基于BWOA-GAM-BiGRU的火电厂SCR系统出口NOx排放预测

提出了一种基于数据驱动结合全局注意力机制与双向门控循环单元深度神经网络的选择性催化还原系统出口NOx排放预测模型,并使用黑寡妇优化算法对网络超参数进行自动寻优。对某300MW电厂选择性催化还系统的历史运行数据进行深度挖掘,确定模型输入变量并校准各输入变量与NOx排放量之间的时延并重构样本序列。实验结果显示,所提出模型的预测结果比典型预测模型具有更高预测精度和更好的泛化能力。

级联H桥注入多电平变换器门级触发单元的设计

设计了一种应用于高压大功率的级联H桥电压注入电压源型多电平变换器拓扑结构的门级触发单元,分析了开关模式选择、电网同步、沿状态判断等在实现中需要注意的关键问题,并以在静止同步补偿器中的应用为背景做了仿真研究,结果证明了基于注入式多电平变换器的门级设计具有较好的稳态和动态响应特性。

基于门控循环单元神经网络的燃煤电厂脱硝系统建模研究

采用某燃煤电厂1 000 MW机组实际运行数据,通过机理分析SCR出口NOX浓度与脱硝效率的各主要影响因素,使用门控循环单元神经网络建立SCR出口NOX浓度和脱硝效率预测模型。预测结果表明建立的SCR出口NOX浓度和脱硝效率预测模型的精度高于传统的RBF、LSSVM、RNN和LSTM模型,分别达到99.52%和99.63%。