基于CNN(1D)-LSTM模型的电站锅炉SCR入口NOx浓度预测

作者：刘建军; 赵旭; 张卫东; 马达夫^*

来源：电子测量技术, 2023, 46(13): 59-65.

DOI：10.19651/j.cnki.emt.2211530

• CNN(1D)-LSTM
• SCR
• NOx浓度

为了解决电站锅炉操作人员依赖经验调节锅炉运行参数降低SCR入口NOx浓度，提高脱硝效果的问题，提出一种SCR入口处NOx浓度预测方法。该方法建立了基于卷积神经网络和长短期记忆神经网络的CNN(1D)-LSTM模型，通过提取锅炉在时序上的特征参数，可预测5 min后SCR入口处NOx浓度。电厂运行人员可将该模型的预测结果作为SCR入口处NOx浓度的重要参考，更加有效地调节锅炉参数进行脱硝优化。结果表明，预测3 min后SCR入口处NOx浓度LSTM模型优于CNN(1D)-LSTM;预测5 min后的SCR入口浓度CNN(1D)-LSTM模型相比于LSTM模型预测精度有很大的所提高，在测试集上Emape为7.05%,取得了期望的效果。

• 单位
  上海交通大学; 上海发电设备成套设计研究院有限责任公司