指标对预测值进行评价，从而获得修正系数，保证了修正系数获得的科学性和可靠性，为准确预测提供进一步的技术保障和依据；
5.基于SO2预测模型开发智能预测控制系统，协同脱硫系统全参数优化，使各子系统在最优状态下运行，实现WFGD节能降耗；
6.综合数据库、数据驱动、预测模型和智能化控制等技术，实现WFGD节能优化运行，技术可靠性好、无需物理改造、运行成本低、控制灵活、性能稳定，具有显著经济效益和推广价值。
附图说明
图1为WFGD出口SO2浓度预测模型及智能优化工作原理图；
图2为预测模型结构示意图；
图3为模型预测准确性对比图；
图4为实测值与预测值对比图；
图5为预测模型对机组负荷适应性结果图。
具体实施方式
下面通过实施例，对本发明的技术方案作进一步具体的说明，这些实施例是对本发明的说明而作，不是对本发明的限制。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动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。
实施例1
参照图1-2，一种基于数据驱动的WFGD出口SO2浓度预测及智能优化方法，所述方法基于数据驱动技术建立预测模型和智能预测控制系统，所述WFGD为火电机组配备的、以石灰石作为脱硫剂的湿法烟气脱硫系统，包括脱硫剂制备系统、烟气系统、脱硫塔、工艺水系统、供电系统、氧化风系统、在线监测系统、控制中心、废水处理系统、石膏脱水系统、化验室、工程师站等。
所述数据驱动技术以海量WFGD化学分析参数、实时运行参数和历史数据为基础建立动态数据库，进行数据分析和模型拟合，获得具有自学习能力的动态数据库和预测模型，所述化学分析参数包括石灰石细度、石灰石浆液浓度、石灰石纯度、石灰石溶解速率、SO2吸收速率、浆液H+浓度、钙硫摩尔比、浆液Ca2+浓度、液气比、反应时间、反应温度、浆液气液相分压、溶解氧浓度、水溶性离子浓度等，所述实际运行参数包括锅炉负荷、烟气量、入口SO2浓度、出口SO2浓度、脱硫效率、浆液pH、浆液密度、浆液液位、氧化风量、烟气温降、浆液品质、浆液循环泵投运台数及出力、石膏品质、系统阻力、工艺水耗量、石灰石耗量等，所述历史数据为上述全部数据的历史累积。
所述动态数据库具有自学习功能，通过数据库数据累积、更换、迭代，实现最佳运行优化参数方案的持续调整、更新，使智能预测控制系统与脱硫系统实际运行状况匹配，具有消除设备老化、系统性能降低、运行缺陷等问题的功能。
所述智能预测控制系统以SO2浓度预测模型为技术核心，采用模块内嵌的方式安装在WFGD控制中心，接入方式与电厂控制系统保持一致，智能预测控制系统根据SO2浓度预测模型给出的SO2预测值反馈WFGD运行参数调整指令，并给出最优运行参数值，WFGD控制中心接收到智能预测控制系统指令后提前调整WFGD运行参数，使WFGD处于最优参数运行状态。
所述SO2脱除过程中受烟气流速、停留时间、化学反应、设备运行、数据传输等因素的影响，实测值存在一定滞后性，所述智能预测控制系统通过计算模型给出SO2预测值，并结合动态数据库进行运行参数类比、分析、判别，预测时间可提前2～5分钟。
所述以海量化学分析参数、实际运行参数和历史数据构建的动态数据库为基础，采用人工神经网络(ANN)对出口SO2浓度进行结果校正，最终得到出口SO2浓度预测模型，计算公式如下：
式中：
为出口SO2预测浓度；K为修正系数，取值范围0.7～1.5；
为入口SO2浓度，pH为浆液pH值，p为浆液循环泵投运台数，l为锅炉负荷。
所述出口SO2浓度预测模型以均方误差(Mean-Square error，MSE)和决定系数(Coefficient of Determination，R2)作为模型评价指标，模型评价指标采用动态数据库数据分析、拟合、计算得到，所述R2要求不低于90％，MSE要求不高于0.01，其计算方法如下：
式中：obsi为脱硫塔出口SO2实测值，prei为脱硫塔出口SO2预测值，mea为脱硫塔出口SO2实测值的平均值。
所述K值通过实际运行参数与预测模型校验计算后拟合得到，K取值与模型评价指标相关，当MSE为0.005、R2为98％时，K值取1；当MSE趋势放大、R2趋势变小时，K值取值小于1；反之当MSE趋势变小、R2趋势放大时，K值取值大于1。
所述出口SO2浓度预测模型的K值确定后，通过预测模型计算得到出口SO2浓度预测值，智能预测控制系统基于预测值发出脱硫系统运行参数优化调整的指令，然后WFGD控制中心对脱硫系统进行运行参数优化调整，预测值相对实际值在时间上能提前3分钟，为脱硫系统运行参数调整保留了足够时间，脱硫系统最终达到最优化运行状态，实现节能降耗的目的。
所述建立基于出口SO2浓度预测模型的WFGD运行优化控制方法，并结合动态数据库进行运行参数优化，然后实现WFGD节能降耗的目的。
