基于ARIMA-OSELM的火电厂SCR入口NOx浓度预测建模研究

针对火力发电厂燃烧系统运行工况复杂、迟延较大,导致选择性催化还原烟气脱硝系统(SCR)中入口NO x质量浓度难以准确测量的问题,提出了一种基于ARIMA-OSELM神经网络组合模型的火电厂SCR入口NO x浓度预测方法,分别从最优权重和残差优化2个组合角度进行对比研究。将该方法应用于某火力发电厂SCR入口浓度预测中,结果表明:基于ARIMA-OSELM残差优化的组合模型预测精度最高,其效果优于ARIMA-OSELM最优权重的组合预测模型以及单一ARIMA和OSELM神经网络预测模型,评价指标F MAPE、M RMSE和R 2分别为0.190、1.364和0.978。