基于特征优化和BSO-RBF神经网络的NOx浓度预测模型

来源：计量学报杂志2024年第2期北京时间：

作者：张国兴,王世朋

单位：国能宁夏鸳鸯湖第一发电有限公司,宁夏银川750011

摘要：针对火力发电厂中燃烧系统运行工况复杂、迟延较大,导致选择性催化还原(SCR)烟气脱硝系统中入口NOx质量浓度难以准确测量的问题,提出了一种基于特征优化和径向基函数(radial basis function, RBF)神经网络的预测模型。将经过特征优化后的变量作为模型的最终输入变量,并使用天牛群优化(beetle swarm optimization,BSO)算法对神经网络超参数进行寻优,建立入口NOx浓度预测模型。结果表明,经过特征优化后的变量放入模型后,其预测结果要优于原始变量:经特征优化及时延处理后的模型其SRMSE减少了44.5%,R2增加了2.3%,经过BSO确定后的神经网络超参数使得模型精度也得到了进一步提升。

关键词：NOx浓度预测; 特征优化;天牛群优化算法; 径向基函数; 神经网络

基金资助：国家重点研发计划(2018YFB0604300)