基于门控循环单元神经网络的浆液pH的预测建模

摘要：

吸收塔内浆液的pH是影响燃煤电厂湿法脱硫系统效率的重要参数.燃煤电厂的湿法脱硫系统具有大滞后、非线性、强耦合等特征,因而其吸收塔浆液的pH很难实现精准控制.利用门控循环单元(gated recurrent unit,GRU)神经网络在处理时间序列数据的优越性,对吸收塔内的浆液pH进行预测建模,通过将燃煤电厂采集的影响浆液pH的变量数据作为模型的输入,对模型进行训练处理,获得吸收塔内浆液pH的预测模型.将预测模型应用于辽宁省华能营口电厂 600 MW机组湿法脱硫智能控制系统中吸收塔内浆液pH的预测.结果表明相比于反向传播(back propagation,BP)神经网络模型、径向基函数(radial basis function,RBF)神经网络、循环神经网络(recurrent neural network,RNN)和长短期记忆(long and short term memo-ry,LSTM)神经网络,该模型精确度更高,实用性更强.

关键词：湿法脱硫系统、门控循环单元、预测模型、浆液pH

所属期刊栏目：23

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2023-07-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：7824-7830