基于PMI变量选择方法和NSDE算法的SCR系统模型辨识

为了解决选择性催化还原(Selective Catalytic Reduction,SCR)烟气脱硝系统的控制和运行优化问题,基于某1 000 MW超超临界火电机组SCR系统的历史运行数据,采用系统辨识方法建立了该SCR系统的传递函数模型。在建模过程中,采用偏互信息(Partial Mutual Information,PMI)变量选择方法筛选确定传递函数模型的输入变量;将自然选择机制引入到差分进化算法中,提出基于自然选择的差分进化(Natural Selective Differential Evolution,NSDE)算法,并用于SCR系统模型的参数估计。研究结果表明:利用PMI变量选择方法筛选确定SCR系统模型的输入变量是可行且有效的,该方法的使用可以有效地降低模型的复杂度,提高模型的泛化能力;相比基本DE算法,采用NSDE算法辨识得到的SCR系统模型具有更高的精度。