循环流化床锅炉燃烧系统的神经网络模型研究

来源：动力工程学报杂志2018年第6期北京时间：

作者：李国强, 齐晓宾, 陈彬, 张露,

摘要：为了准确预测热电厂锅炉的NOx排放质量浓度，以某热电厂300 MW亚临界循环流化床锅炉为研究对象，利用并联型快速学习网进行建模。首先以经典的回归数据集测试并联型快速学习网的有效性，将结果与其他神经网络的结果相比较，证明其具有更好的学习能力和稳定性。再以热电厂现场采集的样本数据作为模型的输入输出数据，将该模型的预测结果与极限学习机、快速学习网、核极限学习机和增量型极限学习机的预测结果进行比较。结果表明：并联型快速学习网具有良好的预测精度和泛化能力，能够更准确有效地预测热电厂锅炉的NOx排放质量浓度。

关键词：NOx排放质量浓度,循环流化床锅炉,并联型快速学习网,极限学习机,