基于长短期记忆神经网络的火电厂NOx排放预测模型

• 作者: 刘禾 张涛 李新利 杨国田 王英男
• 来源期刊: 热力发电
• 关键词: 火电厂 NOx排放 预测模型 LSTM神经网络 RNN LSSVM 主成分分析 特征提取
• 年，卷（期）: 2018,（10）
• 所属期刊栏目: 污染物排放控制
• 页码范围: 12-17
• 页数: 6页
• 分类号: TK323|X511
• 语种: 中文
• DOI: 10.19666/j.rlfd.201805113

摘要

火电厂燃煤锅炉产生的NOx是大气污染物的重要来源之一,建立有效的NOx排放预测模型是降低NOx排放的基础.针对火电厂控制系统数据的海量化和高维化及燃煤锅炉多参数多变量相互耦合的特点,首先利用主成分分析法对火电厂分布式控制系统(DCS)数据进行特征提取,消除各特征变量间的耦合性;然后将提取的特征作为长短期记忆(LSTM)神经网络的输入,得到火电厂NOx排放预测模型.将该模型与传统循环神经网络(RNN)模型、最小二乘支持向量机(LSSVM)模型应用于某超超临界660 MW机组燃煤锅炉对NOx排放质量浓度进行预测.结果表明:LSTM神经网络和RNN模型预测效果均优于LSSVM模型;本文提出的LSTM神经网络模型预测准确率达到79％,均方根误差为0.398,优于其他2种模型;LSTM神经网络模型数据跟踪效果明显优于RNN模型,预测结果波动较小,模型稳定性和准确率较高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨国田	华北电力大学控制与计算机工程学院	57	236	9.0	12.0
2	刘禾	华北电力大学控制与计算机工程学院	33	314	11.0	17.0
3	李新利	华北电力大学控制与计算机工程学院	19	217	6.0	14.0
4	张涛	华北电力大学控制与计算机工程学院	23	123	8.0	9.0
5	王英男	华北电力大学控制与计算机工程学院	3	14	1.0	3.0