所述基于数据驱动的WFGD出口SO2浓度预测及智能优化方法，包括以下步骤：
1)配备一台WFGD的煤电机组，系统完整，能正常运行，实现SO2超低排放；
2)通过化验室获得化学分析参数历史数据和实时数据，通过在线监测系统获得实时运行参数，通过工程师站获得历史数据；
3)将上述数据导入智能预测控制系统，建立历史数据库，实时运行参数持续导入智能预测控制系统，实现数据库持续替换、更新、迭代，形成动态数据库；
4)通过关键因素法筛选、拟合，形成SO2浓度初级预测模型，然后采用人工神经网络算法对初级预测模型实时迭代优化、误差校正，最终形成出口SO2浓度预测模型公式；
5)结合SO2预测浓度与实测值进行对比分析，以模型评价指标衡量预测值的准确度，同时作为预测模型K值的取值依据；
6)获得K值后，通过预测模型获得SO2浓度预测值，具有良好的精确度和超前性；
7)模型计算得到的SO2浓度预测值反馈给智能预测控制系统，智能预测控制系统将成套优化运行参数反馈给WFGD控制中心，WFGD控制中心将运行参数控制指令传递给各运行设备，使各子系统在最优状态下运行，实现WFGD节能降耗。
智能预测控制系统的优化调节工作流程如下：
(1)在线监测系统将实测SO2浓度值反馈至智能预测控制系统；
(2)智能预测控制系统将数据储存至动态数据库，同时查询数据库的历史运行方案，调出当前状态下的最优运行参数方案；
(3)最优运行参数方案反馈至WFGD控制中心；
(4)WFGD控制中心通过智能预测控制系统将最优运行参数指令反馈给各系统；
(5)各系统收到指令后，通过自动调节方式对运行参数进行调整，使实际运行参数与指令匹配，脱硫系统达到最优运行状态；
(6)智能预测控制系统运行过程，就是实测值与预测值不断匹配的过程，运行方式寻优的过程，直至找到最优运行状态，整个过程是一个动态调整过程。
本发明基于海量的化学分析参数、实时运行参数和历史数据建立动态数据库，利用数据驱动技术对数据库数据进行分析，并匹配验证实测值，建立出口SO2浓度预测模型，同时提出了双模型评价指标及其取值方法，形成具有实际指导意义的SO2浓度预测模型，然后基于预测模型搭建智能预测控制系统，实现实时优化调整WFGD运行参数，达到节能降耗的目的。
实施例2
参照图1～5，以某1000MW燃煤发电机组为例进行实施原理说明。该燃煤发电机组配备烟气超低排放环保设施，采用石灰石-石膏湿法脱硫工艺，脱硫塔内配备6层喷淋层，3台氧化风机，石灰石粉直接制浆，三层高效除雾器。入口烟气流量为3500000Nm3/h，入口SO2浓度为2800mg/m3，出口SO2浓度不高于35mg/m3，入口烟温约110℃，吸收塔内液位10～13m，浆液密度1080～1280kg/m3，浆液pH值5.0～5.8，浆液池中温度为50～54℃，配备三台氧化风机，两用一备，设计风量18500Nm3/h，压头95kPa，额定功率500kW。石灰石粉细度不低于250目，纯度不低于90％，石灰石溶解率60～80％(浆液有效停留时间内)，SO2吸收率约0.06mol/s，钙硫摩尔比0.02～0.04，石灰石耗量17.4t/h，工艺水耗量102t/h，石膏含水率9.8％，浆液中硫酸钙含量89.5％、亚硫酸钙含量0.87％、碳酸钙含量2.4％、氯离子含量0.13％，液气比11～14，5台浆液循环泵投运，A泵运行电流117～120A，B泵运行电流113～115A，C泵运行电流96～98A，D泵运行电流115～117A，E泵运行电流136～139A，F泵停运，其中D、E泵配变频器。两台氧化风机运行，A风机运行电流25.1～26A，B风机运行电流24～25.2A，B风机配变频器。机组运行负荷为100％BMCR工况，出口SO2浓度控制在30mg/m3，满足超低排放要求。
基于该机组脱硫系统化学分析参数、实时运行参数和历史数据构建的动态数据库，通过动态数据库数据拟合计算，得到MSE值0.0047，R2为98.314％(结果如图3所示)，采用人工神经网络(ANN)算法对出口SO2浓度进行结果校正，确定K值为1.05；由此确定计算模型如下：
由上式可知，入口SO2浓度为2823mg/m3，pH为5.52，p为5，l为100％，计算得到出口SO2浓度为21mg/m3，在线监测表计实测SO2浓度为22mg/m3，预测结果与实测值吻合良好。系统运行3600min的结果如图4所示，预测值与实测值吻合良好，且系统运行稳定，能够长期有效指导脱硫系统运行。当前运行工况下，SO2排放浓度满足超低排放要求，但出口SO2浓度比排放限值35mg/m3低14mg/m3，脱硫系统出力存在一定浪费。因此，通过智能预测控制系统开展运行优化调节，工作流程如下：
(1)在线监测系统将实测SO2浓度值反馈至给智能预测控制系统；
