一种脱硫系统中的脱硫溶液的ph值预测方法及装置的制造方法
【技术领域】
[0001]本发明涉及脱硫处理技术领域，具体涉及一种脱硫系统中的脱硫溶液的PH值预测方法及装置。
【背景技术】
[0002]目前在全球范围内都不同程度地出现了环境污染问题，随着经济和贸易的全球化，环境污染也日益呈现国际化趋势，所以对于污染源及除污染设备的监测至关重要。其中电力行业内部的电厂所产生的巨大污染源之一:二氧化硫导致的酸雨。所以监控电厂周边的环境质量至关重要，就要实时监测脱硫系统设备的工作效率并使之保持在90%以上。
[0003]脱硫系统分为干法脱硫系统和湿法脱硫系统，本发明所述的脱硫系统是指湿法脱硫系统。由于脱硫系统所使用的脱硫溶液的PH值决定着脱硫效率，大误差的PH值计会导致脱硫系统工作浆液酸碱失衡，容易造成设备损毁加快，严重情况下可能导致整个系统故障，所以PH值监测是脱硫系统中最重要的技术之一。现有技术是采用PH测量装置直接测量脱硫溶液的PH值，由于脱硫现场的环境十分恶劣，因此昂贵的PH测量装置非常易损坏。为了确保PH值的准确性，电厂需要专责频繁检查和购买更换新的PH测量装置，以保证PH测量装置可以正常工作。尽管如此，PH计在工作过程中损坏的情况仍时有发生。由此可见，现有的脱硫溶液的PH监测方案的硬件和人力成本较高，并且由于过于依赖PH测量装置，一旦装置本身存在异常将会影响脱落作业的效率。
【发明内容】
[0004]因此，本发明要解决的技术问题是现有的脱硫溶液的PH监测方式成本过高的问题。
[0005]有鉴于此，本发明提供一种脱硫系统中的脱硫溶液的PH值预测方法，包括如下步骤:获取吸收塔入口烟气温度、吸收塔入口烟气含氧量、吸收塔入口二氧化硫含量、吸收塔入口含尘量以及石灰石溶液密度;利用BP神经网络模型以所述吸收塔入口烟气温度、吸收塔入口烟气含氧量、吸收塔入口二氧化硫含量、吸收塔入口含尘量以及石灰石溶液密度作为所述BP神经网络模型的输入层数据，计算脱硫溶液的PH值，其中所述BP神经网络模型是利用之前获取的吸收塔入口烟气温度、吸收塔入口烟气含氧量、吸收塔入口二氧化硫含量、吸收塔入口含尘量以及石灰石溶液密度以及实测的脱硫溶液的PH值进行训练得到的。
[0006]优选地，在所述获取吸收塔入口烟气温度、吸收塔入口烟气含氧量、吸收塔入口二氧化硫含量、吸收塔入口含尘量以及石灰石溶液密度之前，还包括:获取多组训练数据，所述训练数据包括吸收塔入口烟气温度、吸收塔入口烟气含氧量、吸收塔入口二氧化硫含量、吸收塔入口含尘量、石灰石溶液密度以及实测的脱硫溶液的PH值;利用所述多组训练数据对所述BP神经网络模型进行训练，直至所述BP神经网络模型输出的脱硫溶液的PH值与实测的脱硫溶液的PH值的误差小于预定阈值。
[0007]优选地，在所述利用BP神经网络模型以所述吸收塔入口烟气温度、吸收塔入口烟气含氧量、吸收塔入口二氧化硫含量、吸收塔入口含尘量以及石灰石溶液密度作为所述BP神经网络模型的输入层数据，计算脱硫溶液的PH值之后，还包括:判断计算出的脱硫溶液的PH值是否在预设阈值范围之内；当计算出的脱硫溶液的PH值不在所述预设阈值范围之内时，判定计算出的脱硫溶液的PH值异常。
[0008]优选地，所述BP神经网络模型是三层神经网络模型。
[0009]优选地，所述BP神经网络模型是基于小波算法的神经网络模型。
[0010]相应地，本发明还提供一种脱硫系统中的脱硫溶液的PH值预测装置，包括:获取单元，用于获取吸收塔入口烟气温度、吸收塔入口烟气含氧量、吸收塔入口二氧化硫含量、吸收塔入口含尘量以及石灰石溶液密度;预测单元，用于利用BP神经网络模型以所述吸收塔入口烟气温度、吸收塔入口烟气含氧量、吸收塔入口二氧化硫含量、吸收塔入口含尘量以及石灰石溶液密度作为所述BP神经网络模型的输入层数据，计算脱硫溶液的PH值，其中所述BP神经网络模型是利用之前获取的吸收塔入口烟气温度、吸收塔入口烟气含氧量、吸收塔入口二氧化硫含量、吸收塔入口含尘量以及石灰石溶液密度以及实测的脱硫溶液的PH值进行训练得到的。
[0011]优选地，还包括:训练数据获取单元，用于获取多组训练数据，所述训练数据包括吸收塔入口烟气温度、吸收塔入口烟气含氧量、吸收塔入口二氧化硫含量、吸收塔入口含尘量、石灰石溶液密度以及实测的脱硫溶液的PH值;训练单元，用于利用所述多组训练数据对所述BP神经网络模型进行训练，直至所述BP神经网络模型输出的脱硫溶液的PH值与实测的脱硫溶液的PH值的误差小于预定阈值。
[0012]优选地，还包括:比对单元，用于判断计算出的脱硫溶液的PH值是否在预设阈值范围之内；判定单元，用于当计算出的脱硫溶液的PH值不在所述预设阈值范围之内时，判定计算出的脱硫溶液的PH值异常。
