《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: 欧美午夜大片 | 成年视频国产免费观看 | 精品一卡二卡三视频 | 一区二区三区欧美日韩国产 | 亚洲日韩精品欧美一区二区 | 黄色污污在线观看 | 日本在线观看一区二区三区 | 国产一级特黄aa毛片 | 国产欧美一区二区成人影院 | 成人合集大片bd高清在线观看 | 天天摸天天草 | 999久久久国产精品 999热成人精品国产免 | 午夜在线观看完整高清免费 | 亚洲国产激情在线一区 | 国产福利免费视频 | 日韩免费成人 | 日韩欧美无线在码 | 欧美一级在线看 | 成人福利软件 | 欧美在线观看www | 欧美成人精品第一区 | 91麻豆极品在线观看 | 农村偷人一级超爽毛片 | 欧美人成在线视频 | 欧美一卡二卡科技有限公司 | 911精品国产亚洲日本美国韩国 | 国产精品免费aⅴ片在线观看 | 亚洲欧美卡通另类 | 国产午夜精品福利 | 免费看黄的网页 | 亚洲另类z0zx | 国产福利午夜波多野结衣 | 五月丁香六月综合缴清无码 | 羞羞视频免费网站 | 进来综合网 | 丁香婷婷色综合 | 欧美怡红院免费的全部视频 | 亚洲码一区二区三区 | 国产成人91精品 | 亚洲精品人成网在线播放影院 | 亚州视频一区二区 |