文献类型：期刊文章

作　　者：温鑫[1] 钱玉良[1] 彭道刚[1] 马浩[2]

WEN Xin;QIAN Yu-liang;PENG Dao-gang;MA Hao(Shanghai Power Generation Process Intelligent Control Engineering Technology Research Center,Shanghai University of Electric Power,Shanghai,China,Post Code:200090;Huaneng Shanghai Shidongkou First Power Plant,Shanghai,China,Post Code:200942)

机构地区：[1]上海电力大学上海发电过程智能管控工程技术研究中心,上海200090 [2]华能上海石洞口第一电厂,上海200942

出　　处：《热能动力工程》

基　　金：上海市青年科技英才扬帆计划(16YF1404700)。

年　　份：2020

卷　　号：35

期　　号：10

起止页码：57-64

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSCD、CSCD_E2019_2020、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对传统BP神经网络预测模型仅考虑单向时间关系,造成火电厂选择性催化还原法(selective catalytic reduction,SCR)脱硝系统喷氨调节效果不佳、难以兼顾NOx排放指标和经济性等问题,提出一种基于深度双向LSTM的SCR系统NOx排放预测模型。该模型结合向前、向后两个时间方向的数据关系,将多个双向LSTM层叠加,通过多层神经网络学习时间序列的深层特征,同时添加全连接层对非线性特征进行加权处理,解决了长时间序列的梯度消失以及梯度爆炸问题,实现了数据的深层次特征挖掘。对某325 MW机组运行数据进行测试,测试结果表明,该模型具有复杂度低、精度高和泛化能力强等优点,使误差降低了约5%。

关 键 词：选择性催化还原法 NOX排放 深度双向LSTM  特征挖掘  预测模型  

分 类 号：TK39]