文献类型：期刊文章

作　　者：董泽[1] 马宁[1] 任林[1] 孟磊[2]

DONG Ze;MA Ning;REN Lin;MENG Lei(Hebei Engineering Research Center of Simulation Optimized Control for Power Generation,North China Electric Power University,Baoding 071003,China;Datang Environment Industry Group Co.,Ltd.,Beijing 100192,China)

机构地区：[1]华北电力大学河北省发电过程仿真与优化控制工程技术研究中心,河北保定071003 [2]大唐环境产业集团股份有限公司,北京100192

出　　处：《华北电力大学学报（自然科学版）》

基　　金：国家自然科学基金资助项目(71471060);河北省自然科学基金资助项目(E2018502111)

年　　份：2019

卷　　号：46

期　　号：2

起止页码：83-90

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对选择性催化还原(SCR)脱硝系统工作过程中存在非线性、多变量和时变性等问题,将变量相关性引入即时学习算法,同时引入局部模型自适应更新策略,建立了基于变量相关性自适应即时学习算法的最小二乘支持向量机模型。利用互信息计算各个输入变量与输出量的相关度,将计算出的相关度引入到即时学习算法学习集的选取中,用以选择当前工况点的建模邻域,进而提高模型精度;采用自适应相似度阈值更新方法对局部模型进行更新,增强模型实时性。将该方法应用于SCR脱硝系统建模仿真。结果表明,改进后的即时学习算法的预测精度高,且具有很好的实时性。

关 键 词：即时学习算法  选择性催化还原 最小二乘支持向量机 互信息 自适应

分 类 号：TM621]