考虑时延特征的燃煤锅炉NOx排放深度学习建模

为了建立高精度的燃煤锅炉NOx排放量预测模型,提出一种考虑时延特征的基于深度学习的燃煤锅炉NOx排放量建模算法。首先,结合机理分析和套索算法(least absolute shrinkage and selection operator,LASSO)算法分析特征变量重要性,选取与NOx排放量最相关的变量,并进一步分析所选取变量与NOx排放量之间的时延相关性,确定模型输入变量NO_x采用经验模态分解方法对输入变量时间序列进行分解,提取其中的频域信息与时域信息,构造建模数据库;最后,设计深度神经网络结构并优化网络参数,建立NOx排放量预测模型。基于火电厂实际运行数据的实验结果表明,在多种工况下,所提出的算法预测误差均小于2%,能够满足实际生产对预测精度的要求。