该文基于某660 MW电站锅炉的现场运行数据,在进行数据预处理的基础上,利用随机森林算法对输入变量进行特征提取以降低变量维数和消除变量间的相关性,并与双向长短时记忆神经网络(bi-directional long short-term memory,Bi-LSTM)相结合...该文基于某660 MW电站锅炉的现场运行数据,在进行数据预处理的基础上,利用随机森林算法对输入变量进行特征提取以降低变量维数和消除变量间的相关性,并与双向长短时记忆神经网络(bi-directional long short-term memory,Bi-LSTM)相结合,建立了SCR脱硝系统入口NOx浓度的模型。将上述模型与其他建模方法进行比较,并将该模型实际应用于某电厂,作为精准喷氨控制的基础,结果表明通过Bi-LSTM建立的预测模型具有良好的预测能力,为进一步实施精准喷氨控制提供了模型基础。展开更多
文摘该文基于某660 MW电站锅炉的现场运行数据,在进行数据预处理的基础上,利用随机森林算法对输入变量进行特征提取以降低变量维数和消除变量间的相关性,并与双向长短时记忆神经网络(bi-directional long short-term memory,Bi-LSTM)相结合,建立了SCR脱硝系统入口NOx浓度的模型。将上述模型与其他建模方法进行比较,并将该模型实际应用于某电厂,作为精准喷氨控制的基础,结果表明通过Bi-LSTM建立的预测模型具有良好的预测能力,为进一步实施精准喷氨控制提供了模型基础。
