双向门控循环神经网络的SO2排放浓度预测模型

作者：蒋星明; 曹顺安; 王民军; 陈东; 董毕承

来源：应用化工, 2021, 50(12): 3519-3523.

DOI：10.3969/j.issn.1671-3206.2021.12.060

• 火力发电站
• 脱硫系统
• SO2排放浓度
• biGRU
• 预测模型

火力发电站脱硫系统数据具有大惯性和延时性等特点,且影响SO2排放浓度的因素众多.为此,建立了基于双向门控循环神经网络(biGRU)的SO2排放浓度预测模型.以分析得到的主成分为输入变量,SO2排放浓度为输出变量,通过训练对脱硫系统SO2排放浓度数据进行预测,并进行比较.结果 表明,与传统的RNN以及LSTM模型相比,biGRU模型能够获得较高的预测精度,其对称平均绝对百分比误差相较于RNN和LSTM分别下降了4.235％,0.718％,其均方根误差分别下降了1.942,0.443 mg/Nm3.该模型预测误差较低,泛化能力较好,具有较高的实际应用价值,有利于实现排放控制和节能减排.

• 单位
  浙江浙能中煤舟山煤电有限责任公司; 武汉大学