基于T-S模糊神经网络的湿法脱硫效率预测

李斌; 邓煜; 边禹铭; 齐年哲

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

基于T-S模糊神经网络的湿法脱硫效率预测

发电技术论坛 | 更新时间：2025-09-28

- 基于T-S模糊神经网络的湿法脱硫效率预测
- Prediction of limestone-gypsum wet flue gas desulfurization efficiency based on T-S fuzzy neural network
- 热力发电 2016年45卷第6期页码：116-119
- 作者机构：
  
  华北电力大学能源动力与机械工程学院
- 作者简介：
- 基金信息：
- DOI：
  中图分类号： X773
- 纸质出版日期：2016
- 稿件说明：
移动端阅览
李斌, 邓煜, 边禹铭, 等. 基于T-S模糊神经网络的湿法脱硫效率预测[J]. 热力发电, 2016,45(6):116-119.

LI Bin, DENG Yu, BIAN Yuming, et al. Prediction of limestone-gypsum wet flue gas desulfurization efficiency based on T-S fuzzy neural network[J]. Thermal power generation, 2016, 45(6): 116-119.
李斌, 邓煜, 边禹铭, 等. 基于T-S模糊神经网络的湿法脱硫效率预测[J]. 热力发电, 2016,45(6):116-119. DOI：

LI Bin, DENG Yu, BIAN Yuming, et al. Prediction of limestone-gypsum wet flue gas desulfurization efficiency based on T-S fuzzy neural network[J]. Thermal power generation, 2016, 45(6): 116-119. DOI：

摘要

由于影响脱硫效率的因素较多

且相互之间均具有关联性

造成脱硫效率难以实时监测

且测量结果不精准。本文运用T-S模糊神经网络建立了脱硫效率的预测模型

基于某电厂DCS采集的湿法脱硫系统原始数据

在MATLAB平台上进行训练与检验

得到较精准的脱硫效率预测模型。模型验证结果显示:采用T-S模糊神经网络模型预测脱硫效率

85%的样本点相对误差分布在-1.0%~0.5%之间

最大误差不超过1.5%

说明该模型的预测精度较高

能较好地满足工程实际的需求。

Abstract

There are many relevant factors affecting the desulfurization efficiency

leading to difficulties in measuring the desulfurization efficiency.To solve this problem

the T-S fuzzy neural network was applied to establish prediction model of the desulfurization efficiency

on the basis of the original data of desulfurization system collected by apower plant's DCS in Jiangxi province.The original collected data were tested and trained to be accurate on the platform of MATLAB.The results show that

when predicting the desulfurization efficiency by using the T-S fuzzy neural network prediction model

relative error of 85%samples is between-1.0% and 0.5%

and the maximum error is no higher than 1.5%.It illustrates that the proposed model has higher prediction precision

which can better meet the actual needs of engineering.

关键词

Keywords

references

浏览量

210

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于偏最小二乘支持向量机的烟气湿法脱硫效率预测模型

基于多任务不确定性损失的电站锅炉关键指标预测

一种预测煤灰粘温特性的数学模型

基于L-M算法的火电厂实时数据神经网络预测模型研究

广义预测控制在锅炉燃烧控制系统中的应用