《電子技術應用》
您所在的位置:首頁 > 其他 > 設計應用 > 基于互信息變量選擇的燃煤機組SCR脫硝系統PSO-ELM建模
基于互信息變量選擇的燃煤機組SCR脫硝系統PSO-ELM建模
網絡安全與數據治理 9期
張瑾,姜浩,金秀章
(華北電力大學控制與計算機工程學院,河北保定071003)
摘要: 針對燃煤機組SCR脫硝系統出口NOx濃度存在測量滯后以及吹掃時數據失真等問題,提出了一種基于特征提取和粒子群算法(PSO)優化極限學習機(ELM)超參數的燃煤機組SCR脫硝系統模型。利用互信息(MI)進行時間遲延補償,采用最大相關最小冗余(mRMR)方法篩選輔助變量,通過PSO優化算法確定ELM最優超參數并建立預測模型,最后進行對比驗證。仿真結果表明:采用本文方法所建立的PSO-ELM預測模型的均方誤差和相關系數分別為0.931 4 mg/m3和0.978 6,預測精度高,能夠為脫硝系統出口NOx的現場優化控制提供技術支持。
中圖分類號:X773
文獻標識碼:A
DOI:10.19358/j.issn.2097-1788.2023.09.013
引用格式:張瑾,姜浩,金秀章.基于互信息變量選擇的燃煤機組SCR脫硝系統PSO-ELM建模[J].網絡安全與數據治理,2023,42(9):88-95.
PSO-ELM modeling of SCR denitrification system of coal-fired units based on mutual information variable selection
Zhang Jin,Jiang Hao ,Jin Xiuzhang
( School of Control and Computer Engineering,North China Electric Power University,Baoding 071003,China)
Abstract: Aiming at the problems of NOx concentration at the outlet of selective catalytic reduction (SCR) denitration system of coal-fired units, such as measurement lag and data distortion during purging, a SCR denitration system model of coal-fired units based on feature extraction and particle swarm optimization (PSO) to optimize extreme learning machine (ELM) hyperparameters is proposed in this paper. Mutual information (MI) was used to compensate the time delay, maximum correlation minimum redundancy (mRMR) was used to screen the auxiliary variables, and the optimal ELM hyperparameters were determined by PSO optimization algorithm and the prediction model was established. Finally, the comparison and verification were carried out. The simulation results show that the mean square error and correlation coefficient of the PSO-ELM prediction model established by the method in this paper are 0.931 4 mg/m3 and 0.978 6 respectively, with high prediction accuracy, which can provide technical support for the on-site optimization control of NOx at the exit of the denitrification system.
Key words : mutual information;PSO algorithm;SCR-DeNOx system;extreme learning

0     引言

燃煤機組產生的氮氧化物(NOx)是大氣污染的首要排放物之一,在空氣質量方面影響較為嚴重[1]。煙氣排放連續檢測系統(Continuous Emission Monitoring Systems,CEMS)對煙氣取樣管路要按時反向吹掃,以避免積灰堵塞,從而會導致NOx測量結果存在間斷性失真,同時,由于煙氣取樣管路長度一般為40~60 m,造成測量結果出現時滯現象,控制系統的控制難度也因此得到提升。因此,建立脫硝系統預測模型,對于燃煤機組的優化運行,噴氨量的控制以及污染物的監測管理都具有重要意義[2]。

隨著神經網絡的發展,許多建模方法被應用到脫硝系統當中。楊文玉等人[3]利用RBF神經網絡建立了脫硝系統出口NOx的預測模型,該模型在處理時序預測問題時并沒有明顯優勢。張淑清等人[4]利用ELM神經網絡建立了電網負荷的預測模型,并利用飛蛾優化算法對模型參數進行優化,該文所用訓練數據過少,容易導致模型過擬合。劉延泉等人[5]將互信息與LSSVM方法結合,對脫硝系統入口NOx濃度進行了預測,但模型未考慮輸入變量的對模型的影響。

除了建模方法,特征選擇也會影響模型的預測能力。特征選擇常見的方法有過濾式(Filter)、封裝式(Wrapper)和嵌入式(Embedded)三種。輸入變量的直接選擇決定了模型的結構與輸出,輸入變量的選擇通常對工業機理進行分析,從待選變量進行篩選獲取[6-7]。金秀章等人[8]利用mRMR算法篩選出符合模型的輸入變量,建立了出口SO2質量濃度預測模型,但正則化仍不能計算出隱層節點的具體數量。趙文杰等人[9]利用互信息與優化算法結合確定系統最優的輸入變量集合,將互信息特征提取方法應用到高維系統中,建立了脫硝系統的預測模型,但該方法計算量大,耗時較長,實施起來較為困難。錢虹等人[10]采用隨機森林算法進行變量選擇,并對SCR脫硝系統出口NOx質量濃度進行了預測,但模型未解決煙氣采樣管道長度較長而導致的時滯問題。


本文詳細內容請下載:http://m.viuna.cn/resource/share/2000005666




作者信息:

張瑾,姜浩,金秀章

(華北電力大學控制與計算機工程學院,河北保定071003)

微信圖片_20210517164139.jpg

此內容為AET網站原創,未經授權禁止轉載。
主站蜘蛛池模板: 午夜寂寞影院视频在线观看 | 久久精品国产一区二区三区不卡 | 欧美激情视频免费 | 在线免费黄| 国产成人小视频在线观看 | 午夜影院免费观看视频 | 中文字幕丰满孑伦 | 在线a人片免费观看国产 | 欧美国产成人免费观看永久视频 | 亚洲伦理在线观看 | 手机看片亚洲 | 成人福利在线观看免费视频 | 成 人 黄 色视频免费播放 | 在线国产一区二区三区 | 日韩免费在线视频观看 | 欧美日韩影视 | 成年美女黄网站色大免费观看软件 | 欧美午夜一区二区福利视频 | 免费久草视频 | 99精品国产成人a∨免费看 | www日韩中文字幕在线看 | 亚洲激情成人网 | 亚洲欧美另类日韩 | 国产精品免费在线播放 | 男女黄网站| 交video| 最近中文字幕国语免费高清6 | 日韩免费在线观看 | 欧洲亚洲一区二区三区 | 德国free性video极品 | 香蕉大黄香蕉在线观看 | 欧美精品福利 | 国产最强大片免费视频 | 毛片动态| 国产一区二区三区在线影院 | 亚洲一区二区三区在线免费观看 | 欧美怡红院免费的全部视频 | 女性一级全黄生活片在线播放 | 国产精品成人第一区 | 涩涩视频网站 | 欧美精品一区二区三区四区 |