基于数据去噪和CNN-BiGRU的SO2排放预测

作者：孙坤; 尹晓红^*

来源：电子测量技术, 2023, 46(13): 66-72.

DOI：10.19651/j.cnki.emt.2211167

• 湿法脱硫
• 时间序列预测
• CEEMDAN
• 小波阈值去噪
• 卷积神经网络
• 门控循环单元

石灰石-石膏湿法烟气脱硫(WFGD)是火电厂烟气脱硫的主要方法，对大气环境保护起到重要作用，但也会出现腐蚀、结垢等问题影响运行效率。为了优化湿法脱硫系统的运行，采用数据驱动方法对SO2烟气排放进行动态建模。首先利用完全自适应噪声集合经验模态分解(CEEMDAN)对SO2排放数据进行分解，得到若干个本征模态分量(IMFs)。使用小波阈值去噪对含有噪声的本征模态分量进行去噪处理，得到纯净分量。然后设计了卷积神经网络(CNN)和双向门控循环单元(BiGRU)相结合的深度学习模型对SO2排放进行预测。在对比了对分量分别预测后进行重构和将分量重构后进行预测两种方案后，发现前者的均方根误差和平均绝对误差比后者分别降低了0.135 7和0.284 3。基于第1种方案与其他基准模型进行了对比实验，所提模型的均方根误差和平均绝对误差分别为0.699 6和0.355 3,均为最低。结果表明所提模型在对SO2排放浓度预测方面有显著优势。

• 出版日期2023
• 单位青岛科技大学; 电子工程学院