基于极端随机树和声波测温的电站锅炉NO_(x)排放预测方法

针对某电厂330MW亚临界燃煤锅炉,利用极端随机树算法,以影响NO_(x)排放的主要因素为输入,以NO_(x)排放浓度为输出建立NO_(x)排放预测模型并与随机森林算法做对比,结果表明极端随机树模型能够更加准确地预测锅炉NO_(x)排放量。在此基础上,采用声波测温技术采集炉膛截面温度加入到NO_(x)排放预测模型输入端以优化其预测性能。优化结果表明:加入炉膛温度信息可以有效提高NO_(x)排放模型准确度,更加符合工程需求。