Aufgrund der Vielzahl von Faktoren, die die Effizienz der Entschwefelung beeinflussen, und ihrer Wechselbeziehungen ist es schwierig, die Effizienz der Entschwefelung in Echtzeit zu überwachen, und die Messergebnisse sind ungenau. In diesem Artikel haben wir das T-S Fuzzy Neural Network verwendet, um ein Vorhersagemodell für die Effizienz der Entschwefelung auf der Grundlage der Rohdaten des Nassentschwefelungssystems, die aus dem DCS einer bestimmten Kraftwerksanlage gesammelt wurden, auf der MATLAB-Plattform zu erstellen, zu trainieren und zu überprüfen und ein ziemlich genaues Vorhersagemodell für die Effizienz der Entschwefelung zu erhalten. Die Validierungsergebnisse des Modells zeigen, dass bei der Verwendung des T-S Fuzzy Neural Network-Modells zur Vorhersage der Entschwefelungseffizienz 85% der Stichprobenpunkte in einem Bereich relativer Fehler von -1,0% bis 0,5% verteilt sind, wobei der maximale Fehler 1,5% nicht übersteigt, was auf hohe Genauigkeit dieses Modells und seine Fähigkeit hinweist, den realen Anforderungen der Industrie gut gerecht zu werden.

Nassentschwefelung; Entschwefelungseffizienz; T-S Fuzzy Neural Network; Vorhersagemodell; MATLAB