2023年 第06期
393
253
针对燃煤机组选择性催化还原(SCR)系统出口氮氧化物（NOx）预测模型精度不高的问题，提出一种基于最大信息系数（MIC）和长短期记忆（LSTM）神经网络的预测模型方法。首先采用MIC估计各变量的延迟时间，对数据进行时延重构；然后采用重构后数据的MIC值作为评价各输入变量和输出变量间相关性大小的指标，并结合基于关联性的特征选择算法（CFS）进行输入变量筛选；最后基于时延重构和变量筛选后的数据，采用LSTM神经网络建立了SCR出口氮氧化物浓度动态预测模型。该模型被用于广东某320 MW燃煤机组实际运行数据分析。结果表明，经时延重构和变量筛选后所建立的LSTM预测模型具有较高精度，优于深度神经网络（DNN）模型和径向基函数（RBF）神经网络模型，平均绝对百分比误差达2.58%，均方根误差达2.02，可满足现场运用要求。
-
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
当前位置： 首页 > 2023年 第06期
作者：
- 吴康洛
- 黄俊
- 李峥辉
- 阮斌
- 罗圣
- 卢志民
- 姚顺春
单位：
- 华南理工大学电力学院；广州珠江电力有限公司；华南理工大学自动化科学与工程学院
摘要：
关键词：
- SCR
- NOx浓度预测
- 时延分析
- 变量选择
- 最大信息系数
- 长短期记忆神经网络
作者简介：
吴康洛（1993—），男，河南新乡人，硕士研究生。E-mail：965724095@qq.com
通讯作者:姚顺春（1983—），男，浙江龙游人，教授，博士生导师，博士。E-mail:epscyao@scut.edu.cn
通讯作者:姚顺春（1983—），男，浙江龙游人，教授，博士生导师，博士。E-mail:epscyao@scut.edu.cn
图表：
相关文章：
--
引用格式：
吴康洛，黄俊，李峥辉，等.基于MIC-CFS-LSTM的SCR出口NOx浓度动态预测［J］.洁净煤技术，2023,29(6):142-150.
在线投稿
专家审稿
编辑办公
当期目录
过刊浏览
专题/专栏
