2024年 第S1期
89
70
准确预测选择性催化还原系统（SCR）入口NOx浓度并量化喷氨是提高SCR效率和降低NOx排放的关键。然而，用于测量发电厂NOx浓度的连续排放监测系统（CEMS）存在严重的延迟问题，因此需要进行长序列预测来抵消这种延迟。本文提出了一种综合预测模型，结合了特征选择、数据预处理和深度学习，用于预测300 MW亚临界自然循环汽包锅炉的SCR入口NOx浓度。首先，通过主成分分析法和基于知识的方法筛选特征变量，然后利用经验模态分解（EMD）将原始历史数据分解为一系列分量序列。随后，采用Informer模型对每个分量进行预测，最后将这些预测的分量重构得到NOx浓度的预测。与其他深度学习预测方法相比，该模型在长序列预测任务中表现出色，为精确控制SCR系统提供了一种有前景的方法。
-
主管
中国煤炭科工集团有限公司
-
主办
煤炭科学研究总院有限公司
煤炭工业洁净煤工
程技术研究中心 -
主编
解强
-
刊期
月刊
-
ISSN
1006-6772
-
CN
11-3676/TD
在线投稿
专家审稿
编辑办公
当期目录
过刊浏览
专题/专栏
