机器学习算法在脱硫系统智能运行及优化中的应用

随人工智能和大数据的飞速发展，以机器学习和工业大数据为核心的智能化系统已成为发电企业发展趋势。通过建立脱硫系统数据模型，结合机器学习算法自学习、自适应的特性，借助系统特征数据采集和上传功能，实现脱硫系统的自我诊断、提前预警及在线优化，有助于提升电厂智能化水平，达到超低排放、低碳运行的双重目标。在脱硫系统数据模型中，核心算法的选择将直接影响参数预测及后续优化的精准性。介绍了支持向量机、集成学习算法、神经网络法等主流机器学习算法的基本原理，综述了不同算法在脱硫系统智能运行中的应用，对比分析了不同算法在实现脱硫系统关键参数预测时的优缺点以及脱硫系统智能运行、优化方法。基于此确立了适用脱硫系统智能运行的更精准预测模型与优化技术路线，为实现湿法脱硫超低排放条件下的低碳节能运行提供参考。