基于EEMD和卷积神经网络的电站NO_(x)排放预测

摘要

精准的NO_(x)排放预测模型能够提高SCR系统的脱硝效率,为此本文分析了一维卷积神经网络在NO_(x)预测领域的应用,并提出了一种结合集成经验模态分解和卷积神经网络的NO_(x)排放预测方法。首先,对原始数据进行预处理,并采用互信息法确定输入变量。然后,采用集成经验模态分解算法对NO_(x)数据进行分解处理,降低NO_(x)数据的预测难度。最后,基于一维卷积神经网络构建各分量的预测模型并进行重构,得到最终的NO_(x)预测结果。基于某电厂的实际运行数据进行实验,实验结果表明,所提出模型预测结果的平均绝对百分比误差为3.34%。一维卷积神经网络的超参数实验说明了Adam优化方法和合适的输入步长有利于模型的训练,但是dropout正则化不利于模型的性能提升。