当前位置:主页 > 社科论文 > 生态环境论文 >

SCR反应器入口NO_x含量的软测量方法研究

发布时间:2019-11-21 02:56
【摘要】:选择性催化还原(SCR)脱硝技术因为具有较高的脱硝率、技术可靠、结构简单且氨气逃逸率小等优点已成为燃煤电站锅炉控制NO_x排放的主要选择。SCR反应器入口NO_x含量及时、准确的测量对调节喷氨量至关重要,同时也影响着SCR反应器出口NO_x的排放。目前火电厂普遍采用烟气在线监测系统(CEMS)对NO_x含量进行测量,烟气分析仪进行分析时需要一定的时间,因此测得的NO_x含量相对于NO_x真实值存在着一定的滞后。为了实现电厂SCR反应器入口NO_x含量及时、准确测量,本文利用最小二乘支持向量机建立SCR反应器入口NO_x含量的软测量模型,对NO_x含量进行预测。本文以SCR反应器入口NO_x含量为研究对象,首先对与NO_x含量有关的锅炉燃烧参数进行分析,选定了19个初始的相关变量;将采集的相关数据经过标准化处理、样本优选后,通过偏最小二乘法的交叉有效性分析和变量投影重要性分析最终选定了6个主要辅助变量,达到了简化数据、减少冗余、降低维数的目的。进行软测量模型建立时,将选定的变量作为软测量模型的输入矢量,通过MATLAB编程实现了一个多输入单输出的最小二乘支持向量机软测量模型的建立。然后利用粒子群算法对最小二乘支持向量机参数误差惩罚因子C和径向基核函数宽度s进行寻优,有效克服了网格搜索法选取参数的盲目性,模型的精度得到有效改善。同时,建立了动态LSSVM软测量模型,利用实时预报误差,自适应地修正模型参数,不断丢弃旧的训练样本,同时加入新的数据作为训练样本,实现模型的在线修正,通过该模型能更好的预测SCR反应器入口NO_x含量。建立最小二乘支持向量机软测量模型对SCR反应器入口NO_x含量进行预测,实现NO_x含量的及时、准确测量,对于提高喷氨量准确性,减小氨逃逸,降低SCR反应器出口NO_x排放,实现电厂节能减排有重要的现实意义。
【图文】:

过程图,软测量,基本工作,过程


模型输出变量,实现对待测变量的预估。对于选取的易顾名思义,这些变量要易于获取,而且这些变量和待测即通过选取的变量理论上可以解释目标变量。将获取的输入,借助计算机编程实现待测变量的输出。输入变量出变量也就是主导变量。另外,为了得到合适的模型,数据对模型进行训练、学习,,最终很好的预测出输出变术近些年来得到广泛的应用,这主要得益于对主导变量、投资低、无需繁杂的后续维护保养,并且对于主导变模型的选取、数据的采集与处理、软测量模型构建、软测量键步骤共同构成了完整的软测量方案[13][14],其中软测量助变量和主导变量相关数据。整个方案的核心与关键是立什么类型的模型。如图 1-1 所示,是软测量基本工作

关系图,结构风险,置信范围,经验风险


图 2-1 经验风险、置信范围、结构风险关系图向量机非线性、高维数、小样本、局部极小值等问题方面支持向量要是由于采用 VC 维理论和结构风险最小化原则,进而可以中的泛化问题,提高了软测量模型的泛化能力。另外,支持习问题转化为一个凸二次型规划问题,从理论上得到了唯一部极值、过学习等问题有很好的解决效果[20]。性支持向量回归机量机的学习方法最早是在模式识别领域发展起来的,主要用apnik 将其推广应用于函数估计拟合中,得到了用于回归估计,称之为支持向量回归机[28](Support Vector Regression,SV于函数拟合问题的思路就是将用于分类的 SVM 的损失函数 不敏感函数可以用来权衡预测值和实测值的差别,如果预测 范围内,则定义损失为 0,具体形式如下:
【学位授予单位】:华北电力大学
【学位级别】:硕士
【学位授予年份】:2017
【分类号】:X773

【参考文献】

相关期刊论文 前8条

1 杨耀权;张新胜;;LSSVM动态软测量模型在磨煤机一次风量预测方面的应用[J];动力工程学报;2016年03期

2 陈荣超;;燃煤电厂脱硝NO_x的软测量技术和自动控制优化[J];电力科学与工程;2015年01期

3 赵丹;;SVM核函数与选择算法[J];数字技术与应用;2014年09期

4 邵伟明;田学民;;基于快速留一交叉验证法的在线递推最小二乘支持向量机建模方法[J];青岛科技大学学报(自然科学版);2012年05期

5 刘吉臻;吕游;杨婷婷;;基于变量选择的锅炉NO_x排放的最小二乘支持向量机建模[J];中国电机工程学报;2012年20期

6 张传标;倪建军;苗红霞;韩光洁;;基于相似度的核主元分析方法及其应用研究[J];计算机工程;2011年14期

7 穆朝絮;张瑞民;孙长银;;基于粒子群优化的非线性系统最小二乘支持向量机预测控制方法[J];控制理论与应用;2010年02期

8 许昌,吕剑虹;基于生成机理的燃煤电站锅炉NO_x排放量神经网络模型[J];中国电机工程学报;2004年10期

相关博士学位论文 前6条

1 吕游;基于过程数据的建模方法研究及应用[D];华北电力大学;2014年

2 李勤道;基于炉内参数测量的燃烧系统优化运行理论与技术的研究[D];华北电力大学;2013年

3 周欣然;基于最小二乘支持向量机的在线建模与控制方法研究[D];湖南大学;2012年

4 邢永忠;最小二乘支持向量机的若干问题与应用研究[D];南京理工大学;2009年

5 乔弘;火电厂热工参数软测量关键技术和方法研究[D];华北电力大学(北京);2009年

6 余廷芳;火电厂厂级监控信息系统(SIS)建模、实现及人工智能的应用研究[D];东南大学;2004年

相关硕士学位论文 前9条

1 迟丹一;基于偏最小二乘法的电站锅炉氧量预测[D];华北电力大学;2013年

2 张倩;基于SVR的烟气含氧量软测量方法研究[D];华北电力大学;2013年

3 李琳;基于SVM的火电厂锅炉飞灰含碳量软测量方法研究[D];华北电力大学;2013年

4 王瑜;SCR法烟气脱硝系统在660MW火电机组中的应用[D];华北电力大学;2013年

5 李代力;基于SOFA风改造的300MW煤粉锅炉燃烧优化数值模拟研究[D];浙江大学;2012年

6 张涛;支持向量机在热工对象建模中的应用研究[D];华北电力大学;2012年

7 陈敏;火电厂锅炉烟气含氧量预测及燃烧系统优化研究[D];北京交通大学;2011年

8 卢保玲;基于图像测温法的燃煤锅炉NO_x排放量预测[D];北京交通大学;2009年

9 魏辉;燃煤电站锅炉低NOx燃烧优化运行策略的研究[D];上海交通大学;2008年



本文编号:2563814

资料下载
论文发表

本文链接:https://www.wllwen.com/shengtaihuanjingbaohulunwen/2563814.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户3f056***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com