火電機組選擇性催化還原技術（SCR）脫硝反應器過程復雜多變,采用機理建模的SCR脫硝反應器出口NO_x質量濃度預測難以取得良好的效果。基于火電廠的歷史運行數(shù)據,將主成分分析（PCA）和隨機森林（RF）相結合建立了SCR脫硝反應器出口NO_x質量濃度預測模型。在建模過程中,采用主成分分析方法計算各個變量的貢獻率來篩選變量,進而對隨機森林模型進行試驗驗證,并與支持向量機（SVM）模型和BP神經網絡模型的預測性能進行對比。結果表明:采用PCA變量選擇方法確定SCR系統(tǒng)模型的輸入變量是可行和有效的;與SVM和BP神經網絡模型相比,RF算法得到的SCR系統(tǒng)模型具有更好的預測效果。

【文章頁數(shù)】：7 頁

【部分圖文】：

圖1 SCR反應示意圖

影響SCR反應的物理因素很多,機理過程十分復雜[20-22],反應過程如圖1所示,在催化劑作用下發(fā)生的主要化學反應有:火電廠的鍋爐燃燒受到許多因素的影響,從火電廠SIS系統(tǒng)中提取的煙氣流量、機組負荷、溫度、壓力、氧量、入口NOx質量濃度等都對脫硝系統(tǒng)出口的NOx質量濃度有直接影響....

圖2 RF模型結構

在模型結構的設計中,當前時刻的SCR出口NOx質量濃度會受到上一時刻出口NOx質量濃度的影響,因此將上一時刻出口NOx質量濃度和篩選出的6個主成分變量作為RF模型的7個有效的輸入變量。經過反復試驗調試,最終確定隨機森林的決策樹數(shù)目為400棵,變量數(shù)d1為2。試驗數(shù)據采取訓練數(shù)據為....

圖3 基于隨機森林模型的訓練結果

為了驗證RF模型對SCR反應器出口NOx排放質量濃度的預測性能,通過對RF模型與傳統(tǒng)BP神經網絡模型及SVM模型進行比較,得到1152組測試數(shù)據的預測結果,如圖3～圖6所示。表2給出了優(yōu)度R2、均方根誤差RMSE和訓練模型時間t耗時的預測結果。圖4基于隨機森林模型的測試結果

圖4 基于隨機森林模型的測試結果

圖3基于隨機森林模型的訓練結果圖5基于BP神經網絡模型的測試結果

本文編號：4031666