基于LSTM的湿法烟气脱硫浆液pH值建模

摘要

针对燃煤电厂湿式石灰石-石膏湿法烟气脱硫(WFGD)过程中浆液pH值测量时间长,不利于WFGD作业的问题,建立高精度的浆液pH值模型。基于深度学习的框架,利用长短期记忆神经网络(LSTM)算法对时间序列处理上的优越性进行建模,该模型具有良好的精确度和泛化能力。将燃煤机组实际运行数据中与浆液pH值变化相关的变量作为模型的辅助变量,建立基于LSTM神经网络的浆液pH值预测模型。对模型进行仿真验证,并分别与BP神经网络模型和最小二乘支持向量机(LSSVM)模型比较,结果表明LSTM神经网络模型的预测精度最高,验证了LSTM神经网络在工业建模中的优良性能。