| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 研究背景及意义 | 第11-14页 |
| 1.1.1 课题研究背景 | 第11-12页 |
| 1.1.2 燃煤电厂烟气脱硫技术 | 第12-13页 |
| 1.1.3 课题研究意义 | 第13-14页 |
| 1.2 海水脱硫系统介绍 | 第14-16页 |
| 1.2.1 海水脱硫原理 | 第14-15页 |
| 1.2.2 海水脱硫技术发展现状 | 第15-16页 |
| 1.2.3 海水脱硫技术与其他脱硫方式的比较 | 第16页 |
| 1.3 环保物联网和环境监测平台发展现状 | 第16-18页 |
| 1.4 电厂烟气海水脱硫系统对象模型研究和应用现状 | 第18-19页 |
| 1.5 本文主要内容及研究技术路线 | 第19-21页 |
| 第二章 工况数据定性分析 | 第21-29页 |
| 2.1 测点参数范围限定 | 第21-22页 |
| 2.2 工况参数关联性分析 | 第22-26页 |
| 2.2.1 算法的选择 | 第22-23页 |
| 2.2.2 关联参数的选择 | 第23-24页 |
| 2.2.3 关联性判断规则的建立 | 第24页 |
| 2.2.4 关联性置信区间的确定 | 第24-26页 |
| 2.3 工况参数逻辑规则分析 | 第26页 |
| 2.3.1 烟气侧逻辑规则 | 第26页 |
| 2.3.2 吸收塔区逻辑规则 | 第26页 |
| 2.4 本章小结 | 第26-29页 |
| 第三章 脱硫效率模型 | 第29-47页 |
| 3.1 吸收塔脱硫效率模型建模方法 | 第29-37页 |
| 3.1.1 建模方法的选择 | 第29-31页 |
| 3.1.2 脱硫效率神经网络模型参数的确定 | 第31-32页 |
| 3.1.3 BP神经网络算法原理 | 第32-34页 |
| 3.1.4 BP算法的计算步骤 | 第34-36页 |
| 3.1.5 模型输入变量的确定 | 第36-37页 |
| 3.2 脱硫效率模型的建立 | 第37-41页 |
| 3.2.1 样本采集和预处理 | 第37-38页 |
| 3.2.2 模型训练函数的确定 | 第38-41页 |
| 3.3 脱硫效率模型测试结果分析 | 第41-45页 |
| 3.3.1 脱硫效率模型训练结果 | 第41-42页 |
| 3.3.2 测试样本测试结果分析 | 第42-45页 |
| 3.4 二氧化硫排放量模型 | 第45页 |
| 3.5 本章小结 | 第45-47页 |
| 第四章 海水脱硫系统运行优化分析 | 第47-63页 |
| 4.1 海水脱硫系统概况 | 第47-49页 |
| 4.1.1 海水脱硫系统组成 | 第47-48页 |
| 4.1.2 海水脱硫系统运行成本分析 | 第48-49页 |
| 4.2 增压风机能耗模型 | 第49-54页 |
| 4.2.1 增压风机介绍 | 第49-50页 |
| 4.2.2 增压风机能耗模型参数的确定 | 第50页 |
| 4.2.3 模型建立和结果分析 | 第50-54页 |
| 4.3 海水升压泵能耗模型 | 第54-56页 |
| 4.4 脱硫系统运行成本优化及应用 | 第56-61页 |
| 4.4.1 优化算法的选择 | 第56-58页 |
| 4.4.2 优化目标和约束条件 | 第58-59页 |
| 4.4.3 GA算法优化结果分析 | 第59-61页 |
| 4.5 本章小结 | 第61-63页 |
| 第五章 工程应用 | 第63-73页 |
| 5.1 二氧化硫总量核算模型应用 | 第63-65页 |
| 5.1.1 环保工况在线监测平台系统组成 | 第63-64页 |
| 5.1.2 二氧化硫总量核算模型内置程序 | 第64-65页 |
| 5.2 应用结果分析 | 第65-69页 |
| 5.2.1 定性分析模块应用 | 第66-68页 |
| 5.2.2 脱硫效率模型应用 | 第68-69页 |
| 5.3 脱硫系统运行优化模型应用 | 第69-71页 |
| 5.4 本章小结 | 第71-73页 |
| 第六章 结论与展望 | 第73-75页 |
| 6.1 本文主要研究成果 | 第73-74页 |
| 6.2 展望 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 攻读硕士学位期间科研成果 | 第79-80页 |
| 致谢 | 第80页 |