(2)智能预测控制系统将数据储存至动态数据库，同时查询数据库的历史运行方案，调出当前状态下的最优运行参数方案；
(3)最优运行参数方案反馈至WFGD控制中心；
(4)WFGD控制中心通过控制系统将最优运行参数指令反馈给各系统；
(5)各系统收到指令后，通过自动调节方式对运行参数进行调整，使实际运行参数与指令匹配，脱硫系统达到最优运行状态；
(6)智能预测控制系统运行过程，就是实测值与预测值不断匹配的过程，运行方式寻优的过程，直至找到最优运行状态，整个过程是一个动态调整过程。
在锅炉负荷、入炉煤质、入口SO2浓度稳定的条件下，将pH降低至5.1，供浆量减少15％，脱硫塔内液位控制在10.5m，通过变频器将D泵电流降低7％、将E泵电流降低4％，B氧化风机出力降低2％，能够使SO2浓度实测值控制在32mg/m3，满足超低排放要求。
通过上述操作，在SO2排放浓度满足超低排放要求的前提下，脱硫系统石灰石耗量降低约2％，即0.35t/h，电耗量降低约145kWh/h，工艺水耗降低约7％，即7.14t/h。
如图5所示，在锅炉负荷升高、下降和平稳波动时，预测模型对锅炉负荷的适应性较好，预测值与实测值一致性良好，有效指导脱硫系统运行调整。
以上结合实施例对本发明进行了详细说明，但所述内容仅为本发明的具体实施方式，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，凡依本发明申请范围所做出的若干变形与改进等，均应仍属于本发明的专利涵盖范围之内。
Claims (10)
1.一种基于数据驱动的WFGD出口SO2浓度预测及智能优化方法，其特征在于：所述方法基于数据驱动技术建立预测模型和智能预测控制系统，WFGD包括脱硫剂制备系统、烟气系统、脱硫塔、工艺水系统、供电系统、氧化风系统、在线监测系统、控制中心、废水处理系统、石膏脱水系统、化验室和工程师站；
所述方法包括以下步骤：
(1)配备一台WFGD的煤电机组，系统完整，能正常运行，实现SO2超低排放；
(2)通过化验室获得化学分析参数，通过在线监测系统获得实时运行参数，通过工程师站获得历史数据；
(3)将上述数据导入智能预测控制系统，建立动态数据库，实时运行参数持续导入智能预测控制系统，实现数据库持续替换、更新、迭代，形成动态数据库；
(4)通过关键因素法筛选、拟合，形成SO2浓度初级预测模型，然后采用人工神经网络算法对初级预测模型实时迭代优化、误差校正，最终形成出口SO2浓度预测模型公式；
(5)结合SO2预测浓度与实测值进行对比分析，以模型评价指标衡量预测值的准确度，同时作为预测模型修正系数K值的取值依据；
(6)获得K值后，通过预测模型获得SO2浓度预测值；
(7)模型计算得到的SO2浓度预测值反馈给智能预测控制系统，智能预测控制系统将成套优化运行参数反馈给控制中心，控制中心将运行参数控制指令传递给各运行设备，使各系统在最优状态下运行，实现WFGD节能降耗。
2.根据权利要求1所述基于数据驱动的WFGD出口SO2浓度预测及智能优化方法，其特征在于：所述数据驱动技术以WFGD化学分析参数、实时运行参数和历史数据为基础建立动态数据库，进行数据分析和模型拟合，获得动态数据库和预测模型；所述化学分析参数包括石灰石细度、石灰石浆液浓度、石灰石纯度、石灰石溶解速率、SO2吸收速率、浆液H+浓度、钙硫摩尔比、浆液Ca2+浓度、液气比、反应时间、反应温度、浆液气液相分压、溶解氧浓度和水溶性离子浓度，所述实时运行参数包括锅炉负荷、烟气量、入口SO2浓度、出口SO2浓度、脱硫效率、浆液pH、浆液密度、浆液液位、氧化风量、烟气温降、浆液品质、浆液循环泵投运台数及出力、石膏品质、系统阻力、工艺水耗量和石灰石耗量，所述历史运行数据为上述全部数据的历史累积。
3.根据权利要求2所述基于数据驱动的WFGD出口SO2浓度预测及智能优化方法，其特征在于：所述动态数据库具有自学习功能，通过数据库数据累积、更换、迭代，实现最佳运行优化参数方案的持续调整、更新，使智能预测控制系统与脱硫系统实际运行状况匹配，具有消除设备老化、系统性能降低、运行缺陷问题的功能。
4.根据权利要求1所述基于数据驱动的WFGD出口SO2浓度预测及智能优化方法，其特征在于：所述智能预测控制系统以SO2浓度预测模型为技术核心，采用模块内嵌的方式安装在WFGD控制中心，接入方式与电厂控制系统保持一致，智能预测控制系统根据SO2浓度预测模型给出的SO2预测值反馈WFGD运行参数调整指令，并给出最优运行参数值，WFGD控制中心接收到智能预测控制系统指令后提前调整WFGD运行参数，使WFGD处于最优参数运行状态。
5.根据权利要求1所述基于数据驱动的WFGD出口SO2浓度预测及智能优化方法，其特征在于：所述智能预测控制系统通过计算模型给出SO2预测值，并结合动态数据库进行运行参数类比、分析、判别，预测时间可提前2～5分钟。
