基于数据驱动的燃煤锅炉NOx排放动态校正预测模型
系统与控制
2024-09-13 v2 系统与控制
信号处理
摘要
NOx排放的实时预测对燃煤电厂的污染物控制和机组运行具有重要意义。针对燃烧过程大时延和强非线性的特点，提出了一种考虑时延的动态校正预测模型。首先，利用最大信息系数(MIC)计算相关参数与NOx排放之间的延迟时间，并重构建模数据集；然后，构建基于Lasso和ReliefF的自适应特征选择算法，筛选出与NOx排放高度相关的参数；最后，建立结合误差校正的极限学习机(ELM)模型，以实现氮氧化物浓度的动态预测。基于实际数据的实验结果表明：同一变量在升负荷、降负荷和稳态等工况下具有不同的延迟时间；不同负荷工况下模型特征变量存在差异；动态误差校正策略有效提高了建模精度；所提算法在不同工况下的预测误差小于2%，能够准确预测燃烧出口NOx浓度，为NOx排放监测和燃烧过程优化提供指导。
引用
@article{arxiv.2110.15600,
title = {Data Driven based Dynamic Correction Prediction Model for NOx Emission of Coal Fired Boiler},
author = {Zhenhao Tang and Deyu Zhu and Yang Li},
journal= {arXiv preprint arXiv:2110.15600},
year = {2024}
}
备注
in Chinese language, Accepted by Proceedings of the CSEE