文档名：火电厂氨逃逸的预测研究
摘要：为了实现机组超低排放并能够安全稳定运行,基于脱硝系统入口烟气温度、入口O2体积浓度、入口和出口NOx质量浓度、喷氨量和空气预热器差压等分散控制系统(DCS)数据,分别构建了用于预测氨逃逸的长短期记忆网络(LSTM)模型和支持向量回归(SVR)模型.根据现场测试的SCR系统入口和出口NOx质量浓度和氨逃逸量,计算得到宏观的脱硝装置潜能,结合同时间段内的DCS数据计算氨逃逸量,并作为真实值与LSTM模型和SVR模型的预测值进行对比.结果表明:SVR模型对氨逃逸的预测有较高的准确度和泛化能力,SVR模型对测试样本的均方根误差δMRE=0.0071μL/L,平均绝对误差δMAE=0.0024μL/L;LSTM模型对测试样本的预测误差δMRE=0.0470μL/L,δMAE=0.0190μL/L.
作者：谭增强 牛拥军 李元昊 曲飞雨 Author：TANZengqiang NIUYongjun LIYuanhao QUFeiyu
作者单位：西安西热锅炉环保工程有限公司,西安710054沧州华润热电有限公司,河北沧州061000
刊名：动力工程学报 ISTICPKU
Journal：JournalOfChineseSocietyOfPowerEngineering
年，卷(期)：2023, 43(7)
分类号：TK227
关键词：火电厂 氨逃逸 预测模型 LSTM SVR
Keywords：thermalpowerplant ammoniaescape predictivemodel LSTM SVR
机标分类号：TM621X773TP391
在线出版日期：2023年8月9日
基金项目：国家自然科学基金，华能集团总部科技资助项目火电厂氨逃逸的预测研究[
期刊论文] 动力工程学报--2023, 43(7)谭增强 牛拥军 李元昊 曲飞雨为了实现机组超低排放并能够安全稳定运行,基于脱硝系统入口烟气温度、入口O2体积浓度、入口和出口NOx质量浓度、喷氨量和空气预热器差压等分散控制系统(DCS)数据,分别构建了用于预测氨逃逸的长短期记忆网络(LSTM)模型和...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
火电厂氨逃逸的预测研究 Study on Prediction of Ammonia Escape from Thermal Power Plants
火电厂氨逃逸的预测研究.pdf
- 文件大小:
- 8.22 MB
- 下载次数:
- 60
-
高速下载
|
