10.19557/j.cnki.1001-9944.2021.01.019
基于双向深度学习的电站锅炉SCR脱硝系统入口NOx浓度预测
该文基于某660 MW电站锅炉的现场运行数据,在进行数据预处理的基础上,利用随机森林算法对输入变量进行特征提取以降低变量维数和消除变量间的相关性,并与双向长短时记忆神经网络(bi-directional long short-term memory,Bi-LSTM)相结合,建立了SCR脱硝系统入口NOx浓度的模型.将上述模型与其他建模方法进行比较,并将该模型实际应用于某电厂,作为精准喷氨控制的基础,结果表明通过Bi-LSTM建立的预测模型具有良好的预测能力,为进一步实施精准喷氨控制提供了模型基础.
数据预处理、随机森林、双向长短时记忆神经网络、入口NOx排放、电站锅炉
36
TM621.2(发电、发电厂)
2021-02-25(万方平台首次上网日期,不代表论文的发表时间)
共6页
82-87