10.19557/j.cnki.1001-9944.2021.07.015
基于机器学习LSTM网络的SO2排放浓度预测
CFB机组炉内炉外联合脱硫过程因其非线性、强耦合、大滞后等特点,SO2排放浓度难于在线实时、准确测量,控制效果并不精准,因此建立有效的SO2排放浓度预测模型很有意义.该文采集并分析研究某电厂350MWCFB锅炉现场运行数据,在脱硫系统大样本、数据分布分散、样本函数模糊的情况下,选取影响SO2排放浓度的主要变量,建立基于机器学习的LSTM网络的SO2排放浓度预测模型.结果显示此模型预测精度较高、误差较小,可为控制系统提供可靠参考,有助于提高脱硫系统控制精度,具有一定的工程实用价值.
炉内外联合脱硫、SO2浓度预测、机器学习、LSTM网络
36
TP18(自动化基础理论)
国家自然科学基金U1610116
2021-08-02(万方平台首次上网日期,不代表论文的发表时间)
共5页
77-80,85