350MW燃煤机组选择性催化还原脱硝系统运行优化

3.1支持向量机原理

支持向量机是基于统计学理论的监督学习模型，最早在1995年由CorinnaCortes等提出。采用结构风险最小原理和VC维理论对有限的样本在学习能力和模型的复杂性之间寻求最优点从而获得最好推广能力，该方法已经被普遍应用在各个领域。支持向量机的建模原理如下。

假设给定训练集，如式(10)。

3.2脱硝预测模型的建立

由于在实际运行中负荷、煤质对环保成本影响较大，较大程度地干扰预测结果的精度，所以将运行数据根据负荷、氮分分为6个样本集进行逐一预测。具体分组结果如表1所示。

3.3脱硝预测模型预测结果分析

通过所建立的模型对样本进行训练与验证，结果如图2、图3所示。由图2可见，对比点多数集中在对角线两侧，有少部分点完全在对角线上，同时计算得到模型的相关系数R为92.6811%，均方误差MSE为0.001847，由此说明预测模型具有较好的拟合特性。

为了进一步验证模型的推广能力，从中负低氮样本集中随机选取20组样本对模型进行验证。验证结果如图3所示。图中两条曲线的走势一致，在各个折点均呈现较好的拟合特性。由此可得模型能精确地预测脱硝成本，且具有很好的推广能力。

延伸阅读：

选择性催化还原脱硝废弃催化剂回收技术研究进展

某电厂600MW机组烟气脱硝系统性能评价

燃煤电厂SCR烟气脱硝改造工程关键技术

超低排放改造工程脱硝催化剂的设计和采购分析