论文部分内容阅读
循环流化床烟气脱硫(CFB-FGD)技术以循环流化床原理为基础,通过对反应产物和脱硫剂的多次循环利用,增加了反应器内的物料浓度,延长了反应时间,使脱硫剂的利用率和脱硫效率大幅提高,是一种具有投资低、脱硫效率高、运行可靠和操作维护方便等特点的烟气脱硫技术。 我国的燃煤发电在电力供给中占80%以上。以煤为主的能源消耗结构导致了二氧化硫的大量排放,对我国生态环境产生了严重的影响。节约资源,减少污染排放是我国急需解决的重要问题之一。为研究开发出技术可行、指标较高、工程改造量不大、施工周期较短、投资比较合理等特点的具有我国自主知识产权的燃煤电厂CFB-FGD控制技术,本文以国家“十五”重点攻关课题“CFB-FGD设备自动控制技术的研究与开发”为基础,建立了CFB-FGD机理模型。但由于CFB-FGD系统是一个非线性多变量复杂的系统,当前还未能完全掌握其复杂的机理,从机理角度出发建立的数学模型还不能完全满足要求,这就导致了CFB-FGD系统的放大设计以及工业生产过程的指导仍然主要是基于经验性的。除了数学模型的建立和维护都很复杂以外,数学模型在计算时需要较长时间进行反复迭代,为了解决这些困难,本文对CFB-FGD系统进行了基于神经网络的智能集成建模研究。 首先,本文在智能集成建模理论的指导下,重点探讨了神经网络与传统建模方法间的集成,提出了输入加权式前向神经网络智能集成建模方法,并给出了其具体实现。该方法预测精度高,收敛速度较快,适合于非线性严重,特别是输入变量较多的工业过程。 接着,对CFB-FGD过程运行规律进行了深入的分析,建立了CFB-FGD机理模型。包括:反应器内干燥阶段脱硫模型、气固阶段脱硫模型、布袋除尘器脱硫模型和考虑物料返混情况下的脱硫模型,其中干燥阶段模型又包含了环/核流动模型。为检验过程模型的可行性,将建立的稳态机理模型的计算值与实际数据进行了比较,结果表明所建立的模型能够较好的模拟实际系统的稳态运行状态。 最后,根据CFB-FGD机理模型确定了影响脱硫效率的因素,并由各因素对脱硫效率贡献的大小确定了其加权系数,建立了CFB-FGD系统的基于神经网络的智能集成模型。并对此模型的结构、训练和模拟能力进行了深入系统的研究。仿真结果表明,该神经网络智能集成模型可以较好地模拟和预测脱硫效率;和机理模型相比,CFB-FGD神经网络智能集成模型的效果更好。