文档名：SCR脱硝系统NOx浓度预测模型与应用
摘要：针对火电机组选择性催化还原(SCR)脱硝系统烟气氮氧化物出口浓度预测误差大、准确率低的问题,建立了利用注意力机制(AM)优化长短时记忆神经网络(LSTM)算法的氮氧化物出口浓度的实时预测模型.该模型通过LSTM模型提取SCR脱硝系统运行数据特征,搭建输入的时间序列与出口NOx浓度时间序列之间的非线性关系,AM进一步优化LSTM隐含层输出序列的权值,最后得到SCR脱硝系统出口NOx浓度预测模型.深能保定某350MW火电机组SCR脱硝运行实验数据表明:AM-LSTM与RNN、LSTM相比预测精度更高,泛化能力更强,有望应用到更多参数的大系统脱硝场景.
作者：孙安良 武利斌 湛戌 陈宇 高艳 李力 Author：SUNAnliang WULibin ZHANXu CHENYu GAOYan LILi
作者单位：深能保定发电有限公司,河北保定072150中国科学院声学研究所,北京100190中科汇能(苏州)电子科技有限公司,江苏苏州215163
刊名：重庆理工大学学报 PKU
Journal：JournalofChongqingInstituteofTechnology
年，卷(期)：2023, 37(19)
分类号：X701
关键词：火电机组 SCR烟气脱硝系统 LSTM神经网络 注意力机制
Keywords：thermalpowerunit SCRfluegasdenitrificationsystem LSTMneuralnetwork attentionmechanism
机标分类号：F205X924.4TP391
在线出版日期：2023年12月4日
基金项目：深能集团科技创新项目，国家自然科学基金SCR脱硝系统NOx浓度预测模型与应用[
期刊论文] 重庆理工大学学报--2023, 37(19)孙安良 武利斌 湛戌 陈宇 高艳 李力针对火电机组选择性催化还原(SCR)脱硝系统烟气氮氧化物出口浓度预测误差大、准确率低的问题,建立了利用注意力机制(AM)优化长短时记忆神经网络(LSTM)算法的氮氧化物出口浓度的实时预测模型.该模型通过LSTM模型提取SCR脱...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
SCR脱硝系统NOx浓度预测模型与应用 Prediction model and application of NOx emission of SCR denitrification system
SCR脱硝系统NOx浓度预测模型与应用.pdf
- 文件大小:
- 3.69 MB
- 下载次数:
- 60
-
高速下载
|
|
