机器学习算法在脱硫系统智能运行及优化中的应用_中国煤炭行业知识服务平台

机器学习算法在脱硫系统智能运行及优化中的应用

作者

孔若琪崔琳董勇
单位

山东大学燃煤污染物减排国家工程实验室
摘要

随人工智能和大数据的飞速发展，以机器学习和工业大数据为核心的智能化系统已成为发电企业发展趋势。通过建立脱硫系统数据模型，结合机器学习算法自学习、自适应的特性，借助系统特征数据采集和上传功能，实现脱硫系统的自我诊断、提前预警及在线优化，有助于提升电厂智能化水平，达到超低排放、低碳运行的双重目标。在脱硫系统数据模型中，核心算法的选择将直接影响参数预测及后续优化的精准性。介绍了支持向量机、集成学习算法、神经网络法等主流机器学习算法的基本原理，综述了不同算法在脱硫系统智能运行中的应用，对比分析了不同算法在实现脱硫系统关键参数预测时的优缺点以及脱硫系统智能运行、优化方法。基于此确立了适用脱硫系统智能运行的更精准预测模型与优化技术路线，为实现湿法脱硫超低排放条件下的低碳节能运行提供参考。
关键词

机器学习算法预测模型脱硫系统智能运行
基金项目(Foundation)

国家重点研发计划资助项目(2017YFF0209803)；山东省重大科技创新工程资助项目(2020CXGC011402)；
文章目录

0 引言
1 经典机器学习算法
1.1 支持向量机算法原理
1.2 集成学习算法原理
1.3 神经网络算法原理
1.3.1 BP神经网络算法原理
1.3.2 RBF神经网络算法原理
1.3.3 模糊神经网络算法原理
1.3.4 LSTM神经网络算法原理
2 机器学习算法在脱硫系统智能运行的应用
2.1 脱硫系统运行参数预测
2.2 脱硫系统出口参数预测
2.3 不同机器学习算法预测结果对比
3 机器学习算法在脱硫系统智能优化中应用
3.1 基于脱硫效率-成本的脱硫系统优化
3.2 基于排放浓度-成本的脱硫系统优化
3.3 烟气脱硫系统智能优化方向
4 结论