【摘 要】
：
近年来,随着我国电力市场的进一步拓展开放及国家环保政策的要求愈加严厉,火电企业纷纷针对“低效率、高污染”的燃煤电站锅炉进行优化升级,从而实现火电企业高燃烧效率和低污染排放的双重目标。大数据分析技术、机器学习等人工智能技术的快速发展为燃煤电站的优化升级提供了理论与技术支持,其优化的效果取决于NO_x排放量是否可以精准预测。目前,如何准确预测NO_x排放量及科学评价NO_x排放预测效果仍是研究的重点。
论文部分内容阅读
近年来,随着我国电力市场的进一步拓展开放及国家环保政策的要求愈加严厉,火电企业纷纷针对“低效率、高污染”的燃煤电站锅炉进行优化升级,从而实现火电企业高燃烧效率和低污染排放的双重目标。大数据分析技术、机器学习等人工智能技术的快速发展为燃煤电站的优化升级提供了理论与技术支持,其优化的效果取决于NO_x排放量是否可以精准预测。目前,如何准确预测NO_x排放量及科学评价NO_x排放预测效果仍是研究的重点。本研究首先对锅炉历史运行数据进行预处理,分别为错误数据和缺失数据处理、再采样、归一化等;然后,在此基础上
其他文献
永磁同步电机(Permanent Magnet Synchronous Motor,PMSM)凭借其体积小、转矩性能优良的优势现已在数控、航空航天、新能源汽车等领域得到了广泛的应用。传统的PI控制策略在参数调节时具有调节不易、响应速度与超调量之间相互制约的缺点,为满足不同领域对PMSM调速系统控制性能的要求,研究高性能的控制策略是必要的。本文在此背景下开展了对PMSM模型预测电流控制(Model
浓酱与粘稠食品智能装备目前已成为我国现代粮油食品加工制造装备中的一个重要分支,其灌装伺服系统的运行控制也逐步朝向更多高性能的技术要求迈进。灌装多机器协同控制方法作为浓酱与粘稠食品灌装设备的重要研究部分,且由于多电机同步控制策略具有拓扑结构可塑性高、耦合方式灵活性强和控制方法选择面广等特点,被广泛应用在灌装伺服系统多机器协同控制中。然而,浓酱与粘稠食品在实际灌装中存在其工艺流程中的特殊性,所以给同步
自矩阵变换器(Matrix Converter,MC)问世以来,因输入输出特性优良以及功率因数可调,备受研究学者关注。但因开关数目较多,换流控制较为复杂等缺点使其难以推广。超稀疏矩阵变换器(Ultra Sparse Matrix Converter,USMC)因开关数目较少,换流简便而具有极大研究价值。但仍受电压传输比限制,使其应用受限,因此有效提高USMC的电压传输比颇具研究意义,本文研究工作如
能源是经济和社会发展的重要资源,化石燃料仍然是我国主要的能源形式。在中国,大约70%的电是由火电厂产生的。但是,煤燃烧会生成NO_x,如果不对NO_x进行消除,排放到大气中会造成环境污染,危害人体健康。NO_x消除离不开对其排放浓度的预测。一旦建立了合适的NO_x排放预测模型,就可以合理地对NO_x进行消除,使其排放污染影响达到最小,在保护环境的同时使经济成本降到最小。因此,建立精确的NO_x排放
随着振兴东北老工业基地战略的实施和改革开放的不断深入,东北地区经济社会快速发展,工农业水平不断提高。与此同时,水资源短缺和水污染问题逐渐显现,成为制约东北地区经济社会发展的突出问题。其中,地下水在人类饮用淡水资源和日常生产生活中占有重要地位。近年来,国际社会对地下水保护的越来越重视。在此背景下,准确掌握地下水污染物组成及污染程度和污染范围,制定有针对性的、科学合理的预防策略和治理措施,是合理开发地