一种脱硫吸收塔的水平衡控制方法及装置

技术领域

本申请涉及工业烟气治理技术领域，尤其涉及一种脱硫吸收塔的水平衡控制方法及装置。

背景技术

脱硫吸收塔的作用主要是通过循环泵和喷淋层管组将混有石灰石和石膏的浆液进行循环喷淋，吸收进入吸收塔烟气中的二氧化硫。被浆液吸收的二氧化硫与石灰石和鼓入吸收塔中的氧气发生反应生成二水硫酸钙(石膏)，然后通过石膏排出泵将生成的石膏排到石膏脱水系统进行脱水。

吸收塔的水平衡在于保证相关设备系统正常运行前提下维持吸收塔液位在合理区间，即要保证吸收塔液位处于合理区间，避免液位太低液体无法顺利泵取，液位太高影响冲洗等动作。

现有技术中，一般认为吸收塔液位与除雾器冲洗水量成正相关，除雾器冲洗通常按照预设周期或者在触发冲洗报警阈值时进行冲洗，但是由于吸收塔液位真实增量是由增加和消耗两部分动态组成，增加与消耗又与多种因素相关联，当前控制方式无法全面考虑各个因素，因此吸收塔的水平衡控制效果不佳。

发明内容

有鉴于此，本申请提供了一种脱硫吸收塔的水平衡控制方法及装置，提高脱硫吸收塔的水平衡控制效果。

其技术方案如下：

第一方面，本申请实施例提供了一种脱硫吸收塔的水平衡控制方法，所述方法包括：

根据预设的压差预测模型获取所述吸收塔的除雾器的压差预测值，所述压差预测模型是由所述除雾器的历史冲洗数据训练得到的时序神经网络模型；

根据所述压差预测值以及预设的压差理想值，基于预设的冲洗时间预测模型获得预测冲洗时间，所述冲洗时间预测模型是由所述除雾器的历史冲洗数据训练得到的卷积神经网络模型；

基于预设的液体增量模型获取所述吸收塔在所述预测冲洗时间内的有效液体增量，所述液体增量模型包括所述吸收塔的液体增量以及液体消耗量；

根据所述有效液体增量确定所述吸收塔在所述预测冲洗时间后的预期浆液体积；

根据所述吸收塔当前的浆液密度、浆液体积以及所述预期浆液体积确定所述吸收塔在所述预测冲洗时间后的预期浆液密度；

根据所述预期浆液密度、所述预期浆液体积、所述预测冲洗时间以及预设的除雾器冲洗控制模型控制所述吸收塔的除雾器进行冲洗工作。

可选的，所述压差预测模型是由所述除雾器的历史冲洗数据训练得到的时序神经网络模型，包括：

获取所述除雾器的第一历史冲洗数据，所述第一历史冲洗数据包括：所述除雾器在预设工况下的等效冲洗水量、所述除雾器在预设工况周期内的压差数据，其中，所述等效冲洗水量是由所述除雾器在工作周期内的冲洗动作离散得到的；

根据所述除雾器的工况信息、所述等效冲洗水量以及所述压差数据对预设的时序神经网络模型进行训练，以得到所述压差预测模型。

可选的，所述冲洗时间预测模型是由所述除雾器的历史冲洗数据训练得到的卷积神经网络模型，包括：

获取所述除雾器的第二历史冲洗数据，所述第二历史冲洗数据包括：所述除雾器在预设工况下的等效冲洗水量、所述除雾器在预设工况周期内的压差数据以及对应的冲洗时间数据，其中，所述等效冲洗水量是由所述吸收塔在工作周期内的冲洗动作离散得到的；

根据所述吸收塔的工况信息、所述等效冲洗水量、所述压差数据以及所述冲洗时间数据对预设的卷积神经网络模型进行训练，以得到所述冲洗时间预测模型。

可选的，基于液体增量模型获取所述吸收塔在所述预测冲洗时间内的有效液体增量，包括：所述液体增量模型为：W

获取所述预测冲洗时间内所述吸收塔的浆液制备流量、蒸发量以及所述除雾器的冲洗流量，并基于所述液体增量模型计算所述吸收塔在所述预测冲洗时间内的有效液体增量。

可选的，所述根据所述有效液体增量确定所述吸收塔在所述预测冲洗时间后的预期浆液体积，包括：

根据所述有效液体增量确定所述吸收塔在所述预测冲洗时间内的预期液位增量；

根据所述吸收塔当前液位以及所述预期液位增量确定所述吸收塔在所述预测冲洗时间后的预期液位；

根据所述预期液位以及吸收塔面积确定所述吸收塔在所述预测冲洗时间后的预期浆液体积。

可选的，所述根据所述预期浆液密度、所述预期浆液体积、所述预测冲洗时间以及预设的除雾器冲洗控制模型控制所述吸收塔的除雾器进行冲洗工作，包括：

所述预设的除雾器冲洗控制模型为：minJ(P,h,T)＝α*(P-P

将所述所述预期浆液密度、所述预期浆液体积、所述预测冲洗时间代入所述除雾器冲洗控制模型，通过预设的优化算法求解模型最优解，按照所述最优解控制所述吸收塔的除雾器进行冲洗工作。

可选的，所述根据所述预期浆液密度、所述预期浆液体积、所述预测冲洗时间以及预设的除雾器冲洗控制模型控制所述吸收塔的除雾器进行冲洗工作，包括：

所述除雾器冲洗模型是通过符合预设冲洗要求的历史冲洗数据构建的，所述预设的除雾器冲洗控制模型为：

其中，P

当吸收塔液位高度大于或等于吸收塔目标液位高度，且预期浆液密度大于或等于目标浆液密度时，按照所述除雾器冲洗控制模型，控制所述吸收塔的除雾器按照第一冲水量执行冲洗工作；

当吸收塔液位高度小于吸收塔目标液位高度时，按照所述除雾器冲洗控制模型，控制所述吸收塔的除雾器按照第一冲水量执行冲洗工作；

当吸收塔液位高度大于吸收塔目标液位高度，且预期浆液密度小于目标浆液密度时，按照所述除雾器冲洗控制模型，控制所述吸收塔的除雾器按照第二冲水量执行冲洗工作，其中所述第一冲水量为所述第二冲水量的两倍。

第二方面，本申请实施例提供了一种脱硫吸收塔的水平衡控制装置，所述装置包括：

压差预测模块，用于根据预设的压差预测模型获取所述吸收塔的除雾器的压差预测值，所述压差预测模型是由所述除雾器的历史冲洗数据训练得到的时序神经网络模型；

冲洗时间预测模块，用于根据所述压差预测值以及预设的压差理想值，基于预设的冲洗时间预测模型获得预测冲洗时间，所述冲洗时间预测模型是由所述除雾器的历史冲洗数据训练得到的卷积神经网络模型；

液体增量获取模块，用于基于预设的液体增量模型获取所述吸收塔在所述预测冲洗时间内的有效液体增量，所述液体增量模型包括所述吸收塔的液体增量以及液体消耗量；

浆液体积确定模块，用于根据所述有效液体增量确定所述吸收塔在所述预测冲洗时间后的预期浆液体积；

浆液密度确定模块，用于根据所述吸收塔当前的浆液密度、浆液体积以及所述预期浆液体积确定所述吸收塔在所述预测冲洗时间后的预期浆液密度；

冲洗控制模块，根据所述预期浆液密度、所述预期浆液体积、所述预测冲洗时间以及预设的除雾器冲洗控制模型控制所述吸收塔的除雾器进行冲洗工作。

可选的，所述冲洗控制模块具体用于：

所述预设的除雾器冲洗控制模型为：minJ(P,h,T)＝α*(P-P

将所述所述预期浆液密度、所述预期浆液体积、所述预测冲洗时间代入所述除雾器冲洗控制模型，通过预设的优化算法求解模型最优解，按照所述最优解控制所述吸收塔的除雾器进行冲洗工作。

可选的，所述冲洗控制模块具体用于：

所述除雾器冲洗模型是通过符合预设冲洗要求的历史冲洗数据构建的，所述预设的除雾器冲洗控制模型为：

其中，P

当吸收塔液位高度大于或等于吸收塔目标液位高度，且预期浆液密度大于或等于目标浆液密度时，按照所述除雾器冲洗控制模型，控制所述吸收塔的除雾器按照第一冲水量执行冲洗工作；

