發(fā)布時(shí)間：2021-02-19 22:20

　　為了建立高精度的燃煤鍋爐NO_x排放量預(yù)測(cè)模型,提出一種考慮時(shí)延特征的基于深度學(xué)習(xí)的燃煤鍋爐NOx排放量建模算法。首先,結(jié)合機(jī)理分析和套索算法（least absolute shrinkage and selection operator,LASSO）算法分析特征變量重要性,選取與NO_x排放量最相關(guān)的變量,并進(jìn)一步分析所選取變量與NO_x排放量之間的時(shí)延相關(guān)性,確定模型輸入變量NO_x采用經(jīng)驗(yàn)?zāi)B(tài)分解方法對(duì)輸入變量時(shí)間序列進(jìn)行分解,提取其中的頻域信息與時(shí)域信息,構(gòu)造建模數(shù)據(jù)庫(kù);最后,設(shè)計(jì)深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)并優(yōu)化網(wǎng)絡(luò)參數(shù),建立NO_x排放量預(yù)測(cè)模型。基于火電廠實(shí)際運(yùn)行數(shù)據(jù)的實(shí)驗(yàn)結(jié)果表明,在多種工況下,所提出的算法預(yù)測(cè)誤差均小于2%,能夠滿足實(shí)際生產(chǎn)對(duì)預(yù)測(cè)精度的要求。 

【文章來(lái)源】：中國(guó)電機(jī)工程學(xué)報(bào). 2020,40(20)北大核心

【文章頁(yè)數(shù)】：12 頁(yè)

【圖文】：

DNN結(jié)構(gòu)

以某火電1000MW的超超臨界直流鍋爐為研究對(duì)象，鍋爐尺寸為32.084m×15.670m，采用Π型布置、單爐膛、改進(jìn)型低NOx PM(pollution minimum)主燃燒器和MACT(mitsubishi advanced combustion technology)型低NOx分級(jí)送風(fēng)燃燒系統(tǒng)。八角反向雙切圓燃燒方式，每只燃燒器共設(shè)計(jì)6層低NOx PM一次風(fēng)噴口(A、B、C、D、E、F),2層二次風(fēng)噴口(AA、BB、CC、DD、EE、FF)，一層燃盡風(fēng)室(OFA)。鍋爐尺寸及燃燒器布置見圖1。實(shí)驗(yàn)鍋爐以神華煤為燃燒煤種，鍋爐的煤質(zhì)特性見表1，實(shí)驗(yàn)期間煤質(zhì)保持不變。1.2 鍋爐燃燒過(guò)程及建模參數(shù)初選

所構(gòu)建的DNN模型為56輸入，單輸出，4隱含層的全連接神經(jīng)網(wǎng)絡(luò)，結(jié)構(gòu)如圖3所示。圖3中，輸入層為Xi(i(28)1,2,3,…,56),X為影響NOx排放的輸入向量，設(shè)定為56個(gè)影響因素，因此輸入層為56個(gè)神經(jīng)元；Wi為深度神經(jīng)網(wǎng)絡(luò)中第i層的權(quán)重值，bi表示第i層的神經(jīng)元偏置，ai表示第i層的輸出向量。DNN的每個(gè)隱含層從前一層獲取輸入向量，利用該隱含層的激活函數(shù)進(jìn)行非線性變換，隱含層采用Re LU作為激活函數(shù)。Re LU計(jì)算速度快，并且Re LU的非飽和性可以有效解決梯度消失的問(wèn)題，減緩過(guò)擬合的產(chǎn)生。每一個(gè)隱含層再將得到的向量作為輸入傳給下一層神經(jīng)元，逐層往復(fù)迭代，最終傳遞給網(wǎng)絡(luò)輸出。圖3 DNN結(jié)構(gòu)

【參考文獻(xiàn)】：
期刊論文
[1]EMD-LSTM算法在短期電力負(fù)荷預(yù)測(cè)中的應(yīng)用[J]. 任成國(guó),肖兒良,簡(jiǎn)獻(xiàn)忠,王如志.  電力科學(xué)與工程. 2019(08)
[2]基于EEMDCAN的SVM短期風(fēng)電功率預(yù)測(cè)[J]. 謝碧霞,林麗君,白陽(yáng)振.  電力科學(xué)與工程. 2019(07)
[3]基于經(jīng)驗(yàn)?zāi)B(tài)分解和支持向量機(jī)的滾動(dòng)軸承故障診斷[J]. 徐可,陳宗海,張陳斌,董廣忠.  控制理論與應(yīng)用. 2019(06)
[4]基于深度神經(jīng)網(wǎng)絡(luò)模型的無(wú)鐵心永磁同步直線電機(jī)結(jié)構(gòu)優(yōu)化研究[J]. 楊陽(yáng),趙吉文,宋俊材,董菲,何中燕,宗開放.  中國(guó)電機(jī)工程學(xué)報(bào). 2019(20)
[5]空氣過(guò)量系數(shù)對(duì)燃?xì)忮仩t氮氧化物排放濃度的影響[J]. 王亮.  石油化工安全環(huán)保技術(shù). 2018(02)
[6]新型雙流化床爐內(nèi)NOx生成特性數(shù)值模擬[J]. 張弋,李建波,王泉海,盧嘯風(fēng).  化工學(xué)報(bào). 2018(04)
[7]基于矩陣填充的子陣重構(gòu)二維波達(dá)方向估計(jì)算法[J]. 曾文浩,朱曉華,李洪濤,莊珊娜.  南京理工大學(xué)學(xué)報(bào). 2017(03)
[8]Combustion Optimization Model for NOx Reduction with an Improved Particle Swarm Optimization[J]. 李慶偉,周克毅,姚桂煥.  Journal of Shanghai Jiaotong University（Science）. 2016(05)
[9]關(guān)于鍋爐NOx生成機(jī)理及科學(xué)超低排放的理論研究[J]. 卜銀坤.  工業(yè)鍋爐. 2016(04)
[10]全氧煤粉燃燒煙氣的輻射特性[J]. 劉若晨,安恩科,劉澤慶,袁益超.  燃燒科學(xué)與技術(shù). 2016(01)



本文編號(hào)：3041773