基于BP神经网络的燃煤锅炉大气污染物排放模型构建.pdf
《基于BP神经网络的燃煤锅炉大气污染物排放模型构建.pdf》由会员分享,可在线阅读,更多相关《基于BP神经网络的燃煤锅炉大气污染物排放模型构建.pdf(4页珍藏版)》请在咨信网上搜索。
1、摘要提出了一种基于 BP 神经网络的燃煤锅炉大气污染物排放量预测模型构建方法,即通过在 BP 神经网络中训练燃煤锅炉排放样本数据,纠正训练误差后优化权值和阈值,输出燃煤锅炉大气污染物排放数据,以输出结果为基础,得到脱硝反应器、脱硫塔出口的大气污染物氮、硫排放量。结果表明:构建的基于 BP 神经网络的燃煤锅炉大气污染物排放模型具有大气污染物排放量预测误差小、精度高、模型可行性高等优点,对评估和控制燃煤锅炉大气污染物排放具有重要意义。关键词燃煤锅炉;大气污染物;BP 神经网络;脱硫塔;脱硝反应器文章编号:1005-9598(2023)-04-0142-04中图分类号:TK229文献标识码:A基于
2、BP 神经网络的燃煤锅炉大气污染物排放模型构建奚增辉,王卫斌,洪祎祺,姚嵘,瞿海妮(国网上海市电力公司,上海 200122)收稿日期:2023-04-03第一作者:奚增辉(1974),男,汉族,上海人,正高级工程师,硕士,1996 年本科毕业于上海大学工业自动化专业,现从事电力系统及自动化方面的工作,E-mail:。DOI:10.19889/ki.10059598.2023.04.033火力发电及钢铁等是我国燃煤的主要行业。燃煤时会产生大量氮氧化合物,这些物质会对人体健康和大气环境造成严重危害1。为了及时获取燃煤锅炉大气污染物的实时排放情况,相关学者采用不同的方法计算燃煤锅炉大气污染物排放量。
3、姜志奇等2通过设定大气污染物排放权的配额总量,计算出大气污染物排放量目标函数,建立了跨区域弹性控制模型,然后将其转换成单目标模型,并设定相关约束条件,采用层次分析法计算指标权重,求解大气污染物排放模型最优解,实现燃煤锅炉大气污染物排放量的计算。李晓洋等3根据燃煤锅炉分布的趋势,得出大气污染物的动态演化过程,获得污染物密度、速度及流量等大气污染物排放模型所需的物理量,从而构建大气污染物排放模型,最后在有限体积法的算法下得出排放量结果。由于燃煤锅炉大气污染物种类较多,以上两种方法在计算排放量时都出现了预测精度低的问题。BP 神经网络是人工神经网络的主要代表之一,在运行过程中使用负梯度下降算法运算,
4、目标函数使用网络函数的平方和进行求解,因此该神经网络具有质量较高的数据修正性能,能利用反向传播最大程度地降低计算误差,并通过网络形式输出误差,进而提升误差纠错能力。为了优化燃煤锅炉大气污染物排放量的预测性能,本文提出了一种基于 BP 神经网络的燃煤锅炉大气污染物排放量预测模型构建方法,从大气污染物的预测精度、模型的可行性两个方面入手,验证了本文所提方法的可行性,现介绍如下。1大气污染物排放量预测模型的构建与训练燃煤锅炉大气污染物主要是氮元素和硫元素,还包含其他大颗粒或小颗粒杂质。为了明确氮元素和硫元素的实际排放量,可对燃煤锅炉大气污染物排放量进行预测,缩小排放量数值范围,在预测结果的基础上构建
5、大气污染物排放量模型。1.1大气污染物排放量预测模型构建BP 神经网络由大量信息处理单元互相连接构成,神经元仅接收同层神经元信号,且同层神经元相互无关联。大气污染物排放量 BP 神经网络预测模型的计算步骤是在输入层中输入样本,在隐含层中对数据进行处理,最终通过输出层得出预测结果。构建的大气污染物排放量 BP 神经网络预测模型见图 1。引用格式祎:奚增辉,王卫斌,洪祺,等.基于 BP 神经网络的燃煤锅炉大气污染物排放模型构建J.煤化工,2023,51(4):142-145.第 51 卷第 4 期2023 年 8 月煤 化 工Coal Chemical IndustryVol.51No.4Aug.
