论文部分内容阅读
在热电厂的脱硫系统中，由于PH值决定着脱硫效率，大误差的PH值会导致脱硫系统工作浆液酸碱失衡，设备损毁加快，严重情况下可能导致整个系统故障，所以PH值监测是脱硫系统中最重要的技术之一。在脱硫现场，PH计的工作环境恶劣，仪器表头易磨损。为了确保PH值的准确性，电厂需要频繁检查和更换新的PH计，以保证PH计可以正常工作。尽管如此，PH计在工作过程中损坏的情况仍时有发生。为了在PH计损坏期间将其对脱硫系统的影响降到最低，脱硫系统需要在PH计损坏时使用一种临时的PH值预测器对系统PH值进行预测。本文将BP神经网络应用于脱硫系统PH值预测，其基本思想是将脱硫系统中吸收塔入口烟气温度、吸收塔入口烟气含氧量、吸收塔入口SO2含量、吸收塔入口含尘量以及石灰石浆液密度，这五个对PH值影响较大的参数作为神经网络的输入数据，PH值作为神经网络的输出数据。目前已有大量文献资料表明，神经网络在实际工程应用中具备可行性。但传统BP神经网络仍存在许多问题，比如：函数逼近精度不高、容易陷入局部最优解、网络对初始值很敏感等。本文将小波算法引入BP神经网络，结合小波算法和BP神经网络的优势，进一步提升了网络的函数逼近能力。对于脱硫系统PH值预测过程来说，这种网络不但训练速度较快，而且具备较高的预测精度。本文首先总结了目前国内电厂的脱硫工艺种类，阐述了目前脱硫系统中PH值主要的测量方法，分析当前方法的特点及其不足，指出PH值预测的重要意义。之后，分析了BP神经网络原理，对多种改进的BP算法进行仿真比较。最后，提出了一种适用于脱硫系统PH值分析的小波BP神经网络，详细分析了网络的设计过程，并在MATLAB2011环境下进行编程实现，取得了良好的结果。本文研究表明，将该方法运用到脱硫系统进行PH值预测具备可行性。