基于混合数据驱动算法的SCR氮氧化物排放量动态预测模型

作者：唐振浩; 王世魁; 曹生现; 李扬; 沈涛

来源：中国电机工程学报, 2021, 1-12.

• 选择性催化还原
• 最大信息系数
• 变分模态分解
• 数据驱动
• 误差修正

针对火电厂选择性催化还原（selective catalytic reduction，SCR）系统建模中存在的时延难确定、模型精度不高等问题，提出了一种基于多数据驱动算法混合的动态建模方案。首先，对原始生产数据进行数据预处理，并采用最大信息系数（maximal information coefficient，MIC）估算各变量的延迟时间，对数据重构；然后，采用组合特征选择方法确定输入变量，并对输入时间序列进行变分模态分解；最后，结合极限学习机（extreme learning machine，ELM）和误差修正（error correction，EC）模型等数据驱动算法设计SCR出口NOx混合动态预测模型。基于实际历史运行数据的实验结果表明所建立模型预测结果的MAPE为2.61%。模型敏感性分析表明，除喷氨量外，入口氧气浓度及烟气温度对NOx排放量存在显著影响，在SCR过程优化控制中应重点考虑。

• 单位
  哈尔滨锅炉厂有限责任公司; 东北电力大学