碳排放连续在线监测法作为一种高效、可溯源的方法,在我国碳计量领域中逐渐应用。然而,由于烟囱管道的大直径、复杂烟气流场,以及流量计检修维护、粉尘堵塞导致的监测数据中断与异常,烟气流量的准确监测成为一大挑战。为此,提出一种融...碳排放连续在线监测法作为一种高效、可溯源的方法,在我国碳计量领域中逐渐应用。然而,由于烟囱管道的大直径、复杂烟气流场,以及流量计检修维护、粉尘堵塞导致的监测数据中断与异常,烟气流量的准确监测成为一大挑战。为此,提出一种融合变量投影重要性分析(variable importance in projection,VIP)、最大信息系数(maximal information coefficient,MIC)及后向搜索(sequential backward selection,SBS)算法的联合筛选方法,结合支持向量机(support vector machine,SVM)构建烟气流量软测量模型。基于某F级燃气-蒸汽联合循环发电机组,通过VIP值评估辅助变量显著性,并结合MIC和SBS算法,进行变量冗余消除与优化选择,从而提升模型的预测精度和泛化能力。实验结果显示:SVM的表现优于长短时间记忆网络模型,与反向传播神经网络相比具有较好的泛化能力;当辅助变量数量为12时,模型性能最佳,测试集的均方根误差和平均绝对百分比误差均较低,验证了变量筛选方法的有效性;在稳态和非稳态工况下,模型预测值的平均绝对百分比误差小于0.7%,并有一定的滤波作用。展开更多
文摘碳排放连续在线监测法作为一种高效、可溯源的方法,在我国碳计量领域中逐渐应用。然而,由于烟囱管道的大直径、复杂烟气流场,以及流量计检修维护、粉尘堵塞导致的监测数据中断与异常,烟气流量的准确监测成为一大挑战。为此,提出一种融合变量投影重要性分析(variable importance in projection,VIP)、最大信息系数(maximal information coefficient,MIC)及后向搜索(sequential backward selection,SBS)算法的联合筛选方法,结合支持向量机(support vector machine,SVM)构建烟气流量软测量模型。基于某F级燃气-蒸汽联合循环发电机组,通过VIP值评估辅助变量显著性,并结合MIC和SBS算法,进行变量冗余消除与优化选择,从而提升模型的预测精度和泛化能力。实验结果显示:SVM的表现优于长短时间记忆网络模型,与反向传播神经网络相比具有较好的泛化能力;当辅助变量数量为12时,模型性能最佳,测试集的均方根误差和平均绝对百分比误差均较低,验证了变量筛选方法的有效性;在稳态和非稳态工况下,模型预测值的平均绝对百分比误差小于0.7%,并有一定的滤波作用。
