带有深度学习的多特征选择组合算法燃气轮机参数建模

作者：张宝凯

来源：燃气轮机技术, 2022, 35(01): 35-41.

DOI：10.16120/j.cnki.issn1009-2889.2022.01.005

• 数据驱动
• NOx排放
• 滤波
• 特征组合
• 算法
• 模型
• 预测

联合循环机组的燃气轮机燃烧是复杂的物理、化学过程，NOx排放浓度作为燃气轮机运行的一个状态参数耦合其他多参数，导致构建的预测模型精度低。依据深度学习理论，提出了一种基于深度置信网络非线性组合多特征选择(multi-feature selection nonlinear combined deep belief network, MFNDBN)方法以实现NOx浓度的准确预测。首先，对原始数据进行基于密度的噪声应用空间聚类(density-based spatial clustering of applications with noise, DBSCAN)异常值检测与Savitzky-Golay滤波方法的数据清洗。然后，结合偏互信息、决策树、LASSO特征选择算法分别构造基于深度置信网络的NOx预测模型。最后，将3种特征选择方法的预测模型进行非线性组合得到最终的预测模型。基于验证数据的实验结果表明，所提方法能够对燃气轮机NOx排放浓度进行准确的预测。