基于EEMD和卷积神经网络的电站NOx排放预测

作者：黄治军

来源：热能动力工程, 2022, 37(10): 96-103.

DOI：10.16146/j.cnki.rndlgc.2022.10.012

• 卷积神经网络
• NOx排放预测
• 集成经验模态分解
• 超参数

精准的NOx排放预测模型能够提高SCR系统的脱硝效率，为此本文分析了一维卷积神经网络在NOx预测领域的应用，并提出了一种结合集成经验模态分解和卷积神经网络的NOx排放预测方法。首先，对原始数据进行预处理，并采用互信息法确定输入变量。然后，采用集成经验模态分解算法对NOx数据进行分解处理，降低NOx数据的预测难度。最后，基于一维卷积神经网络构建各分量的预测模型并进行重构，得到最终的NOx预测结果。基于某电厂的实际运行数据进行实验，实验结果表明，所提出模型预测结果的平均绝对百分比误差为3.34%。一维卷积神经网络的超参数实验说明了Adam优化方法和合适的输入步长有利于模型的训练，但是dropout正则化不利于模型的性能提升。

• 单位
  内蒙古大唐国际托克托发电有限责任公司