基于熵聚类的改进算法在电厂脱硫系统中的应用

《基于熵聚类的改进算法在电厂脱硫系统中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第37卷第3期华电技术V01．37No．32015年3月HuadianTechnologyMar．2015基于熵聚类的改进算法在电厂脱硫系统中的应用杨国彬，谢向阳，谢亚飞(1．国电南瑞科技股份有限公司，南京210000；2．江苏智方建设工程有限公司，南京210000)摘要：石灰石一石膏湿法脱硫技术采用石灰或石灰石作为脱硫剂，影响其脱硫性能的主要因素有石灰石原料、机组运行参数和可调参数等方面。在参数约减后，将浆液密度、浆液的pH值、钙硫比(Ca／S)可调参数控制在其最优值范围内，得到影响脱硫效率的因素为机组负荷、人口SO，质量浓度和浆液泵运行台数。对基本的熵模糊聚类(EFC)进行相关改

2、进，提出阀值变尺度EFC算法，并验证了算法的准确性。利用改进算法在各典型负荷邻域区间内对实际运行数据分别进行多参量同步聚类，挖掘出不同负荷所对应的入口SO：质量浓度、浆液泵开启台数与脱硫效率之间的关系，并提出浆液循环泵优化调度方案。关键词：湿法脱硫；脱硫效率；阀值口变尺度EFC聚类；浆液循环泵中图分类号：X701．3文献标志码：A文章编号：1674—1951(2015)03—0010—04本文基于信息熵的阀值变尺度聚类，提出一种0引言浆液循环泵的优化调度方法。该方法针对电厂历史火力发电厂排放的废气中，SO：，NO等酸性气运行数据，筛选各典型负荷邻域区间内影响脱硫效体会形成酸雨，其污染

3、导致的经济损失达上千亿元，率的各主要因素，不仅关注脱硫效率，同时考虑各参已成为制约国民经济可持续发展的主要因素⋯，因量之间的耦合关系。得到各负荷邻域区间内的各影此，如何控制烟气污染排放以及如何选择合适的环响因素的分类情况后，拟合影响因素和脱硫效率之境污染控制技术已成为迫在眉睫的任务。脱硫技术间的关系，实时指导运行人员是否需要做泵的启、停正在火电厂得到广泛的推广应用，而石灰石一石膏调整。湿法烟气脱硫是技术成熟、控制SO较为有效的途1Shannon信息熵模糊聚类径，其脱硫效率可达95％以上，因而成为火电厂当前应用最广泛的一种脱硫方法。熵的概念最早出现于热力学第二定律，作为一石灰石一石膏湿

4、法脱硫技术采用石灰或石灰石个状态函数，它揭示了系统内部一切不可逆过程自作为脱硫剂，将石灰粉进行消化处理或将石灰石研发进行的方向是熵增加的方向。而后，玻尔兹曼从制成细小的粉状后与水搅拌混合制成吸收浆液。在分子运动论的角度考察了熵，认为熵反映了分子运吸收塔内，喷淋浆液与烟气充分混合后可吸收烟气动的混乱程度，是无序性的度量。信息论的创始人中的SO：，再经过空气氧化后形成石膏。脱硫后的申农(Shannon)1948年将熵的概念引入到信息论，湿烟气继续流动至除雾器去除细小液滴，经换热器丰富了熵的概念，把熵作为信息源包含信息量多少加热升温后排人烟囱；而脱硫石膏浆液经脱水后回的测度，用于度量系统状

5、态不确定性程度，即Shan．收进入循环再利用，以提高脱硫剂的利用率]。non信息熵。湿法脱硫过程中，影响脱硫系统运行效率的主1．1基于熵的基本模糊聚类(EFC)要因素有浆液的pH值、钙硫比、液气比(L／G)、浆一堆数据中某两个数据点的熵值在[0，1]范围液密度及固态物停留时间等。对于一个特定的吸收内，数据点距离近似为0时，熵近似为0，当这两点塔，L／G是保证脱硫效率的重要参数，L／G增大，脱的距离远大于数据中所有成对数据点的平均距离硫效率随之上升。但实际运行中L／G并非越大越时，熵值近似为1。用基于距离的指标s作为相似好，提高L／G意味着浆液循环泵出力增大，循环泵性度量，当s很小时，

6、表明这两个数据点很接近，可电耗增加，总运行成本增加_3—7j。以归为同一集群中，反之则说明这两点属于不同的集群。收稿日期：2014—07—21；修回日期：2015—01—27设有一组维数据样本{，，⋯，X}(N为第3期杨国彬，等：基于熵聚类的改进算法在电厂脱硫系统中的应用·11·数据个数)，其中X=。，，⋯，}，：1，2，⋯，的变化相对应。这里不考虑石灰石原料的变化，即Ⅳ。将一个数据点对另一个数据点的熵定义为石灰石纯度、粒径、硬度等不发生变化。机组运行参E=一Slog2S一(1一Js)log2(1一S)，(1)数中，负荷和烟气流量对脱硫效率的影响较大“，式中：熵E的范围为[0，1]。

7、当S=0．5时，E取最大通常情况下，负荷和烟气流量成正比，故可将这两个值1；当S—O时，E取最小值0。参数简化为机组负荷。数据点置和样本其余数据点熵的总和j#iE=一∑(Js1og2S+(1一Js)log2(1一Js))，(2)JEXS=e-t~D，(3)式中：5为数据点X与之间的相似度，S∈[0，1]；D为数据点X与之间的欧氏距离。假设两数据点的距离是所有成对数据点平均距离时，此两点相似度为0．5，=一ln0．5／一D(一D为样本所有成对数据点之间距离的