基于CNN-LSTM混合神经网络模型的NOx排放预测

来源：电子测量技术杂志2022年第2期北京时间：

作者：邢红涛，郭江龙，刘书安，阎彬，杨一盈

单位：河北建投能源科学技术研究院有限公司，石家庄市 050071

摘要：为了充分挖掘电站锅炉NOx排放数据中时序性特征联系，提高NOx排放预测精度，提出一种基于卷积神经网络（CNN）和长短期记忆网络（LSTM）的NOx排放预测方法。以某300MW电站锅炉历史数据为样本，采用k-means聚类方法对NOx排放训练样本集进行分组，再基于CNN网络的卷积层和池化层提取NOx排放变量的高维映射关系，构造高维时序特征向量，将抽象化的特征集输入到LSTM网络，通过训练LSTM网络参数建立基于CNN-LSTM的NOx排放预测模型。通过某电站锅炉实际数据验证，所提预测模型对训练和测试样本的平均相对百分比误差分别为1.76%和3.85%，远低于其他模型。结果表明所提模型在预测精度和泛化能力方面具有显著优势。

关键词：NOx排放;卷积神经网络;长短期记忆网络;NOx排放聚类;混合神经网络

基金资助：2021年度石家庄重点研发计划项目（211060351A）资助