基于模糊神经网络的SCR脱硝效率预测模型研究

作者：苑文鑫; 苑文磊

来源：自动化仪表, 2023, 44(04): 35-42.

DOI：10.16086/j.cnki.issn1000-0380.2022050100

• 模糊神经网络
• 选择性催化还原
• 脱硝效率
• 模糊C均值聚类算法
• 预测模型
• 参数辨识
• 结构辨识

针对火电厂选择性催化还原(SCR)系统存在变量多、耦合性强等特点，造成脱硝效率难以准确实时监测的问题，提出利用Takagi-Sugno(T-S)模糊神经网络算法，建立多输入单输出预测模型，以研究未来时间脱硝效率的变化。将模糊C均值(FCM)聚类算法用于结构辨识、模糊神经网络的混合学习算法用于参数辨识，构造T-S模糊预测模型。在分布式控制系统(DSC)上采集连续48 h实时数据，并利用MATLAB进行模型训练与检验。试验结果显示：训练集98%点的相对误差在±1.5%之间，最大误差小于2%,检测集99%点的相对误差在±0.5%之间，最大误差小于2.5%。该模型能够较好地反映SCR烟气脱硝效率，可以为脱硝效率的控制优化提供依据。

• 单位
  太原理工大学