En raison de la multiplicité des facteurs influençant l'efficacité de désulfuration et de leur interdépendance, il est difficile de surveiller en temps réel l'efficacité de la désulfuration et les résultats de mesure sont imprécis. Dans cet article, un réseau de neurones flou T-S a été utilisé pour établir un modèle de prédiction de l'efficacité de la désulfuration, sur la base des données brutes du système de désulfuration humide collectées auprès d'une centrale électrique particulière, puis formées et vérifiées sur la plateforme MATLAB, aboutissant à un modèle de prédiction précis de l'efficacité de la désulfuration. Les résultats de vérification du modèle montrent que l'utilisation du modèle de réseau de neurones flou T-S pour prédire l'efficacité de la désulfuration donne lieu à un écart relatif de 85% des points d'échantillon compris entre -1,0% et 0,5%, et une erreur maximale ne dépassant pas 1,5%, ce qui indique que ce modèle a une précision de prédiction assez élevée et peut répondre assez bien aux besoins réels de l'ingénierie.

Désulfuration humide; Efficacité de désulfuration; Réseau de neurones flou T-S; Modèle de prédiction; MATLAB