当吸收塔液位高度小于吸收塔目标液位高度时，按照所述除雾器冲洗控制模型，控制所述吸收塔的除雾器按照第一冲水量执行冲洗工作；

当吸收塔液位高度大于吸收塔目标液位高度，且预期浆液密度小于目标浆液密度时，按照所述除雾器冲洗控制模型，控制所述吸收塔的除雾器按照第二冲水量执行冲洗工作，其中所述第一冲水量为所述第二冲水量的两倍。

上述技术方案具有如下有益效果：

本申请实施例提供的一种脱硫吸收塔的水平衡控制方法，在执行所述方法时，根据预设的压差预测模型获取所述吸收塔的除雾器的压差预测值，所述压差预测模型是由所述除雾器的历史冲洗数据训练得到的时序神经网络模型；根据所述压差预测值以及预设的压差理想值，基于预设的冲洗时间预测模型获得预测冲洗时间，所述冲洗时间预测模型是由所述除雾器的历史冲洗数据训练得到的卷积神经网络模型；基于预设的液体增量模型获取所述吸收塔在所述预测冲洗时间内的有效液体增量，所述液体增量模型包括所述吸收塔的液体增量以及液体消耗量；根据所述有效液体增量确定所述吸收塔在所述预测冲洗时间后的预期浆液体积；根据所述吸收塔当前的浆液密度、浆液体积以及所述预期浆液体积确定所述吸收塔在所述预测冲洗时间后的预期浆液密度；根据所述预期浆液密度、所述预期浆液体积、所述预测冲洗时间以及预设的除雾器冲洗控制模型控制所述吸收塔的除雾器进行冲洗工作。由此可见，本申请实施例中预先构建与吸收塔水平衡要素相关的预测模型，跟踪除雾器压差、吸收塔液位以及浆液密度等指标，综合考虑各项指标控制除雾器冲洗动作，维持相关指标动态稳定，实现吸收塔水平衡控制，提高了吸收塔水平衡控制效果。

本申请实施例还提供了与上述方法相对应的装置，具有与上述方法相同的有益效果。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本申请实施例提供的一种脱硫吸收塔的水平衡控制方法的流程示意图；

图2为本申请实施例提供的一种脱硫吸收塔的水平衡控制装置的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

为了实现，本申请实施例提供了一种脱硫吸收塔的水平衡控制方法，请参阅图1，该方法可以包括：

步骤S100：根据预设的压差预测模型获取吸收塔的除雾器的压差预测值，压差预测模型是由除雾器的历史冲洗数据训练得到的时序神经网络模型。

具体的，利用预设的压差预测模型对除雾器在预设时间后的压差进行预测，获得除雾器的压差预测值。

压差预测模型是由除雾器的历史冲洗数据训练得到的时序神经网络模型，具体的，可以包括如下步骤S101至步骤S102。

步骤S101：获取除雾器的第一历史冲洗数据，第一历史冲洗数据包括：除雾器在预设工况下的等效冲洗水量、除雾器在预设工况周期内的压差数据。

具体的，可以以除雾器历史冲洗数据中冲洗动为周期定值，将冲洗动作均匀离散在整个冲洗周期，保证整个冲洗周期均有冲洗水量，由此确定除雾器在预设工况下的等效冲洗水量。

步骤S102：根据除雾器的工况信息、等效冲洗水量以及压差数据对预设的时序神经网络模型进行训练，以得到压差预测模型。

具体的，将除雾器的工况信息以及等效冲水量作为模型的输入，压差数据作为模型的输出，对预设的时序神经网络模型进行训练，直至模型收敛，获得压差预测模型。

需要说明的是，预设的时序神经网络模型可以是长短期记忆网络(LSTM，LongShort-Term Memory)模型、循环神经网络(Recurrent Neural Network，CNN)模型等其他时序神经网络模型，本申请不对时序神经网络模型具体类型做出限定，技术人员可以根据实际需求做出选择。

