基于扩展长短期记忆网络的电力系统短期负荷预测

1

作者 郁佳杰 付保川 +1 位作者 朱建业 韩雅明 《计算机测量与控制》 2025年第8期72-78,136,共8页

短期负荷预测在电力系统的运行与规划中扮演着至关重要的角色,准确地预测负荷变化不仅能够有效支持电网的调度优化、提升电网可靠性,而且可以为决策者提供科学依据以降低运营成本和提高系统效率;如何构建具有柔性特征的短期负荷预测模型... 短期负荷预测在电力系统的运行与规划中扮演着至关重要的角色,准确地预测负荷变化不仅能够有效支持电网的调度优化、提升电网可靠性,而且可以为决策者提供科学依据以降低运营成本和提高系统效率;如何构建具有柔性特征的短期负荷预测模型,成为影响短期负荷预测准确率的关键之所在;为了较好适应季节变化、外部环境因素以及用户行为的变化,提出一种由SLSTM和MLSTM两种架构组成的XLSTM短期负荷预测模型,并利用两种架构的优势捕捉负荷数据中空间和时间的耦合关系,以有效缓解长时间预测后出现数据漂移而导致预测精度下降的问题;通过利用跨季节划分的实际电力系统负荷数据进行单步预测和多步预测仿真,并与独立的LSTM和CNN-LSTM模型进行了对比分析;仿真结果表明,XLSTM模型在单步预测和多步预测中的精度都明显优于其他模型,验证了其具有较强的模型泛化性与缓解短期负荷预测数据漂移的有效性。 展开更多

关键词 短期负荷预测 电力系统 LSTM CNN-LSTM x-lstm 模型泛化性 数据漂移

在线阅读 下载PDF 职称材料

基于LSTM方法的医疗设备故障预测模型建立

2

作者 张文媛 万宇 +2 位作者 周选超 吴晓雪 范越鹏 《计量与测试技术》 2025年第4期140-144,共5页

医疗设备的可靠性与稳定性对诊疗安全与效率至关重要,设备故障危及医院运营与患者安全。本研究以数字X射线机为研究对象,利用滑动数据窗的方法建立LSTM输入数据,对比分析了RNN、LSTM和GRU三种算法在设备故障预测中的应用效果。结果表明:... 医疗设备的可靠性与稳定性对诊疗安全与效率至关重要,设备故障危及医院运营与患者安全。本研究以数字X射线机为研究对象,利用滑动数据窗的方法建立LSTM输入数据,对比分析了RNN、LSTM和GRU三种算法在设备故障预测中的应用效果。结果表明:LSTM模型的精确度AUC(96.8%)和准确率ACC(97.2%)指标均优于其他两种模型,并在处理时间序列数据方面具有显著优势,能更好地捕捉设备运行参数的长期依赖关系和异常趋势。本研究最终构建了一个基于LSTM算法的医疗设备故障预测模型,可为医疗设备的稳定运行提供有力保障。 展开更多

关键词 医疗设备 LSTM 故障预测 数字X射线机

暂未订购

基于改进LSTM与注意力机制的SCR入口NO_(x)生成浓度预测

3

作者 赵旭东 李军 +6 位作者 王林 高林 弓林娟 高艺轩 梁永吉 杨大锚 王文毓 《动力工程学报》 北大核心 2025年第12期2044-2055,共12页

为解决火电厂燃煤锅炉NO_(x)生成机理复杂,选择性催化还原(SCR)系统喷氨导致的难以及时、精准调控的问题,提出了一种基于改进的长短时记忆网络(LSTM)与注意力机制的SCR入口NO_(x)生成浓度预测方法。首先,通过锅炉燃烧NO_(x)生成机理分... 为解决火电厂燃煤锅炉NO_(x)生成机理复杂,选择性催化还原(SCR)系统喷氨导致的难以及时、精准调控的问题,提出了一种基于改进的长短时记忆网络(LSTM)与注意力机制的SCR入口NO_(x)生成浓度预测方法。首先,通过锅炉燃烧NO_(x)生成机理分析确定初始特征变量集,在原始运行数据经过预处理后,利用最大信息系数确定各变量的延迟时间,并构建时滞补偿数据集;其次,基于灰色关联度分析(GRA)对影响NO_(x)生成的关键变量进行排序,从而实现特征选择。最后,提出了一种融合改进LSTM与注意力机制的新型时间序列预测模型ADS-Forecaster,采用双路径特征编码及自注意力融合解码,实现NO_(x)生成浓度实时预测。基于某600MW亚临界燃煤机组运行数据的实验结果表明:与基准模型RNN、LSTM及xLSTM相比,ADS-Forecaster模型在泛化能力和预测精度方面具有优势。 展开更多

