基于长短时记忆神经网络的锅炉多参数协同预测模型
基于长短时记忆神经网络的锅炉多参数协同预测模型锅炉协同控制是提高其灵活运行下蒸汽温度平稳的有效手段。以某660 MW 燃煤锅炉为研究对象，利用其历史运行数据，建立基于长短时记忆(LSTM)神经网络的主蒸汽温度、再热蒸汽温度、炉膛出口NOx 质量浓度、炉膛出口CO 质量浓度协同预测模型。模型预测结果表明，该协同预测模型4 个输出的相关系数均大于0.94，模型综合预测效果良好，且有较好的泛化能力。为锅炉蒸汽温度、NOx、炉效协同优化控制提供了依据。
［关键词］燃煤锅炉；LSTM 神经网络；蒸汽温度；NOx/CO 质量浓度；多参数协同；预测模型
页:
[1]