科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对燃煤机组选择性催化还原（Selective catalytic reduction,SCR）脱硝系统出口NOx浓度存在测量滞后以及吹扫时数据失真等问题，提出基于特征提取和麻雀搜索算法（Sparrow search algorithm,SSA）优化核极限学习机（Kernel based extreme learning machine,KELM）超参数的燃煤机组SCR脱硝系统建模方法。利用最大信息系数确定各输入变量的延迟时间，表征变量间的相关性。在此基础上采用相关性的特征选择算法将加入迟延参数的重构输入变量进行变量选择；通过SSA优化算法确定KELM初始输入层权值及偏差的超参数。所建立的SSA-KELM预测模型的均方误差和相关系数分别为1.121 2 mg/m3、0.961 6，与粒子群算法、灰狼算法寻优后的预测模型所得结果相比预测精度较高，模型能够为脱硝系统出口NOx的现场优化控制提供技术支持。
- 出版日期2023
- 单位华北电力大学
