现代预测和优化算法在脱硫系统运行中的应用

华电技术 ›› 2020, Vol. 42 ›› Issue (3): 59-66.

现代预测和优化算法在脱硫系统运行中的应用

1.深能保定发电有限公司，河北保定 072150；2.华北电力大学环境科学与工程系，河北保定 071003

出版日期:2020-03-25

Application of modern prediction and optimization algorithms in FGD systems

1.Shenzhen Energy Baoding Power Company Limited，Baoding 072150，China；2.Department of Environmental Science and Engineering，North China Electric Power University，Baoding 071003，China

Published:2020-03-25

摘要/Abstract

摘要： 人工智能技术的不断发展，为定量分析脱硫系统各因素变化带来的影响，从而预测系统脱硫效率和经济成
本创造了条件。分析了近年来利用神经网络算法预测脱硫系统 SO2排放量的算法网络结构、输入参数选择等算法
细节，并讨论了神经网络算法应用于脱硫系统的特点。此外，针对基于脱硫系统设计的预测+优化算法的设计细节
和优化目标，对增压风机、氧化风机和浆液循环泵的运行优化做了针对性讨论

关键词: 脱硫系统, SO2排放量, 预测, 神经网络, 优化, 遗传算法, 粒子群优化算法, 智慧环保, 人工智能

Abstract: The continuous development of artificial intelligence technology has impacted quantitative analysis flue gas
desulfurization（FGD）system in various factors，and has created favorable condition for its desulfurization efficiency and
economic cost. By analyzing the details of the network construction and parameter selection in FGD system SO2 emission
prediction calculated by neural network algorithm，the application characteristics of the algorithm in FGD system is
discussed. In addition，targeted discuss is made on the optimization of booster fan，oxidation fan and syrup circulation
pump，which aims at refining the detailed design and optimization targets of the prediction + optimization algorithm in FGD
systems.

Key words: flue gas desulfurization, SO2 emission, prediction, neural network, optimization, genetic algorithm, particle
swarm optimization, intelligent environmental protection, artificial intelligence

曹建宗 1，林宸雨 2，陈文通 1，刘琦 2，周权 2，要亚坤 1，樊帅军 2，马彩妮 2，马双忱 2*. 现代预测和优化算法在脱硫系统运行中的应用[J]. 华电技术, 2020, 42(3): 59-66.

CAO Jianzong1，LIN Chenyu2，CHEN Wentong1，LIU Qi2，ZHOU Quan2，. Application of modern prediction and optimization algorithms in FGD systems[J]. Huadian Technology, 2020, 42(3): 59-66.

[1]	殷林飞, 蒙雨洁. 基于DenseNet卷积神经网络的短期风电预测方法[J]. 综合智慧能源, 2024, 46(7): 12-20.
[2]	王哲, 程钢, 邢作霞, 付启桐, 付长涛. 基于MPC的光电热联合系统建模与控制优化[J]. 综合智慧能源, 2024, 46(7): 21-28.
[3]	窦真兰, 李佳文, 张春雁, 蔡祯祺, 袁本峰, 郏琨琪, 肖国萍, 王建强. 固体氧化物电解池时空分布式参数建模[J]. 综合智慧能源, 2024, 46(7): 53-62.
[4]	孙文杰, 杨之乐, 郭媛君, 姚文娇, 许欢, 周博文. 一种钠离子电池的健康状态估计方法[J]. 综合智慧能源, 2024, 46(7): 74-80.
[5]	徐智帆, 李华森, 李文院, 余凯. 基于递归小脑模型神经网络和卡尔曼滤波器的锂电池荷电状态预测[J]. 综合智慧能源, 2024, 46(7): 81-86.
[6]	李明扬, 窦梦园. 基于强化学习的含电动汽车虚拟电厂优化调度[J]. 综合智慧能源, 2024, 46(6): 27-34.
[7]	郑庆明, 井延伟, 梁涛, 柴露露, 吕梁年. 基于DDPG算法的离网型可再生能源大规模制氢系统优化调度[J]. 综合智慧能源, 2024, 46(6): 35-43.
[8]	张勋祥, 吴杰康, 孙烨桦, 彭其坚. 平抑海上风电波动的混合储能系统容量优化配置[J]. 综合智慧能源, 2024, 46(6): 54-65.
[9]	杜龙, 沙建秀, 樊贝, 胡静威, 刘增稷. 基于信息物理双侧数据的配电网CPS窃电检测方法[J]. 综合智慧能源, 2024, 46(5): 20-29.
[10]	李云, 周世杰, 胡哲千, 梁均原, 肖雷鸣. 基于NSGA-Ⅱ-WPA的综合能源系统多目标优化调度[J]. 综合智慧能源, 2024, 46(4): 1-9.
[11]	董强, 徐君, 方东平, 方丽娟, 陈妍琼. 基于光伏出力特性的分布式光储系统优化调度策略[J]. 综合智慧能源, 2024, 46(4): 17-23.
[12]	陈勇, 肖雷鸣, 王井南, 吴健. 基于场景扩充的低碳综合能源系统高可靠性容量规划方法[J]. 综合智慧能源, 2024, 46(4): 24-33.
[13]	汤梓涵, 王帅杰, 鞠振河, 雷志奇. 光伏/光热耦合空气源热泵系统性能优化[J]. 综合智慧能源, 2024, 46(4): 34-41.
[14]	缪月森, 夏红军, 黄宁洁, 李云, 周世杰. 基于Informer的负荷及光伏出力系数预测[J]. 综合智慧能源, 2024, 46(4): 60-67.
[15]	孙健, 张云帆, 蔡潇龙, 刘鼎群. 基于预测负荷的暖通空调系统优化调度[J]. 综合智慧能源, 2024, 46(3): 12-19.