基于动态时延分析和典型样本筛选的NOx排放浓度预测

作者：李悦; 唐振浩^*; 曹生现; 沈涛

来源：中国电机工程学报, 2023, 43(09): 3488-3498.

DOI：10.13334/j.0258-8013.pcsee.213189

• 滑动窗口
• 选择性催化还原
• 互信息
• K-Means聚类
• 动态预测

选择性催化还原(selectivecatalyticreduction,SCR)是一个变时间延迟的动态过程。为建立准确SCR出口NOx排放浓度预测模型，提出一种基于动态时延分析和典型样本筛选的建模算法。首先，通过机理分析和实际生产数据Pearson相关性分析，确定模型输入变量。然后，采用时间滑动窗口策略，计算滑动时间窗口内变量互信息熵，根据互信息熵排序确定各变量对于NOx排放浓度的动态延迟时间。其次，为了降低建模样本数量，采用K-Means聚类算法对时延分析后的样本集合进行筛选，筛选出具有代表性和多样性的典型运行数据样本。最后，设计极限学习机算法，构建SCR系统出口NOx动态预测模型。基于1000MW超超临界锅炉运行数据的验证结果显示，所提算法的预测误差小于5%，能够对SCR系统出口NOx浓度进行准确预测。

• 单位
  哈尔滨锅炉厂有限责任公司; 东北电力大学