论文部分内容阅读
针对SCR系统出口NO_x浓度测量准确性较差、CEMS测量存在较大延迟且吹扫过程中无法测量NO_x浓度的问题,依托某660 MW机组的实际运行数据,建立基于长短期记忆神经网络(LSTM)的烟囱入口NO_x浓度软测量模型。为了验证其对烟囱入口NO_x浓度的预测性能,将所建LSTM模型与RNN模型、BPNN模型和KPLS 3种模型进行对比分析。研究表明:LSTM模型的预测均方根误差为1.34 mg/m~3,平均相对误差为3.51%,模型预测精度优于其他3种模型;LSTM模型的泛化能力较强,数据动态跟踪效