基于树状结构Parzen估计器优化长短期记忆神经网络的燃煤机组NO_(x)生成浓度预测 被引量：1

1

作者 陈东升 梁中荣 +3 位作者 郑国 何荣强 屈可扬 甘云华 《中国电机工程学报》 北大核心 2025年第7期2710-2718,I0022,共10页

建立更准确的NO_(x)生成浓度预测模型对于燃煤机组减少NO_(x)排放,降低脱硝成本具有重大意义。搭建NO_(x)生成模型基于机组相关变量,同时依赖模型结构设计,设计模型结构的参数称为超参数。进行合理的数据处理与超参数设定,能够有效提升N... 建立更准确的NO_(x)生成浓度预测模型对于燃煤机组减少NO_(x)排放,降低脱硝成本具有重大意义。搭建NO_(x)生成模型基于机组相关变量,同时依赖模型结构设计,设计模型结构的参数称为超参数。进行合理的数据处理与超参数设定,能够有效提升NO_(x)预测模型精度与泛化性。该文提出一种基于树状结构Parzen估计器优化长短期记忆(tree-structure parzen estimator optimized long short-term memory neural network,TPE-LSTM)神经网络的NO_(x)生成浓度预测模型。基于某330 MW燃煤机组的历史运行数据,获取NO_(x)生成相关变量参数,将模型结构参数与NO_(x)相关变量参数的时间序列窗口长度以及主成分数量相互耦合,组成一类新的超参数;通过优化改进后的超参数取值,构建基于长短期记忆(long short-term memory,LSTM)神经网络的NO_(x)生成浓度预测模型;将所提出的超参数优化后的NO_(x)预测模型与基于未优化的LSTM模型、采用粒子群优化的LSTM(particle swarm optimization optimized LSTM,PSO-LSTM)模型对比,预测结果表明,TPE-LSTM预测模型具有较好的模型精度与泛化能力。 展开更多

关键词 燃煤锅炉 no_(x)生成浓度预测 树状结构Parzen估计器 超参数优化 长短期记忆神经网络

在线阅读 下载PDF 职称材料

基于LSTM-SAFCN模型的生物质锅炉NO_(x)排放浓度预测 被引量：1

2

作者 何德峰 刘明裕 +2 位作者 孙芷菲 王秀丽 李廉明 《高技术通讯》 CAS 北大核心 2024年第1期92-100,共9页

针对生物质锅炉燃烧过程的动态特性,提出一种改进的长短期记忆-自注意力机制全卷积神经网络(LSTM-SAFCN)模型用于预测NO_(x)排放浓度。首先利用完全自适应噪声集合经验模态分解法(CEEMDAN)对数据进行预处理,消除数据噪声对NO_(x)排放浓... 针对生物质锅炉燃烧过程的动态特性,提出一种改进的长短期记忆-自注意力机制全卷积神经网络(LSTM-SAFCN)模型用于预测NO_(x)排放浓度。首先利用完全自适应噪声集合经验模态分解法(CEEMDAN)对数据进行预处理,消除数据噪声对NO_(x)排放浓度预测的影响;其次融合自注意力机制与长短时记忆-全卷积神经网络(LSTM-FCN)进行特征提取与预测建模,该拓展方法能够同时兼顾时间序列数据的局部细节与长期趋势特征;最后,利用生物质热电联产系统的实际运行数据验证了所提算法的有效性。 展开更多