步骤S200：根据压差预测值以及预设的压差理想值，基于预设的冲洗时间预测模型获得预测冲洗时间，冲洗时间预测模型是由除雾器的历史冲洗数据训练得到的卷积神经网络模型。

具体的，利用预设的冲洗时间预测模型对除雾器压差从压差预测值至预设的压差理想值所需要冲洗时间进行预测，获得除雾器的预测冲洗时间。

需要说明的是，预设的压差理想值是技术人员根据脱硫吸收塔的参数，具体脱硫工况进行设置的，本申请实施例不对压差理想值做出限定。

冲洗时间预测模型是由除雾器的历史冲洗数据训练得到的卷积神经网络模型，具体的，可以包括如下步骤S201至步骤S202。

步骤S201：获取除雾器的第二历史冲洗数据，第二历史冲洗数据包括：除雾器在预设工况下的等效冲洗水量、除雾器在预设工况周期内的压差数据以及对应的冲洗时间数据。

具体的，可以以除雾器历史冲洗数据中冲洗动为周期定值，将冲洗动作均匀离散在整个冲洗周期，保证整个冲洗周期均有冲洗水量，由此确定除雾器在预设工况下的等效冲洗水量。需要说明的是，压差数据包括除雾器从当前压差值以及目标压差值。

步骤S202：根据吸收塔的工况信息、等效冲洗水量、压差数据以及冲洗时间数据对预设的卷积神经网络模型进行训练，以得到冲洗时间预测模型。

具体的，将除雾器的工况信息、等效冲水量以及压差数据作为模型的输入，冲洗时间数据作为模型的输出，对预设的卷积神经网络模型(Convolutional Neural Network，CNN)进行训练，直至模型收敛，获得冲洗时间预测模型。

步骤S300：基于预设的液体增量模型获取吸收塔在预测冲洗时间内的有效液体增量，液体增量模型包括吸收塔的液体增量以及液体消耗量。

具体的，通过液体增量模型计算吸收塔在预设冲洗时间内的有效液体增量，可以理解的是，有效液体增量是由吸收塔的液体增量以及液体消耗量计算得到的，吸收塔的液体增量主要包括除雾器冲洗以及浆液制备两方面。

液体增量模型可以表示为：W

通过上述公式可以确定在预测冲洗时间内吸收塔的浆液制备流量、蒸发量以及除雾器的冲洗流量，并基于液体增量模型计算吸收塔在预测冲洗时间内的有效液体增量。

步骤S400：根据有效液体增量确定吸收塔在预测冲洗时间后的预期浆液体积。

吸收塔内的浆液体积包括当前浆液体积以及在预测冲洗时间后增加的浆液体积，即可以通过有效液体增量确定出吸收塔在预测冲洗时间后的预期浆液体积。

具体的，步骤S400可以包括如下步骤S401至步骤403。

步骤S401：根据有效液体增量确定吸收塔在预测冲洗时间内的预期液位增量。

可以理解的是，在已知吸收塔在预测冲洗时间内的有效液体增量后，即已知吸收塔在预测冲洗时间内有效液体的体积增量，由此可以根据吸收塔的面积计算获得吸收塔在预测冲洗时间内的预期液位增量，可以表示如下：Δh＝W

步骤S402：根据吸收塔当前液位以及预期液位增量确定吸收塔在预测冲洗时间后的预期液位。

该步骤中，由吸收塔当前液位以及上一步骤获得的预期液位增量确定吸收塔在预测冲洗时间后的预期液位，可以理解的是，预期液位是由当前吸收塔的液位以及预期液位增量计算获得的，可以表示为：h

