基于CNN-SENet-BiLSTM的燃煤电站SCR出口NO_x预估模型研究

摘要

燃煤电站选择性催化还原（Selective catalytic reduction, SCR）脱硝系统具有的大迟延、大惯性、扰动因素多等特点，造成了SCR出口NO_x浓度控制精度低，存在环保超标及氨量过喷现象。准确的SCR脱硝系统模型是实现SCR出口NO_x浓度精准控制的基础。以某电站SCR脱硝系统为研究对象，提出了一种基于卷积神经网络–压缩和激励网络–双向长短期记忆网络的SCR出口NO_x浓度预估建模方法。首先使用皮尔逊相关系数对模型输入变量与输出变量之间的纯迟延时间进行估计，然后搭建模型并对预估模型超参数使用牛顿–拉夫逊优化算法（Newton-Raphson-based optimizer, NRBO）进行寻优，最后使用均方根误差e_RMSE、平均绝对百分比误差e_MAPE、决定系数R²对模型预测效果进行评价。对比单一模型，NRBO-CNN-SENet-BiLSTM的e_RMSE和e_MAPE分别下降至1.226 4 mg/m³和1.624 1%,R²提高至0.976 4，表明该模型具有良好的预测精度。

关键词

烟气SCR脱硝 / NO_x浓度预测 / CNN-BiLSTM / 牛顿–拉夫逊优化算法 / 注意力机制