热能动力工程

作者：李 阳，黄 伟，席建忠

单位：上海电力大学 自动化工程学院，上海 200090,,上海电力大学 自动化工程学院，上海 200090,,杭州华电江东热电有限公司，浙江 杭州 311228,

关键词：电厂;NOx排放;人工智能;stacking算法集成模型

基金：国家自然科学基金(61503237)；上海市科委发电过程智能管控工程技术研究中心基金资助项目(14DZ2251100)

提出一种基于Stacking算法集成模型的NO〖HT5”〗x排放预测方法。考虑不同算法的训练机理和观测角度，将门控循环单元(gated recurrent unit,GRU)、XGBoost(eXtreme gradient boosting)和随机森林(random forest,RF)等多个学习能力强、差异度大的模型进行融合，得到一个具有两层结构的集成模型，通过弹性网(elastic network,EN)克服DCS采集的数据集内存在的共线性和群组效应，然后构造特征变量作为集成模型的输入。以某电厂的历史运行数据进行测试，结果表明Stacking集成模型的预测均方误差为6.945 mg/m3，相比单模型降低了13.350%~52.186%，根据其准确的预测结果可以更好的调整设备运行参数，保证排放的污染物浓度控制在合适的范围内。

来源：2021年第5期

《热能动力工程》期刊编辑部

查看热能动力工程杂志2021年第5期