论文总字数：21878字

摘 要

本文以某660MW燃煤发电机组脱硫系统为对象，在研究脱硫系统的工艺流程和工作原理的基础上，采用运行数据分析关键运行参数对脱硫系统工作效率的影响关系，并建立基于数据驱动的石灰石/石膏湿法烟气脱硫系统特性模型。首先，本文针对脱硫系统运行数据混杂、动态、海量等特点，提出了基于粗大值剔除、稳态判定和数据约简的运行数据预处理方法，有效提升了运行数据的有效性。此外，为避免样本数据间由于离散特性而造成模型精度差的问题，本文按照浆液循环泵运行台数将数据样本分为2泵运行、3泵运行和4泵运行三组工况。在此基础上，本文以神经网络为建模手段，选取机组负荷、烟气流量、浆液PH值和SO2入口浓度为模型输入参数，分别建立了2泵、3泵和4泵三种工况下SO2出口浓度预测模型。在神经网络模型训练过程中，本文采用动量加速法代替了传统的梯度下降法，进一步提升了建模速率和建模精度。建模结果表明，本文所建立的出口SO2预测模型具有较高的预测精度，能够准确反映脱硫系统参数间的特性关系。

关键词：湿法脱硫，神经网络，数据驱动。

Abstract

In this paper, the desulfurization system of a 660MW coal-fired generating unit is taken as the object of study. On the basis of studying the process flow and working principle of the desulfurization system, the influence of key operating parameters on the efficiency of the desulfurization system is analyzed by operation data, and the characteristic model of limestone/gypsum wet flue gas desulfurization system based on data-driven is established. Firstly, in view of the characteristics of mixed, dynamic and massive operation data of desulfurization system, a pre-processing method of operation data based on gross value elimination, steady-state judgment and data reduction is proposed, which effectively improves the effectiveness of operation data. In addition, in order to avoid the problem of poor model accuracy caused by the discrete characteristics of sample data, the data samples are divided into three groups: two-pump operation, three-pump operation and four-pump operation according to the number of slurry circulating pump operation stations. On this basis, this paper takes the neural network as the modeling method, chooses the unit load, flue gas flow, slurry PH value and SO2 inlet concentration as the input parameters of the model, and establishes SO2 outlet concentration prediction models under three working conditions of two-pump operation, three-pump operation and four-pump operation, respectively. In the training process of the neural network model, the momentum acceleration method is used instead of the traditional gradient descent method, which further improves the modeling speed and accuracy. The modeling results show that the SO2 export prediction model established in this paper has high prediction accuracy and can accurately reflect the characteristic relationship between the parameters of the desulfurization system.

Key words：desulfurization system, neural network, data driven.

目 录

摘 要 2

Abstract 3

第一章 绪论 1

1.1 研究背景和选题意义 1

1.2国内外研究现状 2

1.3本文主要研究内容 3

第二章 石灰石/石膏湿法烟气脱硫系统 4

2.1脱硫技术 4

2.2石灰石/石膏湿法烟气脱硫 4

2.2.1脱硫系统工艺流程 4

2.2.2脱硫系统主要设备 5

2.2.3脱硫系统反应机理 6

2.3影响脱硫系统脱硫效率的主要因素 6

2.4本章小结 8

第三章 脱硫系统运行数据预处理 9

3.1野点剔除 9

3.2稳态值处理 10

3.2.1梯熵算法 10

3.2.2 热工系统信号稳态分析 11

3.3数据归约 12

3.4按工况分类 13

3.5数据归一化 13

3.6 本章小结 14

第四章 基于神经网络的脱硫系统特性建模 15

4.1 BP神经网络 15

4.1.1算法结构 15

4.1.2 BP神经网络训练 16

4.2 动量加速法优化算法 17

4.3 脱硫系统特性建模 18

4.3.1脱硫系统建模参数选择 18

4.3.2建模结果分析 19

4.4运行结果分析 20

4.5 本章小结 24

第五章 结论与展望 25

5.1 结论 25

5.2 对于本文后续研究的展望 25

参考文献 26

致 谢 28

第一章 绪论

1.1 研究背景和选题意义

随着经济的快速增长，我国对能源的需求也在快速增加。从2018年来看，煤炭在我国能源生产占比高达70%，同时能源消费中煤炭的占比也达到了61.8%，可见煤炭在能源消费和生产中占主要地位，这是我国能源结构的一大特点。文献表明^[1]，尽管我国的煤炭消费在能源消费总额中的占比将逐年下降，但在将来很长时间内还将继续以煤炭作为主要能源。煤炭作为一次能源，生产和消费的占比大，尤其是电力行业，目前电力行业是用煤大户，资料显示，2018年火电用煤总量占全国煤炭消费约50%。对能源的巨大需求量正是我国工业和能源行业飞速发展的体现。

煤炭在燃烧的过程中，会产生一系列的污染物，如SO₂,NO_X和粉尘。SO₂会引起酸雨这类自然灾害、粉尘会造成雾霾天气。目前，欧美国家SO₂排放量逐年下降，随着我国经济、能源需求的快速增长，我国已经成为世界上SO₂排放量最大的国家。实际上，全球电力企业粉尘、SO₂、NO_X排放量巨大，已经成为一个影响广泛，不可忽视的重大环境问题^[2]。

剩余内容已隐藏，请支付后下载全文，论文总字数：21878字