CN117420867B - 基于人工智能的烟气脱硫过程智能优化控制方法及系统 - Google Patents
基于人工智能的烟气脱硫过程智能优化控制方法及系统 Download PDFInfo
- Publication number
- CN117420867B CN117420867B CN202311675731.1A CN202311675731A CN117420867B CN 117420867 B CN117420867 B CN 117420867B CN 202311675731 A CN202311675731 A CN 202311675731A CN 117420867 B CN117420867 B CN 117420867B
- Authority
- CN
- China
- Prior art keywords
- flue gas
- gas desulfurization
- desulfurization equipment
- abnormal
- equipment
- 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.)
- Active
Links
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 title claims abstract description 805
- 239000003546 flue gas Substances 0.000 title claims abstract description 805
- 238000006477 desulfuration reaction Methods 0.000 title claims abstract description 668
- 230000023556 desulfurization Effects 0.000 title claims abstract description 668
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000005457 optimization Methods 0.000 title claims abstract description 30
- 230000008569 process Effects 0.000 title claims abstract description 29
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 20
- 230000002159 abnormal effect Effects 0.000 claims abstract description 203
- 238000004891 communication Methods 0.000 claims abstract description 111
- 230000007547 defect Effects 0.000 claims abstract description 69
- 238000012360 testing method Methods 0.000 claims abstract description 47
- 150000001875 compounds Chemical class 0.000 claims description 96
- 238000006243 chemical reaction Methods 0.000 claims description 58
- 239000000376 reactant Substances 0.000 claims description 42
- 230000002745 absorbent Effects 0.000 claims description 40
- 239000002250 absorbent Substances 0.000 claims description 40
- 230000008439 repair process Effects 0.000 claims description 35
- 230000005540 biological transmission Effects 0.000 claims description 20
- 230000001105 regulatory effect Effects 0.000 claims description 20
- QAOWNCQODCNURD-UHFFFAOYSA-N Sulfuric acid Chemical compound OS(O)(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-N 0.000 claims description 16
- 239000000779 smoke Substances 0.000 claims description 15
- 239000000126 substance Substances 0.000 claims description 15
- 230000007704 transition Effects 0.000 claims description 14
- 230000001276 controlling effect Effects 0.000 claims description 13
- 230000005477 standard model Effects 0.000 claims description 13
- 239000007800 oxidant agent Substances 0.000 claims description 7
- QAOWNCQODCNURD-UHFFFAOYSA-L Sulfate Chemical compound [O-]S([O-])(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-L 0.000 claims description 6
- 230000001590 oxidative effect Effects 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 239000012535 impurity Substances 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 abstract description 2
- 238000003912 environmental pollution Methods 0.000 abstract description 2
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 18
- 238000010586 diagram Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- UCKMPCXJQFINFW-UHFFFAOYSA-N Sulphide Chemical compound [S-2] UCKMPCXJQFINFW-UHFFFAOYSA-N 0.000 description 3
