[发明专利]一种基于深度神经网络的湿法脱硫浆液供给量预测方法在审
| 申请号： | 201911086881.2 | 申请日： | 2019-11-08 |
| 公开（公告）号： | CN111013370A | 公开（公告）日： | 2020-04-17 |
| 发明（设计）人： | 武永鑫;叶翔;王英敏;王伟;王海刚;宋寅 | 申请（专利权）人： | 中国大唐集团科学技术研究院有限公司火力发电技术研究院 |
| 主分类号： | B01D53/80 | 分类号： | B01D53/80;B01D53/50;B01D53/96;G16C20/10;G16C20/70 |
| 代理公司： | 北京中南长风知识产权代理事务所(普通合伙) 11674 | 代理人： | 马龙 |
| 地址： | 100043 北京市*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 深度 神经网络 湿法 脱硫 浆液 供给量 预测 方法 | ||
【权利要求书】：
1.一种基于深度神经网络的湿法脱硫浆液供给量预测方法，其特征在于，包括：构建深度神经网络，选取与浆液供给量强相关的参数作为输入参量，通过输入当前时刻(t)与上一时刻(t-1)的参量来预测下一时刻(t+1)的浆液供给量；所述深度神经网络模型的输入参量为：负荷、入口SO2浓度、入口O2浓度、入口温度、浆液PH值、浆液循环泵电流、出口SO2浓度、浆液供给量；输出参量为：浆液供给量。
2.根据权利要求1所述的基于深度神经网络的湿法脱硫浆液量预测方法，其特征在于，建立的深度神经网络为多层结构，包含1个输入层、7-9个隐含层和1个输出层；其中，输入层包含16个神经元，即16个输入参量；每个隐含层包含25个神经元，输出层包含1个神经元，即1个输出参量；输入层16个神经元所对应的输入量分别为当前时刻(t)与上一时刻(t-1)的负荷、入口SO2浓度、入口O2浓度、入口温度、浆液PH值、浆液循环泵电流、出口SO2浓度、浆液供给量；输出参量为下一时刻(t+1)的浆液供给量。
3.根据权利要求2所述的基于深度神经网络的湿法脱硫浆液量预测方法，其特征在于，所述深度神经网络训练误差<0.3％，仿真值与实际值之间的偏差≤1％。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国大唐集团科学技术研究院有限公司火力发电技术研究院，未经中国大唐集团科学技术研究院有限公司火力发电技术研究院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201911086881.2/1.html，转载请声明来源钻瓜专利网。
