基于過程監(jiān)控的煙氣排放軟測量預測研究.pdf

1、人類面臨著越來越嚴重的環(huán)境問題，大氣污染是其中的一個重要方面?；痣姀S排放的廢氣和煙塵污染物是大氣污染的一個重要來源。為了限制火電廠污染物的排放，國家嚴格制定了污染物的排放標準。二氧化硫是電廠排放最主要的大氣污染物，本課題的研究對象是火電廠石灰石-石膏濕法脫硫系統(tǒng)二氧化硫的排放。本文在對火電廠脫硫系統(tǒng)全面了解的基礎上，分析了影響脫硫效率和二氧化硫排放濃度的主要因素。目前，火電廠對煙氣污染物的主要監(jiān)測分析設備是煙氣連續(xù)排放監(jiān)測系統(tǒng)，它能將污

2、染物排放的數據及時的反映給電廠和監(jiān)管部門。由煙氣連續(xù)排放監(jiān)測系統(tǒng)得到的污染物排放濃度，是通過專門的污染物分析儀測得的。而本文通過軟測量技術，基于脫硫系統(tǒng)的相關運行參數，建立了能夠預測脫硫效率和二氧化硫排放濃度的模型。
　　本文的重點是軟測量建模階段，通過對脫硫效率影響因素的分析，并根據本文收集數據的實際狀況，選取了漿液pH值、脫硫塔入口二氧化硫濃度、脫硫塔入口煙氣溫度等八個參數作為軟測量建模的輸入。選取了BP神經網絡和支持向量機兩

3、種方法，分別建立了對脫硫效率進行預測的模型。結果表明兩種方法都能到達到一定的預測效果，而經參數尋優(yōu)后的支持向量機模型有著更好的預測性能。支持向量機參數尋優(yōu)的結果為：懲罰參數取值0.75786，核函數參數取值4.5948。尋優(yōu)后支持向量機模型預測結果的均方誤差和平均相對誤差分別為0.179和0.367％。最后，通過OPC(OLE for Process Control)技術，實現了MATLAB與污染源過程監(jiān)控系統(tǒng)中組態(tài)軟件的數據交換，使M