关键词 NO_(x)浓度预测 神经网络 LSTM 注意力机制

在线阅读 下载PDF 职称材料

基于LSTM动态修正一维机理模型的CFB机组NO_(x)排放浓度预测方法

4

作者 王芳 马素霞 +1 位作者 田营 刘众元 《化工学报》 北大核心 2025年第7期3416-3425,共10页

CFB机组NO_(x)排放浓度实时监测方法的不足主要表现在:基于机理模型的NO_(x)排放浓度预测方法在某些不同于其建模条件的工况下,预测误差较大;基于机器学习模型的方法预测精度高,但缺乏物理意义,可解释性差。为此,提出一种CFB机组NO_(x)... CFB机组NO_(x)排放浓度实时监测方法的不足主要表现在:基于机理模型的NO_(x)排放浓度预测方法在某些不同于其建模条件的工况下,预测误差较大;基于机器学习模型的方法预测精度高,但缺乏物理意义,可解释性差。为此,提出一种CFB机组NO_(x)排放浓度预测融合模型,首先构建一维循环流化床整体半经验模型模拟炉内燃烧给出NO_(x)排放浓度初始预测值,其次基于长短期记忆人工神经网络构建误差校正模型,对初始预测值进行动态修正。以两台CFB机组为研究对象,结果表明,提出的模型优于单一的一维半经验模型以及长短期记忆网络、BP神经网络等模型。机理与机器学习方法的结合使得融合模型既具备高的预测精度,又具有良好的可解释性。 展开更多

关键词 循环流化床 动态建模 测量 NO_(x)排放浓度 LSTM神经网络

在线阅读 下载PDF 职称材料

基于增强灰狼优化LSTM神经网络的火电机组SCR脱硝反应器建模

5

作者 吴磊 顾华 +3 位作者 姚一鸣 张军 苏军 陈依 《热力发电》 北大核心 2025年第11期136-141,共6页

针对传统机理建模方法预测选择性催化还原技术(SCR)脱硝反应器出口NO_(x)质量浓度精度不高的问题,提出了一种结合增强型灰狼优化算法(EGWO)与长短时记忆(LSTM)神经网络的混合预测模型。首先,基于主成分分析(PCA)对原始数据进行处理与筛... 针对传统机理建模方法预测选择性催化还原技术(SCR)脱硝反应器出口NO_(x)质量浓度精度不高的问题,提出了一种结合增强型灰狼优化算法(EGWO)与长短时记忆(LSTM)神经网络的混合预测模型。首先,基于主成分分析(PCA)对原始数据进行处理与筛选,实现输入变量的降维。然后,利用EGWO优化LSTM神经网络的超参数。最终,将输入变量作为EGWO-LSTM模型的输入,预测出口NO_(x)质量浓度。以国内某超超临界1 000 MW火电机组为例,仿真结果表明,该模型在误差控制方面表现最优,均方根误差较传统LSTM模型下降50.36%,较BP模型下降76.14%,模型平均绝对百分比误差仅为1.01%。EGWO相对于GWO收敛至最优解时的迭代次数更少,且具有更高的收敛精度。 展开更多