- 238000003916 acid precipitation Methods 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- -1 sulfur dioxide Chemical class 0.000 description 3
- 150000003568 thioethers Chemical class 0.000 description 3
- 241000282414 Homo sapiens Species 0.000 description 2
- MHAJPDPJQMAIIY-UHFFFAOYSA-N Hydrogen peroxide Chemical compound OO MHAJPDPJQMAIIY-UHFFFAOYSA-N 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- VHUUQVKOLVNVRT-UHFFFAOYSA-N Ammonium hydroxide Chemical compound [NH4+].[OH-] VHUUQVKOLVNVRT-UHFFFAOYSA-N 0.000 description 1
- 241000238557 Decapoda Species 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 239000012670 alkaline solution Substances 0.000 description 1
- 235000011114 ammonium hydroxide Nutrition 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- BRPQOXSCLDDYGP-UHFFFAOYSA-N calcium oxide Chemical compound [O-2].[Ca+2] BRPQOXSCLDDYGP-UHFFFAOYSA-N 0.000 description 1
- ODINCKMPIJJUCX-UHFFFAOYSA-N calcium oxide Inorganic materials [Ca]=O ODINCKMPIJJUCX-UHFFFAOYSA-N 0.000 description 1
- 239000000292 calcium oxide Substances 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000003009 desulfurizing effect Effects 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000005802 health problem Effects 0.000 description 1
- GPRLSGONYQIRFK-UHFFFAOYSA-N hydron Chemical compound [H+] GPRLSGONYQIRFK-UHFFFAOYSA-N 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 210000002345 respiratory system Anatomy 0.000 description 1
- 208000023504 respiratory system disease Diseases 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D27/00—Simultaneous control of variables covered by two or more of main groups G05D1/00 - G05D25/00
- G05D27/02—Simultaneous control of variables covered by two or more of main groups G05D1/00 - G05D25/00 characterised by the use of electric means
-
- 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
- B01D53/30—Controlling by gas-analysis apparatus
-
- 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
-
- 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
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Chemical & Material Sciences (AREA)
- Oil, Petroleum & Natural Gas (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Treating Waste Gases (AREA)
Abstract
本发明涉及烟气脱硫领域,公开了基于人工智能的烟气脱硫过程智能优化控制方法及系统,包括以下步骤:对目标烟气脱硫设备进行烟气脱硫测试,判断是否为正常烟气脱硫设备;使用正常烟气脱硫设备进行烟气脱硫处理,并基于烟气脱硫结果对正常烟气脱硫设备进行分类,得到工作效率异常烟气脱硫设备;对所述工作效率异常烟气脱硫设备进行工作状态分析,即缺陷溯源修复,得到完好烟气脱硫设备,最后对完好烟气脱硫设备进行通信状态分析优化。本发明能够通过在各方面对烟气脱硫设备进行缺陷分析并修正,实现烟气脱硫设备的烟气脱硫过程的智能优化,提高了烟气脱硫的效率,减少了污染环境的状况。
Description
技术领域
本发明涉及烟气脱硫领域,特别是基于人工智能的烟气脱硫过程智能优化控制方法及系统。
背景技术
在燃烧过程会产生的烟气,烟气中会携带例如二氧化硫等硫化物,二氧化硫等硫化物在在大气中与水蒸气和氧气反应形成硫酸,进而形成酸雨,酸雨对土壤、水体和植被造成危害,影响生态系统的健康。且二氧化硫是一种有害气体,对人体呼吸系统和健康产生危害,其排放会导致空气中的二氧化硫浓度升高,可能引发呼吸道疾病和其他健康问题。对延期进行脱硫处理可以减少二氧化硫等硫化物的排放,降低酸雨的形成、包含人类健康。同时,在烟气脱硫设备中使用吸收液对烟气进行脱硫处理形成的硫酸或硫酸盐能够回收利用,制作成化肥或工业原料,从而改善空气质量,以及维护生态平衡。在烟气脱硫过程中采取人工智能进行烟气脱硫的优化控制能够提高烟气脱硫的效率,同时能降低设备能耗和排放,达到更好的脱硫效果。
发明内容
本发明克服了现有技术的不足,提供了基于人工智能的烟气脱硫过程智能优化控制方法及系统。
为达到上述目的,本发明采用的技术方案为:
本发明第一方面提供了基于人工智能的烟气脱硫过程智能优化控制方法,包括以下步骤:
对目标烟气脱硫设备进行烟气脱硫测试,根据烟气脱硫测试结果对目标烟气脱硫设备进行分析,判断是否为正常烟气脱硫设备;
使用正常烟气脱硫设备进行烟气脱硫处理,得到烟气脱硫结果,根据所述烟气脱硫结果对正常烟气脱硫设备进行分类;
获取工作效率异常烟气脱硫设备的工作状态,并对工作效率异常烟气脱硫设备的工作状态进行分析,基于分析结果对工作效率异常烟气脱硫设备进行缺陷溯源及缺陷修复;
