전통적인 공식을 사용하여 탈황탑 출구의 SO_2 배출량을 추정하는 방법은 보급하기 어렵고 현장 측정은 시간이 많이 소요되며 비용이 소요됩니다. 본문에서는 RBF(방사 기능 기저 함수) 신경망을 기반으로 한 탈황탑 출구 SO_2 배출량 예측 방법을 제안하였으며, 기존의 F-R 보정 그래디언트 BP(역전파) 신경망 및 LM 알고리즘으로 최적화된 BP 신경망(LM-BP 신경망)을 대조 모델로 사용하여 이중알칼리법 탈황탑의 온라인 모니터링 데이터를 예측하였습니다. 결과적으로, RBF 신경망은 최대 편차 및 평균 편차가 모두 0으로 나타났으며, 이는 그래디언트 BP 신경망과 LM-BP 신경망보다 우수합니다. 이를 바탕으로 RBF 신경망을 예측 모델로 사용하되 평균 연기 온도가 101℃, 평균 탈황탑 세정액 pH가 8.40, 평균 입탑 세정액 유량과 연기 유량의 비율(액체가스 비)이 1.130 0 L/m3인 입력 매개변수로 한층 변화시키고, 각각의 입력 매개변수가 다른 매개변수에 미치는 영향을 예측하였습니다. 결과적으로, 탈황탑 출구 SO_2 질량 농도 등치량은 연기 온도가 증가함에 따라 증가하며, 110℃ 이후에는 등치량이 변동하기 시작합니다. 101℃의 연기 온도와 액체가스 비가 1.130 0 L/m3인 경우, 탈황탑 세정액 pH는 8.60이 최적입니다. 101℃ 및 pH가 8.40인 경우, 탈황탑 출구 SO_2 질량 농도 등치량은 액체가스 비가 증가함에 따라 감소합니다. 따라서 RBF 신경망을 기반으로 한 탈황탑 출구 SO_2 배출량 예측 방법은 이중알칼리법 탈황탑 출구 SO_2 배출량을 효과적으로 예측할 뿐만 아니라 SO_2 배출량을 최적화하고 제어할 수 있습니다.

탈황탑; 이중알칼리법; RBF 신경망; 그래디언트 BP 신경망; LM-BP 신경망; SO2 배출량; 예측 방법; 최적화 제어