基于BP神经网络的臭氧需求量预测方法的设计

2014-09-27 14:38:50郭华芳张羽翔尹华
绿色科技 2014年7期

郭华芳 张羽翔 尹华

摘要:指出了煤燃烧产生废气中含有大量的污染物,利用臭氧进行尾气处理是优势比较明显的技术,但臭氧的需求量现阶段采用公式计算,定量供给,会导致反应不完全或者臭氧的浪费。设计了一种方法,利用相关影响因素,采用BP神经网络预测的优势,进行臭氧需求量的控制,可提高臭氧的利用率,降低企业成本。

关键词:脱硫脱硝;BP神经网络;反向传播;预测

中图分类号:X73文献标识码:A文章编号:16749944(2014)07021303

1技术背景

煤炭燃烧产生的烟气中,含有大量的氮硫氧化物,这些氧化物直接排放到空气中,会导致酸雨等自然灾害的发生。因此,各国都在积极研究烟气脱硫脱硝技术。目前最新的技术是采用臭氧的强氧化性对烟气中的NO进行处理,使之溶解于水,降低烟气中的氮硫氧化物。

现有的技术对于臭氧的添加采用的是PID控制,此控制技术经过多年的发展,已经相对成熟。其控制设备简单,控制思路清晰,但在控制过程中也存在很多问题,比如对于大惯性环节控制滞后,震荡过度等问题。在添加臭氧的过程中,通过检测烟气输入端的氮硫氧化物的摩尔量,利用反应方程式计算理想状态下需要的臭氧摩尔量,然后再通过检测通入碱性废水中和前的NOx,SO2的浓度,完成PID调节,改变臭氧的添加量。

在添加的过程中,因为影响臭氧添加量的各个因素之间是非线性的,所以无法进行单一的线性补偿,导致臭氧添加量过大或者过少。过大会造成添加臭氧的浪费,过小会使烟气反应不完全,导致烟气排放不达标,所以本发明的目的就是根据历史数据对臭氧的需求量建立预测模型,通过数据的分析,预测臭氧的消耗量,以达到减少浪费或者减少烟气不达标的情况。……

登录APP查看全文