6.根据权利要求1所述基于数据驱动的WFGD出口SO2浓度预测及智能优化方法，其特征在于：以化学分析参数、实时运行参数和历史数据构建的动态数据库为基础，采用人工神经网络对出口SO2浓度进行结果校正，最终得到出口SO2浓度预测模型，计算公式如下：
式中：
为出口SO2预测浓度；K为修正系数，取值范围0.7～1.5；
为入口SO2浓度，pH为浆液pH值，p为浆液循环泵投运台数，l为锅炉负荷。
7.根据权利要求6所述基于数据驱动的WFGD出口SO2浓度预测及智能优化方法，其特征在于：所述出口SO2浓度预测模型以均方误差MSE和决定系数R2作为模型评价指标，模型评价指标采用动态数据库数据分析、拟合、计算得到，所述R2要求不低于90％，MSE要求不高于0.01，其计算方法如下：
式中：obsi为脱硫塔出口SO2实测值，prei为脱硫塔出口SO2预测值，meai为脱硫塔出口SO2实测值的平均值；N为样本数上限，i为样本数取值。
8.根据权利要求7所述基于数据驱动的WFGD出口SO2浓度预测及智能优化方法，其特征在于：所述K值通过实时运行参数与预测模型校验计算后拟合得到，K取值与模型评价指标相关，当MSE为0.005、R2为98％时，K值取1；当MSE趋势放大、R2趋势变小时，K值取值小于1；反之当MSE趋势变小、R2趋势放大时，K值取值大于1。
9.根据权利要求8所述基于数据驱动的WFGD出口SO2浓度预测及智能优化方法，其特征在于：所述出口SO2浓度预测模型的K值确定后，通过预测模型计算得到出口SO2浓度预测值，智能预测控制系统基于预测值发出脱硫系统运行参数优化调整的指令，然后WFGD控制中心对脱硫系统进行运行参数优化调整，预测值相对实际值在时间上能提前3分钟，为脱硫系统运行参数调整保留了足够时间，脱硫系统最终达到最优化运行状态，实现节能降耗的目的。
10.根据权利要求9所述基于数据驱动的WFGD出口SO2浓度预测及智能优化方法，其特征在于智能预测控制系统的优化调节工作流程如下：
(1)在线监测系统将实测SO2浓度值反馈至智能预测控制系统；
(2)智能预测控制系统将数据储存至动态数据库，同时查询数据库的历史运行方案，调出当前状态下的最优运行参数方案；
(3)最优运行参数方案反馈至WFGD控制中心；
(4)WFGD控制中心通过智能预测控制系统将最优运行参数指令反馈给各系统；
(5)各系统收到指令后，通过自动调节方式对运行参数进行调整，使实际运行参数与指令匹配，脱硫系统达到最优运行状态；
(6)智能预测控制系统运行过程，就是实测值与预测值不断匹配的过程，运行方式寻优的过程，直至找到最优运行状态，整个过程是一个动态调整过程。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210932045.7A CN115309117B (zh) | 2022-08-04 | 2022-08-04 | 一种基于数据驱动的wfgd出口so2浓度预测及智能优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210932045.7A CN115309117B (zh) | 2022-08-04 | 2022-08-04 | 一种基于数据驱动的wfgd出口so2浓度预测及智能优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115309117A true CN115309117A (zh) | 2022-11-08 |
| CN115309117B CN115309117B (zh) | 2024-05-14 |
Family
ID=83859040
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210932045.7A Active CN115309117B (zh) | 2022-08-04 | 2022-08-04 | 一种基于数据驱动的wfgd出口so2浓度预测及智能优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115309117B (zh) |
Cited By (3)
| 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 |
| CN116116181A (zh) * | 2023-04-18 | 2023-05-16 | 科扬环境科技有限责任公司 | 一种基于模型优化的废气废水处理方法及装置 |