关键词 生物质锅炉 no_(x)排放浓度预测 经验模态分解 长短时记忆-全卷积神经网络(LSTM-FCN) 自注意力机制

在线阅读 下载PDF 职称材料

基于特征优化和BSO-RBF神经网络的NO_(x)浓度预测模型 被引量：2

3

作者 张国兴 王世朋 《计量学报》 CSCD 北大核心 2024年第2期285-293,共9页

针对火力发电厂中燃烧系统运行工况复杂、迟延较大,导致选择性催化还原(SCR)烟气脱硝系统中入口NOx质量浓度难以准确测量的问题,提出了一种基于特征优化和径向基函数(radial basis function,RBF)神经网络的预测模型。将经过特征优化后... 针对火力发电厂中燃烧系统运行工况复杂、迟延较大,导致选择性催化还原(SCR)烟气脱硝系统中入口NOx质量浓度难以准确测量的问题,提出了一种基于特征优化和径向基函数(radial basis function,RBF)神经网络的预测模型。将经过特征优化后的变量作为模型的最终输入变量,并使用天牛群优化(beetle swarm optimization,BSO)算法对神经网络超参数进行寻优,建立入口NO_(x)浓度预测模型。结果表明,经过特征优化后的变量放入模型后,其预测结果要优于原始变量:经特征优化及时延处理后的模型其S_(RMSE)减少了44.5%,R^(2)增加了2.3%,经过BSO确定后的神经网络超参数使得模型精度也得到了进一步提升。 展开更多

关键词 no_(x)浓度预测 特征优化 天牛群优化算法 径向基函数 神经网络

在线阅读 下载PDF 职称材料

针对SCR入口NO_(x)浓度的EMD-Informer长序列预测综合模型

4

作者 彭茂峰 祁湛桐 +2 位作者 赵春晖 宋光雄 顾煜炯 《洁净煤技术》 CAS CSCD 北大核心 2024年第S01期310-319,共10页

准确预测选择性催化还原系统(SCR)入口NO_(x)浓度并量化喷氨是提高SCR效率和降低NO_(x)排放的关键。然而,用于测量发电厂NO_(x)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... 准确预测选择性催化还原系统(SCR)入口NO_(x)浓度并量化喷氨是提高SCR效率和降低NO_(x)排放的关键。然而,用于测量发电厂NO_(x)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NO_(x)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NO_(x)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。 展开更多

关键词 no_(x)浓度预测 经验模态分解 深度学习 长序列预测 选择性催化还原系统

在线阅读 下载PDF 职称材料

基于混合建模方法循环流化床锅炉深度调峰NO_(x)排放预测 被引量：1

5

作者 张鹏新 高明明 +3 位作者 郭炯楠 于浩洋 黄中 周托 《洁净煤技术》 CAS CSCD 北大核心 2024年第9期85-94,共10页

为响应碳达峰,碳中和目标,我国循环流化床锅炉大规模参与深度调峰运行,导致锅炉NO_(x)排放浓度波动范围大,控制效果不佳,难以满足污染物超低排放需求,因此对深度调峰NO_(x)排放浓度进行精准建模预测有重要意义。以即燃碳模型为基础,深... 为响应碳达峰,碳中和目标,我国循环流化床锅炉大规模参与深度调峰运行,导致锅炉NO_(x)排放浓度波动范围大,控制效果不佳,难以满足污染物超低排放需求,因此对深度调峰NO_(x)排放浓度进行精准建模预测有重要意义。以即燃碳模型为基础,深度剖析炉内NO_(x)生成和还原机理,建立炉内即燃碳燃烧模型、O2动态平衡模型、CO软测量模型、NO_(x)生成与还原模型,完成SNCR入口NO_(x)浓度机理计算;选取给煤量、床温、烟气温度及含氧量、一二次风量、尿素溶液流量作为NO_(x)排放浓度的输入变量,将SNCR入口NO_(x)浓度计算值作为拓展输入变量,对所有输入变量与NO_(x)排放浓度进行相关性分析和迟延补偿,完成数据集重构;采用长短期记忆神经网络对重构数据集进行训练和预测,并将鲸鱼优化算法用于长短期记忆神经网络的参数优化,建立循环流化床锅炉深度调峰NO_(x)排放浓度机理——数据混合预测模型。仿真验证表明混合预测模型不同工况下预测性能和泛化能力好,能够实现循环流化床锅炉变负荷时NO_(x)排放浓度的实时预测,相较其他预测模型的各项误差性能指标均显著提升,平均绝对误差δMAE达2.14 mg/m^(3),平均相对百分误差δMAPE达5.68%,决定系数R^(2)达0.902 1。混合预测模型能精准预测循环流化床锅炉深度调峰下NO_(x)排放浓度,为循环流化床锅炉超低排放智能控制系统的设计提供参考。 展开更多

