基于IGRA和CNN-LSTM的垃圾焚烧炉主蒸汽温度预测

来源：动力工程学报杂志2025年第8期北京时间：

作者：王印松, 张炬,

摘要：为了解决传统建模方法在建立焚烧炉主蒸汽温度预测模型时预测精度不高的问题,提出了一种基于改进的灰色关联分析(IGRA)和卷积-长短期记忆(CNN-LSTM)神经网络的垃圾焚烧炉主蒸汽温度预测方法。首先,使用IGRA筛选出与主蒸汽温度关联程度高的分布式控制系统(DCS)变量作为输入;其次,采用主成分分析(PCA)方法提取包含焚烧炉燃烧图像绝大部分信息的主成分特征并将其作为输入;然后,基于IGRA和粒子群优化(PSO)算法,估计出输入变量与主蒸汽温度之间的迟延向量并进行了时延补偿;最后,构建了由DCS变量和图像特征组成的时序矩阵作为输入变量的CNN-LSTM模型,实现了对主蒸汽温度未来6 min内变化趋势的预测。结果表明:相较于已有的主蒸汽温度预测模型,本文所提出模型的平均绝对误差MAE降低了13.07%,均方根误差RMSE降低了13.89%,决定系数R2提升了13.08%。

关键词：垃圾焚烧炉,主蒸汽温度预测,迟延估计,神经网络,图像特征,