需要说明的是，吸收塔当前液位信息可以通过吸收塔的液位计传感器设备采集获得。

步骤S403：根据预期液位以及吸收塔面积确定吸收塔在预测冲洗时间后的预期浆液体积。

具体的，将计算获得预期液位乘以吸收塔面积获得吸收塔在预测冲洗时间后的预期浆液体积，可以表示如下：V

步骤S500：根据吸收塔当前的浆液密度、浆液体积以及预期浆液体积确定吸收塔在预测冲洗时间后的预期浆液密度。

具体的，吸收塔内浆液在除雾器冲洗前后石灰石总浆液质量守恒，因此有：P

由此预期浆液密度可以表示为：P

需要说明的是，当前浆液密度可以通过吸收塔的液体密度计传感器设备采集获得。

步骤S600：根据预期浆液密度、预期浆液体积、预测冲洗时间以及预设的除雾器冲洗控制模型控制吸收塔的除雾器进行冲洗工作。

具体的，根据预测的浆液密度、浆液体积以及冲洗时间，按照预设的除雾器冲洗控制模型控制除雾器进行冲洗工作，本申请实施例中根据压差预测模型获取除雾器的压差数据，根据冲洗时间预测模型获取除雾器的预测冲洗时间，计算获取吸收塔液位以及浆液密度指标，通过计算获得的各项指标控制除雾器冲洗动作，维持相关指标动态稳定，实现吸收塔水平衡。

作为一种可选的实施方法，本申请实施例提供了一种除雾器冲洗控制模型，具体如下：

预设的除雾器冲洗控制模型为：

minJ(P,h,T)＝α*(P-P

其中，P为预期浆液密度，P

可以理解的是，预期浆液密度P以及吸收塔液位高度h均与除雾器冲洗时间T有关，除雾器冲洗控制模型可以由除雾器冲洗时间T综合表示。

接着，将预期浆液密度、预期浆液体积、预测冲洗时间代入除雾器冲洗控制模型，通过预设的优化算法求解模型最优解，按照最优解控制吸收塔的除雾器进行冲洗工作。需要说明的是，优化算法可以是梯度下降(Gradient Descent)算法、群智能优化算法等，本领域技术人员可以按需设置。

由上，本申请实施例通过统计分析系统水平衡要素以及对应占比关系，确定模型各项内容，从而形成具体的除雾器冲洗控制模型，利用机器学习、深度学习等人工智能方法构建水平衡要素预测模型，将水平衡控制问题转换为求解目标函数，利用优化算法获取目标控制参数。通过计算获得的各项指标控制除雾器冲洗动作，维持相关指标动态稳定，实现吸收塔水平衡，有效平抑除雾器压差极大值，防止杂质突然累积导致除雾器堵塞引发相关事故。

作为一种可选的实施方法，本申请实施例提供了另外一种除雾器冲洗控制模型，具体如下：

预设的除雾器冲洗控制模型为：

其中，P

当吸收塔液位高度大于或等于吸收塔目标液位高度，且预期浆液密度大于或等于目标浆液密度时，按照预设的除雾器冲洗控制模型，控制吸收塔的除雾器按照第一冲水量执行冲洗工作；

当吸收塔液位高度小于吸收塔目标液位高度时，按照预设的除雾器冲洗控制模型，控制吸收塔的除雾器按照第一冲水量执行冲洗工作；

当吸收塔液位高度大于吸收塔目标液位高度，且预期浆液密度小于目标浆液密度时，按照预设的除雾器冲洗控制模型，控制吸收塔的除雾器按照第二冲水量执行冲洗工作，其中第一冲水量为第二冲水量的两倍。

由上，本申请实施例中除雾器冲洗控制模型对液位场景进行分割，结合目标浆液密度与目标液位高度，根据区域制定对应控制策略，可防止长时间周期冲洗导致吸收塔液位过高，水资源浪费。

需要说明的是，除雾器冲洗模型是通过符合预设冲洗要求的历史冲洗数据构建的，作为一种可选方式，除雾器冲洗模型的构建可以包括：

步骤S601：根据除雾器的历史数据中的负荷数值分布，对负荷进行均匀划分，得到多个负荷段对应的数据。

步骤S602：对每个负荷段对应的数据进行冲洗效果分析，筛选出浆液密度、除雾器压差以及塔液位均处于正常区间的数据。

步骤S603：利用筛选出的数据，以不同冲洗方式的数量占比进行加权处理，获取每个负荷段对应冲洗方式。

例如，负荷处于[120,150]共有3种冲洗方式，对应数量占比分别为P1、P2、P3，冲洗周期分别为I1、I2、I3，周期内有效冲洗时间分别为T1、T2、T3，那么[120,150]负荷区间使用的冲洗方式的冲洗周期为I＝P1*I1+P2*I2+P3*I3，有效冲洗时间为T＝P1*T1+P2*T2+P3*T3。