对完好烟气脱硫设备进行通信状态分析,并给予通信状态分析结果对完好烟气脱硫设备进行通信效率优化。
进一步的,本发明的一个较佳实施例中,所述对目标烟气脱硫设备进行烟气脱硫测试,基于烟气脱硫测试结果对目标烟气脱硫设备进行分析,判断是否为正常烟气脱硫设备,具体为:
获取需要进行脱硫处理的烟气,定义为目标烟气,对所述目标烟气进行初次采样处理,得到目标烟气第一样本;
获取目标烟气脱硫设备,将所述目标烟气第一样本导入目标烟气脱硫设备中进行烟气脱硫测试,目标烟气第一样本在经过目标烟气脱硫设备的烟气脱硫测试后生成烟气脱硫测试化合物,并获取烟气脱硫测试化合物种类;
将目标烟气样本导入大数据网络进行检索,获取目标烟气第一样本在经过烟气脱硫测试后产生的所有化合物种类,并将目标烟气第一样本在经过烟气脱硫测试后产生的所有化合物种类定义为烟气脱硫标准化合物种类;
计算烟气脱硫测试化合物种类与烟气脱硫标准化合物种类的相似度,若烟气脱硫测试化合物种类与烟气脱硫标准化合物种类的相似度在预设范围内,则将目标烟气脱硫设备定义为正常烟气脱硫设备。
进一步的,本发明的一个较佳实施例中,所述使用正常烟气脱硫设备进行烟气脱硫处理,得到烟气脱硫结果,根据所述烟气脱硫结果对正常烟气脱硫设备进行分类,具体为:
将目标烟气持续导入正常烟气脱硫设备中进行烟气脱硫处理,得到烟气脱硫化合物,并对所述烟气脱硫化合物进行分类,得到主要化合物及杂质,所述主要化合物包括硫酸和硫酸盐;
对目标烟气进行化学成分分析,得到目标烟气的化学成分含量,将与目标烟气发生化合反应的物体定义为烟气反应物,所述烟气反应物包括吸收剂和氧化剂;
基于所述目标烟气的化学成分含量,获取烟气反应物标准含量,并预设目标烟气脱硫时间;
在目标烟气脱硫时间内,获取目标烟气在烟气反应物标准含量下进行烟气脱硫处理得到的主要化合物的标准含量,定义为烟气脱硫主要化合物标准含量;
获取在目标烟气脱硫时间内正常烟气脱硫设备对目标烟气进行烟气脱硫处理后得到的主要化合物的含量,定义为烟气脱硫主要化合物含量;
若烟气脱硫主要化合物含量不小于烟气脱硫主要化合物标准含量,则将正常烟气脱硫设备定义为工作效率正常烟气脱硫设备,若烟气脱硫主要化合物含量小于烟气脱硫主要化合物标准含量,则将正常烟气脱硫设备定义为工作效率异常烟气脱硫设备。
进一步的,本发明的一个较佳实施例中,所述获取工作效率异常烟气脱硫设备的工作状态,并对工作效率异常烟气脱硫设备的工作状态进行分析,基于分析结果对工作效率异常烟气脱硫设备进行缺陷溯源及缺陷修复,具体为:
获取正常烟气脱硫设备内烟气反应物含量,若正常烟气脱硫设备内烟气反应物含量小于烟气反应物标准含量,则将工作效率异常烟气脱硫设备定义为一类异常烟气脱硫设备;
根据所述烟气反应物标准含量,对一类异常烟气脱硫设备中的烟气反应物含量进行动态调控,使一类异常烟气脱硫设备中的烟气反应物含量不小于烟气反应物标准含量,得到二类异常烟气脱硫设备;
若二类异常烟气脱硫设备进行烟气脱硫处理后烟气脱硫主要化合物含量仍小于烟气脱硫主要化合物标准含量,则获取在二类异常烟气脱硫设备工作过程中目标烟气与烟气反应物之间的温度,定义为烟气反应温度;
基于大数据网络检索获取标准烟气反应温度范围,若烟气反应温度不在标准烟气反应温度范围内,则对烟气反应温度进行动态调控,使烟气反应温度维持在标准烟气反应温度范围内,并对烟气反应温度动态调控后的二类异常烟气脱硫设备进行烟气脱硫主要化合物含量分析,若烟气脱硫主要化合物含量仍小于烟气脱硫主要化合物标准含量,则将烟气反应温度动态调控后的二类异常烟气脱硫设备定义为三类异常烟气脱硫设备;
获取三类异常烟气脱硫设备的工作参数,并基于三类异常烟气脱硫设备的工作参数对三类异常烟气脱硫设备进行缺陷部位溯源及缺陷部位修复。
进一步的,本发明的一个较佳实施例中,所述获取三类异常烟气脱硫设备的工作参数,并基于三类异常烟气脱硫设备的工作参数对三类异常烟气脱硫设备进行缺陷部位溯源及缺陷部位修复,具体为:
获取三类异常烟气脱硫设备的工作参数,并基于激光扫描法构建三类异常烟气脱硫设备模型;
结合大数据网络,构建异常烟气脱硫设备标准模型,计算三类异常烟气脱硫设备模型与异常烟气脱硫设备标准模型之间模型偏差值,若三类异常烟气脱硫设备模型与异常烟气脱硫设备标准模型的模型偏差值大于预设值,则将对应的三类异常烟气脱硫设备定义为表面异常烟气脱硫设备;
基于三类异常烟气脱硫设备模型,获取表面异常烟气脱硫设备的表面缺陷位置,结合深度神经网络对所述表面异常烟气脱硫设备的表面缺陷位置进行缺陷修复可行性分析,得到缺陷修复可行性结果,若缺陷修复可行性结果为可行,则在大数据网络中检索表面异常烟气脱硫设备的表面缺陷位置的修复方案并输出,得到表面修复烟气脱硫设备;
获取表面修复烟气脱硫设备的工作参数,若表面修复烟气脱硫设备的工作参数在预设范围内,则将表面修复烟气脱硫设备定义为完好烟气脱硫设备;
若表面修复烟气脱硫设备的工作参数仍不在预设值范围内,则引入马尔科夫链算法,分析所述表面修复烟气脱硫设备的工作参数,得到表面修复烟气脱硫设备的异常工作状态转移概率值;
基于所述表面修复烟气脱硫设备的异常工作状态转移概率值,将表面修复烟气脱硫设备中异常工作状态转移概率值大于预设值的异常工作状态对应的设备工作部位定义为待修复设备工作部位,并在大数据网络中检索待修复设备工作部位的修复方案并输出,得到完好烟气脱硫设备。
进一步的,本发明的一个较佳实施例中,所述对完好烟气脱硫设备进行通信状态分析,并给予通信状态分析结果对完好烟气脱硫设备进行通信效率优化,具体为:
在所述完好烟气脱硫设备中安装通信模块,并将通信模块与控制中心进行数据连接,使控制中心通过通信模块实时控制完好烟气脱硫设备工作;
通过控制中心向通信模块发射控制信号,并获取控制信号的传输时间,基于所述控制信号的传输时间,获取完好烟气脱硫设备的通信时延信息范围;
获取完好烟气脱硫设备的标准通信时延信息,若完好烟气脱硫设备的通信时延信息维持在完好烟气脱硫设备的标准通信时延信息范围内,则获取完好待优化烟气脱硫设备与控制中心之间的所有数据传输通道,并将完好烟气脱硫设备的通信时延信息最低的对应的数据传输通道定义为目标数据传输通道;
若完好烟气脱硫设备的通信时延信息大于完好烟气脱硫设备的标准通信时延信息范围,则获取完好烟气脱硫设备的周边环境参数,并基于灰色关联法计算完好烟气脱硫设备的周边环境参数与通信时延信息之间的关联值,若关联值大于预设值,则对完好烟气脱硫设备的周边环境参数进行动态调控,使完好烟气脱硫设备的通信时延信息维持在标准通信时延信息范围内;
若关联值小于预设值,则获取完好烟气脱硫设备与控制中心之间的网络拓扑,并对完好烟气脱硫设备与控制中心之间的网络拓扑进行结构更新,使完好烟气脱硫设备的通信时延信息维持在标准通信时延信息范围内。
本发明第二方面还提供了基于人工智能的烟气脱硫过程智能优化控制系统,所述智能优化控制系统包括存储器与处理器,所述存储器中储存有智能优化控制方法,所述智能优化控制方法被所述处理器执行时,实现如下步骤:
对目标烟气脱硫设备进行烟气脱硫测试,根据烟气脱硫测试结果对目标烟气脱硫设备进行分析,判断是否为正常烟气脱硫设备;
使用正常烟气脱硫设备进行烟气脱硫处理,得到烟气脱硫结果,根据所述烟气脱硫结果对正常烟气脱硫设备进行分类;
获取工作效率异常烟气脱硫设备的工作状态,并对工作效率异常烟气脱硫设备的工作状态进行分析,基于分析结果对工作效率异常烟气脱硫设备进行缺陷溯源及缺陷修复;
