基于LSTM神经网络的燃煤锅炉热效率预测方法

• 作者: 周献军 张静 徐慧 李佳鹤
• 来源期刊: 智能物联技术
• 学科: 工学
• 关键词: LSTM神经网络 时间序列 锅炉 热效率预测
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 技术应用
• 页码范围: 33-36
• 页数: 4页
• 分类号: TP389.1|TM621.2
• 字数: 3370字
• 语种: 中文

摘要

锅炉燃烧过程属于持续性工艺流程,当前运行工况参数会受到前N个周期的工况叠加影响.本文收集锅炉负荷、省煤器出口氧量、各二次风挡板开度、燃尽风挡板开度、各磨煤机给煤量、炉膛与风箱差压、一次风总风压、锅炉运行中排出的煤灰和煤渣的含碳量等参数,形成时间序列样本集,构建LSTM神经网络模型,用于预测燃煤锅炉热效率.该方法能够挖掘并记忆锅炉连续运行过程中参数自身变化与热效率影响的客观规律,克服锅炉持续性燃烧调整的工况叠加带来的预测误差,提高学习效率,提升预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李佳鹤		1	1	1.0	1.0
2	徐慧		1	1	1.0	1.0
3	张静		3	4	1.0	2.0
4	周献军		3	4	1.0	2.0