-
基于LsTM的燃煤锅炉Nox排放预测研究
摘要:采用传统机器学习算法对电站锅炉建模时会有数据特征选择要求和稳态提取要求,为解决这一问题,采用一种长短时记忆(LSTM)递归神经网络对电站锅炉的Nox排放进行了预测建模研究。模型训练和测试的数据为机组7天左右的历史运行数据,共10000条,54个维度。结果表明,LSTM具有优秀的预测能力和泛化能力:对于训练集数据,所有样本的相对误差均小于5%,烟道A、B两侧Nox浓度预测的平均相对误差分别为0.43%和0.44%:对于测试集数据,分别有97.49%和97.22%的样本相对误差小于10%,平均相对误差分别为2.08%和2.51%。同时,研究发现,相对于传统机器学习算法,LSTM对于机组变工况过度状态也有很好的预测能力。
-
中储式煤粉炉掺烧印尼煤的探索与实践
摘要:为提升云浮发电厂中储式煤粉炉掺烧印尼煤运行的安全性与经济性,进行了掺烧优化调整试验,通过比较飞灰可燃物含量、掺烧效率、排烟温度、制粉系统耗电率,重新确定了包括制粉系统出力在内的综合燃烧优化控制方案。通过低成本技术改造,云浮发电厂实现了在中储式煤粉炉中掺烧印尼煤的综合改造,降低了企业经营成本,提升了企业效益。
