一种基于GJO-TCN动态预测模型的S02预测方法与流程

本发明涉及玻璃厂脱硫，具体是涉及一种基于gjo-tcn动态预测模型的s02预测方法。背景技术：1、随着全球经济的发展，环保节能已经成一个越来越重要的话题。而在玻璃行业中，环保节能也是一个十分重要的议题。虽然玻璃窑炉以天然气作为其窑炉燃料，但这些燃料燃烧后仍产生大量的nox、so2、co2和粉尘等。生态环境部在2020年发布了《2020年环境统计年报》，其中我国二氧化硫排放总量达318.2万吨，是我国大气污染物排放的主要来源。其中，工业二氧化硫排放总量为253.2万吨，占全国二氧化硫排放量的79.6％，其中电力、热力生产及供应业排放的二氧化硫805000吨，占全国总量的31.8％。二氧化硫是无色、透明、有刺激性臭味的气体。亚硫酸是构成酸雨的重要成分，它与水分子发生反应，形成亚硫酸。二氧化硫与室内的水汽接触后，会对建筑物内部的金属进行侵蚀，从而缩短建筑物的使用寿命。当空气中的so2含量超过0.5ppm时，就会对人类产生潜在的危害；在400～500ppm之间，人就会出现胃溃疡、肺水肿直至窒息死亡。在空气中，二氧化硫会和烟雾发生反应。在大气so2含量0.21ppm的情况下，如果雾霾浓度大于3.3mg/l，就会导致呼吸道疾病的发生。因此，迫切需要降低大气中so2的污染，改善大气环境。2、如今，国家对于玻璃厂排放烟气中so2的浓度有着严格要求，玻璃厂so2排放浓度最低要求为100mg/m3。我国的脱硫技术起步于1950年代，这一阶段多采用简单湿法、磷铵肥法、亚钠循环法等湿法脱硫工艺，自70年代起，我国开始大量引进国外的先进技术和设备，如石灰石—石灰法、镁法、氨法、海水脱硫等湿法脱硫工艺，90年代至21世纪初期，我国在引进国外先进技术与装备的基础上，在so2超低排放及脱硫提效等方面，取得了较好的结果，例如：双ph区的双塔双循环，一塔双区，提效环和浆液冷却等技术。目前，石灰石/石灰—石膏法烟气脱硫技术具有脱硫效率高，脱硫效率最高可达99％，得以广泛应用。3、但同时因烟道过宽，容易产生探头采集数据不均匀和传感器堵塞老化的问题，此外石灰石/石灰—石膏法烟气脱硫技术术会出现系统结垢、设备腐蚀等问题，上述问题会导致脱硫系统存在大惯性、大延迟、实时性差等问题，使得so2排放浓度难以准确控制。技术实现思路1、针对现有技术存在的不足，本发明实施例的目的在于提供一种基于gjo-tcn动态预测模型的s02预测方法，以解决上述背景技术中的问题。2、为实现上述目的，本发明提供如下技术方案：3、一种基于gjo-tcn动态预测模型的s02预测方法，包括以下步骤：4、步骤一：构建时间卷积神经网络，采用金豺优化算法建立gjo-tcn动态预测模型；5、步骤二：建立出口so2浓度预测模型，对模型中的输入变量进行设定，利用机理分析方法，选择辅助变量，模型的输入特征变量确定后，确定tcn的相关参数；6、步骤三：对比gjo-tcn预测模型与实际值得出的预测结果，对预测结果分析。7、作为本发明进一步的方案，所述步骤一中构建时间卷积神经网络包括：8、s101：因果卷积，tcn的每一层使用一维全卷积网络作为网络结构，对长度不一致的卷积层，在输入序列的左侧进行零填充，使每一层的输入和输出序列具有相同的长度；9、s102：膨胀卷积，获得更多历史信息的同时提取时序中的深层特征；10、s103：残差结构将输入序列x与卷积网络的输出f(x)相加运算，计算公式为：11、out＝σ(x+f(x)) (1)12、式中，σ为激活函数,13、tcn每层包含两个膨胀因果卷积，卷积操作后对权重进行归一化并加入整流线性单元(relu)使小于0的数值变成0。