燃煤电站脱硝系统在变负荷工况下具有非线性、大滞后的特性,传统的控制方式很难保证喷氨量的精确控制。随着燃煤发电厂超低排放标准的实施,有必要对脱硝系统进行运行优化。通过挖掘海量脱硝系统的历史运行数据,提出一种基于混合群智能...燃煤电站脱硝系统在变负荷工况下具有非线性、大滞后的特性,传统的控制方式很难保证喷氨量的精确控制。随着燃煤发电厂超低排放标准的实施,有必要对脱硝系统进行运行优化。通过挖掘海量脱硝系统的历史运行数据,提出一种基于混合群智能算法优化的核极限学习机NO X 排放动态预测模型。首先,对选择性催化还原(SCR)脱硝反应系统进行理论分析和实际运行研究,研究了采用核函数代替极限学习机中隐含层节点的显式映射的方法,从而无需事先给定隐含层节点数。然后,采用混合蚁群和粒子群优化的混合智能算法,对核极限学习机的学习参数进行优化。最后,以某电站锅炉脱硝系统为例,利用提出的方法进行验证,得到较高的建模精度。该研究为下一步脱硝系统控制优化打下良好基础。展开更多
文摘燃煤电站脱硝系统在变负荷工况下具有非线性、大滞后的特性,传统的控制方式很难保证喷氨量的精确控制。随着燃煤发电厂超低排放标准的实施,有必要对脱硝系统进行运行优化。通过挖掘海量脱硝系统的历史运行数据,提出一种基于混合群智能算法优化的核极限学习机NO X 排放动态预测模型。首先,对选择性催化还原(SCR)脱硝反应系统进行理论分析和实际运行研究,研究了采用核函数代替极限学习机中隐含层节点的显式映射的方法,从而无需事先给定隐含层节点数。然后,采用混合蚁群和粒子群优化的混合智能算法,对核极限学习机的学习参数进行优化。最后,以某电站锅炉脱硝系统为例,利用提出的方法进行验证,得到较高的建模精度。该研究为下一步脱硝系统控制优化打下良好基础。