| CN116951424A (zh) * | 2023-08-04 | 2023-10-27 | 南通万达能源动力科技有限公司 | 基于数据驱动的焚烧锅炉阀门自适应调节方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109420424A (zh) * | 2017-08-22 | 2019-03-05 | 邢台国泰发电有限责任公司 | 一种石灰石-石膏湿法烟气脱硫系统节能优化方法 |
| CN109472406A (zh) * | 2018-11-02 | 2019-03-15 | 浙江大学 | 一种超低排放多污染物协同脱除系统的全局优化方法 |
| CN111564184A (zh) * | 2020-04-15 | 2020-08-21 | 华电电力科学研究院有限公司 | 燃煤电厂石灰石-石膏湿法脱硫so3协同脱除效率预测方法 |
| CN112365065A (zh) * | 2020-11-16 | 2021-02-12 | 大唐环境产业集团股份有限公司 | 一种wfgd自适应在线优化调度方法 |
| CN112423863A (zh) * | 2018-07-13 | 2021-02-26 | 三菱动力株式会社 | 湿式排烟脱硫装置的控制方法及控制装置、具备该湿式排烟脱硫装置的控制装置的远程监视系统 |
| CN113082954A (zh) * | 2021-04-07 | 2021-07-09 | 浙江大学 | 一种湿法脱硫装置的全过程智能运行调控系统 |
| US20220040633A1 (en) * | 2020-08-05 | 2022-02-10 | Shang'an Power Plant Of Huaneng Power International Inc. | Automatic control system for emission indexes of desulfurization device of thermal power unit and method thereof |
-
2022
- 2022-08-04 CN CN202210932045.7A patent/CN115309117B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109420424A (zh) * | 2017-08-22 | 2019-03-05 | 邢台国泰发电有限责任公司 | 一种石灰石-石膏湿法烟气脱硫系统节能优化方法 |
| CN112423863A (zh) * | 2018-07-13 | 2021-02-26 | 三菱动力株式会社 | 湿式排烟脱硫装置的控制方法及控制装置、具备该湿式排烟脱硫装置的控制装置的远程监视系统 |
| CN109472406A (zh) * | 2018-11-02 | 2019-03-15 | 浙江大学 | 一种超低排放多污染物协同脱除系统的全局优化方法 |
| CN111564184A (zh) * | 2020-04-15 | 2020-08-21 | 华电电力科学研究院有限公司 | 燃煤电厂石灰石-石膏湿法脱硫so3协同脱除效率预测方法 |
| US20220040633A1 (en) * | 2020-08-05 | 2022-02-10 | Shang'an Power Plant Of Huaneng Power International Inc. | Automatic control system for emission indexes of desulfurization device of thermal power unit and method thereof |
| CN112365065A (zh) * | 2020-11-16 | 2021-02-12 | 大唐环境产业集团股份有限公司 | 一种wfgd自适应在线优化调度方法 |
| CN113082954A (zh) * | 2021-04-07 | 2021-07-09 | 浙江大学 | 一种湿法脱硫装置的全过程智能运行调控系统 |
Non-Patent Citations (5)
| Title |
|---|
| YISHAN GUO 等: "Modeling and optimization of wet flue gas desulfurization system based on a hybrid modeling method", JOURNAL OF THE AIR & WASTE MANAGEMENT ASSOCIATION, 13 March 2019 (2019-03-13) * |
| 刘锁清;翟奕博;张耀华;董森;彭伟娟;: "动量改进BP神经网络在湿法脱硫系统中的应用", 自动化技术与应用, no. 08, 25 August 2016 (2016-08-25) * |
