模型的数学表达式为
经仿真对比,输入层与中间层之间的传递函数采用带陡度因子的S型函数;中间层与输出层之间的传递函数采用线性函数 f(x)=k·x+c。模型采用改进BP 神经网络,包含输入层、输出层和1个中间层。输入层以锅炉操作量为主,总计84个操作量;中间层从锅炉工况、设备状况、煤质、风机功率、风量配比6个方面表征锅炉燃烧状态;输出层从安全、环保、经济3个方面10个节点表征机组运行状况。
1.2 基于改进 LS-SVM 的 SCR 脱硝效率模型
最小二乘支持向量机(LS-SVM)在保持标准支持向量机(SVM)优点基础上,显著降低了计算成本,但是以损失 SVM 解的稀疏性和鲁棒性为代价。为此,Suykens 提出了稀疏 LS-SVM(space LS-SVM)与加权 LS-SVM(weighted LS-SVM)来分别解决稀疏性与鲁棒性问题;胡良谋等结合这 2 种算法的优点,提出了一种改进的 LS-SVM,同时改善 LS-SVM的鲁棒性与稀疏性。
该算法首先对数据开展 LS-SVM初始训练,然后运用加权LS-SVM对训练后的数据进行鲁棒性训练,最后采用稀疏 LS-SVM对训练后数据进行稀疏性训练,此改进LS-SVM可实现良好的建模效果。 火电机组的SCR脱硝系统位于省煤器与空气预热器(空预器)之间,其工作原理是在催化剂的作用下利用氨气将 NOx还原生成氮气与水,工艺原理如 图 2 所示。
图 2 SCR 脱硝工艺原理
采用改进LS-SVM构建SCR脱硝效率模型 (图 3),可对 SCR 脱硝系统的实际运行进行精 准表达。
图 3 SCR 脱硝效率模型
脱硝效率数学模型公式为
式中,X、Y 分别为输入输出矩阵,A 为系数矩阵。式(3)—式(4)分别为 X、Y 的列向量,i 代表选取的第i 组数据。
从机组DCS采集300组数据进行训练,其中50组数据进行校验。仿真显示SCR脱硝误差小于10–4,证明预测模型可用于工程实际。
延伸阅读:
环保技术人员学习成长交流群
志同道合的小伙伴全在这里
特别声明:北极星转载其他网站内容,出于传递更多信息而非盈利之目的,同时并不代表赞成其观点或证实其描述,内容仅供参考。版权归原作者所有,若有侵权,请联系我们删除。
凡来源注明北极星*网的内容为北极星原创,转载需获授权。
版权所有 © 1999-2025 北极星环保网 运营:北京火山动力网络技术有限公司 广告总代理:北京瀚鹏时代科技发展有限公司
京ICP证080169号京ICP备09003304号-2京公网安备11010502034458号电子公告服务专项备案
网络文化经营许可证 [2019] 5229-579号广播电视节目制作经营许可证 (京) 字第13229号出版物经营许可证新出发京批字第直200384号人力资源服务许可证1101052014340号
Copyright ©2025 Bjx.com.cn All Rights Reserved. 北京火山动力网络技术有限公司 版权所有