【技术实现步骤摘要】
本申请涉及脱硫处理领域，且更为具体地，涉及一种湿式氧化法脱硫和硫回收的方法和系统。
技术介绍
1、硫（sulfur）是一种非金属元素。天然气中常含有硫化氢，其会导致天然气管道和设备的腐蚀，从而缩短设备的使用寿命，增加维护成本，甚至造成设备失效。此外，硫化氢具有刺激性气味，而且在高浓度下可能会发生爆炸。如果天然气中含有大量硫化氢，一旦泄漏或发生事故，可能会造成火灾、爆炸等严重后果。为了后续工段的应用以及安全的管道输送，减少大气污染，一般需要对天然气进行脱硫处理。
2、现有技术中，对天然气的脱硫处理通常分为湿法脱硫、干法脱硫和半干法脱硫。其中，湿法脱硫通常使用含有吸收剂的溶液进行脱硫，其脱硫效率较高。但传统的湿法脱硫也存在一些问题，例如高度依赖于人工控制。比如，操作人员需要根据天然气或酸气中硫化氢的浓度和或其他运行参数，调整吸收剂的投加量，以确保有效脱硫。这种人工控制的方式因存在主观性可能导致控制结果的不一致，导致脱硫效果不稳定。因此，期待一种湿法脱硫智能化控制系统及方法。
技术实现思路
1、有鉴于此，本申请提出了一种湿式氧化法脱硫和硫回收的方法和系统，其可以实现高效的脱硫过程。
2、根据本申请的一方面，提供了一种湿式氧化法脱硫和硫回收的方法，其包括：将含硫化氢的原料气体输入脱硫塔，其中，所述脱硫塔使用脱硫贫液对所述含硫化氢的原料气体进行脱硫处理以得到净化产品气、硫单质和脱硫富液；所述硫单质进入所述脱硫富液以形成第一悬浮液，且所述第一悬浮液从所述脱硫塔的底部出来
3、在上述的湿式氧化法脱硫和硫回收的方法中，所述脱硫贫液为络合铁水溶液。
4、在上述的湿式氧化法脱硫和硫回收的方法中，将含硫化氢的原料气体输入脱硫塔，其中，所述脱硫塔使用脱硫贫液对所述含硫化氢的原料气体进行脱硫处理以得到净化产品气、硫单质和脱硫富液，包括：所述脱硫贫液中的三价铁离子被还原为二价铁离子以得到所述脱硫富液。
5、在上述的湿式氧化法脱硫和硫回收的方法中，在所述再生罐内输入氧气以将所述脱硫富液氧化为脱硫贫液，且所述脱硫贫液与所述硫单质形成的第二悬浮液进入缓冲罐，包括：获取由摄像头采集的所述第一悬浮液的预定时间段的状态监控视频；获取由传感器采集的所述预定时间段内的空气鼓入速率值的时间序列；对所述状态监控视频进行悬浮液颜色状态特征提取以得到悬浮液颜色语义时序关联特征向量；对所述空气鼓入速率值的时间序列进行空间鼓入时序特征提取以得到空气鼓入速率时序关联特征向量；以及基于所述悬浮液颜色语义时序关联特征向量和所述空气鼓入速率时序关联特征向量之间的响应性关联信息来确定空气鼓入速率值的控制指令。
6、在上述的湿式氧化法脱硫和硫回收的方法中，对所述状态监控视频进行悬浮液颜色状态特征提取以得到悬浮液颜色语义时序关联特征向量，包括：对所述状态监控视频进行关键帧离散采样以得到状态监控关键帧的序列；将所述状态监控关键帧的序列输入基于卷积神经网络模型的颜色特征提取器以得到悬浮液颜色语义特征向量的序列；以及将所述悬浮液颜色语义特征向量的序列输入基于自相关注意力网络的颜色时序关联模式特征提取器以得到所述悬浮液颜色语义时序关联特征向量。
7、在上述的湿式氧化法脱硫和硫回收的方法中，将所述悬浮液颜色语义特征向量的序列输入基于自相关注意力网络的颜色时序关联模式特征提取器以得到所述悬浮液颜色语义时序关联特征向量，包括：以如下自相关注意力公式对所述悬浮液颜色语义特征向量的序列进行处理以得到所述悬浮液颜色语义时序关联特征向量；其中，所述自相关注意力公式为：；其中，为第个注意力打分系数，为第个注意力打分系数，为所述悬浮液颜色语义特征向量的序列中第个悬浮液颜色语义特征向量，为第个悬浮液颜色语义特征向量，为第个权重系数矩阵，为第个权重系数向量，为第个偏置向量，表示双曲正切函数处理，表示以为底的指数函数处理，为第个注意力权重系数，为第个注意力权重系数，为所述悬浮液颜色语义特征向量的序列的长度，表示级联函数，为所述悬浮液颜色语义时序关联特征向量。
8、在上述的湿式氧化法脱硫和硫回收的方法中，对所述空气鼓入速率值的时间序列进行空间鼓入时序特征提取以得到空气鼓入速率时序关联特征向量，包括：将所述空气鼓入速率值的时间序列按照时间维度规整为空气鼓入速率时序输入向量；将所述空气鼓入速率时序输入向量通过基于一维扩展卷积神经网络的空气鼓入速率时序模式特征提取器以得到所述空气鼓入速率时序关联特征向量；其中，将所述空气鼓入速率时序输入向量通过基于一维扩展卷积神经网络的空气鼓入速率时序模式特征提取器以得到所述空气鼓入速率时序关联特征向量，包括：以如下一维扩展卷积公式对所述空气鼓入速率时序输入向量进行处理以得到所述空气鼓入速率时序关联特征向量；其中，所述一维扩展卷积公式为：；其中，一维扩展卷积核的尺寸为，为原始卷积核的长度，为扩展率，表示以所述空气鼓入速率时序输入向量中第个位置的特征值为首的长度为的时间窗口，是偏置项，且，是非线性激活函数，是第个局部卷积编码特征向量，为所述空气鼓入速率时序输入向量的维度，是所述空气鼓入速率时序关联特征向量，表示级联。
9、在上述的湿式氧化法脱硫和硫回收的方法中，基于所述悬浮液颜色语义时序关联特征向量和所述空气鼓入速率时序关联特征向量之间的响应性关联信息来确定空气鼓入速率值的控制指令，包括：计算所述悬浮液颜色语义时序关联特征向量相对于所述空气鼓入速率时序关联特征向量的响应性估计以得到空气鼓入速率-颜色语义变化响应性关联特征矩阵；以及将所述空气鼓入速率-颜色语义变化响应性关联特征矩阵通过基于分类器的鼓入速率控制器以得到所述控制指令，所述控制指令用于表示空气鼓入速率值应增大、应减小或应保持不变。
10、在上述的湿式氧化法脱硫和硫回收的方法中，还包括训练步骤：对所述基于卷积神经网络模型的颜色特征提取器、所述基于自相关注意力网络的颜色时序关联模式特征提取器、所述基于一维扩展卷积神经网络的空气鼓入速率时序模式特征提取器和所述基于分类器的鼓入速率控制器进行训练；其中，所述训练步骤，包括：获取训练数据，所述训练数据包括由摄像头采集的所述第一悬浮液的预定时间段的训练状态监控视频、由传感器采集的所述预定时间段内的训练空气鼓入速率值的时间序列，以及，空气鼓入速率值应增大、应减小或应保持不变的真实值；对所述训练状态监控视频进行关键帧离散采样以得到训练状态监控关键帧的序列；将所述训练状态监控关键帧的序列输入所述基于卷积神经网络模型的颜色特征提取器以得到训练悬浮液颜色语义特征向量的序列；将所述训练悬浮液颜色语义特征向量的序列输入所述基于自相关注意力网络的颜色时序关联模式特征提取器以得到训练悬浮液颜色语义时序关联特征向量；将所述本文档来自技高网...
【技术保护点】
1.一种湿式氧化法脱硫和硫回收的方法，其特征在于，包括：将含硫化氢的原料气体输入脱硫塔，其中，所述脱硫塔使用脱硫贫液对所述含硫化氢的原料气体进行脱硫处理以得到净化产品气、硫单质和脱硫富液；所述硫单质进入所述脱硫富液以形成第一悬浮液，且所述第一悬浮液从所述脱硫塔的底部出来后经富液泵输送至再生罐；在所述再生罐内输入氧气以将所述脱硫富液氧化为脱硫贫液，且所述脱硫贫液与所述硫单质形成的第二悬浮液进入缓冲罐；以及所述缓冲罐内的所述第二悬浮液经滤液泵打入压滤机，以通过所述压滤机将所述硫单质加工为硫饼产品且剩下的所述脱硫贫液经循环泵重新进入所述脱硫塔；其中，在所述再生罐内输入氧气以将所述脱硫富液氧化为脱硫贫液，且所述脱硫贫液与所述硫单质形成的第二悬浮液进入缓冲罐，包括：获取由摄像头采集的所述第一悬浮液的预定时间段的状态监控视频；获取由传感器采集的所述预定时间段内的空气鼓入速率值的时间序列；对所述状态监控视频进行悬浮液颜色状态特征提取以得到悬浮液颜色语义时序关联特征向量；对所述空气鼓入速率值的时间序列进行空间鼓入时序特征提取以得到空气鼓入速率时序关联特征向量；以及基于所述悬浮液颜色语义时序关联特
2.根据权利要求1所述的湿式氧化法脱硫和硫回收的方法，其特征在于，所述脱硫贫液为络合铁水溶液。
3.根据权利要求2所述的湿式氧化法脱硫和硫回收的方法，其特征在于，将含硫化氢的原料气体输入脱硫塔，其中，所述脱硫塔使用脱硫贫液对所述含硫化氢的原料气体进行脱硫处理以得到净化产品气、硫单质和脱硫富液，包括：所述脱硫贫液中的三价铁离子被还原为二价铁离子以得到所述脱硫富液。
4.根据权利要求3所述的湿式氧化法脱硫和硫回收的方法，其特征在于，对所述状态监控视频进行悬浮液颜色状态特征提取以得到悬浮液颜色语义时序关联特征向量，包括：对所述状态监控视频进行关键帧离散采样以得到状态监控关键帧的序列；将所述状态监控关键帧的序列输入基于卷积神经网络模型的颜色特征提取器以得到悬浮液颜色语义特征向量的序列；以及将所述悬浮液颜色语义特征向量的序列输入基于自相关注意力网络的颜色时序关联模式特征提取器以得到所述悬浮液颜色语义时序关联特征向量。
5.根据权利要求4所述的湿式氧化法脱硫和硫回收的方法，其特征在于，将所述悬浮液颜色语义特征向量的序列输入基于自相关注意力网络的颜色时序关联模式特征提取器以得到所述悬浮液颜色语义时序关联特征向量，包括：以如下自相关注意力公式对所述悬浮液颜色语义特征向量的序列进行处理以得到所述悬浮液颜色语义时序关联特征向量；其中，所述自相关注意力公式为：；其中，为第个注意力打分系数，为第个注意力打分系数，为所述悬浮液颜色语义特征向量的序列中第个悬浮液颜色语义特征向量，为第个悬浮液颜色语义特征向量，为第个权重系数矩阵，为第个权重系数向量，为第个偏置向量，表示双曲正切函数处理，表示以为底的指数函数处理，为第个注意力权重系数，为第个注意力权重系数，为所述悬浮液颜色语义特征向量的序列的长度，表示级联函数，为所述悬浮液颜色语义时序关联特征向量。
6.根据权利要求5所述的湿式氧化法脱硫和硫回收的方法，其特征在于，对所述空气鼓入速率值的时间序列进行空间鼓入时序特征提取以得到空气鼓入速率时序关联特征向量，包括：将所述空气鼓入速率值的时间序列按照时间维度规整为空气鼓入速率时序输入向量；将所述空气鼓入速率时序输入向量通过基于一维扩展卷积神经网络的空气鼓入速率时序模式特征提取器以得到所述空气鼓入速率时序关联特征向量；其中，将所述空气鼓入速率时序输入向量通过基于一维扩展卷积神经网络的空气鼓入速率时序模式特征提取器以得到所述空气鼓入速率时序关联特征向量，包括：以如下一维扩展卷积公式对所述空气鼓入速率时序输入向量进行处理以得到所述空气鼓入速率时序关联特征向量；其中，所述一维扩展卷积公式为：；其中，一维扩展卷积核的尺寸为，为原始卷积核的长度，为扩展率，表示以所述空气鼓入速率时序输入向量中第个位置的特征值为首的长度为的时间窗口，是偏置项，且，是非线性激活函数，是第个局部卷积编码特征向量，为所述空气鼓入速率时序输入向量的维度，是所述空气鼓入速率时序关联特征向量，表示级联。
7.根据权利要求6所述的湿式氧化法脱硫和硫回收的方法，其特征在于，基于所述悬浮液颜色语义时序关联特征向量和所述空气鼓入速率时序关联特征向量之间的响应性关联信息来确定空气鼓入速率值的控制指令，包括：计算所述悬浮液颜色语义时序关联特征向量相对于所述空气鼓入速率时序关联特征向量的响应性估计以得到空气鼓入速率-颜色语义变化响应性关联特征矩阵；以及将所述空气鼓入速率-颜色语...
