文獻(xiàn)標(biāo)識(shí)碼:A
DOI:10.19358/j.issn.2097-1788.2023.09.013
引用格式:張瑾,姜浩,金秀章.基于互信息變量選擇的燃煤機(jī)組SCR脫硝系統(tǒng)PSO-ELM建模[J].網(wǎng)絡(luò)安全與數(shù)據(jù)治理,2023,42(9):88-95.
0 引言
燃煤機(jī)組產(chǎn)生的氮氧化物(NOx)是大氣污染的首要排放物之一,在空氣質(zhì)量方面影響較為嚴(yán)重[1]。煙氣排放連續(xù)檢測(cè)系統(tǒng)(Continuous Emission Monitoring Systems,CEMS)對(duì)煙氣取樣管路要按時(shí)反向吹掃,以避免積灰堵塞,從而會(huì)導(dǎo)致NOx測(cè)量結(jié)果存在間斷性失真,同時(shí),由于煙氣取樣管路長度一般為40~60 m,造成測(cè)量結(jié)果出現(xiàn)時(shí)滯現(xiàn)象,控制系統(tǒng)的控制難度也因此得到提升。因此,建立脫硝系統(tǒng)預(yù)測(cè)模型,對(duì)于燃煤機(jī)組的優(yōu)化運(yùn)行,噴氨量的控制以及污染物的監(jiān)測(cè)管理都具有重要意義[2]。
隨著神經(jīng)網(wǎng)絡(luò)的發(fā)展,許多建模方法被應(yīng)用到脫硝系統(tǒng)當(dāng)中。楊文玉等人[3]利用RBF神經(jīng)網(wǎng)絡(luò)建立了脫硝系統(tǒng)出口NOx的預(yù)測(cè)模型,該模型在處理時(shí)序預(yù)測(cè)問題時(shí)并沒有明顯優(yōu)勢(shì)。張淑清等人[4]利用ELM神經(jīng)網(wǎng)絡(luò)建立了電網(wǎng)負(fù)荷的預(yù)測(cè)模型,并利用飛蛾優(yōu)化算法對(duì)模型參數(shù)進(jìn)行優(yōu)化,該文所用訓(xùn)練數(shù)據(jù)過少,容易導(dǎo)致模型過擬合。劉延泉等人[5]將互信息與LSSVM方法結(jié)合,對(duì)脫硝系統(tǒng)入口NOx濃度進(jìn)行了預(yù)測(cè),但模型未考慮輸入變量的對(duì)模型的影響。
除了建模方法,特征選擇也會(huì)影響模型的預(yù)測(cè)能力。特征選擇常見的方法有過濾式(Filter)、封裝式(Wrapper)和嵌入式(Embedded)三種。輸入變量的直接選擇決定了模型的結(jié)構(gòu)與輸出,輸入變量的選擇通常對(duì)工業(yè)機(jī)理進(jìn)行分析,從待選變量進(jìn)行篩選獲?。?-7]。金秀章等人[8]利用mRMR算法篩選出符合模型的輸入變量,建立了出口SO2質(zhì)量濃度預(yù)測(cè)模型,但正則化仍不能計(jì)算出隱層節(jié)點(diǎn)的具體數(shù)量。趙文杰等人[9]利用互信息與優(yōu)化算法結(jié)合確定系統(tǒng)最優(yōu)的輸入變量集合,將互信息特征提取方法應(yīng)用到高維系統(tǒng)中,建立了脫硝系統(tǒng)的預(yù)測(cè)模型,但該方法計(jì)算量大,耗時(shí)較長,實(shí)施起來較為困難。錢虹等人[10]采用隨機(jī)森林算法進(jìn)行變量選擇,并對(duì)SCR脫硝系統(tǒng)出口NOx質(zhì)量濃度進(jìn)行了預(yù)測(cè),但模型未解決煙氣采樣管道長度較長而導(dǎo)致的時(shí)滯問題。
本文詳細(xì)內(nèi)容請(qǐng)下載:http://ihrv.cn/resource/share/2000005666
作者信息:
張瑾,姜浩,金秀章
(華北電力大學(xué)控制與計(jì)算機(jī)工程學(xué)院,河北保定071003)