[发明专利]全工况下脱硫系统浆液pH值预测模型建立方法及系统

权利要求书

1.一种全工况下脱硫系统浆液pH值预测模型建立方法，其特征在于，包括：

S1.根据确定的与脱硫系统浆液pH值相关的影响因素，采集所述影响因素的历史数据作为数据集；

S2.采用均值漂移聚类算法处理所述数据集，分别得到多个不同工况和所述多个不同工况下的训练数据集；

S3.将多个所述训练数据集输入相应的长短期记忆神经网络LSTM训练并进行优化，构建不同工况下的pH值预测模型。

2.根据权利要求1所述的方法，其特征在于，步骤S1所述影响因素主要包括：机组负荷、入口烟气SO2浓度、入口烟尘浓度、入口烟气流量、入口烟气压力、入口烟气温度、入口烟气含氧量和石灰石浆液密度；

所述训练数据集包括所述影响因素及对应的pH值。

3.根据权利要求1所述的方法，其特征在于，步骤S2所述均值漂移聚类算法处理所述数据集的具体方法为：创建滑动窗口，确定滑动窗口大小并随机初始化聚类中心，通过不断更新滑动窗口范围内的数据，得到不同的聚类中心及聚类分组结果，即得到多个不同工况及所述多个不同工况下的训练数据集。

4.根据权利要求1所述的方法，其特征在于，步骤S3所述进行优化的具体方法为：采用模拟退火算法优化所述LSTM的参数，得到多个不同工况下的最优LSTM的神经网络模型，即pH值预测模型；

所述参数包括所述神经网络模型隐含层的数量、不同层之间的权重以及偏置。

5.根据权利要求1所述的方法，其特征在于，所述方法进一步包括：

对当前时刻pH值进行预测，具体方法为：获取当前时刻与脱硫系统浆液pH值相关的影响因素，判断当前时刻所属工况后输入与当前时刻所属工况对应的pH值预测模型中，得到当前时刻的pH预测值；

所述判断当前时刻所属工况具体方法为：获取当前时刻与脱硫系统浆液pH值相关的影响因素后采集所述影响因素当前值，基于采集的所述当前值计算其与所述不同的聚类中心之间的距离，根据所述距离大小确定当前时刻所属工况。

6.一种全工况下脱硫系统浆液pH值预测模型建立系统，其特征在于，包括：

数据采集模块：用于根据确定的与脱硫系统浆液pH值相关的影响因素，采集所述影响因素的历史数据作为数据集；

数据处理模块：用于采用均值漂移聚类算法处理所述数据集，分别得到多个不同工况和所述多个不同工况下的训练数据集；

模型构建模块：用于将多个所述训练数据集输入相应的长短期记忆神经网络LSTM训练并进行优化，构建不同工况下的pH值预测模型。

7.根据权利要求6所述的系统，其特征在于，所述数据采集模块具体用于：采集机组负荷、入口烟气SO2浓度、入口烟尘浓度、入口烟气流量、入口烟气压力、入口烟气温度、入口烟气含氧量和石灰石浆液密度的历史数据，即影响因素的值和其对应的历史pH值。

8.根据权利要求6所述的系统，其特征在于，所述数据处理模块具体用于：随机初始化聚类中心，根据创建的滑动窗口大小，不断更新滑动窗口范围内的数据，得到不同的聚类中心及聚类分组结果，即得到多个不同工况及所述多个不同工况下的训练数据集。

9.根据权利要求6所述的系统，其特征在于，所述模型构建模块具体用于：采用模拟退火算法对所述LSTM的参数进行优化，得到多个不同工况下的最优LSTM的神经网络模型。

10.根据权利要求6所述的系统，其特征在于，所述系统还包括pH值预测模块，用于对当前时刻的pH值进行预测：获取当前时刻与脱硫系统浆液pH值相关的影响因素，采集获取的当前时刻与脱硫系统浆液pH值相关的影响因素的当前值，基于所述当前值计算其与所述不同的聚类中心之间的距离，根据所述距离大小确定当前时刻所属工况，将采集的所述影响因素的当前值输入与当前时刻所属工况对应的pH值预测模型中，得到当前时刻的pH预测值。