基于LSTM的燃煤电厂NOx排量软测量

摘要：

燃煤电厂煤粉在燃烧过程中产生的有害气体会对大气环境造成污染,NOx为其中之一.针对燃煤电厂生产过程中NOx排放量测量成本高、过程复杂等问题,考虑到机组运行数据具有的时间序列特征,提出一种基于长短期记忆神经网络的软测量方法对NOx排放量进行预测.在分析NOx产生机理的基础上,利用来自陕西省榆林市某电厂2019年1月至6月的实际生产数据,初步选取与NOx排放量紧密相关的20个辅助变量;将数据进行预处理以消除粗大误差和随机误差,并利用灰色关联度分析进一步精选出15个辅助变量;将实际生产数据划分训练集和测试及对LSTM模型进行训练和测试,并将LSTM模型与BP神经网络模型和支持向量机模型的软测量结果比较.结果表明:基于LSTM的测量方法均方误差较基于BP神经网络与SVM的方法均有减小,说明该方法测量准确度较高,泛化能力更强.

关键词：NOx排放量、软测量、长短期记忆网络、辅助变量、时间序列

所属期刊栏目：42

分类号：TP29(自动化技术及设备)

资助基金：国家自然科学基金;西安科技大学优秀青年科技基金项目;陕西省博士后基金项目;中国博士后基金

在线出版日期：2022-07-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：362-370