由上可知，本申请实施例中通过筛选符合预设冲洗要求的历史冲洗数据构建的除雾器冲洗模型，针对吸收塔内不同的浆液密度情况以及液位情况，采用对应的冲洗控制策略，可防止长时间周期冲洗导致吸收塔液位过高，水资源浪费。

综上所述，本申请实施例提供了一种脱硫吸收塔的水平衡控制方法，执行所述方式时，根据预设的压差预测模型获取所述吸收塔的除雾器的压差预测值，压差预测模型是由除雾器的历史冲洗数据训练得到的时序神经网络模型；根据压差预测值以及预设的压差理想值，基于预设的冲洗时间预测模型获得预测冲洗时间，冲洗时间预测模型是由除雾器的历史冲洗数据训练得到的卷积神经网络模型；基于预设的液体增量模型获取吸收塔在预测冲洗时间内的有效液体增量，液体增量模型包括吸收塔的液体增量以及液体消耗量；根据有效液体增量确定吸收塔在预测冲洗时间后的预期浆液体积；根据吸收塔当前的浆液密度、浆液体积以及预期浆液体积确定吸收塔在预测冲洗时间后的预期浆液密度；根据预期浆液密度、预期浆液体积、预测冲洗时间以及预设的除雾器冲洗控制模型控制吸收塔的除雾器进行冲洗工作。由此可见，本申请实施例中预先构建与吸收塔水平衡要素相关的预测模型，跟踪除雾器压差、吸收塔液位以及浆液密度等指标，综合考虑各项指标控制除雾器冲洗动作，维持相关指标动态稳定，实现吸收塔水平衡控制，提高了吸收塔水平衡控制效果。

与上述方法相对应，本申请实施例还提供了一种脱硫吸收塔的水平衡控制装置，请参阅图2，示出了该装置的结构示意图，该装置可以包括：

压差预测模块201，用于根据预设的压差预测模型获取吸收塔的除雾器的压差预测值，压差预测模型是由除雾器的历史冲洗数据训练得到的时序神经网络模型；

冲洗时间预测模块202，用于根据压差预测值以及预设的压差理想值，基于预设的冲洗时间预测模型获得预测冲洗时间，冲洗时间预测模型是由除雾器的历史冲洗数据训练得到的卷积神经网络模型；

液体增量获取模块203，用于基于预设的液体增量模型获取吸收塔在预测冲洗时间内的有效液体增量，液体增量模型包括吸收塔的液体增量以及液体消耗量；

浆液体积确定模块204，用于根据有效液体增量确定吸收塔在预测冲洗时间后的预期浆液体积；

浆液密度确定模块205，用于根据吸收塔当前的浆液密度、浆液体积以及预期浆液体积确定吸收塔在预测冲洗时间后的预期浆液密度；

冲洗控制模块206，根据预期浆液密度、预期浆液体积、预测冲洗时间以及预设的除雾器冲洗控制模型控制吸收塔的除雾器进行冲洗工作。

作为一种可选的实施方式，所述获取所述除雾器的第一历史冲洗数据，所述第一历史冲洗数据包括：

除雾器在预设工况下的等效冲洗水量、除雾器在预设工况周期内的压差数据，其中，等效冲洗水量是由除雾器在工作周期内的冲洗动作离散得到的；

根据除雾器的工况信息、等效冲洗水量以及压差数据对预设的时序神经网络模型进行训练，以得到压差预测模型。

作为一种可选的实施方式，所述冲洗时间预测模型是由所述除雾器的历史冲洗数据训练得到的卷积神经网络模型，具体包括：

获取除雾器的第二历史冲洗数据，第二历史冲洗数据包括：除雾器在预设工况下的等效冲洗水量、除雾器在预设工况周期内的压差数据以及对应的冲洗时间数据，其中，等效冲洗水量是由吸收塔在工作周期内的冲洗动作离散得到的；

