Aufgrund der Vielzahl von Faktoren, die die Entschwefelungseffizienz beeinflussen, und ihrer gegenseitigen Abhängigkeit ist es schwierig, die Entschwefelungseffizienz in Echtzeit zu überwachen, und die Messergebnisse sind ungenau. In diesem Artikel wurde ein T-S-Fuzzy-Neuronennetzwerk verwendet, um ein Vorhersagemodell für die Entschwefelungseffizienz auf der Grundlage von Rohdaten des Nassentschwefelungssystems, die von einem bestimmten Kraftwerk gesammelt wurden, zu erstellen und auf der MATLAB-Plattform zu trainieren und zu überprüfen. Dies führte zu einem genauen Vorhersagemodell für die Entschwefelungseffizienz. Die Ergebnisse der Modellüberprüfung zeigen, dass bei Verwendung des T-S-Fuzzy-Neuronennetzwerkmodells zur Vorhersage der Entschwefelungseffizienz 85 % der Stichprobenpunkte einen relativen Fehler im Bereich von -1,0% bis 0,5% aufweisen, und der maximale Fehler nicht mehr als 1,5% beträgt, was darauf hindeutet, dass dieses Modell eine ziemlich hohe Vorhersagegenauigkeit aufweist und die realen Anforderungen der Ingenieurpraxis ziemlich gut erfüllen kann.

Nassentschwefelung; Entschwefelungseffizienz; T-S-Fuzzy-Neuronennetzwerk; Vorhersagemodell; MATLAB