科研之友
微信
新浪微博
Facebook
分享链接
摘要
为优化锅炉配风配粉降低NOx排放浓度，以某1000MW火电机组现场变工况运行数据为基础，采用正弦算法（Sine algorithm， SA）优化的正则化极限学习机（Regularized extreme learning machine， RELM）建立了NOx排放量的预测模型。为提高预测模型的精度，通过比较不同激活函数对RELM模型性能的影响，选用了新的Swish激活函数；采用奇异值分解法确定RELM的最佳隐含层节点个数，并引入一种自适应调整惯性权重的正弦算法对RELM的输入权值和阈值进行优化。将基于以上策略建立的SA-RELM模型与SA-ELM、RELM及PSO-RELM等模型的预测结果进行对比，表明基于SA-RELM的NOx排放量预测模型具有更高的精度和泛化能力。
- 单位
