基于机器学习LSTM网络的SO2排放浓度预测

摘要

CFB机组炉内炉外联合脱硫过程因其非线性、强耦合、大滞后等特点,SO2排放浓度难于在线实时、准确测量,控制效果并不精准,因此建立有效的SO2排放浓度预测模型很有意义.该文采集并分析研究某电厂350MWCFB锅炉现场运行数据,在脱硫系统大样本、数据分布分散、样本函数模糊的情况下,选取影响SO2排放浓度的主要变量,建立基于机器学习的LSTM网络的SO2排放浓度预测模型.结果显示此模型预测精度较高、误差较小,可为控制系统提供可靠参考,有助于提高脱硫系统控制精度,具有一定的工程实用价值.