基于支持向量机的湿法脱硫塔污染治理优化与能效评价

环境污染排放治理与系统综合能耗之间的协同优化与评价是解决我国环境与能源不堪重负的理论前提。针对燃煤电厂脱硫系统协同优化与评价的关键问题,基于湿法脱硫控制系统在线运行数据的支持向量机(SVM)智能深度自学习,构建了脱硫系统实时在线污染排放指标和系统综合能耗指标的协同预测模型,明晰了关键调控参数-污染排放治理-系统综合能耗之间的协同耦合规律,据此提出了工业级锅炉脱硫塔的污染排放治理与系统综合能耗的创新协同评估方法。结果表明:出口二氧化硫排放浓度和系统综合能耗指标与氧含量呈负关联协同耦合关系,与浆液密度呈先减后增的协同耦合关系,而污染排放治理与系统综合能耗指标呈负关联协同耦合关系;提高氧含量并将浆液密度控制在约1 250 kg·m~(-3),可使系统污染排放治理与综合能耗指标均处于最优状态,协同优化可使系统综合能耗指标最大降幅达8.3%。示范工程验证表明:脱硫系统污染排放与综合能耗指标的协同预测模型精准可靠,其最大误差小于10%。综合上述结果,基于支持向量机的回归方法可应用于工业级湿法脱硫锅炉的污染排放治理与能效评价,对实际脱硫工程的优化运行具有指导意义。

Synergetic mechanism and evaluation of pollution and energy consumption of wet desulfurization tower based on support vector machine regression