基于某电厂350 MW燃煤机组的历史运行数据,开展了脱硝系统入口NOx浓度预测模型的研究。研究采用Python语言实现,基于机组负荷、给煤量、烟气含氧量、燃尽风门开度等输入变量,构建脱硝系统入口NOx浓度预测模型。本文选用在线更新的最小...基于某电厂350 MW燃煤机组的历史运行数据,开展了脱硝系统入口NOx浓度预测模型的研究。研究采用Python语言实现,基于机组负荷、给煤量、烟气含氧量、燃尽风门开度等输入变量,构建脱硝系统入口NOx浓度预测模型。本文选用在线更新的最小二乘支持向量回归(Least Squares Support Vector Regression, LSSVR)和分块时序混合器(Patch-based Time Series Mixer, PatchTSMixer)两种算法进行建模对比。结果表明,在RMSE、MAE和决定系数R2等评价指标下,LSSVR模型在预测精度上优于PatchTSMixer模型,LSSVR模型具有更快的训练速度、较好的泛化性能和更强的非线性拟合能力。展开更多
文摘基于某电厂350 MW燃煤机组的历史运行数据,开展了脱硝系统入口NOx浓度预测模型的研究。研究采用Python语言实现,基于机组负荷、给煤量、烟气含氧量、燃尽风门开度等输入变量,构建脱硝系统入口NOx浓度预测模型。本文选用在线更新的最小二乘支持向量回归(Least Squares Support Vector Regression, LSSVR)和分块时序混合器(Patch-based Time Series Mixer, PatchTSMixer)两种算法进行建模对比。结果表明,在RMSE、MAE和决定系数R2等评价指标下,LSSVR模型在预测精度上优于PatchTSMixer模型,LSSVR模型具有更快的训练速度、较好的泛化性能和更强的非线性拟合能力。
