基于MI-GA-LSTM的锅炉NO_(x)排放快速预测模型

针对电站锅炉在实际运行过程中存在燃烧优化调整不及时以及烟气脱硝成本较高的问题,提出了基于MI-GA-LSTM的炉膛出口NO_(x)排放快速预测模型。根据燃煤锅炉实际运行数据,利用互信息(MI)进行特征相关性分析,将所得最优特征子集作为长短时记忆神经网络(LSTM)的输入,并利用遗传算法(GA)对模型关键参数进行寻优,得到炉膛出口NO_(x)原始生成质量浓度预测的MI-GA-LSTM模型,并与LSTM、门控神经网络(GRU)、循环神经网络(RNN)在同一测试集上进行预测效果对比。结果表明:该模型在训练集和测试集上都能够对运行数据进行精准地预测,可以很好地完成多变量非线性拟合;该模型在测试集上的3项指标均优于其他模型,具有更高的预测精度和泛化能力;该模型可作为炉膛出口NO_(x)排放质量浓度传感器的补充,提前准确感知炉膛出口NO_(x)原始生成质量浓度的变化。