基于独立成分分析预测电站锅炉NO_x排放量

作者：孙保民; 信晶; 杨斌; 王兰忠; 王冲

来源：中国电力, 2013, (09): 39-43.

• 独立成分分析(ICA)
• 神经网络
• 电站锅炉
• 低NOx燃烧
• 排放预测 independent component analysis
• neural network
• utility boiler
• low NOx combustion
• emission prediction

为了解决燃煤电站锅炉低NO x燃烧特性建模输入值高维数据众多,以及大样本处理造成模型运行速度慢、精度低的问题,将独立成分分析(ICA)应用到建模数据预处理领域,提出一种基于快速独立成分分析(FastICA)的BP(back propagation)神经网络建模方法,并用该方法对某220 MW热电机组NO x排放浓度进行预测。研究结果表明:经FastICA降维预处理后所建的神经网络模型(ICA-BP)性能优于直接构建的神经网络(BP)模型;ICA-BP模型计算结果与实测结果相对误差仅约2.5%,说明ICA方法有助于实现降低维数的同时保留更多原始数据特性的目的,是系统建模数据前处理的有效工具。

• 单位
  华北电力大学; 北京京能热电股份有限公司