基于固定窗漂移检测的MSWI过程CO排放建模

摘要

针对城市固废焚烧（municipal solid waste incineration, MSWI）过程中能够表征燃烧过程是否稳定的关键工业参数——一氧化碳（carbon monoxide, CO）排放浓度的动态时变特性，提出基于固定窗漂移检测的MSWI过程CO排放建模方法。首先，基于历史数据集采用k-means算法获取典型样本池（typical sample pool, TSP）,构建基于长短期记忆（long short-term memory, LSTM）神经网络的离线预测模型和基于核主成分分析（kernel principal component analysis, KPCA）的漂移指标计算模型。然后，针对每个在线采集样本，在预设定固定窗口未填满时基于历史LSTM神经网络模型进行在线预测，在预设定固定窗口填满时采用历史KPCA模型进行漂移检测。最后，利用指标霍特林统计量T²和平方预测误差（squared prediction error, SPE）判断是否产生漂移。若未产生漂移，则返回至新窗口期；若产生漂移，则合并历史数据和漂移数据以更新TSP、LSTM模型和KPCA模型。工业现场实际数据的仿真验证了所提方法的合理性和有效性。

关键词

城市固废焚烧(municipal solid waste incineration,MSWI) / 一氧化碳(carbon monoxide,CO)排放 / 概念漂移检测 / 典型样本池(typical sample pool,TSP) / 长短期记忆(long short-term memory,LSTM)神经网络 / 核主成分分析(kernel principal component analysis,KPCA)

基金资助

国家科技重大专项资助项目(2021ZD0112302)