对完好烟气脱硫设备进行通信状态分析,并给予通信状态分析结果对完好烟气脱硫设备进行通信效率优化。
本发明解决的背景技术中存在的技术缺陷,本发明具备以下有益效果:对目标烟气脱硫设备进行烟气脱硫测试,判断是否为正常烟气脱硫设备;使用正常烟气脱硫设备进行烟气脱硫处理,并基于烟气脱硫结果对正常烟气脱硫设备进行分类,得到工作效率异常烟气脱硫设备;对所述工作效率异常烟气脱硫设备进行工作状态分析即缺陷溯源修复,得到完好烟气脱硫设备,最后对完好烟气脱硫设备进行通信状态分析优化。本发明能够通过在各方面对烟气脱硫设备进行缺陷分析并修正,实现烟气脱硫设备的烟气脱硫过程的智能优化,提高了烟气脱硫的效率,减少了污染环境的状况。
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,下面将对实施例或现有技术描述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的前提下,还可以根据这些附图获得其他实施例的附图。
图1示出了基于人工智能的烟气脱硫过程智能优化控制方法的流程图;
图2示出了对工作效率异常烟气脱硫设备进行缺陷溯源及缺陷修复的方法流程图;
图3示出了基于人工智能的烟气脱硫过程智能优化控制系统的程序视图;
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了基于人工智能的烟气脱硫过程智能优化控制方法的流程图,包括以下步骤:
S102:对目标烟气脱硫设备进行烟气脱硫测试,根据烟气脱硫测试结果对目标烟气脱硫设备进行分析,判断是否为正常烟气脱硫设备;
S104:使用正常烟气脱硫设备进行烟气脱硫处理,得到烟气脱硫结果,根据所述烟气脱硫结果对正常烟气脱硫设备进行分类;
S106:获取工作效率异常烟气脱硫设备的工作状态,并对工作效率异常烟气脱硫设备的工作状态进行分析,基于分析结果对工作效率异常烟气脱硫设备进行缺陷溯源及缺陷修复;
S108:对完好烟气脱硫设备进行通信状态分析,并给予通信状态分析结果对完好烟气脱硫设备进行通信效率优化。
进一步的,本发明的一个较佳实施例中,所述对目标烟气脱硫设备进行烟气脱硫测试,基于烟气脱硫测试结果对目标烟气脱硫设备进行分析,判断是否为正常烟气脱硫设备,具体为:
获取需要进行脱硫处理的烟气,定义为目标烟气,对所述目标烟气进行初次采样处理,得到目标烟气第一样本;
获取目标烟气脱硫设备,将所述目标烟气第一样本导入目标烟气脱硫设备中进行烟气脱硫测试,目标烟气第一样本在经过目标烟气脱硫设备的烟气脱硫测试后生成烟气脱硫测试化合物,并获取烟气脱硫测试化合物种类;
将目标烟气样本导入大数据网络进行检索,获取目标烟气第一样本在经过烟气脱硫测试后产生的所有化合物种类,并将目标烟气第一样本在经过烟气脱硫测试后产生的所有化合物种类定义为烟气脱硫标准化合物种类;
计算烟气脱硫测试化合物种类与烟气脱硫标准化合物种类的相似度,若烟气脱硫测试化合物种类与烟气脱硫标准化合物种类的相似度在预设范围内,则将目标烟气脱硫设备定义为正常烟气脱硫设备。
需要说明的是,在使用烟气脱硫设备进行烟气脱硫处理前,需要对烟气脱硫设备进行烟气脱硫测试。烟气脱硫设备内的吸收剂和氧化剂对烟气进行化合反应,生成硫酸、硫酸盐、杂质和带有硫酸的废液。若在烟气脱硫测试过程中,得到的化合物种类与正常情况下应该得到的化合物种类不同,则证明烟气脱硫设备中含有其他的化合物影响烟气脱硫,或者烟气脱硫设备中存在某个位置有问题,无法使烟气进行正常的脱硫处理,比如燃烧不完全、或者不与吸收剂或氧化剂反应等。若烟气脱硫设备对烟气进行脱硫测试中得到的化合物种类与预设的标准化合物种类不同,则不可以使用该烟气脱硫设备进行烟气脱硫处理,防止在烟气脱硫过程中造成危险,污染环境甚至影响人身安全。
进一步的,本发明的一个较佳实施例中,所述使用正常烟气脱硫设备进行烟气脱硫处理,得到烟气脱硫结果,根据所述烟气脱硫结果对正常烟气脱硫设备进行分类,具体为:
将目标烟气持续导入正常烟气脱硫设备中进行烟气脱硫处理,得到烟气脱硫化合物,并对所述烟气脱硫化合物进行分类,得到主要化合物及杂质,所述主要化合物包括硫酸和硫酸盐;
对目标烟气进行化学成分分析,得到目标烟气的化学成分含量,将与目标烟气发生化合反应的物体定义为烟气反应物,所述烟气反应物包括吸收剂和氧化剂;
基于所述目标烟气的化学成分含量,获取烟气反应物标准含量,并预设目标烟气脱硫时间;
在目标烟气脱硫时间内,获取目标烟气在烟气反应物标准含量下进行烟气脱硫处理得到的主要化合物的标准含量,定义为烟气脱硫主要化合物标准含量;
获取在目标烟气脱硫时间内正常烟气脱硫设备对目标烟气进行烟气脱硫处理后得到的主要化合物的含量,定义为烟气脱硫主要化合物含量;
若烟气脱硫主要化合物含量不小于烟气脱硫主要化合物标准含量,则将正常烟气脱硫设备定义为工作效率正常烟气脱硫设备,若烟气脱硫主要化合物含量小于烟气脱硫主要化合物标准含量,则将正常烟气脱硫设备定义为工作效率异常烟气脱硫设备。
需要说明的是,使用正常烟气脱硫设备对目标烟气进行烟气脱硫处理,并分析烟气脱硫处理后得到的主要化合物的含量。烟气反应物包括吸收剂和氧化剂,所述吸收剂用于对烟气中的二氧化硫进行捕捉吸收,得到硫化物,吸收剂通常为碱性溶液,例如氧化钙、氨水等;所述氧化剂用于对硫化物进行进一步处理,氧化剂通常为过氧化氢或空气,使硫化物氧化生成硫酸和硫酸盐。烟气反应物与目标烟气若在正常情况下,及含量均充足的情况下,发生化合反应得到的烟气脱硫主要化合物为标准值。若烟气脱硫主要化合物含量小于烟气脱硫主要化合物标准含量,则证明烟气脱硫设备内的烟气反应物的含量较少,导致烟气脱硫设备的工作效率降低,无法对目标烟气进行完全吸收处理,所以若烟气脱硫主要化合物含量小于烟气脱硫主要化合物标准含量,则将对应的正常烟气脱硫设备定义为工作效率异常烟气脱硫设备。本发明能够通过在烟气脱硫设备中进行主要化合物含量分析,判断烟气脱硫设备的工作效率,得到工作效率异常烟气脱硫设备。
进一步的,本发明的一个较佳实施例中,所述对完好烟气脱硫设备进行通信状态分析,并给予通信状态分析结果对完好烟气脱硫设备进行通信效率优化,具体为:
在所述完好烟气脱硫设备中安装通信模块,并将通信模块与控制中心进行数据连接,使控制中心通过通信模块实时控制完好烟气脱硫设备工作;
通过控制中心向通信模块发射控制信号,并获取控制信号的传输时间,基于所述控制信号的传输时间,获取完好烟气脱硫设备的通信时延信息范围;
获取完好烟气脱硫设备的标准通信时延信息,若完好烟气脱硫设备的通信时延信息维持在完好烟气脱硫设备的标准通信时延信息范围内,则获取完好待优化烟气脱硫设备与控制中心之间的所有数据传输通道,并将完好烟气脱硫设备的通信时延信息最低的对应的数据传输通道定义为目标数据传输通道;
若完好烟气脱硫设备的通信时延信息大于完好烟气脱硫设备的标准通信时延信息范围,则获取完好烟气脱硫设备的周边环境参数,并基于灰色关联法计算完好烟气脱硫设备的周边环境参数与通信时延信息之间的关联值,若关联值大于预设值,则对完好烟气脱硫设备的周边环境参数进行动态调控,使完好烟气脱硫设备的通信时延信息维持在标准通信时延信息范围内;
若关联值小于预设值,则获取完好烟气脱硫设备与控制中心之间的网络拓扑,并对完好烟气脱硫设备与控制中心之间的网络拓扑进行结构更新,使完好烟气脱硫设备的通信时延信息维持在标准通信时延信息范围内。
