基于PSO-GBDT的燃煤电厂SCR入口NOx浓度软测量

摘要

为了保证燃煤电厂SCR系统入口氮氧化物(NOx)预测精度、降低预测时间，提出了一种基于粒子群优化(PSO)梯度提升决策树(GBDT)超参数的软测量模型。首先，综合模型预测精度和运行时间设计了目标函数；其次，利用皮尔逊相关系数法从初始参量中选择5个重要的特征作为模型输入，对降维后的数据进行标准化处理，将其切分为训练数据集和测试数据集；再次，构建了GBDT软测量模型，并利用目标函数对模型参数进行优化；最后，为了降低模型优化时间使用PSO算法优化模型超参数，实现了SCR入口NOx浓度软测量。仿真结果表明PSO-GBDT模型的泛化误差平均值小于5%,且相对GBDT模型来说具有结构简单、运行时间少的优点。

关键词

燃煤电厂 / NOx浓度 / 软测量 / 梯度提升决策树 / PSO