关键词 循环流化床锅炉 深度调峰 no_(x)排放浓度 迟延补偿 混合预测模型

在线阅读 下载PDF 职称材料

基于MIC-CFS-LSTM的SCR出口NO_(x)浓度动态预测 被引量：8

6

作者 吴康洛 黄俊 +4 位作者 李峥辉 阮斌 罗圣 卢志民 姚顺春 《洁净煤技术》 CAS CSCD 北大核心 2023年第6期142-150,共9页

针对燃煤机组选择性催化还原(SCR)系统出口氮氧化物(NO_(x))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... 针对燃煤机组选择性催化还原(SCR)系统出口氮氧化物(NO_(x))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。 展开更多

关键词 SCR no_(x)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

在线阅读 下载PDF 职称材料

基于数据重构的电厂锅炉NO_(x)质量浓度预测模型

7

作者 谢刚 蔡之伟 +2 位作者 王宇飞 张晓红 周勇 《安全与环境学报》 2025年第11期4446-4455,共10页

火力发电厂燃煤锅炉系统的运行数据具有维度高、时延显著及海量等特性,使得炉膛出口NO_(x)质量浓度难以精确预测。针对这一问题,研究提出了一种基于数据重构的NO_(x)质量浓度预测模型构建方法。首先,通过数据清洗、稳态辨别与时延校正,... 火力发电厂燃煤锅炉系统的运行数据具有维度高、时延显著及海量等特性,使得炉膛出口NO_(x)质量浓度难以精确预测。针对这一问题,研究提出了一种基于数据重构的NO_(x)质量浓度预测模型构建方法。首先,通过数据清洗、稳态辨别与时延校正,构建时延重构数据集。其次,应用相关性、冗余性与互补性权衡算法筛选出更为全面的最优特征变量集。再次,利用基于差分进化算法的核模糊C均值聚类算法对不同工况进行划分,并根据工况特征自动划分数据集,进而得到多组更加简洁且具有较强泛化能力的最优特征变量子集。最后,对比数据重构前后数据集所构建预测模型的准确性。研究对某600 MW燃煤机组数据仿真发现,通过数据重构得到的最优特征变量子集在模型构建中的表现更佳,其均方根误差平均降低了67%,平均绝对误差平均降低了66.2%,平均绝对百分比误差平均降低了0.61百分点,且模型训练时间缩短了90.9%,有效提升了NO_(x)质量浓度预测模型的准确性与效率。 展开更多

