基于长短时记忆神经网络的锅炉多参数协同预测模型

雩风三日

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。
9 u- M/ g' n& b, r0 W6 I. i9 N( Y
+ m, I" n- H# G% l3 v( {7 q" S9 c［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
' B2 j7 h+ O& G% @, _