基于变量选择的深度置信神经网络锅炉烟气NOx排放预测

• 作者: 刘凯 杨国田 王英男 谢锐彪
• 来源期刊: 热力发电
• 关键词: 燃煤锅炉 NOx排放 深度置信神经网络 受限玻尔兹曼机 偏最小二乘法 变量选择
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 污染物控制专栏
• 页码范围: 34-40
• 页数: 7页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.19666/j.rlfd.201911245

摘要

准确预测NOx排放量有利于降低选择性催化还原(SCR)烟气脱硝成本,优化锅炉燃烧过程.本文利用偏最小二乘法(PLS)对燃煤锅炉实际数据进行变量重要性投影分析,得到变量重要性投影指标Vip,以Vip为依据对原始变量进行排序,将20项最优变量子集作为深度置信神经网络(DBN)的输入,得到NOx排放预测的PLS-DBN模型,并将PLS-DBN模型与最小二乘支持向量机(LSSVM)、DBN、误差反向传播神经网络(BPNN)模型用于某660 MW机组锅炉的3 000组训练集及500组预测集进行测试对比.结果 表明:PLS-DBN模型训练集和测试集的预测误差均较小,且在训练集和测试集上均方根误差不大于2％的预测准确率分别为0.940和0.714,预测准确率最高;表明PLS-DBN模型比其他3种NOx预测模型具有更高的预测精度和模型泛化能力.

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	刘凯	华北电力大学控制与计算机工程学院	12	46	4.0	6.0
3	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
4	谢锐彪	华北电力大学控制与计算机工程学院	1	0	0.0	0.0