需要说明的是,在完好烟气脱硫设备工作期间,需要对完好烟气脱硫设备进行远程控制,用于调控完好烟气脱硫设备的工作状态。安装通信模块可以进行控制指令的传输,在控制指令传输过程中,可能由于各种原因,比如环境参数影响,网络问题影响等,导致通信的时延性增强,从而使控制中心对完好烟气脱硫设备的控制存在延迟,增加了安全隐患,不利于对完好烟气脱硫设备的实时调控。在控制中心与完好烟气脱硫设备之间存在多条数据传输通道,不同数据传输通道的长度、信号因子通过率等均不同。若通信时延信息正常,则获取时延性最小的数据传输通道作为目标数据传输通道。若通信时延信息异常,则判断通信时延信息是否受环境参数影响,若是,则对环境参数进行调控,比如工作区域恒温恒压等,实现将通信时延信息维持在标准范围内。若通信时延信息在经过环境参数调控后仍异常,则获取完好烟气脱硫设备与控制中心之间网络拓扑进行分析及结构更新,结构更新包括拓宽带宽、增加网络节点、降低负载等,实现将通信时延信息维持在标准范围内。本发明能够通过对完好烟气脱硫设备的通信状态进行分析溯源及修复,提高的通信的质量,更优化了烟气脱硫的效率。
图2示出了对工作效率异常烟气脱硫设备进行缺陷溯源及缺陷修复的方法流程图,包括以下步骤:
S202:对正常烟气脱硫设备内的烟气反应物含量进行分析及动态调控,得到一类异常烟气脱硫设备和二类异常烟气脱硫设备;
S204:对二类异常烟气脱硫设备进行烟气反应温度分析,并基于分析结果对烟气反应温度进行动态调控,得到三类异常烟气脱硫设备;
S206:获取三类异常烟气脱硫设备的工作参数,并基于三类异常烟气脱硫设备的工作参数对三类异常烟气脱硫设备进行缺陷部位溯源及缺陷部位修复。
进一步的,本发明的一个较佳实施例中,所述对二类异常烟气脱硫设备进行烟气反应温度分析,并基于分析结果对烟气反应温度进行动态调控,得到三类异常烟气脱硫设备,具体为:
若二类异常烟气脱硫设备进行烟气脱硫处理后烟气脱硫主要化合物含量仍小于烟气脱硫主要化合物标准含量,则获取在二类异常烟气脱硫设备工作过程中目标烟气与烟气反应物之间的温度,定义为烟气反应温度;
基于大数据网络检索获取标准烟气反应温度范围,若烟气反应温度不在标准烟气反应温度范围内,则对烟气反应温度进行动态调控,使烟气反应温度维持在标准烟气反应温度范围内,并对烟气反应温度动态调控后的二类异常烟气脱硫设备进行烟气脱硫主要化合物含量分析,若烟气脱硫主要化合物含量仍小于烟气脱硫主要化合物标准含量,则将烟气反应温度动态调控后的二类异常烟气脱硫设备定义为三类异常烟气脱硫设备。
需要说明的是,目标烟气与烟气反应物之间发生化合反应,反应时的温度较高或较低都会影响目标烟气的化合反应情况,所以需要对烟气反应温度进行调控,维持烟气反应温度的恒定。获取烟气反应温度,若烟气反应温度不维持在标准烟气反应温度范围内,则需要对二类异常烟气脱硫设备内的烟气反应温度进行动态调控,使二类异常烟气脱硫设备内的烟气脱硫化合物含量维持在标准范围内,得到三类异常烟气脱硫设备。本发明能够通过对烟气脱硫设备的烟气反应温度进行动态调控,维持烟气反应温度的恒定。
进一步的,本发明的一个较佳实施例中,所述获取三类异常烟气脱硫设备的工作参数,并基于三类异常烟气脱硫设备的工作参数对三类异常烟气脱硫设备进行缺陷部位溯源及缺陷部位修复,具体为:
获取三类异常烟气脱硫设备的工作参数,并基于激光扫描法构建三类异常烟气脱硫设备模型;
结合大数据网络,构建异常烟气脱硫设备标准模型,计算三类异常烟气脱硫设备模型与异常烟气脱硫设备标准模型之间模型偏差值,若三类异常烟气脱硫设备模型与异常烟气脱硫设备标准模型的模型偏差值大于预设值,则将对应的三类异常烟气脱硫设备定义为表面异常烟气脱硫设备;
基于三类异常烟气脱硫设备模型,获取表面异常烟气脱硫设备的表面缺陷位置,结合深度神经网络对所述表面异常烟气脱硫设备的表面缺陷位置进行缺陷修复可行性分析,得到缺陷修复可行性结果,若缺陷修复可行性结果为可行,则在大数据网络中检索表面异常烟气脱硫设备的表面缺陷位置的修复方案并输出,得到表面修复烟气脱硫设备;
获取表面修复烟气脱硫设备的工作参数,若表面修复烟气脱硫设备的工作参数在预设范围内,则将表面修复烟气脱硫设备定义为完好烟气脱硫设备;
若表面修复烟气脱硫设备的工作参数仍不在预设值范围内,则引入马尔科夫链算法,分析所述表面修复烟气脱硫设备的工作参数,得到表面修复烟气脱硫设备的异常工作状态转移概率值;
基于所述表面修复烟气脱硫设备的异常工作状态转移概率值,将表面修复烟气脱硫设备中异常工作状态转移概率值大于预设值的异常工作状态对应的设备工作部位定义为待修复设备工作部位,并在大数据网络中检索待修复设备工作部位的修复方案并输出,得到完好烟气脱硫设备。
需要说明的是,在对烟气脱硫设备进行烟气温度调控后,基于激光扫描法,构建三类异常烟气脱硫设备模型,并在构建模型过程中结合了人工智能技术。通过令三类异常烟气脱硫设备模型与标准模型进行比较,可以清晰直观判断三类异常烟气脱硫设备的表面是否存在较大的偏差。三类异常烟气脱硫设备在工作中可能由于机械磨损、设备堵塞等表面缺陷,导致三类异常烟气脱硫设备的工作参数异常,所以对于偏差值较大的三类异常烟气脱硫设备,需要进行表面缺陷修复处理,包括更换机械部件、清理堵塞管道等。在对三类异常烟气脱硫设备进行表面缺陷修复后,若三类异常烟气脱硫设备的工作参数正常,则得到完好烟气脱硫设备;若工作参数仍异常,则判断使三类异常烟气脱硫设备内部出现问题,比如控制系统出现故障,导致对工作参数产生影响,或者供电状态异常等。基于所述马尔科夫链算法可以获取异常工作状态转移概率值,并分析所述异常工作状态转移概率值,获取待修复设备工作部位,并对待修复设备工作部位进行修复处理,得到完好烟气脱硫设备。本发明能够通过对三类异常烟气脱硫设备进行工作参数检测,从而对三类异常烟气脱硫设备的表面缺陷和其他缺陷进行修复,得到完好烟气脱硫设备。
此外,所述基于人工智能的烟气脱硫过程智能优化控制方法,还包括以下步骤:
若完好烟气脱硫设备与控制中心之间的网络拓扑优化后,完好烟气脱硫设备的通信时延信息仍大于标准通信时延信息,则在完好烟气脱硫设备与控制中心之间的网络拓扑上获取不同网络节点的通信时延信息,并将通信时延信息小于预设值的网络节点定义为通信异常网络节点;
获取烟气脱硫设备与控制中心之间的电磁干扰设备的类型及位置,并基于烟气脱硫设备与控制中心之间的电磁干扰设备的类型及位置构建电磁干扰模型;
计算电磁干扰模型在烟气脱硫设备与控制中心之间的电磁干扰强度,并基于电磁干扰强度,构建电磁干扰分布图,并在所述电磁干扰分布图中将电磁强度大于预设值的节点定义为电磁强度异常节点;
将所述电磁干扰分布图和完好烟气脱硫设备与控制中心之间的网络拓扑进行结合分析,计算通信异常网络节点和电磁强度异常节点的重合率;
若通信异常网络节点和电磁强度异常节点的重合率大于预设值,使用滤波器在烟气脱硫设备与控制中心之间对电磁强度异常节点进行滤波处理,直至完好烟气脱硫设备的通信时延信息维持在标准通信时延信息范围内;
若通信异常网络节点和电磁强度异常节点的重合率小于预设值,则获取通信质量更高的通信模块安装至完好烟气脱硫设备中,使完好烟气脱硫设备的通信时延信息维持在标准通信时延信息范围内。
需要说明的是,在完好烟气脱硫设备与控制中心之间的网络拓扑优化后,完好烟气脱硫设备与控制中心的通信时延信息应当维持在标准通信时延信息范围内。若完好烟气脱硫设备的通信时延信息大于标准通信时延信息范围,则判断电磁干扰影响了网络拓扑的稳定。电磁强度过大,可能会使网络拓扑中部分节点出现异常,比如负载量增大等。构建电磁干扰分布图能够清晰得知各点的电磁强度大小。若电磁强度异常节点与通信异常网络节点重合,证明在该节点上电磁强度对通信状态造成影响,所以若重合率较大,则可可以使用滤波器对电磁强度异常节点进行滤波处理,维持完好烟气脱硫设备的通信时延信息在标准通信时延信息范围内。若重合率较小,则判断通信模块出现问题,则直接对通信模块进行更换。本发明能够通过电磁干扰对完好烟气脱硫设备与控制中心之间的网络拓扑的影响进行分析并优化。
