基于智能監控的環保設施脫硫設備故障預警方法研究

關鍵詞：動態徑向基函數（RBF）神經網絡；動態RBF辨識器；環保設施；脫硫設備中圖分類號：X773 文獻標識碼：A 文章編號：1008-9500（2025）05-0241-03DOI： 10.3969/j.issn.1008-9500.2025.05.073

Abstract： Thedesulfurizationequipment of environmental protection facilitiesare thecoredevices forcontroling flue gas pollution andachieving eficientremoval of sulfurdioxide in thechemical industry.This paper analyzes the keyfault modes during the operation of imestone gypsum wet flue gas desulfurization equipment and their impact on system performance， researchesonreal-time fault warning method based on dynamic Radial Basis Function （RBF）neural network and dynamic RBFidentifier，andpropossanintellgentmonitoringtechnologytatintegateseal-timemonitoing，onlinearidntification， anddynamic modeling，aiming toimprovethe operational safetyandfault predictionaccuracyof desulfurization equipment.

Keywords：dynamic Radial Basis Function （RBF）neural network;dynamic RBF identifier;environmental protection facilities; desulfurization equipment

二氧化硫（ SO₂ ）是主要大氣污染物之一，隨著全球工業化進程加速，其高效脫除技術受到廣泛關注。石灰石-石膏濕法煙氣脫硫技術因脫硫效率高、工藝成熟，已成為化工行業應用的主流技術之一。然而，脫硫設備運行過程易受煙氣流量波動、漿液循環效率下降等工況變化的影響，導致設備故障頻發、脫硫效率降低。傳統監控方法因缺乏動態預測能力，無法滿足復雜工況的精準預警需求。因此，基于智能監控的故障預警方法成為保障環保設施穩定運行的關鍵研究方向。

1石灰石－石膏濕法煙氣脫硫裝置概述

石灰石－石膏濕法煙氣脫硫技術廣泛應用于化工、冶金、電力等行業的煙氣脫硫處理。脫硫裝置的常規工藝流程如圖1所示。石灰石－石膏濕法脫硫裝置主要由石灰石粉倉、石灰石漿液箱、吸收塔、除塵器、引風機和除霧器等關鍵設備構成[1]。

石灰石粉倉存儲并供應石灰石原料，經由輸送系統將其送入石灰石漿液箱[2。石灰石與水混合，形成濃度 15%～20% 的石灰石漿液，并由泵送至吸收塔。煙氣借助引風機吸入塔內，與石灰石漿液進行充分接觸，發生酸堿中和反應，形成石膏沉淀。吸收塔內的 SO₂ 被石灰石漿液中的鈣離子（ Ca²⁺ ）吸附并轉化為石膏（ CaSO₄?2H₂O ）[3]。為提高脫硫效率并防止噴淋系統堵塞，吸收塔下方配有除霧器，用于去除脫硫過程中產生的水霧。煙氣中的細微水滴被除霧器分離，防止水分影響下游設備。吸收塔內的脫硫產物石膏漿液則通過引風機進一步送至后續處理環節。脫硫后的煙氣進入除塵器進行進一步凈化，去除殘留的粉塵和煙氣中的雜質[4]。脫硫后產出的石膏漿液進行兩級脫水處理，其中一級脫水去除大部分水分，二級脫水進行進一步脫水，將石膏漿液脫水至可處理狀態，最后送往廢水處理系統進行清理。

圖1脫硫裝置工藝流程

2脫硫設備故障預警方法

2.1動態RBF神經網絡

動態徑向基函數（RadialBasisFunction，RBF）神經網絡因其在非線性建模和實時故障預警中的顯著效果，被廣泛應用于化工領域，尤其適用于復雜工藝系統的動態特性描述[5。動態RBF神經網絡由輸入層、隱含層和輸出層組成。輸入層接收塔內壓降、 SO₂ 濃度、循環液體密度等多維工藝參數；隱含層通過徑向基函數實現非線性映射；輸出層用于故障狀態或風險的預測。隱含層的核心徑向基函數形式如式（1）所示。網絡輸出通過加權求和獲得，如式（2）所示。

式中： φ_i（x） 為第 i 個隱含層的核心徑向基函數； x 是輸入向量，表示脫硫設備運行的工藝參數，x=[x₁，x₂，…，x_n]^T ： c_i 是第 i 個徑向基函數的中心，表示隱含層神經元的聚焦點，它通過學習從輸入數據中確定，反映數據在特征空間中的分布； ||x-c_i|| 是歐幾里得距離，表示輸入向量 x 到中心 c_i 的距離，決定該神經元對當前輸入的響應程度； σ_i 是寬度參數，控制徑向基函數的擴展范圍或敏感度，值越大，響應范圍越廣，值越小，響應范圍越集中; 是時刻 t 的網絡輸出，用于預測脫硫設備運行狀態； w_i 是第 i 個隱含層神經元的權重，表示徑向基函數對最終輸出的貢獻程度；M 是隱含層神經元數量。