【技术特征摘要】
1.一种湿式氧化法脱硫和硫回收的方法，其特征在于，包括：将含硫化氢的原料气体输入脱硫塔，其中，所述脱硫塔使用脱硫贫液对所述含硫化氢的原料气体进行脱硫处理以得到净化产品气、硫单质和脱硫富液；所述硫单质进入所述脱硫富液以形成第一悬浮液，且所述第一悬浮液从所述脱硫塔的底部出来后经富液泵输送至再生罐；在所述再生罐内输入氧气以将所述脱硫富液氧化为脱硫贫液，且所述脱硫贫液与所述硫单质形成的第二悬浮液进入缓冲罐；以及所述缓冲罐内的所述第二悬浮液经滤液泵打入压滤机，以通过所述压滤机将所述硫单质加工为硫饼产品且剩下的所述脱硫贫液经循环泵重新进入所述脱硫塔；其中，在所述再生罐内输入氧气以将所述脱硫富液氧化为脱硫贫液，且所述脱硫贫液与所述硫单质形成的第二悬浮液进入缓冲罐，包括：获取由摄像头采集的所述第一悬浮液的预定时间段的状态监控视频；获取由传感器采集的所述预定时间段内的空气鼓入速率值的时间序列；对所述状态监控视频进行悬浮液颜色状态特征提取以得到悬浮液颜色语义时序关联特征向量；对所述空气鼓入速率值的时间序列进行空间鼓入时序特征提取以得到空气鼓入速率时序关联特征向量；以及基于所述悬浮液颜色语义时序关联特征向量和所述空气鼓入速率时序关联特征向量之间的响应性关联信息来确定空气鼓入速率值的控制指令。
2.根据权利要求1所述的湿式氧化法脱硫和硫回收的方法，其特征在于，所述脱硫贫液为络合铁水溶液。
3.根据权利要求2所述的湿式氧化法脱硫和硫回收的方法，其特征在于，将含硫化氢的原料气体输入脱硫塔，其中，所述脱硫塔使用脱硫贫液对所述含硫化氢的原料气体进行脱硫处理以得到净化产品气、硫单质和脱硫富液，包括：所述脱硫贫液中的三价铁离子被还原为二价铁离子以得到所述脱硫富液。
4.根据权利要求3所述的湿式氧化法脱硫和硫回收的方法，其特征在于，对所述状态监控视频进行悬浮液颜色状态特征提取以得到悬浮液颜色语义时序关联特征向量，包括：对所述状态监控视频进行关键帧离散采样以得到状态监控关键帧的序列；将所述状态监控关键帧的序列输入基于卷积神经网络模型的颜色特征提取器以得到悬浮液颜色语义特征向量的序列；以及将所述悬浮液颜色语义特征向量的序列输入基于自相关注意力网络的颜色时序关联模式特征提取器以得到所述悬浮液颜色语义时序关联特征向量。
5.根据权利要求4所述的湿式氧化法脱硫和硫回收的方法，其特征在于，将所述悬浮液颜色语义特征向量的序列输入基于自相关注意力网络的颜色时序关联模式特征提取器以得到所述悬浮液颜色语义时序关联特征向量，包括：以如下自相关注意力公式对所述悬浮液颜色语义特征向量的序列进行处理以得到所述悬浮液颜色语义时序关联特征向量；其中，所述自相关注意力公式为：；其中，为第个注意力打分系数，为第个注意力打分系数，为所述悬浮液颜色语义特征向量的序列中第个悬浮液颜色语义特征向量，为第个悬浮液颜色语义特征向量，为第个权重系数矩阵，为第个权重系数向量，为第个偏置向量，表示双曲正切函数处理，表示以为底的指数函数处理，为第个注意力权重系数，为第个注意力权重系数，为所述悬浮液颜色语义特征向量的序列的长度，表示级联函数，为所述悬浮液颜色语义时序关联特征向量。
6.根据权利要求5所述的湿式氧化法脱硫和硫回收的方法，其特征在于，对所述空气鼓入速率值的时间序列进行空间鼓入时序特征提取以得到空气鼓入速率时序关联特征向量，包括：将所述空气鼓入速率值的时间序列按照时间维度规整为空气鼓入速率时序输入向量；将所述空气鼓入速率时序输入向量通过基于一维扩展卷积神经网络的空气鼓入速率时序模式特征提取器以得到所述空气鼓入速率时序关联特征向量；其中，将所述空气鼓入速率时序输入向量通过基于一维扩展卷积神经网络的空气鼓入速率时序模式特征提取器以得到所述空气鼓入速率时序关联特征向量，包括：以如下一维扩展卷积公式对所述空气鼓入速率时序输入向量进行处理以得到所述空气鼓入速率时序关联特征向量；其中，所述一维扩展卷积公式为：；其中，一维扩展卷积核的尺寸为，为原始卷积核的长度，为扩展率，表示以所述空气鼓入速率时序输入向量中第个位置的特征值为首的长度为的时间窗口，是偏置项...
【专利技术属性】
技术研发人员：曾强，何涛，冒云龙，王鑫，
申请(专利权)人：新疆凯龙清洁能源股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。