带有深度学习的多特征选择组合算法燃气轮机参数建模

• 作者: 张宝凯
• 来源期刊: 燃气轮机技术
• 学科: 工学
• 关键词: 数据驱动 NOx排放 滤波 特征组合 算法 模型 预测
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 设计计算与理论研究|DESIGNING CALCULATION AND THEORETIC RESEARCH
• 页码范围: 35-41
• 页数: 7页
• 分类号: TK472
• 语种: 中文

摘要

联合循环机组的燃气轮机燃烧是复杂的物理、化学过程,NOx排放浓度作为燃气轮机运行的一个状态参数耦合其他多参数,导致构建的预测模型精度低.依据深度学习理论,提出了一种基于深度置信网络非线性组合多特征选择(multi-feature selection nonlinear combined deep belief network,MFNDBN)方法以实现NOx浓度的准确预测.首先,对原始数据进行基于密度的噪声应用空间聚类(density-based spatial clustering of applications with noise,DBSCAN)异常值检测与Savitzky-Golay滤波方法的数据清洗.然后,结合偏互信息、决策树、LASSO特征选择算法分别构造基于深度置信网络的NOx预测模型.最后,将3种特征选择方法的预测模型进行非线性组合得到最终的预测模型.基于验证数据的实验结果表明,所提方法能够对燃气轮机NOx排放浓度进行准确的预测.