基于LSTM的烟气NOx浓度动态软测量模型

作者：高常乐; 司风琪^*; 任少君; 姚学忠

来源：热能动力工程, 2020, 35(03): 98-104.

DOI：10.16146/j.cnki.rndlgc.2020.03.014

• 烟气脱硝
• LSTM神经网络
• 动态模型
• 软测量

针对SCR系统出口NOx浓度测量准确性较差、CEMS测量存在较大延迟且吹扫过程中无法测量NOx浓度的问题,依托某660 MW机组的实际运行数据,建立基于长短期记忆神经网络(LSTM)的烟囱入口NOx浓度软测量模型。为了验证其对烟囱入口NOx浓度的预测性能,将所建LSTM模型与RNN模型、BPNN模型和KPLS 3种模型进行对比分析。研究表明:LSTM模型的预测均方根误差为1.34 mg/m3,平均相对误差为3.51%,模型预测精度优于其他3种模型;LSTM模型的泛化能力较强,数据动态跟踪效果好,具有较高的预测稳定性。

• 单位
  东南大学