关键词 SCR脱硝反应器 预测模型 NO_(x) LSTM 主成分分析 增强灰狼优化算法

在线阅读 下载PDF 职称材料

基于长短期记忆(LSTM)神经网络的锂电池极片面密度精细预测方法研究

6

作者 杨利军 白云飞 +1 位作者 郑晨 张燕妮 《河南科技》 2025年第8期28-33,共6页

【目的】锂电池极片涂布的面密度对电池的容量、性能和安全性至关重要,尤其在高速生产线中,涂布面密度的测量精度将直接影响电池的一致性和稳定性。然而,小射线斑射线测厚仪尽管具有较高的分辨率,但设备成本高、数据采集速度慢,难以满... 【目的】锂电池极片涂布的面密度对电池的容量、性能和安全性至关重要,尤其在高速生产线中,涂布面密度的测量精度将直接影响电池的一致性和稳定性。然而,小射线斑射线测厚仪尽管具有较高的分辨率,但设备成本高、数据采集速度慢,难以满足大规模生产需求。因此,提出一种基于长短期记忆(LSTM)神经网络的锂电池极片面密度精细预测方法。【方法】通过大射线斑测量数据训练LSTM模型,捕捉面密度数据的时序特征和局部变化规律,以拟合小射线斑分辨率的面密度分布,从而在保证测量精度的前提下,降低设备成本和时间消耗。【结果】实验结果证明了该模型在多种基材和含有缺陷样本上的适用性,尤其是对削薄区域的拟合效果显著提升。并且,成功实现平均相关系数0.9996的拟合精度,具备较高的拟合能力。【结论】该方法为锂电池极片涂布面密度的在线测量提供了一种新的思路,具备在高速智能产线中实现高精度与低成本兼备的应用潜力,为生产线质量控制提供了有效的技术支持。 展开更多

关键词 锂电池极片 面密度测量 X射线测厚仪 大射线斑 小射线斑拟合 LSTM神经网络

在线阅读 下载PDF 职称材料

可解释的变负荷下燃煤机组SCR反应器入口NO_(x)质量浓度预测模型 被引量：4

7

作者 李影 卓建坤 +3 位作者 吴逸凡 樊永刚 姚强 李水清 《热力发电》 CAS CSCD 北大核心 2024年第7期119-128,共10页

燃煤电厂灵活调峰过程NO_(x)测量往往存在滞后现象,导致选择性催化还原(selective satalytic reduction,SCR)脱硝喷氨控制系统响应不及时,易造成喷氨量过高或过低,从而造成SCR反应器出口NO_(x)质量浓度波动剧烈和氨逃逸率增大。为实现... 燃煤电厂灵活调峰过程NO_(x)测量往往存在滞后现象,导致选择性催化还原(selective satalytic reduction,SCR)脱硝喷氨控制系统响应不及时,易造成喷氨量过高或过低,从而造成SCR反应器出口NO_(x)质量浓度波动剧烈和氨逃逸率增大。为实现喷氨阀门的提前快速调节并考虑影响燃煤锅炉NO_(x)排放量的因素存在耦合性,提出了一种基于卷积神经网络(convolutional neural network,CNN)和长短时记忆(long short-term memory,LSTM)神经网络混合模型的SCR反应器入口NO_(x)预测模型。利用一台330 MW燃煤电站锅炉的运行参数,通过Pearson系数法计算特征变量之间的相关性,筛选出相关性较大的特征,并定义模型的输入矩阵和输出矩阵,采用随机搜索算法进行优化,以提高预测性能。进一步利用SHAP算法对黑箱模型进行解释,并通过Simulink仿真验证了带有NO_(x)预测的控制效果。结果表明:CNN-LSTM预测模型在调峰负荷变化时,能够以较高的精度预测SCR反应器入口NO_(x)质量浓度的变化,并能提前25s为喷氨控制系统提供反馈;优化后的喷氨控制策略降低了出口NO_(x)质量浓度与设定值间的标准差(降低28%),并提升了NH_(3)/NO_(x)的响应速度,减小最大氨逃逸量22%。该研究结果可为灵活调峰机组的智慧SCR脱硝技术及燃烧优化提出有效的指导。 展开更多

关键词 NO_(x)预测 燃煤机组 CNN-LSTM模型 SHAP 灵活调峰

在线阅读 下载PDF 职称材料

基于AM-CNN-LSTM模型的柴油机NO_(x)排放预测 被引量：1

8

作者 刘星 周圣凯 +4 位作者 田淋瑕 邓小超 林鹏慧 刘泽都 雷艳 《内燃机与动力装置》 2024年第2期1-10,共10页

为精确控制选择性催化还原(selective catalytic reduction,SCR)系统的尿素喷射,提出一种基于注意力机制(attention mechanism,AM)的卷积神经网络(convolutional neural networks,CNN)-长短时记忆网络(long shortterm memory,LSTM)模型... 为精确控制选择性催化还原(selective catalytic reduction,SCR)系统的尿素喷射,提出一种基于注意力机制(attention mechanism,AM)的卷积神经网络(convolutional neural networks,CNN)-长短时记忆网络(long shortterm memory,LSTM)模型预测柴油机NO_(x)排放的方法,根据柴油机NO_(x)生成机理和车辆实际道路测试采集的数据选取相关变量;使用AM-CNN模型提取特征,利用LSTM模型对提取的特征进行分析预测NO_(x)排放。结果表明:该混合模型对NO_(x)排放的预测精度较高,计算时间较少,平均绝对误差为5.307×10^(-6),决定系数为0.932。根据预测模型中输入参数权重分析影响NO_(x)生成的关键因素,可以为优化柴油机燃烧过程提供参考。 展开更多

