循环流化床锅炉燃烧系统的神经网络模型研究

• 作者: 张露 李国强 陈彬 齐晓宾
• 来源期刊: 动力工程学报
• 学科: 工学
• 关键词: NOx排放质量浓度 循环流化床锅炉 并联型快速学习网 极限学习机
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 锅炉技术
• 页码范围: 440-446
• 页数: 7页
• 分类号: TP183
• 字数: 4408字
• 语种: 中文

摘要

为了准确预测热电厂锅炉的NOx排放质量浓度,以某热电厂300MW亚临界循环流化床锅炉为研究对象,利用并联型快速学习网进行建模.首先以经典的回归数据集测试并联型快速学习网的有效性,将结果与其他神经网络的结果相比较,证明其具有更好的学习能力和稳定性.再以热电厂现场采集的样本数据作为模型的输入输出数据,将该模型的预测结果与极限学习机、快速学习网、核极限学习机和增量型极限学习机的预测结果进行比较.结果表明:并联型快速学习网具有良好的预测精度和泛化能力,能够更准确有效地预测热电厂锅炉的NOx排放质量浓度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李国强	燕山大学河北省工业计算机控制工程重点实验室	56	266	9.0	14.0
2	张露	燕山大学河北省工业计算机控制工程重点实验室	3	5	1.0	2.0
3	齐晓宾	燕山大学河北省工业计算机控制工程重点实验室	1	4	1.0	1.0
4	陈彬	燕山大学河北省工业计算机控制工程重点实验室	1	4	1.0	1.0