2.2 動態RBF辨識器

如圖2所示，在動態RBF辨識器設計中，該辨識器采集脫硫設備的多維輸入輸出信號，結合誤差信號的動態反饋調整，實現對系統運行狀態的實時辨別和潛在故障模式的精準評估。其核心功能在于利用輸入偏差信號 e₁（k） 和 e₂（k） 建立系統輸入 u₁（k） 和 u₂（k） 與輸出 y_out，1（k） 和 y_out，2（k） 的動態非線性映射關系，從而實現對復雜工況的實時控制與預測。其中，變量 k 表示采樣時刻。辨識器的輸入端接收由目標信號 r_in，l（k） 和r_in，2（k） 與實際輸出信號 y_out，1（k） 和 y_out，2（k） 差值生成的偏差信號 e₁（k） 和 e₂（k） 。在人工神經網絡比例－積分－微分（Proportion-Integration-Differentiation，PID）控制器的調節下，這兩路偏差信號生成控制信號 u₁（k） 和 u₂（k） ，并輸入脫硫設備的吸收塔漿液循環泵和噴淋層供液系統等關鍵操作回路。

當吸收塔內煙氣流量發生波動，或因噴淋系統堵塞導致循環液壓力下降時，辨識器能夠迅速捕捉這些關鍵變量的異常變化，動態調整參數，生成準確的輸出預測值。同時，圖2中TD1模塊的引入對辨識器輸出信號進行平滑處理，有效降低動態控制信號的振蕩，提高系統運行的穩定性。對輸入偏差信號和輸出特性的非線性關系進行解析后，Jacobian單元生成的動態雅可比矩陣為控制器參數調整提供科學依據。動態RBF辨識器以雅可比矩陣為核心，精準辨識脫硫設備的動態特性，為人工神經網絡PID控制器提供實時更新的特性反饋信號。

3 測試與分析

3.1 測試環境

測試在某火電廠的石灰石－石膏濕法煙氣脫硫系統進行，所用脫硫塔型號為YZ-1200型，專門設計用于高溫、高濃度煙氣的脫硫處理。該脫硫塔直徑為8m ，高度為 30m ，處理煙氣流量為 2140717Nm³/h O系統主要設備包括石灰石漿液泵、噴淋系統、煙氣進出口管道、循環水泵和氣體排放監測系統等。根據主要工藝參數，噴淋液壓力為 0.85MPa ，漿液濃度為18.5% ，循環泵流量為 800m³/h ，煙氣進口 SO₂ 濃度為 2135mg/m³ ，煙氣出口 SO₂ 濃度為 13.7mg/m³ ，脫硫率超過 90% 。

3.2 測試步驟

試驗分3個階段進行。第一階段，將脫硫系統調整至穩定運行狀態，記錄基準參數。第二階段，依次模擬3種典型故障。一是煙氣流量波動，分別調整流量至 1824116Nm³/h 和 240 102Nm³/h 。二是噴淋層堵塞，將噴淋壓力降至 0.42MPa 。三是循環泵效率下降，將流量調整為 403.67m³/h 。每種故障持續運行40min ，監控系統采集數據并生成預警信號。第三階段，對比實際工藝數據與預警系統預測結果，分析預警系統的響應性能。

3.3 測試結果

測試結果表明，動態RBF模型預警系統對故障的響應時間為 3～7min ，顯著早于設備性能異常的發生。在煙氣流量波動試驗中，當流量降至1824116Nm³/h 時，預警系統準確檢測出口 SO₂ 濃度升高趨勢，提前預警潛在吸收效率下降。在噴淋壓力降低試驗中，系統在壓力降至 0.65MPa 時提前提示噴淋層堵塞風險。循環泵效率下降試驗中，系統成功預測漿液循環效率衰減的影響。整體試驗數據表明，預警系統能夠精準捕捉設備運行狀態的動態變化，顯著提高設備運行的安全性與可靠性。試驗關鍵數據如表1所示。

圖2動態RBF辨識器設計

表1實驗關鍵數據

4結論

本文基于動態RBF神經網絡和動態RBF辨識器，建立適用于濕法脫硫設備的故障預警方法，并通過試驗驗證其準確性和健壯性。測試結果表明，該方法能夠實時捕捉設備工況的非線性動態變化，提前識別關鍵故障模式，有效提高脫硫系統的運行安全性與可靠性。

參考文獻

1王非.天然氣脫硫凈化處理工藝技術研究[J]石化技術，2024（9）：102-104.

2 張清風.脫硫系統常見控制設備改造案例[J].電力安全技術，2024（9）：62-65.

3 邱華.火力發電廠除灰脫硫設備優化措施[J].內蒙古科技與經濟，2024（17）：117-119.

4劉嬌，趙玉東，趙勇綱，等.熱塑防腐材料特性分析及在電廠脫硫設備上的應用[J].粘接，2024（8）：130-133.

5 王耀君.煤礦鍋爐設備中脫硫技術的應用分析[J].山西化工，2024（7）：156-158.