[0013]优选地，所述BP神经网络模型是三层神经网络模型。
[0014]优选地，所述BP神经网络模型是基于小波算法的神经网络模型。
[0015]本发明技术方案，具有如下优点:
[0016]根据本发明提供的脱硫溶液的PH值预测方法及装置，利用分析得到的吸收塔入口烟气温度、吸收塔入口烟气含氧量、吸收塔入口二氧化硫含量、吸收塔入口含尘量以及石灰石溶液密度5种影响因素作为神经网络的输入，脱硫溶液的PH值作为唯一的输出项目，模拟出5影响作用下I输出的函数关系，建立预测模型预测脱硫溶液的PH值，预测出的PH值可以反映脱硫系统的脱硫效率，为电力系统提供了价值较高的数据，使用本发明提供的PH值预测方案，可以替代现有技术中的PH值测量装置，由此可以降低脱落作业的成本带来直接经济收益。
【附图说明】
[0017]为了更清楚地说明本发明【具体实施方式】或现有技术中的技术方案，下面将对【具体实施方式】或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0018]图1为本发明实施例提供的脱硫系统中的脱硫溶液的PH值预测方法的流程图；
[0019]图2为本发明实施例提中的利用BP神经网络模型计算脱硫溶液PH值的过程示意图；
[0020]图3为本发明实施例提供的脱硫系统中的脱硫溶液的PH值预测装置的结构示意图。
【具体实施方式】
[0021]下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0022]此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
[0023]实施例1
[0024]本发明实施例提供一种脱硫系统中的脱硫溶液的PH值预测方法，如图1所示该方法包括如下步骤:
[0025]SI，获取吸收塔入口烟气温度、吸收塔入口烟气含氧量、吸收塔入口二氧化硫含量、吸收塔入口含尘量以及石灰石溶液密度，上述数据均受脱硫系统的控制，且可以实时测量。充分考虑对于一座城市经济发展存在正负两面的影响因子，根据脱硫系统运行规律和现有的资料，分析出影响脱硫效率的因素有很多，但最主要的因素即上述5种数据，因此本发明根据上述5种数据预测脱硫溶液的PH值。
[0026]S2，利用BP(Back Propagat1n)神经网络模型，如图2所示，以吸收塔入口烟气温度、吸收塔入口烟气含氧量、吸收塔入口二氧化硫含量、吸收塔入口含尘量以及石灰石溶液密度作为BP神经网络模型的输入层数据，计算脱硫溶液的PH值，脱硫溶液即经过脱硫反应后的石灰石溶液，其主要成分是硫化钠。。
[0027]其中BP神经网络模型是利用训练数据训练过的模型。训练过程可以是在实际预测之前，利用吸收塔入口烟气温度、吸收塔入口烟气含氧量、吸收塔入口二氧化硫含量、吸收塔入口含尘量以及石灰石溶液密度以及相应的实测的脱硫溶液PH值进行训练，并设置适当的训练条件来控制训练过程。本领域技术人员可以理解，神经网络模型的训练过程不仅在实际计算数据之前进行，实际计算数据的过程也同样是训练的过程，下文将对训练过程进行详细介绍。
[0028]—个神经网络，如果第一层是S型函数，而第二层是线形函数，就可以用来模拟任何函数(必须是连续有界的)。因此，确定隐含层传递函数为S型函数“tansig"，输出层传递函数为线形函数“purelin”。理论已经证明，三层的神经网络可以任意逼近一个非线性连续函数，所以本实施例优选采用三层神经网络建模进行电厂脱硫系统脱硫效率的预测建模。
[0029]由于不同的BP算法原理不同，其处理速度和运算结果都有些许不同。特此将三种主流算法进行一组非线性数据的预测算法比较，其中算法包括:LM(Levenberg Marquart)算法，牛顿算法，以及小波算法，通过误差收敛曲线图比较可知，收敛速度最快的是LM算法，收敛精度最高的是小波算法，LM算法虽然反应迅速，但是精度远远不及小波算法;对于二氧化硫浓度值的影响因素很多，所以需要精度较高的改进算法来进行预测。这三种算法各有优劣，大部分预测模型均采用LM算法，力求快速的进行模型的误差函数的收敛，但是精度有些并不能够达到要求。在建立电厂脱硫系统脱硫效率预测分析模型预测过程中，系统对网络训练的反应速度并没有太高要求，而对预测的精度要求较高。所以在本实施例中，优选为基于小波算法的BP神经网络更符合要求。
[0030]根据本发明提供的脱硫溶液的PH值预测方案，利用分析得到的吸收塔入口烟气温度、吸收塔入口烟气含氧量、吸收塔入口二氧化硫含量、吸收塔入口含尘量以及石灰石溶液密度5种影响因素作为神经网络的输入，脱硫溶液的PH值作为唯一的输出项目，模拟出5影响作用下I输出的函数关系，建立预测模型预测脱硫溶液的PH值，预测出的PH值可以反映脱硫系统