10.3969/j.issn.1674-1951.2021.05.002
基于IQGA-GRNN模型的SCR脱硝出口NOx质量浓度预测方法
针对选择性催化还原(SCR)烟气脱硝系统工艺复杂、非线性等特点,提出了一种基于改进量子遗传算法(IQGA)和广义回归神经网络(GRNN)的燃煤电站NOx排放数学模型:先采用动态旋转门对量子遗传算法(QGA)进行改进,使其搜索更为精细,然后应用IQGA对GRNN中的光滑因子进行寻优,使该算法逼近能力更强.以某300 MW供热机组为例,针对现场实际运行数据,采用IQGA-GRNN进行训练建模,并将该模型与GRNN模型、QGA-GRNN模型的预测结果进行对比,结果表明,IQGA-GRNN模型的预测值与实测值最大误差在8.0%以内,平均误差在0.2%以内,可为后续喷氨量的精准控制提供有力的支撑.
改进量子遗传算法、广义回归神经网络、燃煤电站、脱硝系统、NOx质量浓度、预测
43
TP18;X701(自动化基础理论)
新疆维吾尔自治区项目XJEDU2018Y054
2021-05-28(万方平台首次上网日期,不代表论文的发表时间)
共6页
9-14