重庆理工大学学报2023，Vol.37Issue(19) ：312-318.DOI:10.3969/j.issn.1674-8425(z).2023.10.036

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

孙安良 武利斌 湛戌 陈宇 高艳 李力
重庆理工大学学报2023，Vol.37Issue(19) ：312-318.DOI:10.3969/j.issn.1674-8425(z).2023.10.036
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据

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

孙安良 1武利斌 1湛戌 1陈宇 1高艳 2李力3
扫码查看

作者信息

  • 1. 深能保定发电有限公司, 河北 保定 072150
  • 2. 中国科学院声学研究所, 北京 100190
  • 3. 中科汇能(苏州)电子科技有限公司, 江苏 苏州 215163
  • 折叠

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.

关键词

火电机组/SCR烟气脱硝系统/LSTM神经网络/注意力机制

Key words

thermal power unit/SCR flue gas denitrification system/LSTM neural network/attention mechanism

引用本文复制引用

基金项目

深能集团科技创新项目(2022)(SNBD2022-KC-GL01)

国家自然科学基金(61973115)

出版年

2023
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
参考文献量15
段落导航相关论文