基于RF-GBDT的燃煤锅炉NOx排放预测

• 作者: 夏永俊 张尚志 张成 李海山 桂良明 谭鹏
• 来源期刊: 电站系统工程
• 学科: 工学
• 关键词: NOx预测 随机森林(RF) 梯度提升决策树(GBDT) 燃煤锅炉
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 基础研究
• 页码范围: 5-8
• 页数: 4页
• 分类号: TK223.23
• 语种: 中文

摘要

针对某超超临界660 MW机组锅炉,建立了基于随机森林(RF)和梯度提升决策树(GBDT)算法的氮氧化物(NOx)排放预测模型.从电厂SIS系统筛选得到历史运行数据中的稳态工况点,利用RF模型对数据特征进行筛选,并以选中特征作为输入变量建立基于GBDT的NOx排放预测模型.与支持向量机(SVM)、RF等模型的对比表明基于RF的特征选择能提升模型性能;较于其他模型,RF-GBDT具有最高的NOx排放预测精度.