关键词 NO_(x)排放 预测模型 AM-CNN-LSTM 深度学习 柴油机

在线阅读 下载PDF 职称材料

基于CNN-LSTM混合神经网络模型的NO_(x)排放预测 被引量：36

9

作者 邢红涛 郭江龙 +2 位作者 刘书安 阎彬 杨一盈 《电子测量技术》 北大核心 2022年第2期98-103,共6页

为了充分挖掘电站锅炉NO_(x)排放数据中时序性特征联系,提高NO_(x)排放预测精度,提出一种基于卷积神经网络(CNN)和长短期记忆网络(LSTM)的NO_(x)排放预测方法。以某300 MW电站锅炉历史数据为样本,采用K-means聚类方法对NO_(x)排放训练... 为了充分挖掘电站锅炉NO_(x)排放数据中时序性特征联系,提高NO_(x)排放预测精度,提出一种基于卷积神经网络(CNN)和长短期记忆网络(LSTM)的NO_(x)排放预测方法。以某300 MW电站锅炉历史数据为样本,采用K-means聚类方法对NO_(x)排放训练样本集进行分组,再基于CNN网络的卷积层和池化层提取NO_(x)排放变量的高维映射关系,构造高维时序特征向量,将抽象化的特征集输入到LSTM网络,通过训练LSTM网络参数建立基于CNN-LSTM的NO_(x)排放预测模型。通过某电站锅炉实际数据验证,所提预测模型对训练和测试样本的平均相对百分比误差分别为1.76%和3.85%,远低于其他模型。结果表明所提模型在预测精度和泛化能力方面具有显著优势。 展开更多

关键词 NO_(x)排放 卷积神经网络 长短期记忆网络 NO_(x)排放聚类 混合神经网络

原文传递

一种基于LSTM网络的车载NO_(x)化学传感器温湿度补偿方法研究 被引量：3

10

作者 袁文平 吕应明 +1 位作者 黄安然 赵向阳 《现代制造工程》 CSCD 北大核心 2021年第7期48-52,共5页

氮氧化物是汽车尾气中的重要污染物。采用氮氧化物(NO_(x))化学传感器进行污染物检测是监控汽车尾气污染物排放量的一种重要措施,但由于传感器是基于电化学反应的原理,温度和湿度会对化学反应有很大影响,从而导致测量结果不准确。为此,... 氮氧化物是汽车尾气中的重要污染物。采用氮氧化物(NO_(x))化学传感器进行污染物检测是监控汽车尾气污染物排放量的一种重要措施,但由于传感器是基于电化学反应的原理,温度和湿度会对化学反应有很大影响,从而导致测量结果不准确。为此,提出一种基于长短期记忆(Long Short-Term Memory,LSTM)网络的车载NO_(x)化学传感器温湿度补偿方法。LSTM网络利用传感器测量值和真实NO_(x)浓度值以及测试气体的温度和相对湿度进行训练,从而得到NO_(x)浓度的测量模型。测试结果表明,该方法具有良好的温度和湿度补偿性能,可以有效提高车载NO_(x)化学传感器的精度。 展开更多

