基于麻雀算法和深度极限学习机的NOx预测研究

作者：谭增强; 牛拥军; 李元昊; 刘玺璞; 张安超

来源：中国电机工程学报, 2022, S1: 187-192.

DOI：10.13334/j.0258-8013.pcsee.220771

• NOx
• 预测模型
• 麻雀算法
• 深度极限学习机

准确的NOx预测方法对脱硝超低排放和机组的安全稳定运行意义极大。基于烟气含氧量、一次风总量、一次风压、二次风总量、总煤量、各个二次风门开度等分布式控制系统(distributedcontrolsystem,DCS)数据，分别构建用于NOx预测的基于麻雀算法(sparrow search algorithm,SSA)和深度极限学习机(deepextremelearningmachine,DELM)的SSA-DELM模型和DELM模型。结果表明，构建的预测模型能定量计算出延迟时间。延迟时间为2min时，脱硝入口NOx浓度的SSA-DELM模型的预测值和实测值的误差较小，其中，SSA-DELM模型对测试样本的均方根误差为0.89mg/m3,DELM模型对测试样本的均方根误差为7.65mg/m3。延迟时间为3.3min时，脱硝出口NOx浓度的SSA-DELM模型的预测值曲线与实测值曲线基本吻合，SSA-DELM模型对测试样本的的均方根误差为2.18mg/m3,DELM模型对测试样本的均方根误差为3.21mg/m3。

• 单位
  西安西热锅炉环保工程有限公司; 河南理工大学