关键词 环境工程学 时延校正 最优特征变量 工况划分 最小二乘法模型 no_(x)质量浓度预测

在线阅读 下载PDF 职称材料

自回归神经网络的预测值反馈再训练策略及应用 被引量：4

8

作者 莫正阳 李益国 《东南大学学报（自然科学版）》 EI CAS CSCD 北大核心 2024年第3期738-746,共9页

为提高非线性自回归神经网络(NARX-NN)的多步预测性能,提出了一种预测值反馈再训练(FR)策略.首先采用常规训练策略对NARX-NN进行训练,然后利用模型的单步预测结果替换实测值,得到重构训练集,并指导网络再次训练.为验证FR的有效性,将其... 为提高非线性自回归神经网络(NARX-NN)的多步预测性能,提出了一种预测值反馈再训练(FR)策略.首先采用常规训练策略对NARX-NN进行训练,然后利用模型的单步预测结果替换实测值,得到重构训练集,并指导网络再次训练.为验证FR的有效性,将其应用于3种典型的NARX-NN模型:非线性自回归深度神经网络(NARX-DNN)、基于长短期记忆网络的编码器-解码器(LSTMED)和深度自回归网络(DeepAR),以预测燃煤锅炉NO_(x)质量浓度或综合能源系统电负荷.与常规训练策略和计划采样的对比结果表明,采用FR的NARX-NN具有最高的多步预测精度,其中,LSTMED对NO_(x)质量浓度前向15步预测的平均绝对百分比误差(MAPE)为4.01%;DeepAR对电负荷前向24步预测的平均MAPE为4.34%.配对样本T检验结果表明,FR对NARX-NN的多步预测性能提升具有显著性.通过保持训练阶段和预测阶段输入的一致性,FR有效提升了NARX-NN模型的多步预测精度. 展开更多

关键词 神经网络 多步预测 训练策略 no_(x)质量浓度 电负荷

在线阅读 下载PDF 职称材料

基于长短时记忆神经网络的锅炉多参数协同预测模型 被引量：12

9

作者 金志远 李胜男 +4 位作者 谭鹏 严杏初 刘宇浓 张成 陈刚 《热力发电》 CAS CSCD 北大核心 2021年第5期120-126,共7页

锅炉协同控制是提高其灵活运行下蒸汽温度平稳的有效手段。以某660 MW燃煤锅炉为研究对象,利用其历史运行数据,建立基于长短时记忆(LSTM)神经网络的主蒸汽温度、再热蒸汽温度、炉膛出口NO_(x)质量浓度、炉膛出口CO质量浓度协同预测模型... 锅炉协同控制是提高其灵活运行下蒸汽温度平稳的有效手段。以某660 MW燃煤锅炉为研究对象,利用其历史运行数据,建立基于长短时记忆(LSTM)神经网络的主蒸汽温度、再热蒸汽温度、炉膛出口NO_(x)质量浓度、炉膛出口CO质量浓度协同预测模型。模型预测结果表明,该协同预测模型4个输出的相关系数均大于0.94,模型综合预测效果良好,且有较好的泛化能力。该模型为锅炉蒸汽温度、NO_(x)、炉效协同优化控制提供了依据。 展开更多

关键词 燃煤锅炉 LSTM神经网络 蒸汽温度 no_(x)/CO质量浓度 多参数协同 预测模型

在线阅读 下载PDF 职称材料

基于多模型γ增量型阶梯式GPC的SCR脱硝系统优化控制研究 被引量：4

10

作者 赵征 马毅杰 《动力工程学报》 CAS CSCD 北大核心 2023年第6期735-741,共7页

提出了一种以入口NO_(x)质量浓度预测值作为前馈的多模型γ增量型阶梯式广义预测串级控制策略。首先,设计3个典型工况下的γ-SGPC-PID串级控制器,然后通过模糊增益调度构建全局控制器,最后将基于VMD-ARIMA的入口NO_(x)质量浓度预测值作... 提出了一种以入口NO_(x)质量浓度预测值作为前馈的多模型γ增量型阶梯式广义预测串级控制策略。首先,设计3个典型工况下的γ-SGPC-PID串级控制器,然后通过模糊增益调度构建全局控制器,最后将基于VMD-ARIMA的入口NO_(x)质量浓度预测值作为前馈,构建了前馈-反馈SCR脱硝控制系统。结果表明:该前馈-反馈控制系统可以对氨气质量流量进行准确调节,降低出口NO_(x)质量浓度的波动变化,提高了变工况下SCR脱硝系统的控制品质。 展开更多