6、2023第 51 卷第 4 期1.2大气污染物排放量预测模型训练以构建的大气污染物排放量预测模型为基础,为了保证其预测性能,从某地区媒体公开信息收集了燃煤锅炉大气污染物中氮元素和硫元素的数据,并将其作为训练样本训练模型,具体训练步骤如下:Step 1:将准备测试的燃煤锅炉数据进行初始化处理。在 MATLAB 软件函数的基础上,对原始数据实施初始化处理,待测数据中包含输入向量、隐含向量的连接权,向量以及隐含层和输出神经元的阈值。Step 2:训练样本数据。将样本数据分为两部分,一部分为 BP 神经网络输入的训练样本,另一部分为 BP 神经网络输出的训练样本,两个训练样本的表达式见式(1):p=p
7、1,p2,pnt=t1,t2,tn嗓(1)式中:p 为 BP 神经网络的输入训练样本数据;t 为 BP神经网络的输出训练样本数据;n=1,2,n 为样本数量,个。Step 3:求解 BP 神经网络的隐含层以及输出层节点对应的阈值。Step 4:求解 BP 神经网络函数的误差。误差结果直接影响 BP 神经网络输入层训练样本数据最终预测的准确性,并直接反映训练样本的实际结果与理想结果之间的差异,需要尽可能地将误差控制在最小值。Step 5:判别样本数据是否完成训练。BP 神经网络样本训练结果有两种:(1)若 BP 神经网络中的参考值大于目前 BP 神经网络函数中的最大误差,则可以结束训练。(2)若
8、 BP 神经网络整体训练次数大于 BP 神经网络中设定的最大数值,则可以结束训练。若有以上两种情况,则完成训练,输出预测值,否则根据 Step 6 调整 BP 神经网络中的权值和阈值,继续训练。Step 6:权值和阈值调整。因为 BP 神经网络的初始值以及函数阈值均为随机出现,这会直接影响输出结果的稳定性,为了保证最终结果的准确性,采用遗传算法对全局进行搜索,选取全局最优的 BP 神经网络中的初始值以及阈值,可以保证最终预测结果更加高效和科学,具体调整步骤为:(1)初始化数据种群:对 BP 神经网络输入层、隐含层、输出层的权重以及阈值实时编码处理,并在随机梯度法的帮助下完成种群的初始化处理。(
9、2)求解适应度值。(3)操作的选取:在轮盘赌法的帮助下实时操作选取,并求解后代的繁殖能力。(4)交叉操作。Step7:纠正BP神经网络的输出层以及隐含层的误差。Step 8:若训练次数不符合训练终止条件,需要返回 Step 3,直至训练次数符合条件,得到大气污染物排放量的预测结果。2燃煤锅炉大气污染物排放量预测将获取的大气污染物排放量预测结果划分为氮元素和硫元素两种,分别构建氮元素和硫元素排放模型。本文对脱硝反应器出口处氮元素的排放浓度进行预测。煤炭燃烧后会生成 NO,根据 NO 第一次生成量 m 以及还原量 m(NO),即可得到脱硝反应器出口NO 的排放量 mr,其表达式见式(2):mr=m
10、-m(NO)(2)式中:mr为脱硝反应器出口 NO 的排放量,mg;m 为 NO第一次生成量,mg;m(NO)为 NO 第一次还原量,mg。由于本文在脱硝过程中采用的是选择性催化还原技术,因此,可以将 NO 与 NH3中的氮元素摩尔比近似为 1:1。同时,考虑到煤炭中的部分 NH3不会发生反应,在质量守恒定律的基础上,基于摩尔比推导得到未参与反应的 NH3的质量,由此得到最终的脱硝反应器出口处氮元素排放浓度模型,其表达式见式(3):籽N=106mrV(3)式中:籽N为氮元素排放质量浓度,mg/m3;V 为大气污染物烟气量,m3。本文对脱硫塔出口处的 SO2浓度进行预测。同理,可得到锅炉内 SO
11、2的生成量为 mSO2,考虑到锅炉中的石灰石不能完全脱硫,根据煤炭的脱硫量,得到脱硫塔出口 SO2排放浓度模型,其表达式见式(4):籽SO2=106mSO2-mtSO2V(4)式中:籽SO2为 SO2的排放质量浓度,mg/m3;mSO2为锅炉内SO2的生成量,mg;mtSO2为煤炭的脱硫量,mg。根据式p1p2t1p3t2t3输入:包含氮元素和硫元素的数据输出:硫元素和氮元素的排放量隐含层节点图 1大气污染物排放量 BP 神经网络预测模型奚增辉等:基于 BP 神经网络的燃煤锅炉大气污染物排放模型构建143-2023 年煤 化 工550045003500250015005008002001400
12、2000取样时间/s2201801401006020图 4采用本文所提方法氮元素的排放结果实际值所提方法负荷量(3)和式(4)的计算结果,可实现基于 BP 神经网络的燃煤锅炉大气污染物排放量预测。3结果与讨论为了验证基于 BP 神经网络的燃煤锅炉大气污染物排放模型构建方法的整体有效性,针对本文方法进行了一系列测试,并与文献2排污权弹性管控模型构建方法和文献3污染物排放估计方法进行比较。3.1实验对象选取和模型训练实验测试燃煤锅炉为 DZL 系列燃煤蒸汽锅炉,容量为 2 t/h10 t/h,工作压力为 1 MPa25 MPa,热效率为 82%。该锅炉为快装锅炉,结构为卧式三回程水火管链条炉排锅炉
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 BP 神经网络 燃煤 锅炉 大气 污染物 排放 模型 构建
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。