关键词 LSTM网络 NO_(x)化学传感器 补偿 车载测量

在线阅读 下载PDF 职称材料

基于改进鲸鱼算法优化Bi-LSTM的脱硝系统NO_(x)建模 被引量：9

11

作者 姚宁 金秀章 李阳峰 《华北电力大学学报（自然科学版）》 CAS 北大核心 2022年第6期76-83,共8页

针对燃煤电厂SCR脱硝系统入口NO_(x)浓度难以测量的问题,提出了基于改进鲸鱼算法(Improved Whale Optimization Algorithm,IWOA)优化双向长短时记忆神经网络(Bi-directional Long Short-Term Memory Neural Network,Bi-LSTM)的SCR入口NO... 针对燃煤电厂SCR脱硝系统入口NO_(x)浓度难以测量的问题,提出了基于改进鲸鱼算法(Improved Whale Optimization Algorithm,IWOA)优化双向长短时记忆神经网络(Bi-directional Long Short-Term Memory Neural Network,Bi-LSTM)的SCR入口NO_(x)浓度预测模型。利用LightGBM进行特征选择,运用最大时间周期的方法计算迟延时间;采用加入Relu层的Bi-LSTM神经网络提取时序特征,建立预测模型,并利用IWOA确定Bi-LSTM的最优超参数,最后与传统Bi-LSTM、LSTM、LightGBM预测模型进行对比验证。仿真结果表明,IWOA-Bi-LSTM模型的均方根误差、平均绝对百分比误差、平均绝对误差最小,能够实现对NO_(x)浓度的准确预测。 展开更多

关键词 NO_(x)建模 鲸鱼优化 特征处理 双向长短时记忆 SG滤波

在线阅读 下载PDF 职称材料

火电厂NO_(x)的均布优化及预测研究 被引量：4

12

作者 谭增强 李元昊 +2 位作者 牛拥军 杨杰 刘玺璞 《环境工程》 CAS CSCD 北大核心 2023年第S01期349-353,共5页

某330 MW机组脱硝改造前,A、B侧脱硝反应器的出口NO_(x)浓度分布均匀性均较差,脱硝改造后,100%ECR工况条件下流线在整个SCR脱硝系统中的分布比较均匀,第1层催化剂入口5个分区内的NO_(x)浓度分布相对标准偏差分别为1.73%、1.03%、0.35%、... 某330 MW机组脱硝改造前,A、B侧脱硝反应器的出口NO_(x)浓度分布均匀性均较差,脱硝改造后,100%ECR工况条件下流线在整个SCR脱硝系统中的分布比较均匀,第1层催化剂入口5个分区内的NO_(x)浓度分布相对标准偏差分别为1.73%、1.03%、0.35%、0.36%和1.17%。采用LSTM模型、SVR模型、LSTM-SVR混合模型,将火电厂DCS数据与时间序列相关联,对NO_(x)浓度进行预测。结果表明:LSTM-SVR混合模型与LSTM模型对脱硝入口及出口的NO_(x)浓度的预测效果均较好。现场验证测试发现脱硝改造后脱硝反应器入口、出口的NO_(x)浓度分布比较均匀,用于预测分析用的DCS数据与实测数据基本吻合。 展开更多

关键词 NO_(x) 预测模型 LSTM SVR 火电厂

原文传递

基于遗传算法—优化长短期记忆神经网络的柴油机瞬态NO_(x)排放预测模型研究 被引量：8

13

作者 杨蓉 杨林 +3 位作者 谭盛兰 张松 黄伟 黄俊明 《内燃机工程》 CAS CSCD 北大核心 2022年第1期10-17,共8页

为实现选择性催化还原系统(selective catalytic reduction,SCR)尿素喷射量的精确控制,构建并评估了一套利用遗传算法(genetic algorithm,GA)优化长短期记忆(long short term memory,LSTM)神经网络的柴油机瞬态NO_(x)排放预测模型。针... 为实现选择性催化还原系统(selective catalytic reduction,SCR)尿素喷射量的精确控制,构建并评估了一套利用遗传算法(genetic algorithm,GA)优化长短期记忆(long short term memory,LSTM)神经网络的柴油机瞬态NO_(x)排放预测模型。针对柴油机瞬态运行特点,选择柴油机NO_(x)排放的主要影响因素进行相关性分析,确定模型的输入变量;为避免人为选取参数对神经网络预测性能的不良影响,采用遗传算法优化LSTM神经网络的参数,建立预测柴油机瞬态NO_(x)排放的GA-LSTM模型;最后对预测模型进行了性能测试。结果表明,该模型具有较好的预测能力。 展开更多

