一种基于随机森林和LSTM神经网络的SCR脱硝喷氨量预测方法技术

本发明专利技术涉及一种基于随机森林和LSTM神经网络的SCR脱硝喷氨量预测方法，包括：步骤1、基于历史数据（训练数据）；步骤2、基于历史数据（训练数据）；步骤3、对于实测数据（测试数据）。本发明专利技术的有益效果是：本发明专利技术通过双模型验证的方式，建立了可靠的氨气流量预测模型，建立了随机森林模型对喷氨量预测LSTM神经网络预测模型进行实时验证，可实现准确的喷氨量控制，有效避免因模型准确性不佳而导致的控制效果差的问题，对于SCR脱硝系统喷氨量控制具有重要意义。同时本发明专利技术所提出喷氨量预测方法采用LSTM神经网络预测模型，可解决SCR脱硝控制系统滞后问题，实现预测控制。

【技术实现步骤摘要】
一种基于随机森林和LSTM神经网络的SCR脱硝喷氨量预测方法
本专利技术属于燃煤电厂脱硝领域，涉及一种燃煤电厂脱硝系统过程参数软测量方法，尤其涉及一种基于随机森林和LSTM神经网络的SCR脱硝喷氨量预测方法。
技术介绍
SCR（选择性催化还原方法）脱硝系统基于其较高的脱硝效率，是大型火电机组脱硝系统改造首选类塑。SCR脱硝系统反应机理复杂，脱硝效率受到喷氨量、反应温度、烟气速度、催化剂活性等因素影响，其中喷氨量对脱硝效果影响最大，是关键的可调因素。喷氨量过少会导致烟气NOx含量超标；喷氨量过多，不仅会提高氨逃逸率而造成二次污染，同时也会增加脱硝成本。长期以来，对SCR脱硝系统的研究主要针对于其物理原理、设备结构和运行方式方面。近年来，随着预测控制、核偏最小二乘、神经网络以及支持向量机等技术和机器学习算法的发展并在工业上获得成功应用，可以充分利用燃煤电厂充足的历史运行数据建立SCR烟气脱硝系统模型，同时采用先进控制算法，实现喷氨量的最优控制，在降低NOx排放的同时减少脱硝成本。然而，此类技术获得的模型准确性在实际使用中需要得到验证本文档来自技高网...

【技术保护点】
1.一种基于随机森林和LSTM神经网络的SCR脱硝喷氨量预测方法，其特征在于，包括以下步骤：/n步骤1、基于历史数据，利用SCR出口烟气NO

【技术特征摘要】
1.一种基于随机森林和LSTM神经网络的SCR脱硝喷氨量预测方法，其特征在于，包括以下步骤：
步骤1、基于历史数据，利用SCR出口烟气NOx浓度和其他氨气流量相关参数作为LSTM神经网络预测模型的输入，氨气流量作为LSTM神经网络预测模型的输出，训练LSTM神经网络预测模型；
步骤2、基于历史数据，利用氨气流量和其他氨气流量相关参数作为随机森林模型的输入，SCR出口烟气NOx浓度测量值作为随机森林模型的输出，训练随机森林模型；
步骤3、对于实测数据，通过LSTM神经网络预测模型进行氨气流量预测，随后将通过LSTM神经网络预测模型得到的氨气流量预测值和其他氨气流量相关参数作为随机森林模型的输入，得到SCR出口烟气NOx浓度预测值；
步骤4、将由步骤3得到的SCR出口烟气NOx浓度预测值与SCR出口烟气NOx浓度实测值进行比对，并通过计算均方根误差RMSE的方式计算预测误差，设置误差阈值，验证LSTM神经网络预测模型输出的氨气流量预测值是否准确；
步骤5、LSTM神经网络预测模型和随机森林模型建立完毕，并且通过步骤4验证LSTM神经网络预测模型的准确性：若由步骤4计算得到的预测误差不大于误差阈值，则以LSTM神经网络预测模型的氨气流量预测值来指导喷氨量控制；若由步骤4计算得到的预测误差大于误差阈值，则采集更多历史数据，返回执行步骤1～步骤4，重新训练LSTM神经网络预测模型和随机森林模型，直至由步骤4计算得到的预测误差小于等于误差阈值。


2.根据权利要求1所述基于随机森林和LSTM神经网络的SCR脱硝喷氨量预测方法，其特征在...

【专利技术属性】
技术研发人员：周君良，范海东，解剑波，王豆，李清毅，关键，
申请(专利权)人：浙江浙能技术研究院有限公司，浙江省能源集团有限公司，
类型：发明
国别省市：浙江;33