维普
万方数据
基于LSTM-XGBoost组合的脱硫效率模型预测
Prediction of Desulfurization Efficiency Model Based on LSTM-XGBoost Combination
易中彪1
作者信息
- 1. 华北电力大学控制与计算机工程学院,北京 102206
- 折叠
摘要
在石灰石-石膏湿法脱硫系统中影响脱硫效率的主要因素有浆液pH值、液气比(L/G)、钙硫比(Ca/S)、烟气流量和原烟气SO2浓度等.基于电厂实际运行数据,利用LSTM-XGBoost组合预测算法来预测脱硫系统的脱硫效率,并采用平均绝对误差MAE、均方误差MSE、均方根误差RMSE和决定系数R2等模型评价指标对其准确性进行验证.实验证明,基于LSTM-XGBoost组合预测的脱硫效率与电厂实际脱硫效率非常接近,精确度高,对火力发电具有指导意义.
关键词
石灰石-湿法烟气脱硫/脱硫效率预测/LSTM-XGBoost组合预测算法Key words
limestone-wet flue gas desulfurization/desulfurization efficiency prediction/LSTM-XGBoost combined prediction algorithm引用本文复制引用
出版年
2024