一种基于数据驱动的WFGD出口SO2浓度预测及智能优化方法

    公开(公告)号:CN115309117A

    公开(公告)日:2022-11-08

    申请号:CN202210932045.7

    申请日:2022-08-04

    摘要: 本发明涉及一种基于数据驱动的WFGD出口SO2浓度预测及智能优化方法,WFGD包括脱硫剂制备系统、烟气系统、脱硫塔、工艺水系统、供电系统、氧化风系统、在线监测系统、控制中心、废水处理系统、石膏脱水系统、化验室和工程师站;基于化学分析参数、实时运行参数和历史数据建立动态数据库,利用数据驱动技术对数据库数据进行分析,采用人工神经网络对出口SO2浓度进行结果校正,并匹配验证实测值,建立出口SO2浓度预测模型,同时提出了双模型评价指标及其取值方法,形成具有实际指导意义的SO2浓度预测模型,然后基于预测模型搭建智能预测控制系统,实现实时优化调整WFGD运行参数,达到节能降耗的目的。

    催化剂协同外场强化二氧化碳低能耗解吸系统及方法

    公开(公告)号:CN114699883B

    公开(公告)日:2023-06-13

    申请号:CN202210431144.7

    申请日:2022-04-22

    IPC分类号: B01D53/14 B01D53/18

    摘要: 本发明涉及一种催化剂协同外场强化二氧化碳低能耗解吸系统及方法,吸收CO2后的富液经富液输送泵输运,与解吸后经贫液输送泵输运的贫液在贫富液换热器进行换热升温;升温后的富液进入解吸塔内,再生后的贫液经微波再沸器汽化后为解吸塔内的富液提供解吸能量,经微波再沸器汽化后的贫液与富液采用逆向接触,接触区域自上至下依次为带有超声波强化区的填料区、带有超声波强化区的催化区;解吸完的气混物经气液冷却器冷却和气液分离器气液分离后的液体继续注入解吸塔循环;降低了40%以上的能耗。本发明在催化剂协同超声波场/微波电磁场等外场作用下实现了二氧化碳低能耗解吸。

    一种蓄热式热力氧化炉智能调控系统及方法

    公开(公告)号:CN115111594A

    公开(公告)日:2022-09-27

    申请号:CN202210805850.3

    申请日:2022-07-08

    IPC分类号: F23G7/06 F23G5/50 F23G5/46

    摘要: 本发明涉及一种蓄热式热力氧化炉智能调控系统及方法,包括装置部分、感知模块、预测模块、优化模块和控制模块;首先通过相对稳定的污水处理站低浓度废气对间歇性的车间高浓度废气混合缓冲,将RTO入口挥发性有机物浓度调节至2000~3000mg/m3;然后通过RTO上游废气参数及RTO实时运行参数并结合长短期记忆神经网络预测燃烧室温度变化情况,建立RTO燃烧热量衡算机理模型计算出调节燃烧室温度的稀释风和辅助燃料供应的需求量;将目标调节量传输至控制器完成智能调控,使燃烧室温度稳定维持在预设温度附近,解决因生产侧废气排放波动引起的RTO运行不稳定、燃料消耗大、安全风险大等问题,实现VOCs的高效节能稳定脱除。

    耦合辐照度与温度的新建光伏场站功率迁移学习预测方法

    公开(公告)号:CN118643328A

    公开(公告)日:2024-09-13

    申请号:CN202410739611.1

    申请日:2024-06-07

    摘要: 本发明公开了耦合辐照度与温度的新建光伏场站功率迁移学习预测方法,涉及新能源预测技术领域,步骤包括使用已长期投运光伏电站的数据进行基础网络训练,并保存模型整体结构以及用于斜面辐照度、组件背板温度特征提取的DNN网络、CNN网络、LSTM网络层的参数。其次固定用于特征提取的CNN网络中卷积层的参数、DNN网络中隐藏层的参数及LSTM网络中隐藏层的参数以进行知识转移,但仍然可以进行训练以进行微调。然后,随机初始化其余参数,以便对新数据进行自适应训练。使用新建光伏电站的数据用于训练和微调网络以实现迁移学习,提高网络对目标域数据的适应性。本发明方法采用光伏电站实际运行数据进行了验证,结果表明预测结果中误差降低了25%以上。