基于改进LSTM与注意力机制的SCR入口NO<sub><i>x</i></sub>生成浓度预测
来源：动力工程学报杂志2025年第12期北京时间：
作者：赵旭东, 李军, 王林, 高林, 弓林娟, 高艺轩, 梁永吉, 杨大锚, 王文毓,
摘要：为解决火电厂燃煤锅炉NOx生成机理复杂,选择性催化还原(SCR)系统喷氨导致的难以及时、精准调控的问题,提出了一种基于改进的长短时记忆网络(LSTM)与注意力机制的SCR入口NOx生成浓度预测方法。首先,通过锅炉燃烧NOx生成机理分析确定初始特征变量集,在原始运行数据经过预处理后,利用最大信息系数确定各变量的延迟时间,并构建时滞补偿数据集;其次,基于灰色关联度分析(GRA)对影响NOx生成的关键变量进行排序,从而实现特征选择。最后,提出了一种融合改进LSTM与注意力机制的新型时间序列预测模型ADS-Forecaster,采用双路径特征编码及自注意力融合解码,实现NOx生成浓度实时预测。基于某600 MW亚临界燃煤机组运行数据的实验结果表明:与基准模型RNN、LSTM及xLSTM相比,ADS-Forecaster模型在泛化能力和预测精度方面具有优势。
关键词：NOx浓度预测,神经网络,LSTM,注意力机制,
