基于长短时记忆神经网络的锅炉多参数协同预测模型

摘要

锅炉协同控制是提高其灵活运行下蒸汽温度平稳的有效手段.以某660 MW燃煤锅炉为研究对象,利用其历史运行数据,建立基于长短时记忆(LSTM)神经网络的主蒸汽温度、再热蒸汽温度、炉膛出口NOx质量浓度、炉膛出口CO质量浓度协同预测模型.模型预测结果表明,该协同预测模型4个输出的相关系数均大于0.94,模型综合预测效果良好,且有较好的泛化能力.该模型为锅炉蒸汽温度、NOx、炉效协同优化控制提供了依据.