一种湿法脱硫浆液pH值软测量方法、装置及存储介质制造方法及图纸

本发明专利技术公开了一种湿法脱硫浆液pH值软测量方法、装置及存储介质，属于燃煤机组软测量技术领域。针对机组pH计易损坏以及冲洗过程中失真的弊端，通过建立涵盖多种工况的训练样本并进行BP神经网络训练，可以建立烟气流量等相关信号与浆液pH值的映射关系，在不加装其它硬件的基础上实现浆液pH值测量的功能。在测量硬件损坏或冲洗时无法准确获得测量值，而采用软测量的方案可以在不依赖硬件的基础上稳定实现浆液pH值的准确测量，实现浆液pH在机组全负荷、全工况的实时监控。全工况的实时监控。全工况的实时监控。

【技术实现步骤摘要】
一种湿法脱硫浆液pH值软测量方法、装置及存储介质


[0001]本专利技术属于燃煤机组软测量
，具体涉及一种湿法脱硫浆液pH值软测量方法、装置及存储介质。

技术介绍

[0002]在发电行业中，燃煤机组长期占据主导地位，并且在未来很长一段时间内这种情况也不会改变。在这种背景下，为了防止煤燃烧产生的SO2等污染物对环境造成不可逆的破坏，控制SO2排放成为了各个火力发电企业必须面对和解决的问题。
[0003]烟气脱硫作为脱除烟气中SO2的有效手段，已经成为了燃煤机组烟气处理的必备环节，有着大规模的商业应用。烟气脱硫主要分为湿法脱硫、干法脱硫、半干法脱硫，其中湿法脱硫以脱硫反应速度快、设备简单、脱硫效率高、有副产品收益等优点而被普遍采用。
[0004]浆液pH作为湿法脱硫系统的关键参数，综合反映了吸收塔内的酸碱度情况，直接影响到SO2的吸收效率以及副产物石膏的品质，是控制供浆泵的重要依据，因此被要求实时监控。目前燃煤机组普遍采用pH计探头对吸收塔浆液进行pH检测，由于浆液成分复杂，含有晶体以及未完全溶解的石灰石颗粒，易附着于管道及pH计电极上，需要对pH计反复冲洗，造成电极磨损严重，不仅影响pH计寿命且会造成测量失真。