此外,所述基于人工智能的烟气脱硫过程智能优化控制方法,还包括以下步骤:
获取烟气中二氧化硫和其他元素的浓度,并将所述烟气中二氧化硫和其他元素的浓度导入深度神经网络中进行预测,得到吸收剂成分配比表;
根据所述吸收剂成分配比表,对吸收剂进行成分配置,得到一类浓度吸收剂,所述一类浓度吸收剂中的各种成分浓度均为标准成分浓度;
将所述一类浓度吸收剂导入烟气脱硫设备中进行烟气脱硫处理,计算一类浓度吸收剂在各种成分浓度下的烟气脱硫处理效率,并将一类浓度吸收剂的烟气脱硫处理效率设定为标准烟气脱硫处理效率;
使用一类浓度吸收剂进行烟气脱硫处理,在使用一类浓度吸收剂进行烟气脱硫处理过程中,若吸收剂的成分浓度存在与标准成分浓度不同,则将吸收剂定义为二类浓度吸收剂;
将吸收剂参与的烟气脱硫步骤定义为一类烟气脱硫步骤;
计算各所有一类烟气脱硫步骤下二类浓度吸收剂的烟气脱硫处理效率,若所有一类烟气脱硫步骤下二类浓度吸收剂的烟气脱硫处理效率均小于标准烟气脱硫处理效率,则实时监控正在进行烟气脱硫处理的吸收剂的成分浓度,若正在进行烟气脱硫处理的吸收剂的成分浓度与标准成分浓度不一致,则需要在烟气脱硫设备中对正在进行烟气脱硫处理的吸收剂的成分浓度进行调控;
若存在一类烟气脱硫步骤下二类浓度吸收剂的烟气脱硫处理效率大于标准烟气脱硫处理效率,则将对应的一类烟气脱硫步骤定义为二类烟气脱硫步骤,并控制烟气脱硫设备在二类烟气脱硫步骤下实时调控正在进行烟气脱硫处理的吸收剂的成分浓度。
需要说明的是,吸收剂中的成分包括氢离子浓度、氧离子浓度等。在正常情况下,吸收剂中各成分应当保持标准状态,且在标准状态虾的吸收剂队烟气的脱硫效果最佳,即烟气脱硫效率最高。但是在烟气脱硫处理过程中,吸收剂与烟气反应会消耗吸收剂中各成分浓度,且有可能由于外界因素影响,比如反应温度等,导致各成分浓度发生变化,所以需要实时监控烟气脱硫设备中的吸收剂的成分浓度。吸收剂参与的烟气脱硫步骤有几种,若所有的烟气脱硫步骤下,标准成分浓度的烟气脱硫效率均最高,则需要实时调控吸收剂的成分浓度保持在标准范围内;若出现有特定的浓度在特定的步骤下的烟气脱硫效率更高,则在该步骤下可以将吸收剂的浓度调整至其合适的浓度。本发明能够通过对吸收剂的浓度进行分析,调控吸收剂的浓度,从而达到提高烟气脱硫效率,降低烟气脱硫设备能耗的目的。
如图3所示,本发明第二方面还提供了基于人工智能的烟气脱硫过程智能优化控制系统,所述智能优化控制系统包括存储器31与处理器32,所述存储器31中储存有智能优化控制方法,所述智能优化控制方法被所述处理器32执行时,实现如下步骤:
对目标烟气脱硫设备进行烟气脱硫测试,根据烟气脱硫测试结果对目标烟气脱硫设备进行分析,判断是否为正常烟气脱硫设备;
使用正常烟气脱硫设备进行烟气脱硫处理,得到烟气脱硫结果,根据所述烟气脱硫结果对正常烟气脱硫设备进行分类;
获取工作效率异常烟气脱硫设备的工作状态,并对工作效率异常烟气脱硫设备的工作状态进行分析,基于分析结果对工作效率异常烟气脱硫设备进行缺陷溯源及缺陷修复;
对完好烟气脱硫设备进行通信状态分析,并给予通信状态分析结果对完好烟气脱硫设备进行通信效率优化。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (5)
1.基于人工智能的烟气脱硫过程智能优化控制方法,其特征在于,包括以下步骤:
对目标烟气脱硫设备进行烟气脱硫测试,根据烟气脱硫测试结果对目标烟气脱硫设备进行分析,判断是否为正常烟气脱硫设备;
使用正常烟气脱硫设备进行烟气脱硫处理,得到烟气脱硫结果,根据所述烟气脱硫结果对正常烟气脱硫设备进行分类;
获取工作效率异常烟气脱硫设备的工作状态,并对工作效率异常烟气脱硫设备的工作状态进行分析,基于分析结果对工作效率异常烟气脱硫设备进行缺陷溯源及缺陷修复;
对完好烟气脱硫设备进行通信状态分析,并给予通信状态分析结果对完好烟气脱硫设备进行通信效率优化;
其中,所述获取工作效率异常烟气脱硫设备的工作状态,并对工作效率异常烟气脱硫设备的工作状态进行分析,基于分析结果对工作效率异常烟气脱硫设备进行缺陷溯源及缺陷修复,具体为:
获取正常烟气脱硫设备内烟气反应物含量,若正常烟气脱硫设备内烟气反应物含量小于烟气反应物标准含量,则将工作效率异常烟气脱硫设备定义为一类异常烟气脱硫设备;
根据所述烟气反应物标准含量,对一类异常烟气脱硫设备中的烟气反应物含量进行动态调控,使一类异常烟气脱硫设备中的烟气反应物含量不小于烟气反应物标准含量,得到二类异常烟气脱硫设备;
若二类异常烟气脱硫设备进行烟气脱硫处理后烟气脱硫主要化合物含量仍小于烟气脱硫主要化合物标准含量,则获取在二类异常烟气脱硫设备工作过程中目标烟气与烟气反应物之间的温度,定义为烟气反应温度;
基于大数据网络检索获取标准烟气反应温度范围,若烟气反应温度不在标准烟气反应温度范围内,则对烟气反应温度进行动态调控,使烟气反应温度维持在标准烟气反应温度范围内,并对烟气反应温度动态调控后的二类异常烟气脱硫设备进行烟气脱硫主要化合物含量分析,若烟气脱硫主要化合物含量仍小于烟气脱硫主要化合物标准含量,则将烟气反应温度动态调控后的二类异常烟气脱硫设备定义为三类异常烟气脱硫设备;
获取三类异常烟气脱硫设备的工作参数,并基于三类异常烟气脱硫设备的工作参数对三类异常烟气脱硫设备进行缺陷部位溯源及缺陷部位修复;
其中,所述获取三类异常烟气脱硫设备的工作参数,并基于三类异常烟气脱硫设备的工作参数对三类异常烟气脱硫设备进行缺陷部位溯源及缺陷部位修复,具体为:
获取三类异常烟气脱硫设备的工作参数,并基于激光扫描法构建三类异常烟气脱硫设备模型;
结合大数据网络,构建异常烟气脱硫设备标准模型,计算三类异常烟气脱硫设备模型与异常烟气脱硫设备标准模型之间模型偏差值,若三类异常烟气脱硫设备模型与异常烟气脱硫设备标准模型的模型偏差值大于预设值,则将对应的三类异常烟气脱硫设备定义为表面异常烟气脱硫设备;
基于三类异常烟气脱硫设备模型,获取表面异常烟气脱硫设备的表面缺陷位置,结合深度神经网络对所述表面异常烟气脱硫设备的表面缺陷位置进行缺陷修复可行性分析,得到缺陷修复可行性结果,若缺陷修复可行性结果为可行,则在大数据网络中检索表面异常烟气脱硫设备的表面缺陷位置的修复方案并输出,得到表面修复烟气脱硫设备;
获取表面修复烟气脱硫设备的工作参数,若表面修复烟气脱硫设备的工作参数在预设范围内,则将表面修复烟气脱硫设备定义为完好烟气脱硫设备;
若表面修复烟气脱硫设备的工作参数仍不在预设值范围内,则引入马尔科夫链算法,分析所述表面修复烟气脱硫设备的工作参数,得到表面修复烟气脱硫设备的异常工作状态转移概率值;
基于所述表面修复烟气脱硫设备的异常工作状态转移概率值,将表面修复烟气脱硫设备中异常工作状态转移概率值大于预设值的异常工作状态对应的设备工作部位定义为待修复设备工作部位,并在大数据网络中检索待修复设备工作部位的修复方案并输出,得到完好烟气脱硫设备。
2.根据权利要求1中所述的基于人工智能的烟气脱硫过程智能优化控制方法,其特征在于,所述对目标烟气脱硫设备进行烟气脱硫测试,基于烟气脱硫测试结果对目标烟气脱硫设备进行分析,判断是否为正常烟气脱硫设备,具体为:
获取需要进行脱硫处理的烟气,定义为目标烟气,对所述目标烟气进行初次采样处理,得到目标烟气第一样本;
获取目标烟气脱硫设备,将所述目标烟气第一样本导入目标烟气脱硫设备中进行烟气脱硫测试,目标烟气第一样本在经过目标烟气脱硫设备的烟气脱硫测试后生成烟气脱硫测试化合物,并获取烟气脱硫测试化合物种类;
将目标烟气样本导入大数据网络进行检索,获取目标烟气第一样本在经过烟气脱硫测试后产生的所有化合物种类,并将目标烟气第一样本在经过烟气脱硫测试后产生的所有化合物种类定义为烟气脱硫标准化合物种类;
计算烟气脱硫测试化合物种类与烟气脱硫标准化合物种类的相似度,若烟气脱硫测试化合物种类与烟气脱硫标准化合物种类的相似度在预设范围内,则将目标烟气脱硫设备定义为正常烟气脱硫设备。
3.根据权利要求1中所述的基于人工智能的烟气脱硫过程智能优化控制方法,其特征在于,所述使用正常烟气脱硫设备进行烟气脱硫处理,得到烟气脱硫结果,根据所述烟气脱硫结果对正常烟气脱硫设备进行分类,具体为:
将目标烟气持续导入正常烟气脱硫设备中进行烟气脱硫处理,得到烟气脱硫化合物,并对所述烟气脱硫化合物进行分类,得到主要化合物及杂质,所述主要化合物包括硫酸和硫酸盐;
对目标烟气进行化学成分分析,得到目标烟气的化学成分含量,将与目标烟气发生化合反应的物体定义为烟气反应物,所述烟气反应物包括吸收剂和氧化剂;
基于所述目标烟气的化学成分含量,获取烟气反应物标准含量,并预设目标烟气脱硫时间;
在目标烟气脱硫时间内,获取目标烟气在烟气反应物标准含量下进行烟气脱硫处理得到的主要化合物的标准含量,定义为烟气脱硫主要化合物标准含量;
获取在目标烟气脱硫时间内正常烟气脱硫设备对目标烟气进行烟气脱硫处理后得到的主要化合物的含量,定义为烟气脱硫主要化合物含量;
若烟气脱硫主要化合物含量不小于烟气脱硫主要化合物标准含量,则将正常烟气脱硫设备定义为工作效率正常烟气脱硫设备,若烟气脱硫主要化合物含量小于烟气脱硫主要化合物标准含量,则将正常烟气脱硫设备定义为工作效率异常烟气脱硫设备。
4.根据权利要求1中所述的基于人工智能的烟气脱硫过程智能优化控制方法,其特征在于,所述对完好烟气脱硫设备进行通信状态分析,并给予通信状态分析结果对完好烟气脱硫设备进行通信效率优化,具体为:
在所述完好烟气脱硫设备中安装通信模块,并将通信模块与控制中心进行数据连接,使控制中心通过通信模块实时控制完好烟气脱硫设备工作;
通过控制中心向通信模块发射控制信号,并获取控制信号的传输时间,基于所述控制信号的传输时间,获取完好烟气脱硫设备的通信时延信息范围;
获取完好烟气脱硫设备的标准通信时延信息,若完好烟气脱硫设备的通信时延信息维持在完好烟气脱硫设备的标准通信时延信息范围内,则获取完好待优化烟气脱硫设备与控制中心之间的所有数据传输通道,并将完好烟气脱硫设备的通信时延信息最低的对应的数据传输通道定义为目标数据传输通道;
若完好烟气脱硫设备的通信时延信息大于完好烟气脱硫设备的标准通信时延信息范围,则获取完好烟气脱硫设备的周边环境参数,并基于灰色关联法计算完好烟气脱硫设备的周边环境参数与通信时延信息之间的关联值,若关联值大于预设值,则对完好烟气脱硫设备的周边环境参数进行动态调控,使完好烟气脱硫设备的通信时延信息维持在标准通信时延信息范围内;
若关联值小于预设值,则获取完好烟气脱硫设备与控制中心之间的网络拓扑,并对完好烟气脱硫设备与控制中心之间的网络拓扑进行结构更新,使完好烟气脱硫设备的通信时延信息维持在标准通信时延信息范围内。
5.基于人工智能的烟气脱硫过程智能优化控制系统,其特征在于,所述智能优化控制系统包括存储器与处理器,所述存储器中储存有智能优化控制方法,所述智能优化控制方法被所述处理器执行时,实现如下步骤:
对目标烟气脱硫设备进行烟气脱硫测试,根据烟气脱硫测试结果对目标烟气脱硫设备进行分析,判断是否为正常烟气脱硫设备;
使用正常烟气脱硫设备进行烟气脱硫处理,得到烟气脱硫结果,根据所述烟气脱硫结果对正常烟气脱硫设备进行分类;
获取工作效率异常烟气脱硫设备的工作状态,并对工作效率异常烟气脱硫设备的工作状态进行分析,基于分析结果对工作效率异常烟气脱硫设备进行缺陷溯源及缺陷修复;
对完好烟气脱硫设备进行通信状态分析,并给予通信状态分析结果对完好烟气脱硫设备进行通信效率优化;
其中,所述获取工作效率异常烟气脱硫设备的工作状态,并对工作效率异常烟气脱硫设备的工作状态进行分析,基于分析结果对工作效率异常烟气脱硫设备进行缺陷溯源及缺陷修复,具体为:
获取正常烟气脱硫设备内烟气反应物含量,若正常烟气脱硫设备内烟气反应物含量小于烟气反应物标准含量,则将工作效率异常烟气脱硫设备定义为一类异常烟气脱硫设备;
根据所述烟气反应物标准含量,对一类异常烟气脱硫设备中的烟气反应物含量进行动态调控,使一类异常烟气脱硫设备中的烟气反应物含量不小于烟气反应物标准含量,得到二类异常烟气脱硫设备;
若二类异常烟气脱硫设备进行烟气脱硫处理后烟气脱硫主要化合物含量仍小于烟气脱硫主要化合物标准含量,则获取在二类异常烟气脱硫设备工作过程中目标烟气与烟气反应物之间的温度,定义为烟气反应温度;
基于大数据网络检索获取标准烟气反应温度范围,若烟气反应温度不在标准烟气反应温度范围内,则对烟气反应温度进行动态调控,使烟气反应温度维持在标准烟气反应温度范围内,并对烟气反应温度动态调控后的二类异常烟气脱硫设备进行烟气脱硫主要化合物含量分析,若烟气脱硫主要化合物含量仍小于烟气脱硫主要化合物标准含量,则将烟气反应温度动态调控后的二类异常烟气脱硫设备定义为三类异常烟气脱硫设备;
获取三类异常烟气脱硫设备的工作参数,并基于三类异常烟气脱硫设备的工作参数对三类异常烟气脱硫设备进行缺陷部位溯源及缺陷部位修复;
其中,所述获取三类异常烟气脱硫设备的工作参数,并基于三类异常烟气脱硫设备的工作参数对三类异常烟气脱硫设备进行缺陷部位溯源及缺陷部位修复,具体为:
获取三类异常烟气脱硫设备的工作参数,并基于激光扫描法构建三类异常烟气脱硫设备模型;
结合大数据网络,构建异常烟气脱硫设备标准模型,计算三类异常烟气脱硫设备模型与异常烟气脱硫设备标准模型之间模型偏差值,若三类异常烟气脱硫设备模型与异常烟气脱硫设备标准模型的模型偏差值大于预设值,则将对应的三类异常烟气脱硫设备定义为表面异常烟气脱硫设备;
基于三类异常烟气脱硫设备模型,获取表面异常烟气脱硫设备的表面缺陷位置,结合深度神经网络对所述表面异常烟气脱硫设备的表面缺陷位置进行缺陷修复可行性分析,得到缺陷修复可行性结果,若缺陷修复可行性结果为可行,则在大数据网络中检索表面异常烟气脱硫设备的表面缺陷位置的修复方案并输出,得到表面修复烟气脱硫设备;
获取表面修复烟气脱硫设备的工作参数,若表面修复烟气脱硫设备的工作参数在预设范围内,则将表面修复烟气脱硫设备定义为完好烟气脱硫设备;
若表面修复烟气脱硫设备的工作参数仍不在预设值范围内,则引入马尔科夫链算法,分析所述表面修复烟气脱硫设备的工作参数,得到表面修复烟气脱硫设备的异常工作状态转移概率值;
基于所述表面修复烟气脱硫设备的异常工作状态转移概率值,将表面修复烟气脱硫设备中异常工作状态转移概率值大于预设值的异常工作状态对应的设备工作部位定义为待修复设备工作部位,并在大数据网络中检索待修复设备工作部位的修复方案并输出,得到完好烟气脱硫设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311675731.1A CN117420867B (zh) | 2023-12-08 | 2023-12-08 | 基于人工智能的烟气脱硫过程智能优化控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311675731.1A CN117420867B (zh) | 2023-12-08 | 2023-12-08 | 基于人工智能的烟气脱硫过程智能优化控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117420867A CN117420867A (zh) | 2024-01-19 |
