基于改进即时学习算法的吸收塔pH值软测量技术研究

李建强，杨红，牛成林

基于改进即时学习算法的吸收塔pH值软测量技术研究

李建强，杨红，牛成林

（华北电力大学 能源动力与机械工程学院，河北 保定 071003）

针对火电厂脱硫系统工作过程中存在非线性、时变性、多变量等问题，提出了一种基于改进即时学习算法的脱硫系统吸收塔浆液pH值软测量模型。在选择即时学习算法相似样本时，为了充分考虑输入变量与输出变量之间的相关性，采用一种基于偏最小二乘法（partial least squares，PLS）的相似准则确定系统当前工作点的建模邻域，利用得到的建模邻域建立基于最小二乘支持向量机（least squares support vector machine，LSSVM）的局部模型预测当前pH值。将该方法应用于脱硫系统吸收塔pH值建模仿真，结果表明，该软测量模型具有良好的预测性能。

浆液pH值；软测量；即时学习；PLS；LSSVM

0 引言

石灰石/石膏湿法烟气脱硫技术在我国大型燃煤锅炉烟气脱硫技术中占据主导地位[1]。吸收塔浆液pH值是石灰石/石膏湿法烟气脱硫系统中重要的控制参数之一，同时也是影响脱硫效率、吸收剂利用率的主要因素[2]。在实际运行过程中，pH值测量实时性差，并且pH计工作环境恶劣，仪器表头易磨损，易导致浆液pH测量值失真，影响系统的长期稳定运行[3]。

脱硫系统涉及的机理复杂，并且具有非线性、时变性，难以建立准确的浆液pH值机理模型。随着神经网络、支持向量机等智能建模方法的兴起，基于数据驱动的软测量方法在脱硫系统中得到了广泛的应用。文献[4]提出了基于BP神经网络的浆液pH值的预测模型。……