Please wait a minute...
吉林化工学院学报, 2021, 38(9): 31-35     https://doi.org/10.16039/j.cnki.cn22-1249.2021.09.007
  本期目录 | 过刊浏览 | 高级检索 |
基于SVR-GA的燃煤锅炉NOx含量软测量研究
孙悦1,王雪晶2,于攀3,曹玉波1*
1.吉林化工学院 信息与控制工程学院, 吉林 吉林132022; 2.吉林石化公司 合成树脂厂,吉林 吉林 132021; 3.科世达(长春)汽车电器有限公司 AP1工艺工程部, 吉林 长春130033
A Study on the Soft Sensor for NOx Content of Coal-fired Boiler Based on SVR-GA
SUN Yue1,WANG Xuejing2,YU Pan3,CAO Yubo1*
下载:  PDF (1037KB) 
输出:  BibTeX | EndNote (RIS)      
摘要 

燃煤锅炉脱硝反应器入口NOx浓度是锅炉燃烧过程中的一个重要参数,针对常规NOx分析测量仪存在的精确度较低的问题,通过支持向量回归(SVR)算法建立锅炉的NOx排放预测模型,选取均方误差(MSE)作为模型的评估函数,利用遗传算法(GA)对模型参数进行优化,编制程序对NOx排放量进行预测。以某300MW燃煤机组现场数据为基础进行仿真验证,结果表明,在与SVR、BPNN等方法的对比中,GA-SVR所建立的模型在NOx排放量的预测中取得了更优的效果。

服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
孙悦
王雪晶
于攀
曹玉波
关键词:  支持向量回归  NOx排放  软测量  遗传算法     
Abstract: 

For the NOx concentration at the inlet of denitration reactor for coal-fired boiler, an important parameter in the combustion process for the boiler, the precision of conventional NOx analyzer is low. Therefore, a NOx emission prediction model for the boiler was established based on the support vector regression (SVR) algorithm, with mean square error (MSE) as the evaluation function for the model. The genetic algorithm (GA) was adopted to optimize relevant parameters of the model, and the NOx emission was predicted through programming. A simulation verification was carried out based on the field data of a 300MW coal-fired unit, and the results showed that the model established by GA-SVR was more effective than SVR and BPNN in the NOx emission prediction.

Key words:  support vector regression    NOx emission    soft sensor    genetic algorithm
               出版日期:  2021-09-25      发布日期:  2021-09-25      整期出版日期:  2021-09-25
ZTFLH:  TP274  
引用本文:    
孙悦, 王雪晶, 于攀, 曹玉波. 基于SVR-GA的燃煤锅炉NOx含量软测量研究 [J]. 吉林化工学院学报, 2021, 38(9): 31-35.
SUN Yue, WANG Xuejing, YU Pan, CAO Yubo. A Study on the Soft Sensor for NOx Content of Coal-fired Boiler Based on SVR-GA . Journal of Jilin Institute of Chemical Technology, 2021, 38(9): 31-35.
链接本文:  
http://xuebao.jlict.edu.cn/CN/10.16039/j.cnki.cn22-1249.2021.09.007  或          http://xuebao.jlict.edu.cn/CN/Y2021/V38/I9/31
[1] 高兴泉, 黄东冬, 丁三毛. 惩罚函数结合遗传算法的PID参数优化 [J]. 吉林化工学院学报, 2021, 38(3): 57-60.
[2] 杨瑶, 韩光信. 基于GA的磁悬浮球系统的Anti-windup变结构PI控制 [J]. 吉林化工学院学报, 2020, 37(1): 68-71.
[3] 马俊, 王秀玉. 求解线性互补问题的一种改进的遗传算法 [J]. 吉林化工学院学报, 2019, 36(11): 74-76.
No Suggested Reading articles found!
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed