首页|SCR脱硝系统NOx浓度预测模型与应用

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

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
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.

thermal power unitSCR flue gas denitrification systemLSTM neural networkattention mechanism

孙安良、武利斌、湛戌、陈宇、高艳、李力

展开 >

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

火电机组 SCR烟气脱硝系统 LSTM神经网络 注意力机制

深能集团科技创新项目(2022)国家自然科学基金

SNBD2022-KC-GL0161973115

2023

10.3969/j.issn.1674-8425(z).2023.10.036

重庆理工大学学报
重庆理工大学

重庆理工大学学报

CSTPCD北大核心
影响因子：0.567
ISSN：1674-8425
年,卷(期)：2023.37(19)
  • 15