10.16085/j.issn.1000-6613.2020-0751
基于深度神经网络的脱硫系统预测模型及应用
建立了一个隐含层包含一个长短期记忆层(long-short term memory,LSTM)、两个线性整流函数层(rectified linear unit,ReLU)、两个全连接层(fully connected layer)和输入、输出层组成的深度神经网络,用于脱硫系统主要指标预测.该模型对输入参数采用了指数滑动平均、合并最小分析周期等数据预处理技术进行降噪,在网络训练过程中采用dropout技术防止过拟合.仿真结果对比现场数据表明,模型对浆液pH、出口SO2浓度和脱硫率均体现出良好的预测能力.本文还结合某2×350MW燃煤电厂提供的实际工况数据,以石灰石供浆密度对系统脱硫性能的影响为例,详细介绍了利用所建立的深度神经网络模型测试湿法脱硫系统各参数指标对脱硫效果的影响,并结合化学机理和工业实际进行的诊断过程.
燃煤电厂、脱硫系统、计算机模拟、深度学习、神经网络、预测、模型应用、智慧环保
40
TP183(自动化基础理论)
2021-03-23(万方平台首次上网日期,不代表论文的发表时间)
共10页
1689-1698