网络首发时间:2018-09-29 17:26:46

节点文献

基于长短期记忆神经网络的火电厂NO_x排放预测模型

免费订阅

【作者】 杨国田张涛王英男李新利刘禾

【机构】 华北电力大学控制与计算机工程学院

【摘要】 火电厂燃煤锅炉产生的NO_x是大气污染物的重要来源之一,建立有效的NO_x排放预测模型是降低NO_x排放的基础。针对火电厂控制系统数据的海量化和高维化及燃煤锅炉多参数多变量相互耦合的特点,首先利用主成分分析法对火电厂分布式控制系统(DCS)数据进行特征提取,消除各特征变量间的耦合性;然后将提取的特征作为长短期记忆(LSTM)神经网络的输入,得到火电厂NO_x排放预测模型。将该模型与传统循环神经网络(RNN)模型、最小二乘支持向量机(LSSVM)模型应用于某超超临界660 MW机组燃煤锅炉对NO_x排放质量浓度进行预测。结果表明:LSTM神经网络和RNN模型预测效果均优于LSSVM模型;本文提出的LSTM神经网络模型预测准确率达到79%,均方根误差为0.398,优于其他2种模型;LSTM神经网络模型数据跟踪效果明显优于RNN模型,预测结果波动较小,模型稳定性和准确率较高。

  • 【DOI】10.19666/j.rlfd.201805113
  • 【分类号】X773
  • 【下载频次】84

中国知网独家网络首发,未经许可,禁止转载、摘编。"

节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: