针对燃煤电厂参与调峰负荷波动较大,出口SO_(2)浓度控制效果不佳的问题,建立了一种基于捕鱼优化算法(catch fish optimization algorithm,CFOA)优化融合神经网络的出口SO_(2)浓度预测模型。首先使用互信息算法筛选由机理分析得到的特征...针对燃煤电厂参与调峰负荷波动较大,出口SO_(2)浓度控制效果不佳的问题,建立了一种基于捕鱼优化算法(catch fish optimization algorithm,CFOA)优化融合神经网络的出口SO_(2)浓度预测模型。首先使用互信息算法筛选由机理分析得到的特征变量,并通过逐次变分模态分解对筛选后的辅助变量进行分解重构,保留相关性较大的重构分量作为输入变量。随后采用双向时间卷积网络、双向门控循环单元与多头自注意力机制构建融合神经网络模型,通过CFOA对模型超参数寻优以进一步提高精度。最后使用某660 MW燃煤电厂历史运行数据进行对比实验,实验结果表明,该模型在出口SO_(2)浓度剧烈波动的工况下仍能实现较好的预测效果。同多种模型对比,该模型具有更小的误差和更高的预测精度,体现出其在复杂变化环境中的鲁棒性和可靠性。展开更多
文摘针对燃煤电厂参与调峰负荷波动较大,出口SO_(2)浓度控制效果不佳的问题,建立了一种基于捕鱼优化算法(catch fish optimization algorithm,CFOA)优化融合神经网络的出口SO_(2)浓度预测模型。首先使用互信息算法筛选由机理分析得到的特征变量,并通过逐次变分模态分解对筛选后的辅助变量进行分解重构,保留相关性较大的重构分量作为输入变量。随后采用双向时间卷积网络、双向门控循环单元与多头自注意力机制构建融合神经网络模型,通过CFOA对模型超参数寻优以进一步提高精度。最后使用某660 MW燃煤电厂历史运行数据进行对比实验,实验结果表明,该模型在出口SO_(2)浓度剧烈波动的工况下仍能实现较好的预测效果。同多种模型对比,该模型具有更小的误差和更高的预测精度,体现出其在复杂变化环境中的鲁棒性和可靠性。
