论文部分内容阅读
基于具有长短时记忆功能的深度循环神经网络(Deep Recurrent neural network with Long-short term memory,DRNN-LSTM),利用某厂650 MW燃煤锅炉一个月的历史运行数据,建立了SCR烟气脱硝系统出口NOx排放预测模型.DRNN-LSTM网络同一隐藏层的所有循环体中的参数矩阵相同,需要学习的参数个数少,训练模型具有很高的稳定性.测试结果与定量分析表明:DRNN-LSTM模型计算时间与其他传统数据模型相近,但拟合效果与预测精度明显高于其他模型,说明该模型收敛速度快、泛化能力强,可准确描述SCR脱硝系统的反应过程,能够有效应用于电厂烟气脱硝系统出口NOx浓度的预测中.