En raison de la multiplicité des facteurs qui influent sur l'efficacité de la désulfuration et de leurs interrelations, il est difficile de surveiller en temps réel l'efficacité de la désulfuration et les résultats des mesures ne sont pas précis. Dans cet article, nous avons utilisé le réseau de neurones flou T-S pour établir un modèle de prévision de l'efficacité de la désulfuration, basé sur les données brutes du système de désulfuration humide collectées auprès du DCS d'une centrale électrique, puis formé et testé sur la plateforme MATLAB, pour obtenir un modèle de prévision assez 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 prévoir l'efficacité de la désulfuration accomplit que 85% des échantillons se situent dans une fourchette d'erreur relative de -1,0% à 0,5%, avec une erreur maximale inférieure à 1,5%, ce qui indique une précision assez élevée de ce modèle et sa capacité à répondre aux besoins réels de l'industrie.

Désulfuration humide; efficacité de la désulfuration; réseau de neurones flou T-S; modèle de prévision; MATLAB