根据吸收塔的工况信息、等效冲洗水量、压差数据以及冲洗时间数据对预设的卷积神经网络模型进行训练，以得到冲洗时间预测模型。

作为一种可选的实施方式，所述基于预设的液体增量模型获取所述吸收塔在所述预测冲洗时间内的有效液体增量，包括：

液体增量模型为：W

获取预测冲洗时间内所述吸收塔的浆液制备流量、蒸发量以及除雾器的冲洗流量，并基于液体增量模型计算吸收塔在预测冲洗时间内的有效液体增量。

作为一种可选的实施方式，所述根据所述有效液体增量确定所述吸收塔在所述预测冲洗时间后的预期浆液体积，包括：

根据有效液体增量确定吸收塔在预测冲洗时间内的预期液位增量；

根据吸收塔当前液位以及预期液位增量确定吸收塔在预测冲洗时间后的预期液位；

根据预期液位以及吸收塔面积确定所述吸收塔在预测冲洗时间后的预期浆液体积。

作为一种可选的实施方式，本申请实施例中洗控制模块206具体可以用于：

预设的除雾器冲洗控制模型为：minJ(P,h,T)＝α*(P-P

将预期浆液密度、预期浆液体积、预测冲洗时间代入除雾器冲洗控制模型，通过预设的优化算法求解模型最优解，按照最优解控制吸收塔的除雾器进行冲洗工作。

作为一种可选的实施方式，本申请实施例中洗控制模块206具体可以用于：

除雾器冲洗模型是通过符合预设冲洗要求的历史冲洗数据构建的，预设的除雾器冲洗控制模型为：

其中，P

当吸收塔液位高度大于或等于吸收塔目标液位高度，且预期浆液密度大于或等于目标浆液密度时，按照除雾器冲洗控制模型，控制吸收塔的除雾器按照第一冲水量执行冲洗工作；

当吸收塔液位高度小于吸收塔目标液位高度时，按照除雾器冲洗控制模型，控制吸收塔的除雾器按照第一冲水量执行冲洗工作；

当吸收塔液位高度大于吸收塔目标液位高度，且预期浆液密度小于目标浆液密度时，按照除雾器冲洗控制模型，控制吸收塔的除雾器按照第二冲水量执行冲洗工作，其中第一冲水量为第二冲水量的两倍。

需要说明的是，本申请实施例提供的一种脱硫吸收塔的水平衡控制装置中各模块执行的步骤以及相关技术特征与申请实施例所提供方法相对应，装置部分的描述可以参见前述方法部分的实施例，此处不赘述。

综上所述，本申请实施例提供了一种脱硫吸收塔的水平衡控制装置，所述装置包括：压差预测模块，用于根据预设的压差预测模型获取吸收塔的除雾器的压差预测值，压差预测模型是由除雾器的历史冲洗数据训练得到的时序神经网络模型；冲洗时间预测模块，用于根据压差预测值以及预设的压差理想值，基于预设的冲洗时间预测模型获得预测冲洗时间，冲洗时间预测模型是由除雾器的历史冲洗数据训练得到的卷积神经网络模型；液体增量获取模块，用于基于预设的液体增量模型获取吸收塔在预测冲洗时间内的有效液体增量，液体增量模型包括吸收塔的液体增量以及液体消耗量；浆液体积确定模块，用于根据有效液体增量确定吸收塔在预测冲洗时间后的预期浆液体积；浆液密度确定模块，用于根据吸收塔当前的浆液密度、浆液体积以及预期浆液体积确定吸收塔在预测冲洗时间后的预期浆液密度；冲洗控制模块，根据预期浆液密度、预期浆液体积、预测冲洗时间以及预设的除雾器冲洗控制模型控制吸收塔的除雾器进行冲洗工作。由此可见，本申请实施例中预先构建与吸收塔水平衡要素相关的预测模型，跟踪除雾器压差、吸收塔液位以及浆液密度等指标，综合考虑各项指标控制除雾器冲洗动作，维持相关指标动态稳定，实现吸收塔水平衡控制，提高了吸收塔水平衡控制效果。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。

本领域技术人员可以理解，图所示的流程图仅是本申请的实施方式可以在其中得以实现的一个示例，本申请实施方式的适用范围不受到该流程图任何方面的限制。

在本申请所提供的几个实施例中，应该理解到，所揭露的方法、装置和设备，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。另外，在本申请各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。