| 舒坚 等: "基于动态矩阵算法的湿法脱硫控制系统设计", 动力工程学报, vol. 40, no. 1, 31 January 2020 (2020-01-31) * |
| 舒坚;郑成航;郭一杉;刘博文;李钦武;翁卫国;俞保云;高翔;: "基于动态矩阵算法的湿法脱硫控制系统设计", 动力工程学报, no. 01, 15 January 2020 (2020-01-15) * |
| 苏翔鹏;刁永发;杨青杰;: "基于RBF神经网络的双碱法脱硫塔SO_2排放量预测方法", 热力发电, no. 10, 31 October 2017 (2017-10-31) * |
Cited By (5)
| 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 |
| CN115729184B (zh) * | 2022-11-14 | 2023-06-27 | 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 |
| CN116116181A (zh) * | 2023-04-18 | 2023-05-16 | 科扬环境科技有限责任公司 | 一种基于模型优化的废气废水处理方法及装置 |
| CN116951424A (zh) * | 2023-08-04 | 2023-10-27 | 南通万达能源动力科技有限公司 | 基于数据驱动的焚烧锅炉阀门自适应调节方法 |
| CN116951424B (zh) * | 2023-08-04 | 2024-03-12 | 南通万达能源动力科技有限公司 | 基于数据驱动的焚烧锅炉阀门自适应调节方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115309117B (zh) | 2024-05-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115309117A (zh) | 一种基于数据驱动的wfgd出口so2浓度预测及智能优化方法 | |
| CN105467954B (zh) | 一种石灰石-石膏法脱硫ORP与pH双控制的方法及装置 | |
| CN208229629U (zh) | 一种湿法烟气脱硫氧化风机节能控制装置 | |
| CN111340199A (zh) | 一种基于物料衡算和深度学习的脱硫系统节能方法 | |
| CN107398162B (zh) | 湿法烟气脱硫氧化风机节能方法 | |
| WO2020052276A1 (zh) | 一种脱硫吸收塔氧化风机降耗方法和系统 | |
| CN112883553B (zh) | 一种单塔双循环脱硫装置的氧化风机运行优化方法 | |
| CN107511056A (zh) | 石灰石石膏湿法脱硫系统水质调控方法及调控装置 | |
| CN201711089U (zh) | 中小型锅炉湿法脱硫设备用pH调节控制系统 | |
| CN107648988B (zh) | 一种双回路调节脱硫供浆流量的装置及方法 | |
| CN208482253U (zh) | 一种二炉二塔脱硫氧化风系统集中控制装置 | |
| CN204746081U (zh) | 能实现超净排放的烟气脱硫自动控制机构 | |
| CN213160199U (zh) | 一种闭环控制的脱硫系统 | |
| CN111408243B (zh) | 一种火电机组湿法脱硫pH值控制系统及方法 | |
| CN111450694B (zh) | 一种基于多目标优化的脱硫系统工业控制器和控制方法 | |
| CN205650071U (zh) | 一种基于ph值的自动调节的加氨系统 | |
| CN204724018U (zh) | 能实现超净排放的烟气脱硫自动控制系统 | |
| CN110501042B (zh) | 一种检测和控制脱硫吸收液氧化率的方法 | |
| CN114073888A (zh) | 石灰石-石膏湿法脱硫系统中氧化风系统的优化方法 | |
| CN217085590U (zh) | 一种基于脱硫系统采用新型脱硫塔ph控制系统 | |
| CN113648801B (zh) | 一种湿法脱硫氧化风机优化控制方法及系统 | |
| CN112034100A (zh) | 一种基于在线学习的湿法脱硫系统CaSO3软测量方法 | |
| CN206199002U (zh) | 一种脱硫吸收塔浆液循环系统 | |
| CN216964106U (zh) | 脱硫氧化风集中自动控制系统 | |
| CN220551930U (zh) | 一种锅炉控制模拟试验系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |