灵活性深度调峰下锅炉NOx排放的神经网络方法预报

被引：3

作者：

景雪晖 ^{[1
]}

张涛 ^{[2
]}

周曙明 ^{[2
]}

许雷 ^{[1
]}

机构：

[1] 国网新疆电力有限公司电力科学研究院

[2] 华电新疆发电有限公司昌吉热电厂

来源：

上海电力学院学报 | 2019年 / 35卷 / 03期

关键词：

深度调峰; 锅炉; 神经网络;

D O I：

暂无

中图分类号：

TM621.2 [锅炉及燃烧系统]; X773 [电力工业]; TP183 [人工神经网络与计算];

学科分类号：

080707 [能源环境工程]; 080802 [电力系统及其自动化]; 140502 [人工智能];

摘要：

利用MATLAB软件中自带的神经网络算法模块对经典文献所载数据和方法进行了校核。在该方法的基础上,将某330 MW机组在深度调峰期间低负荷下的运行数据作为已知数据,就地实测的选择性催化还原技术（SCR）入口NOx排放值作为输出值,采用经典的Levenberg-Marquardt训练算法,建立了神经网络训练模型。训练结果表明,输出值和目标值的拟合R值接近0. 98,MATLAB软件自带的神经网络算法可以预报SCR入口NOx的排放值,实现了在深度调峰低负荷运行期间达到降低试验工作量、减少试验成本的目的。

引用

页码：215 / 220

页数：6

共 11 条

[1]

基于贝叶斯神经网络遗传算法的锅炉燃烧优化 [J].