期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于CNN-GRU-MHA的CFB机组污染物排放动态预测
1
作者 王勇权 高明明 +2 位作者 王唯铧 张鹏新 成永强 《热力发电》 北大核心 2025年第7期33-42,共10页
SO_(2)与NO_(x)排放质量浓度的精准预测可以有效指导污染物排放控制,对CFB机组环保运行具有重要意义。以某330 MW CFB机组为研究对象,采用Pearson相关系数实现输入变量筛选,应用四分位距(interquartile range,IQR)方法筛选并替换异常值... SO_(2)与NO_(x)排放质量浓度的精准预测可以有效指导污染物排放控制,对CFB机组环保运行具有重要意义。以某330 MW CFB机组为研究对象,采用Pearson相关系数实现输入变量筛选,应用四分位距(interquartile range,IQR)方法筛选并替换异常值,同时进行归一化,完成数据预处理;随后,通过卷积神经网络(convolutional neural network,CNN)提取输入变量的特征,进入门循环单元(gated recurrent unit,GRU)处理时间序列特征,并引入多头自注意力(multi-head attention,MHA)机制捕捉特征之间的重要关系,经训练后反归一化得到模型输出;最后,使用平均绝对误差MAE、平均绝对百分比误差MAPE和决定系数R^(2)评估测试集的结果。结果表明,该CNN-GRU-MHA模型能够较为准确地预测CFB机组的污染物排放质量浓度。消融实验与模型对比证明了该模型的优越性能。该CNN-GRU-MHA模型可以实现CFB机组污染物排放质量浓度的监测与优化指导,从而使电厂及时调整运行参数,确保污染物排放达标。 展开更多
关键词 CFB 污染物排放预测 深度学习 数据驱动
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部