基于深度卷积神经网络和支持向量机的NOx浓度预测

• 作者: 余印振 韩哲哲 许传龙
• 来源期刊: 中国电机工程学报
• 学科: 工学
• 关键词: 深度卷积神经网络 支持向量机 NOx浓度 火焰图像
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 发电|Power Generation
• 页码范围: 238-247,中插20
• 页数: 11页
• 分类号: TM85
• 语种: 中文
• DOI: 10.13334/j.0258-8013.pcsee.210077

摘要

NOx浓度的准确预测对于燃烧优化控制至关重要,有利于提高能源利用效率和减少环境污染.提出了一种基于深度卷积神经网络(deep convolution neural network,DCNN)和支持向量机(support vector machine,SVM)的NOx浓度预测方法.该方法首先利用DCNN对火焰图像的深层特征进行提取,然后采用支持向量机对所提取到的深层特征进行分析,从而实现NOx浓度预测.通过采集4.2MW重油燃烧锅炉不同燃烧工况下的火焰图像与NOx浓度,对所提出的预测方法的有效性进行测试.试验结果表明,在不同燃烧工况下,DCNN-SVM的均方根误差为1.58mg/m3,低于基于静态物理特征的预测模型(7.96mg/m3).表明DCNN-SVM具有较高的预测精度,不仅克服了静态物理特征表达能力的不足,而且摆脱了繁琐的特征设计过程.