基于BP-Garson组合模型的湿式脱硫效率影响因素筛选分析

发布时间：2023-04-10 21:24

　　目前我国大气污染物SO₂的排放大户仍然是燃煤电厂,我国火电燃煤机组中使用率最高的脱硫技术是石灰石/石膏湿法烟气脱硫(WFGD),脱硫效率作为衡量电厂脱硫系统的重要指标,直接影响污染物排放量,因此明确脱硫系统中各参数变量对其的影响程度,对提高脱硫效率、减少污染物排放、制定故障检测预案具有重要的指导意义。随着信息技术在脱硫系统中的应用,脱硫系统在实际运行中积累了大量的历史运行数据,数据挖掘技术可以基于脱硫系统的历史运行数据,发掘出在某运行工况下的参数变量对脱硫效率的影响权重,进而挖掘出当前工况下影响脱硫效率的因素,从而为操作人员提供运行指导和优化生产工艺。本文以石灰石/石膏湿式脱硫系统为研究对象,采用BP神经网络与Garson算法相结合的算法,对在DCS系统中采取的45个参数变量180天的数据进行研究,用于脱硫效率影响因子筛选建模的训练与测试。首先,对机组180天的历史运行数据执行预处理操作,剔除劣质、重叠信息,保留有价值的信息,提高数据的价值率。数据预处理包括清洗、集成、转换、约简、共线和降维处理等。通过自相关R诊断法的0.82设定值,检测出20个参数存在共线性,将...

【文章页数】：73 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 课题背景及研究目的和意义
    1.2 国内外研究现状
        1.2.1 数据挖掘研究现状
        1.2.2 数据挖掘在脱硫系统中的应用
    1.3 主要研究工作
        1.3.1 技术路线及研究内容
        1.3.2 研究创新点
2 石灰石-石膏烟气脱硫系统概况
    2.1 湿式脱硫原理
    2.2 湿式脱硫工艺流程
    2.3 脱硫效率的主要影响因素
        2.3.1 pH值对脱硫效率的影响
        2.3.2 钙硫比对脱硫效率的影响
        2.3.3 气液比对脱硫效率的影响
    2.4 本章小结
3 脱硫系统数据预处理
    3.1 数据预处理的基本含义
    3.2 数据清洗
        3.2.1 缺失值处理
        3.2.2 异常值处理
    3.3 数据变换
    3.4 多重共线性
        3.4.1 多重共线的原因
        3.4.2 诊断与处理方法
    3.5 变量的选择
        3.5.1 逐步回归分析
        3.5.2 主成分分析
        3.5.3 降维方法的选择
    3.6 本章小结
4 脱硫效率预测模型
    4.1 BP神经网络原理
    4.2 BP神经网络结构设计
    4.3 训练参数的设定
    4.4 模型训练及仿真
    4.5 本章小结
5 脱硫效率影响因子筛选
    5.1 多因素权重法的概况
        5.1.1 权重的含义
        5.1.2 权重分析方法的选择
    5.2 多因素权重分析
    5.3 影响因子的确定
    5.4 变量解释
    5.5 本章小结
6 结论与展望
    6.1 结论
    6.2 展望
参考文献
在学研究成果
致谢
附录 A 参数变量部分数据
附录 B 模型权重与阈值



本文编号：3788757