14、作为本发明进一步的方案，所述步骤一中金豺优化算法包括:15、s201：种群位置初始化，初始解在搜索空间中均匀分布:16、y0＝ymin+rand(ymax-ymin) (2)17、式中，ymax、ymin分别为变量的上界和下界，最终形成的猎物种群位置矩阵：18、19、式中，m为猎物种群的大小，n为搜索空间的总维度；20、s202：确定雌雄金豺对位置，根据猎物种群位置矩阵以及适应度函数计算适应度矩阵的结果，选择位置具有最优适应度的猎物记为雄性金豺，位置具有次优适应度的记为雌性金豺；21、s203：狩猎由公豺狼领导，金豺对于猎物种群中每个个体的相对位置的数学模型如下式表示：22、y1(t)＝ym(t)-e·|ym(t)-rl·prey(t)|                 (4)23、y2(t)＝yfm(t)-e·|yfm(t)-rl·prey(t)|                (5)24、式中，t为当前迭代，ym(t)和yfm(t)为公豺狼和母豺狼的位置。y1(t)和y2(t)为更新后的公、母豺狼对应猎物的位置，ym(t)-rl·prey(t)表示豺狼和猎物间的距离；25、e为猎物的逃跑能量，计算公式为:26、27、式中，t为最大迭代次数，c1为常值1.5，r为0到1之间的任意数，e1表示猎物逃跑能量的下降，其值从1.5逐渐降低到0；e0表示猎物初始逃跑能量，为[-1,1]内的随机值，从0降到-1代表猎物逐渐虚弱，而从0升到1代表猎物的力量逐渐提高，当|e|<1时，金豺会包围攻击猎物；28、rl是基于levy分布的随机数向量，rl·prey(t)模拟了猎物的各种运动方式，29、rl＝0.05·lf(y)                           (7)30、31、32、式中，u，v为(0,1)内的随机值，β为常数1.5；33、s204：包围攻击猎物阶段，在包围攻击猎物阶段，金豺对于猎物种群中每个个体的相对位置如下：34、y1(t)＝ym(t)-e·|rl·ym(t)-prey(t)|                (10)35、y2(t)＝yfm(t)-e·|rl·yfm(t)-prey(t)|             (11)36、豺狼的位置更新：37、38、作为本发明进一步的方案，所述步骤二中建立出口so2浓度预测模型包括：39、采用3σ准则确定异常值，并用异常值前后的2个值得均值进行填补，采用均值填补法进行处理，采用小波降噪，从而将原始信号与噪声信号区别开来，使原信号完成最佳恢复的方法。40、作为本发明进一步的方案，所述步骤二中选择辅助变量包括：41、对模型中的输入变量进行设定，利用机理分析方法，选取锅炉负荷，石灰石浆液箱浓度，浆液ph值，吸收塔液位，浆液流量，吸收塔氧化空气减温器前流量，脱硫塔入口烟气流量，氧化风机相电流，石灰石浆液供给泵电机变频速度，入口so2浓度，吸收塔入口原烟气含氧量，锅炉风量，供浆量补偿。在此基础上，利用k-近邻互信息算法对以上13个变量进行了筛选，以剔除多余的数据。42、作为本发明进一步的方案，所述步骤二中确定tcn的相关参数包括：43、输入特征变量确定后，确定tcn的相关参数，tcn的正则化参数、学习率、滤波器个数、滤波器的大小以及区块数是决定预测精度的重要参数。44、作为本发明进一步的方案，所述步骤三中预测结果分析包括：45、选用其dcs系统提供的间隔10s采样的7500组数据，所用数据对应时序的机组负荷出现大范围变化，包含负荷波动段及稳定段。46、综上所述，本发明实施例与现有技术相比具有以下有益效果：47、基于cems得到的数据，建立一个有效的数据驱动的so2浓度预测模型，不仅能提前预测出口so2浓度，辅助电厂运行人员及时调整脱硫系统运行参数，同时能够保证脱硫系统运行的稳定性和经济性。48、为更清楚地阐述本发明的结构特征和功效，下面结合附图与具体实施例来对本发明进行详细说明。