关键词 SCR γ增量型阶梯式广义预测控制 模糊增益调度 no_(x)质量浓度

在线阅读 下载PDF 职称材料

SCR烟气脱硝系统氨氮双控新方法 被引量：5

11

作者 李博航 卢志民 +4 位作者 廖永进 李德波 谢子立 张向 姚顺春 《热力发电》 CAS CSCD 北大核心 2023年第11期150-158,共9页

针对目前电厂实际选择性催化还原(SCR)烟气脱硝系统运行中存在的出口NO_(x)质量浓度分布不均以及氨逃逸超标等问题,进行了数值模拟分析并基于此提出了一种氨氮双控的喷氨优化新方法。以某660 MW机组SCR烟气脱硝系统为例,建立可视化流场... 针对目前电厂实际选择性催化还原(SCR)烟气脱硝系统运行中存在的出口NO_(x)质量浓度分布不均以及氨逃逸超标等问题,进行了数值模拟分析并基于此提出了一种氨氮双控的喷氨优化新方法。以某660 MW机组SCR烟气脱硝系统为例,建立可视化流场和脱硝反应数值模型,分析比较了不同氨氮摩尔比条件下出口各分区NO_(x)质量浓度、氨逃逸体积分数以及脱硝效率的变化规律。结果表明:分区脱硝效率、出口NO_(x)质量浓度和氨逃逸体积分数与氨氮比之间的关系均呈由一拐点分隔的两段线性的变化规律,拐点出现在氨氮摩尔比为1.15左右。据此,提出了基于分段拟合函数与优化矩阵方程相结合的氨氮双控喷氨优化新方法,分别预测了该660 MW机组使用5分区和42喷嘴进行喷氨调节优化,优化后的总喷氨量相对均匀喷氨工况最多下降7.2%,同时出口NO_(x)质量浓度和氨逃逸体积分数的相对标准偏差分别下降至9.4%和4.2%,出口均匀性显著提高,不存在局部超标现象。 展开更多

关键词 SCR 烟气脱硝系统 数值模拟 氨氮双控 no_(x)质量浓度 氨逃逸

在线阅读 下载PDF 职称材料

组合式贴壁风对600MW机组锅炉运行影响试验 被引量：2

12

作者 胡珺 杨希刚 +3 位作者 田绍钢 叶阿曲 何陆灿 刘晓东 《洁净煤技术》 CAS 北大核心 2021年第S02期230-235,共6页

对冲旋流燃烧锅炉采用低氮燃烧技术后普遍存在侧墙水冷壁高温腐蚀的问题,以某配备有组合式贴壁风的600 MW机组对冲旋流燃烧锅炉为研究对象,通过CFD模拟手段分析贴壁风对水冷壁近壁区还原性气氛的影响,并采用工业试验的方法,优化了不同... 对冲旋流燃烧锅炉采用低氮燃烧技术后普遍存在侧墙水冷壁高温腐蚀的问题,以某配备有组合式贴壁风的600 MW机组对冲旋流燃烧锅炉为研究对象,通过CFD模拟手段分析贴壁风对水冷壁近壁区还原性气氛的影响,并采用工业试验的方法,优化了不同负荷下贴壁风风门的开度,评估了组合式贴壁风对锅炉运行的影响。研究结果表明:组合式贴壁风可显著提高水冷壁近壁区烟气中O_(2)的体积分数,降低CO以及H_(2)S体积分数,有效改善锅炉水冷壁近壁区还原性气氛,缓解水冷壁高温腐蚀的风险;根据不同贴壁风风门开度下测得的水冷壁近壁区还原性气氛结果,建议在350 MW负荷以下时贴壁风风门开度维持在60%,350 MW以上负荷时贴壁风风门开度维持在100%;最后通过工业试验方法得出组合式贴壁风对锅炉热效率以及汽水参数影响较小,随着组合式贴壁风的投运,省煤器出口NO_(x)质量浓度呈小幅降低趋势。上述结论可为锅炉安全经济运行提供参考和借鉴。 展开更多

关键词 组合式贴壁风 高温腐蚀 还原性气氛 锅炉热效率 汽水参数 no_(x)质量浓度

在线阅读 下载PDF 职称材料