分享
基于神经网络判别的脱硫运行优化模型及应用_张志勇.pdf
下载文档

ID:2372165

大小:1.30MB

页数:6页

格式:PDF

时间:2023-05-10

收藏 分享赚钱
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,汇文网负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。
网站客服:3074922707
基于 神经网络 判别 脱硫 运行 优化 模型 应用 张志勇
第 卷 第 期 年 月 化 学 工 程()收稿日期:作者简介:张志勇(),男,博士,高级工程师,研究方向为电力环保,电话:,:;阿茹娜(),女,硕士,高级工程师,研究方向为电力环保,电话:,:。基于神经网络判别的脱硫运行优化模型及应用张志勇,阿茹娜,赵全中,王 猛,刘显丽,武 洁,张 晗,赵 宇(内蒙古电力科学研究院,内蒙古 呼和浩特)摘要:当前在役的火力发电锅炉配套的湿法脱硫装置的控制系统普遍缺乏对吸收塔运行状态预测和优化的模型,从而导致了粗放的调节控制方式,对吸收塔运行调整不到位的问题。针对该问题,提出一种基于网络判别的吸收塔优化运行模型,通过设定 个输入向量以及 个输出向量,用于预测吸收塔主要运行参数,经过对不同负荷工况下 组的样本集进行训练,确定了隐含层的神经元为 个,对模型进行测试后,应用于内蒙古某电厂的脱硫系统。结果表明:模型能够对脱硫系统的运行性能进行综合评价,并通过评分系统给出脱硫系统运行建议,指导脱硫系统的运行。关键词:湿法脱硫;吸收塔;运行模型;神经网络判别;优化中图分类号:文献标识码:文章编号:():,(,):,:;超低排放以及减污降碳的新政策要求燃煤电站必须选择稳定性更强、能耗更低的超低排放技术路线,因此对环保设备系统运行可靠性、稳定性以及节能降耗都提出了更为精细化的控制要求。但当前运行的脱硫装置大多数仍然存在工况数据采集不足,对系统运行的深度分析不足,难以满足烟气脱硫装置精细化监督管理的要求,进而影响火电机组的稳定可靠运行。作为整个脱硫系统中最主要的装置,典型的脱硫吸收塔包含浆液氧化区、喷淋吸收区、除雾区以及塔顶湿式电除尘器等功能区。吸收塔的核心化学反应过程发生在喷淋吸收区和浆液氧化区,这两部分是影响脱硫效率的关键功能区,与其相关的运行参数也是精准构建运行优化模型的主要内容。湿法烟气脱硫吸收塔是一个具有强耦合性的系统,运行的优化需要通过多个控制指标的相互制约化学工程 年第 卷第 期 投稿平台:来实现,为优化吸收塔的运行,许多学者提出多目标优化的算法。由于吸收塔传热传质过程很大程度上取决于关键运行参数,因此陈保奎等从传热传质的机理出发,进行机理方向的模型研究,此类一维模型适用于小数据量的研究对象,可实现最大相对误差在具有指导意义的范围内,而对于变量多、数据大、系统复杂的对象,在实际应用的过程中模拟的精度会出现偏差。对于上述研究的模型在运用中的问题,众多学者从不同方面进行了理论和工程实践的探索。曹建宗等从运行机理角度分析了湿法脱硫系统运行中的典型问题并指出主要影响因素,指出问题出现的主因在于系统的紊乱,从多方面论证了人工智能用于指导脱硫系统稳定运行的可行性,并提出了具体实施思路。范昊鹏等以粒子群算法()为基础,针对浆液 值、浆液流量和脱硫系统负荷等参数,得到可用于优化脱硫系统运行的多输入双输出模型。汪鑫采用粒子群算法优化的 神经网络模型,研究了 值、浆液流量及系统负荷等对脱硫入口 浓度指导值。郑茗友等使用粒子群算法确定提取出的主要参数的函数形式,最后使用套索()算法确定最终的预测模型。目前很多模型可用于脱硫设计过程的优化,但很多模型的训练数据与应用数据存在偏差,不具备实时性;而部分模型并未针对吸收塔的主要运行参数进行建模;还有部分模型自适应能力较差,应用在不同结构的吸收塔时精确度偏差较大,需要人工根据运行工况重新制定判定规则及参数范围。因此,针对当前缺乏指导运行模型对吸收塔反应状态进行预测的现状,文中将构建一种基于神经网络判别的吸收塔运行优化模型,通过输入吸收塔已知的运行参数,实现运行关键参数的输出预测,并根据预测结果给出运行建议,进而实现对吸收塔运行优化的指导。神经网络模型的构建思路文中神经网络模型的构建基于假定脱硫系统运行稳定,且不考虑吸收塔结构的差异,根据吸收塔运行参数的特点进行输入和输出参数的判定。确定模型的输入向量为(液气比),(初始质量浓度),(烟气流量),(浆液区液位),(石灰石流量),(入口烟气温度)。输出向量为(脱硫效率),(出口烟气温度)。模型结构由输入层、隐含层和输出层构成,均为单层结构,将模型应用于包含有吸收塔完整运行工况的训练样本集,最终建立基于神经网络判别的吸收塔优化运行模型,通过输入吸收塔实际运行数据并经过模型计算和输出结果,对吸收塔的实时运行给出指导建议,从而真正实现对吸收塔优化运行的指导,达到节能降耗的目的。神经网络模型的构建 确定输入向量和输出向量根据吸收塔运行参数间的关联性及交互影响,将 ,等 项运行参数确定为本次神经网络模型的输入向量,将,等 项参数确定为输出向量。确定神经网络模型结构模型的输入向量为 个,输出向量为 个,中间隐含层节点数过多,会增加模型的复杂性,节点数过少会降低模型的精确性。因此,根据经验公式,初设模型隐含层节点数为 个,训练样本数满足神经网络结构连接权数的 倍数量。神经网络模型的结构如图 所示。图 吸收塔神经网络优化模型结构 神经网络训练模型训练采用的样本集数据取自内蒙古能源发电某热电有限公司 空冷汽轮发电 号机组脱硫系统吸收塔的运行数据,样本数量设定为 组,所选机组脱硫塔的工艺参数如表 所示,所选样本集的特征及波动范围如表 所示。张志勇等 基于神经网络判别的脱硫运行优化模型及应用 投稿平台:表 脱硫塔的工艺参数 参数数值参数数值脱硫塔直径 氧化风机流量()循环泵数量 台氧化风机压升 循环泵总流量()脱硫塔设计阻力 循环泵扬程 设计值 搅拌器数量 台液位设计值 搅拌器功率 浆液密度设计值()氧化风机数量 台除雾器型式管束式除雾器表 样本集数据特征值及波动范围 分析指标最小值最大值平均值液气比()初始质量浓度()烟气流量()浆液区液位 石灰石流量()入口烟气温度 脱硫效率 出口烟气温度 基于对目前机组运行负荷情况的调查,根据不同的烟气负荷参数对样本数进行分组,以实际烟气量与脱硫设计全烟气量的比值作为分组参数。其中,比值为 及以下为低烟气负荷样本;为中烟气负荷样本;为高烟气负荷样本;及以上为满烟气负荷样本。选取低烟气负荷样本 组(占比 ),中烟气负荷样本 组(占比),高烟气负荷样本 组(占比),满烟气负荷样本 组(占比),模型在进入训练之前,需对选定的训练样本数据组进行归一化处理,公式如下:()式中:、为常数;为每组因子变量的实际最大值;为每组因子变量的实际最小值;为因子变量归一前的值;为因子变量归一后的值。隐含层神经元的输出变换函数采用非线性 型函数,函数具体如下:()()式中:为神经元的输入;为神经元的输出。公式确定之后,神经网络模型基本构建完成,开始利用选定的训练样本集对模型进行训练。将不同烟气负荷的 个训练样本进行模型训练时,计算分为两个过程:工作信号的正向传递和误差信号的反向传递,采用一阶梯度下降法对信号传递过程中神经网络优化模型结构中网络连线的权值和阈值持续修正,直到模型输出误差低于预设值(本次误差预设值为),即认定模型的精度达到预期要求。由于模型计算的复杂度和精准度主要取决于隐含层神经元的数量,因此,需要对模型的隐含层神经元的数量进行多次设定并进行迭代计算,通过对迭代误差进行对比分析进而确定隐含层神经元的数量。对本次的 个训练样本进行分组训练,设定不同隐含层神经元数量所产生的迭代误差如图 所示。图 隐含层神经元不同数量迭代误差分布 从图 中可知,隐含层选取不同神经元数量的迭代误差计算结果精确度不同,最大的差异度可达,对于本次训练后的模型,隐含层采用 个神经元时,精度最高,迭代误差仅为 ,满足误差预设值要求,因此根据迭代误差结果,最终确定了吸收塔优化模型隐含层神经元数量为 个。模型测试为验证模型的可靠性,对经过训练后建立的模型再进行测试。选取相同吸收塔为研究对象,在训练模型的 组训练样本之外,分别从低负荷、中负荷、高负荷、满负荷 种工况下随机选取一组数据,分别编号为,作为测试样本进行计算并输出化学工程 年第 卷第 期 投稿平台:结果。