CN117420867B true CN117420867B (zh) | 2024-03-08 |
Family
ID=89523335
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311675731.1A Active CN117420867B (zh) | 2023-12-08 | 2023-12-08 | 基于人工智能的烟气脱硫过程智能优化控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117420867B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002095930A (ja) * | 2000-09-25 | 2002-04-02 | Sumitomo Heavy Ind Ltd | 乾式脱硫・脱硝装置 |
CN106683351A (zh) * | 2016-12-28 | 2017-05-17 | 湖南坤宇网络科技有限公司 | 一种基于决策树系统的锅炉烟气脱硫设备故障预警方法 |
CN108126497A (zh) * | 2017-12-28 | 2018-06-08 | 徐州润华环保科技有限公司 | 用于湿法脱硫系统的烟气脱硫提效剂及其制备方法和应用 |
CN212262881U (zh) * | 2020-01-19 | 2021-01-01 | 大唐绥化热电有限公司 | 一种火电厂用高效的烟气脱硫装置 |
CN115541436A (zh) * | 2022-09-16 | 2022-12-30 | 攀钢集团研究院有限公司 | 检测烟气脱硫灰在自然堆存条件下吸水性能的装置及方法 |
CN115738622A (zh) * | 2023-01-09 | 2023-03-07 | 常州嘉瑞特环保能源科技有限公司 | 一种脱硫设备的尾气排放检测系统 |
-
2023
- 2023-12-08 CN CN202311675731.1A patent/CN117420867B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002095930A (ja) * | 2000-09-25 | 2002-04-02 | Sumitomo Heavy Ind Ltd | 乾式脱硫・脱硝装置 |
CN106683351A (zh) * | 2016-12-28 | 2017-05-17 | 湖南坤宇网络科技有限公司 | 一种基于决策树系统的锅炉烟气脱硫设备故障预警方法 |
CN108126497A (zh) * | 2017-12-28 | 2018-06-08 | 徐州润华环保科技有限公司 | 用于湿法脱硫系统的烟气脱硫提效剂及其制备方法和应用 |
CN212262881U (zh) * | 2020-01-19 | 2021-01-01 | 大唐绥化热电有限公司 | 一种火电厂用高效的烟气脱硫装置 |
CN115541436A (zh) * | 2022-09-16 | 2022-12-30 | 攀钢集团研究院有限公司 | 检测烟气脱硫灰在自然堆存条件下吸水性能的装置及方法 |
CN115738622A (zh) * | 2023-01-09 | 2023-03-07 | 常州嘉瑞特环保能源科技有限公司 | 一种脱硫设备的尾气排放检测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117420867A (zh) | 2024-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111522290A (zh) | 一种基于深度学习方法的脱硝控制方法和系统 | |
CN113050559B (zh) | 燃煤电厂脱硫系统与电除尘系统协同控制方法及系统 | |
CN109313443A (zh) | 用于在工业设施中自动生成补救措施的方法和系统 | |
CN113175678A (zh) | 垃圾焚烧的监控方法及装置 | |
US20210033282A1 (en) | Method for detecting a dioxin emission concentration of a municipal solid waste incineration process based on multi-level feature selection | |
CN109513323A (zh) | 一种用于湿法脱酸的实时监测与节能降耗系统及方法 | |
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 | |
CN117420867B (zh) | 基于人工智能的烟气脱硫过程智能优化控制方法及系统 | |
EP3863751A1 (fr) | Procede et dispositif de gestion d'un dispositif de traitement de gaz vicie | |
CN107255984B (zh) | 一种工业废气排放的监管系统及方法 | |
CN116688754A (zh) | 船舶烟气脱硫自动控制系统及其方法 | |
CN104090556A (zh) | 一种自适应生态焊接环境监控系统及方法 | |
CN116185087A (zh) | 一种基于机器学习的闭环脱氨控制系统 | |
CN112206645A (zh) | 一种火电厂脱硫效率控制方法及系统 | |
CN109833773A (zh) | 一种高效脱硝氨流量精确控制方法 | |
CN215985733U (zh) | 一种区域级二氧化碳排放监测与管控系统 | |
CN113361971B (zh) | 石膏脱水脱硫废水联控方法及系统 | |
KR102327720B1 (ko) | 유기성 폐기물 부숙도 관리 시스템 및 그 방법 | |
Yi et al. | Cascade constrained DMC-PID control for SCR denitrification system | |
CN114296414A (zh) | 一种环境治理工程管理系统及方法 | |
CN115146871A (zh) | 基于数据智能脱硫系统 | |
CN111675257B (zh) | 一种污水处理厂的远程集控方法与系统 | |
CN114811589B (zh) | 基于大数据技术的垃圾焚烧脱硝反应动态控制方法及系统 | |
CN117258531B (zh) | 一种燃点温度下催化氧化含乙烷废气的处理工艺及其设备 | |
CN218501699U (zh) | 一种生化臭气循环水回收利用系统 |
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 |