技术实现思路

[0005]为了解决上述问题，本专利技术提供了一种湿法脱硫浆液pH值软测量方法、装置及存储介质，能够在不依赖硬件的基础上稳定实现浆液pH值的准确测量，实现浆液pH在机组全负荷、全工况的实时监控。
[0006]本专利技术是通过以下技术方案来实现：
>[0007]本专利技术公开了一种湿法脱硫浆液pH值软测量方法，包括：
[0008]S1：以烟气流量、入口SO2浓度、入口O2含量、供浆流量和石灰石浆液密度作为输入变量，以浆液pH值作为输出变量，建立浆液pH值软测量的BP神经网络模型；
[0009]S2：确定浆液pH值软测量BP神经网络模型的训练样本和单个神经元的激励函数；
[0010]S3：通过输入数据的正向传递计算得到浆液pH值；利用梯度下降法，通过误差传递和权重更新对浆液pH值软测量BP神经网络模型进行调整，完成浆液pH值软测量BP神经网络模型的训练；
[0011]S4：向训练好的浆液pH值软测量BP神经网络模型输入实际的烟气流量、入口SO2浓度、入口O2含量、供浆流量和石灰石浆液密度，输出浆液pH软测量值。
[0012]优选地，S1中，所述浆液pH值软测量的BP神经网络模型的数学表达式为：
[0013]H＝f(Q,C1,C2,C3,C4)
[0014]式中，Q为烟气流量，C1为入口SO2浓度，C2为入口O2含量，C3为供浆流量，C4为石灰石浆液密度，H为浆液pH值。
[0015]进一步优选地，所述浆液pH值软测量的BP神经网络模型包括输入层、隐含层和输
出层三层结构；输入层包含5个神经元，将烟气流量、入口SO2浓度、入口O2含量、供浆流量和石灰石浆液密度数据输入隐含层；隐含层包含8个神经元，接收输入层数据并计算得到隐含层输出数据；输出层包含1个神经元，接收隐含层输出数据计算得到浆液pH值。
[0016]进一步优选地，S2中，所述浆液pH值软测量的BP神经网络模型的训练样本采用机组在40％Pe、60％Pe、80％Pe和100％Pe下各100组实测数据，如下式：
[0017][0018]式中，为采样时刻t
n
的烟气流量；为采样时刻t
n
的入口SO2浓度；为采样时刻t
n
的入口O2含量；为采样时刻t
n
的供浆流量；为采样时刻t
n
的石灰石浆液密度；为采样时刻t
n
的浆液pH值；t1‑
t
100
为机组负荷为40％Pe的采样时刻；t
101
‑
t
200
为机组负荷为60％Pe的采样时刻；t
201
‑
t
300
为机组负荷为80％Pe的采样时刻；t
301
‑
t
400
为机组负荷为100％Pe的采样时刻。
[0019]优选地，S2中，所述单个神经元的激励函数为sigmoid函数，计算公式如下式：
[0020][0021]优选地，S3中，通过输入数据的正向传递计算得到浆液pH值具体为：
[0022]计算隐含层各神经元输出：
[0023]x
mi
＝w
mi1
Q+w
mi2
C1+W
mi3
C2+W
mi4
C3+W
mi5
C4
[0024]式中，x
mi
为隐含层M第i个神经元输入即输入层各信号的加权和；w
mi1
为隐含层M第i个神经元与输入信号Q之间的权值；w
mi2
为隐含层M第i个神经元与输入信号C1之间的权值；w
mi3
为隐含层M第i个神经元与输入信号C2之间的权值；w
mi4
为隐含层M第i个神经元与输入信号C3之间的权值；w
mi5
为隐含层M第i个神经元与输入信号C4之间的权值；Q为烟气流量信号；C1为入口SO2浓度信号；C2为入口O2含量信号；C3为供浆流量信号；C4为石灰石浆液密度信号；
[0025][0026]式中，x
mi
为隐含层M第i个神经元输入；y
mi
为隐含层M第i个神经元输出；
[0027]计算输出层神经元输出：
[0028]x
o
＝w
o1
y
m1
+w
o2
y
m2
+
……
+w
o8
y
m8
[0029]式中，x
o
为输出层神经元输入即隐含层各神经元输出信号的加权和；w
oi
为输出层与隐含层第i个神经元输出之间的权值；y
mi
为隐含层M第i个神经元输出；
[0030][0031]式中，x
o
为输出层神经元输入；H为浆液pH值。
[0032]进一步优选地，S3中，通过误差传递和权重更新对浆液pH值软测量BP神经网络模型进行调整具体为：
[0033]确定误差计算函数：
[0034][0035]式中，E为BP神经网络计算误差；N为训练样本数量；H为浆液pH值；为当前浆液真实pH值；
[0036]根据误差计算更新权值：
[0037]设置学习率，各权值的更新公式为：
[0038][0039]式中，w
+
为更新后的神经网络连接权值；w为更新前的神经网络连接权值；η为学习率；
[0040]当误差达满足预设要求时，完成浆液pH值软测量BP神经网络模型的训练本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种湿法脱硫浆液pH值软测量方法，其特征在于，包括：S1：以烟气流量、入口SO2浓度、入口O2含量、供浆流量和石灰石浆液密度作为输入变量，以浆液pH值作为输出变量，建立浆液pH值软测量的BP神经网络模型；S2：确定浆液pH值软测量BP神经网络模型的训练样本和单个神经元的激励函数；S3：通过输入数据的正向传递计算得到浆液pH值；利用梯度下降法，通过误差传递和权重更新对浆液pH值软测量BP神经网络模型进行调整，完成浆液pH值软测量BP神经网络模型的训练；S4：向训练好的浆液pH值软测量BP神经网络模型输入实际的烟气流量、入口SO2浓度、入口O2含量、供浆流量和石灰石浆液密度，输出浆液pH软测量值。2.根据权利要求1所述的湿法脱硫浆液pH值软测量方法，其特征在于，S1中，所述浆液pH值软测量的BP神经网络模型的数学表达式为：H＝f(Q,C1,C2,C3,C4)式中，Q为烟气流量，C1为入口SO2浓度，C2为入口O2含量，C3为供浆流量，C4为石灰石浆液密度，H为浆液pH值。3.根据权利要求2所述的湿法脱硫浆液pH值软测量方法，其特征在于，所述浆液pH值软测量的BP神经网络模型包括输入层、隐含层和输出层三层结构；输入层包含5个神经元，将烟气流量、入口SO2浓度、入口O2含量、供浆流量和石灰石浆液密度数据输入隐含层；隐含层包含8个神经元，接收输入层数据并计算得到隐含层输出数据；输出层包含1个神经元，接收隐含层输出数据计算得到浆液pH值。4.根据权利要求2所述的湿法脱硫浆液pH值软测量方法，其特征在于，S2中，所述浆液pH值软测量的BP神经网络模型的训练样本采用机组在40％Pe、60％Pe、80％Pe和100％Pe下各100组实测数据，如下式：式中，为采样时刻t
n
的烟气流量；为采样时刻t
n
的入口SO2浓度；为采样时刻t
n
的入口O2含量；为采样时刻t
n
的供浆流量；为采样时刻t
n
的石灰石浆液密度；为采样时刻t
n
的浆液pH值；t1‑
t
100
为机组负荷为40％Pe的采样时刻；t
101
‑
t
200
为机组负荷为60％Pe的采样时刻；t
201
‑
t
300
为机组负荷为80％Pe的采样时刻；t
301
‑
t
400
为机组负荷为100％Pe的采样时刻。5.根据权利要求1所述的湿法脱硫浆液pH值软测量方法，其特征在于，S2中，所述单个神经元的激励函数为sigmoid函数，计算公式如下式：6.根据权利要求1所述的湿法脱硫浆液pH值软测量方法，其特征在于，S3中，通过输入数据的正向传递计算得到浆液pH值具体为：计算隐含层各神经元输出：x
mi
＝w
mi1
Q+w
mi2
C1+W
mi3
C2+W
mi4
C3+W
mi5
C4
式中，x
mi
为隐含层M第i个神经元输入即输入层各信号的加...

【专利技术属性】
技术研发人员：陆晨旭，金国强，张振伟，沈乾坤，王辰昱，宋国鹏，高宁，张栋，
申请(专利权)人：西安西热控制技术有限公司，
类型：发明
国别省市：