测试样本实测值与模型计算输出参数的预测值对比以及相对误差值如图 所示。输出向量,的相对误差平均值分别为 ,和,精度良好。图 测试样本实测值与输出参数的预测值对比 输入向量敏感性分析针对以上建立的神经网络模型采用敏感性分析方法来研究输入向量对输出向量的影响。敏感性分析采用 方法,用于评估输入向量的影响程度。利用式()进行模型 个输入向量对 个输出向量的敏感权重计算。,()式中:,为第 个输入向量对第 个输出向量的敏感性权重;,为第 个输入向量到隐含层的第 个神经元之间的连接权值;,为隐含层第 个神经元到输出层的第 个输出向量之间的连接权值。通过 方法处理神经网络训练后的数据,计算出敏感性大小的量化值的占比如图 所示。图 输入向量对输出向量的敏感权重分析 由图 可以看出,对 影响前 位的输入向量分别为、和(石灰石流量),敏感权重分别为、和;对 影响最大的输入向量为(石灰石流量),敏感权重为 ;而对于(出口烟气温度),影响最大的输入向量为(入口烟气温度),敏感权重为 。通过输入量对输出量的敏感权重分析可以更直观的显示输出向量,影响权重更大的向量,对工程运行有指导性意义。模型应用案例 优化运行策略选取内蒙古能源发电某热电有限公司 号机组脱硫系统作为试点研究对象,基于电厂脱硫实时大数据系统和数据挖掘方法,建立智能化控制系统及自身优化学习系统。利用已建设完成的工况过程监控现场采集端设备,补充采集脱硫设施运行数据,完成吸收塔远程诊断与预警模块的建设。以机组监测的实时负荷数据和吸收塔的实时关键数据为基础,通过文中构建的模型对吸收塔运行中出现的脱硫效率下降,值异常,排烟温度异常等系统故障进行预测、分析、诊断,并给出运行指导意见。通过对吸收塔运行参数的收集、计算、分析、处理和存储,不断地运用模型进行计算和智能分析,进而得到整个脱硫系统的运行分析报告。张志勇等 基于神经网络判别的脱硫运行优化模型及应用 投稿平台:吸收塔优化模型的应用模型基于测点所收集大数据和数据挖掘手段建立智能化控制系统,可实现自身优化学习。初期阶段结合收集运行人员操作过程中设备参数变化对烟气脱硫效率的影响等综合分析,构建模型并确定输入向量和输出向量。案例对模型的 个输出向量,进行应用结果的预测,并将预测值与实际工况的数值进行对比分析,进而评价模型在吸收塔优化应用的准确性和适用性。案例选取内蒙古能源发电某热电有限公司 空冷汽轮发电机组 号为应用对象,烟气脱硫装置采用 炉 塔形式,按照吸收塔入口烟气 初始质量浓度 (干态,),吸收塔出口 质量浓度不超过 (干态,)进行设计。选取一段时间的运行数据进行预测,样品数据为 个时间点,与 系统的实测数据进行对比,以验证模型的可行性,并计算相应的误差。模型预测结果如图 所示,由图中可见,在所选取的稳定工况下的 个样品数据中,文中建立模型的预测效果比较准确,模型的输出向量,均能达到较好的预测水平,有助于脱硫控制系统的优化。同时,根据以上模型的输出数据与在线监督系统的操作反馈数据的对比,建立在线监督系统的评分模型,该模型以脱硫系统为服务对象,通过对输出向量的参数分析和偏差分析,计算出脱硫系统及吸收塔的运行得分,为技术人员提供脱硫系统运行偏差信息和可靠性指数,并对脱硫系统的综合性能进行评价。通过评分系统给出脱硫系统运行建议,指导运行人员根据脱硫系统的情况及时调整,使脱硫系统运行在经济稳定的状态,具有较强的实用性。图 脱硫效率预测结果 图 值预测结果 图 出口烟气温度预测结果 结论()通过对湿法烟气脱硫系统吸收塔运行参数进行判别,设定 个输入向量和 个输出向量,构建了基于网络判别的吸收塔优化运行模型,选取典型负荷条件下的 组样本对模型进行训练和测试,并确定了 个隐含层的神经元。()采用 敏感性分析方法进行 个输入向量对 个输出向量的敏感权重计算,得出对输出向量敏感权重影响最大的输入向量。()在内蒙古能源发电某热电有限公司 号机组的应用结果表明,模型经训练检测定型后,自适应能力较好,无需过多的人为设定或调整参数,能够实现对吸收塔运行过程关键变量的实时输出预测,同时精准度也能满足实际运行的要求。()模型可嵌入脱硫系统现有

此文档下载收益归作者所有

下载文档
你可能关注的文档
收起
展开