论文部分内容阅读
火电厂石灰石-石膏湿法脱硫系统中,吸收塔循环浆液的pH值是影响脱硫系统性能的重要参数。因此建立有效的吸收塔pH值预测模型是提高脱硫效率的基础。针对吸收塔系统具有变量多、数据量庞大和变量相关性强的特点,首先对电厂厂级信息监测系统(SIS)数据库数据进行特征提取,进行皮尔逊系数相关性分析;然后将提取的特征作为长短期记忆(LSTM)神经网络的输入,得到脱硫吸收塔pH值预测模型。将该模型应用于某超临界330 MW机组燃煤电厂脱硫系统进行吸收塔pH值预测。结果表明提出的LSTM神经网络模型预测均方根误差(RMSE)