一种基于工况划分与神经网络的锅炉性能预测方法

    公开(公告)号:CN115034443A

    公开(公告)日:2022-09-09

    申请号:CN202210563794.7

    申请日:2022-05-23

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于工况划分与神经网络的锅炉性能预测方法,涉及燃煤锅炉性能在线预测方法,解决了非典型工况下对锅炉性能进行预测不够精准容易失真的技术问题,其技术方案要点是采集锅炉运行数据与锅炉性能指标获取原始数据集,锅炉性能指标包括锅炉效率与NOx排放浓度,锅炉效率通过预设的效率计算模块间接获得,NOx排放浓度由连续性排放检测仪获得;通过数据预处理剔除异常数据与非稳态数据获取静态数据集;其次,通过K均值聚类方法获取锅炉工况划分标准,以误差平方和为评价指标,评价聚类方法有效性;最后对锅炉各工况建立数据池,对各工况单独建立BP神经网络模型,实现准确预测锅炉性能的目的。

    基于特征选择的燃煤锅炉NOx生成浓度在线预测方法

    公开(公告)号:CN116257746A

    公开(公告)日:2023-06-13

    申请号:CN202310152219.2

    申请日:2023-02-23

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于随机森林与增L去R特征选择的燃煤锅炉NOx生成浓度预测方法,首先从NOx生成浓度的影响因素出发,在锅炉历史运行数据库中提取影响变量构成原始数据集,并对数据集进行预处理,包括剔除异常值、填补缺失值以及归一化处理;其次,采用随机森林算法对待选特征值进行重要性评估,并采用增L去R选择方法进行特征选择;最后,基于长短期记忆神经网络(LSTM)建立锅炉NOx生成浓度预测模型。本发明采用随机森林算法可量化NOx生成浓度的影响因素的重要性程度,使特征值选择具有可解释性,采用增L去R法进行特征选择充分考虑特征之间的相关性且允许特征选择过程中进行回溯,避免陷入局部最优的困境。

Patent Agency Ranking