关键词 柴油机 瞬态 NO_(x)预测 长短期记忆神经网络 遗传算法

在线阅读 下载PDF 职称材料

基于MI-GA-LSTM的锅炉NO_(x)排放快速预测模型 被引量：4

14

作者 郭浩楠 钱进 +1 位作者 朱道兴 肖安海 《热能动力工程》 CAS CSCD 北大核心 2023年第8期103-109,共7页

针对电站锅炉在实际运行过程中存在燃烧优化调整不及时以及烟气脱硝成本较高的问题,提出了基于MI-GA-LSTM的炉膛出口NO_(x)排放快速预测模型。根据燃煤锅炉实际运行数据,利用互信息(MI)进行特征相关性分析,将所得最优特征子集作为长短... 针对电站锅炉在实际运行过程中存在燃烧优化调整不及时以及烟气脱硝成本较高的问题,提出了基于MI-GA-LSTM的炉膛出口NO_(x)排放快速预测模型。根据燃煤锅炉实际运行数据,利用互信息(MI)进行特征相关性分析,将所得最优特征子集作为长短时记忆神经网络(LSTM)的输入,并利用遗传算法(GA)对模型关键参数进行寻优,得到炉膛出口NO_(x)原始生成质量浓度预测的MI-GA-LSTM模型,并与LSTM、门控神经网络(GRU)、循环神经网络(RNN)在同一测试集上进行预测效果对比。结果表明:该模型在训练集和测试集上都能够对运行数据进行精准地预测,可以很好地完成多变量非线性拟合;该模型在测试集上的3项指标均优于其他模型,具有更高的预测精度和泛化能力;该模型可作为炉膛出口NO_(x)排放质量浓度传感器的补充,提前准确感知炉膛出口NO_(x)原始生成质量浓度的变化。 展开更多

关键词 NO_(x)排放浓度 长短时记忆网络 遗传算法 预测模型

原文传递

基于变量选择的电站燃煤锅炉NO_(x)排放浓度预估 被引量：7

15

作者 王珑宪 赵文杰 《计量学报》 CSCD 北大核心 2023年第10期1590-1596,共7页

针对电站燃煤锅炉NOx排放浓度存在测量迟延的情况,提出了基于互信息和长短期记忆神经网络相结合的电站燃煤锅炉NO_(x)排放浓度预测模型。首先,利用互信息计算出候选输入变量与输出变量NO_(x)浓度之间的延迟时间,并引入最大相关最小冗余... 针对电站燃煤锅炉NOx排放浓度存在测量迟延的情况,提出了基于互信息和长短期记忆神经网络相结合的电站燃煤锅炉NO_(x)排放浓度预测模型。首先,利用互信息计算出候选输入变量与输出变量NO_(x)浓度之间的延迟时间,并引入最大相关最小冗余算法,筛选出最优特征子集,将最优特征子集作为LSTM模型的输入,建立了锅炉NO_(x)排放浓度预测模型。仿真结果表明,所建模型的测试集均方根误差为4.626 mg/m^(3),平均绝对误差为3.836 mg/m^(3),与未经变量选择和未考虑时延的LSTM模型相比,预测精度显著提高。 展开更多

关键词 计量学 NOx排放浓度 燃煤锅炉 变量选择 互信息 长短期记忆网络

在线阅读 下载PDF 职称材料

基于长短时记忆神经网络的锅炉多参数协同预测模型 被引量：13

16

作者 金志远 李胜男 +4 位作者 谭鹏 严杏初 刘宇浓 张成 陈刚 《热力发电》 CAS CSCD 北大核心 2021年第5期120-126,共7页

锅炉协同控制是提高其灵活运行下蒸汽温度平稳的有效手段。以某660 MW燃煤锅炉为研究对象,利用其历史运行数据,建立基于长短时记忆(LSTM)神经网络的主蒸汽温度、再热蒸汽温度、炉膛出口NO_(x)质量浓度、炉膛出口CO质量浓度协同预测模型... 锅炉协同控制是提高其灵活运行下蒸汽温度平稳的有效手段。以某660 MW燃煤锅炉为研究对象,利用其历史运行数据,建立基于长短时记忆(LSTM)神经网络的主蒸汽温度、再热蒸汽温度、炉膛出口NO_(x)质量浓度、炉膛出口CO质量浓度协同预测模型。模型预测结果表明,该协同预测模型4个输出的相关系数均大于0.94,模型综合预测效果良好,且有较好的泛化能力。该模型为锅炉蒸汽温度、NO_(x)、炉效协同优化控制提供了依据。 展开更多

