基于LSTM的电站锅炉NOx排放浓度建模研究

• 作者: 张嘉 茅建波 黄景涛
• 来源期刊: 计算机与应用化学
• 学科: 工学
• 关键词: NOx排放 深度学习 LSTM 预测模型 时间序列
• 年，卷（期）: 2018,（11）
• 页码范围: 903-909
• 页数: 7页
• 分类号: TP391
• 语种: 中文
• DOI: 10.16866/j.com.app.chem201811004

摘要

为建立机组变负荷运行时NOx排放浓度与运行参数间的定量模型,以实现燃烧优化降低NOx排放.考虑到机组运行数据具有的时间序列特征,本文研究了基于深度学习算法长短期记忆网络(Long-short term memory networks,LSTM)的NOx建模方法.LSTM通过在递归神经网络(Recurrent neural network,RNN)中引入包含三个门控信号的记忆单元,可在反向训练过程中有效避免梯度消失和爆发问题.基于某1000MW超临界机组变工况运行数据进行了NOx建模,模型测试结果表明,在选取的模型结构与输入特征下,采用LSTM对历史数据进行学习,可找出参数间的相互影响关系,模型预测结果比传统神经网络及支持向量回归更接近实际值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄景涛		38	124	6.0	9.0
2	张嘉		1	0	0.0	0.0
3	茅建波		1	0	0.0	0.0