关键词 燃煤锅炉 LSTM神经网络 蒸汽温度 NO_(x)/CO质量浓度 多参数协同 预测模型

在线阅读 下载PDF 职称材料

基于CNN-LSTM的燃气轮机NO_(x)排放预测研究 被引量：10

17

作者 董渊博 茅大钧 章明明 《热能动力工程》 CAS CSCD 北大核心 2021年第9期132-138,共7页

为了建立精准的NO_(x)预测模型,解决燃气轮机电站存在NO_(x)超标排放的问题,提出一种基于卷积神经网络(Convolutional Neural Network, CNN)和长短期记忆神经网络(Long Short-term Memory, LSTM)组合模型的NO_(x)排放预测方法。将NO_(x... 为了建立精准的NO_(x)预测模型,解决燃气轮机电站存在NO_(x)超标排放的问题,提出一种基于卷积神经网络(Convolutional Neural Network, CNN)和长短期记忆神经网络(Long Short-term Memory, LSTM)组合模型的NO_(x)排放预测方法。将NO_(x)排放历史数据和燃气轮机燃烧的状态参数通过滑动窗口法构建成特征图格式输入到CNN中,利用其卷积层和池化层提取表征NO_(x)动态变化的特征向量,并转化为时间序列格式输入到LSTM中进一步挖掘内部规律,从而实现NO_(x)的排放预测。以某三菱燃气轮机的历史运行数据进行试验。结果表明:CNN-LSTM的相对均方误差eRMSE为1.811 mg/m^(3),并通过与PCA-BP,PCA-RNN和PCA-LSTM模型进行比较,验证了方法的可行性。 展开更多

关键词 燃气轮机 NO_(x)预测 卷积神经网络 长短期记忆神经网络

原文传递

基于特征优化和ISSA-LSTM的脱硝系统入口NO_(x)浓度预测模型 被引量：4

18

作者 王渊博 金秀章 《网络安全与数据治理》 2023年第4期70-77,84,共9页

针对电厂脱硝系统入口NO_(x)浓度受较多因素的影响波动较大,且CEMS检测仪表有很大迟延难以精准测量的问题,提出了一种基于随机森林算法(RF)和改进麻雀搜索算法(ISSA)优化长短时记忆神经网络(LSTM)的脱硝系统入口NO_(x)浓度预测模型。首... 针对电厂脱硝系统入口NO_(x)浓度受较多因素的影响波动较大,且CEMS检测仪表有很大迟延难以精准测量的问题,提出了一种基于随机森林算法(RF)和改进麻雀搜索算法(ISSA)优化长短时记忆神经网络(LSTM)的脱硝系统入口NO_(x)浓度预测模型。首先,通过机理和相关性分析确定与SCR入口NO_(x)质量浓度相关的初始辅助变量,并利用RF算法对辅助变量进行特征优化选择,然后通过互信息(MI)对各辅助变量与输出变量之间进行迟延估计并提取时序特征,并通过小波滤波对输入变量进行降噪处理,建立LSTM神经网络预测模型。利用ISSA算法确定LSTM模型的最优组合参数,最后与传统的LSSVM、RBF、BP模型的预测结果进行对比。实验结果证明,特征优化后的ISSA-LSTM神经网络预测模型的决定系数(R^(2))最大,均方根误差(RMSE)和平均绝对百分比误差(MAPE)最小,具备很强的拟合和泛化能力,可以精准预测脱硝系统入口氮氧化物的质量浓度。 展开更多

关键词 NO_(x)浓度预测 特征优化 互信息 麻雀搜索算法 LSTM神经网络 随机森林算法

在线阅读 下载PDF 职称材料

基于LSTM神经网络的燃煤锅炉NO_(x)排放量预测方法

19

作者 李高健 《机电设备》 2023年第4期72-76,共5页

基于人工智能算法发展的最新成果,设计一种可以快速收敛并有较高预测精度的长短时记忆(LSTM)神经网络。在大规模数据样本和验证数据集上进行测试,证明该网络具有较强的泛化能力和实用性,可以实现基于预测的NO_(x)排放量测量与调控,为锅... 基于人工智能算法发展的最新成果,设计一种可以快速收敛并有较高预测精度的长短时记忆(LSTM)神经网络。在大规模数据样本和验证数据集上进行测试,证明该网络具有较强的泛化能力和实用性,可以实现基于预测的NO_(x)排放量测量与调控,为锅炉设计和节能减排提供新思路。 展开更多

关键词 NO_(x)排放量 燃煤锅炉 长短时记忆(LSTM)神经网络 数据预测

在线阅读 下载PDF 职称材料