【摘要】：選擇性催化還原(SCR)脫硝技術因為具有較高的脫硝率、技術可靠、結構簡單且氨氣逃逸率小等優(yōu)點已成為燃煤電站鍋爐控制NO_x排放的主要選擇。SCR反應器入口NO_x含量及時、準確的測量對調(diào)節(jié)噴氨量至關重要,同時也影響著SCR反應器出口NO_x的排放。目前火電廠普遍采用煙氣在線監(jiān)測系統(tǒng)(CEMS)對NO_x含量進行測量,煙氣分析儀進行分析時需要一定的時間,因此測得的NO_x含量相對于NO_x真實值存在著一定的滯后。為了實現(xiàn)電廠SCR反應器入口NO_x含量及時、準確測量,本文利用最小二乘支持向量機建立SCR反應器入口NO_x含量的軟測量模型,對NO_x含量進行預測。本文以SCR反應器入口NO_x含量為研究對象,首先對與NO_x含量有關的鍋爐燃燒參數(shù)進行分析,選定了19個初始的相關變量;將采集的相關數(shù)據(jù)經(jīng)過標準化處理、樣本優(yōu)選后,通過偏最小二乘法的交叉有效性分析和變量投影重要性分析最終選定了6個主要輔助變量,達到了簡化數(shù)據(jù)、減少冗余、降低維數(shù)的目的。進行軟測量模型建立時,將選定的變量作為軟測量模型的輸入矢量,通過MATLAB編程實現(xiàn)了一個多輸入單輸出的最小二乘支持向量機軟測量模型的建立。然后利用粒子群算法對最小二乘支持向量機參數(shù)誤差懲罰因子C和徑向基核函數(shù)寬度s進行尋優(yōu),有效克服了網(wǎng)格搜索法選取參數(shù)的盲目性,模型的精度得到有效改善。同時,建立了動態(tài)LSSVM軟測量模型,利用實時預報誤差,自適應地修正模型參數(shù),不斷丟棄舊的訓練樣本,同時加入新的數(shù)據(jù)作為訓練樣本,實現(xiàn)模型的在線修正,通過該模型能更好的預測SCR反應器入口NO_x含量。建立最小二乘支持向量機軟測量模型對SCR反應器入口NO_x含量進行預測,實現(xiàn)NO_x含量的及時、準確測量,對于提高噴氨量準確性,減小氨逃逸,降低SCR反應器出口NO_x排放,實現(xiàn)電廠節(jié)能減排有重要的現(xiàn)實意義。
【圖文】：

模型輸出變量，實現(xiàn)對待測變量的預估。對于選取的易顧名思義，這些變量要易于獲取，而且這些變量和待測即通過選取的變量理論上可以解釋目標變量。將獲取的輸入，借助計算機編程實現(xiàn)待測變量的輸出。輸入變量出變量也就是主導變量。另外，為了得到合適的模型，數(shù)據(jù)對模型進行訓練、學習，，最終很好的預測出輸出變術近些年來得到廣泛的應用，這主要得益于對主導變量、投資低、無需繁雜的后續(xù)維護保養(yǎng)，并且對于主導變模型的選取、數(shù)據(jù)的采集與處理、軟測量模型構建、軟測量鍵步驟共同構成了完整的軟測量方案[13][14]，其中軟測量助變量和主導變量相關數(shù)據(jù)。整個方案的核心與關鍵是立什么類型的模型。如圖 1-1 所示，是軟測量基本工作

圖 2-1 經(jīng)驗風險、置信范圍、結構風險關系圖向量機非線性、高維數(shù)、小樣本、局部極小值等問題方面支持向量要是由于采用 VC 維理論和結構風險最小化原則，進而可以中的泛化問題，提高了軟測量模型的泛化能力。另外，支持習問題轉化為一個凸二次型規(guī)劃問題，從理論上得到了唯一部極值、過學習等問題有很好的解決效果[20]。性支持向量回歸機量機的學習方法最早是在模式識別領域發(fā)展起來的，主要用apnik 將其推廣應用于函數(shù)估計擬合中，得到了用于回歸估計，稱之為支持向量回歸機[28]（Support Vector Regression，SV于函數(shù)擬合問題的思路就是將用于分類的 SVM 的損失函數(shù) 不敏感函數(shù)可以用來權衡預測值和實測值的差別，如果預測 范圍內(nèi)，則定義損失為 0，具體形式如下：
【學位授予單位】：華北電力大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：X773

【參考文獻】

相關期刊論文 前8條

1 楊耀權;張新勝;;LSSVM動態(tài)軟測量模型在磨煤機一次風量預測方面的應用[J];動力工程學報;2016年03期

2 陳榮超;;燃煤電廠脫硝NO_x的軟測量技術和自動控制優(yōu)化[J];電力科學與工程;2015年01期

3 趙丹;;SVM核函數(shù)與選擇算法[J];數(shù)字技術與應用;2014年09期

4 邵偉明;田學民;;基于快速留一交叉驗證法的在線遞推最小二乘支持向量機建模方法[J];青島科技大學學報(自然科學版);2012年05期

5 劉吉臻;呂游;楊婷婷;;基于變量選擇的鍋爐NO_x排放的最小二乘支持向量機建模[J];中國電機工程學報;2012年20期

6 張傳標;倪建軍;苗紅霞;韓光潔;;基于相似度的核主元分析方法及其應用研究[J];計算機工程;2011年14期

7 穆朝絮;張瑞民;孫長銀;;基于粒子群優(yōu)化的非線性系統(tǒng)最小二乘支持向量機預測控制方法[J];控制理論與應用;2010年02期

8 許昌,呂劍虹;基于生成機理的燃煤電站鍋爐NO_x排放量神經(jīng)網(wǎng)絡模型[J];中國電機工程學報;2004年10期

相關博士學位論文 前6條

1 呂游;基于過程數(shù)據(jù)的建模方法研究及應用[D];華北電力大學;2014年

2 李勤道;基于爐內(nèi)參數(shù)測量的燃燒系統(tǒng)優(yōu)化運行理論與技術的研究[D];華北電力大學;2013年

3 周欣然;基于最小二乘支持向量機的在線建模與控制方法研究[D];湖南大學;2012年

4 邢永忠;最小二乘支持向量機的若干問題與應用研究[D];南京理工大學;2009年

5 喬弘;火電廠熱工參數(shù)軟測量關鍵技術和方法研究[D];華北電力大學（北京）;2009年

6 余廷芳;火電廠廠級監(jiān)控信息系統(tǒng)（SIS）建模、實現(xiàn)及人工智能的應用研究[D];東南大學;2004年

相關碩士學位論文 前9條

1 遲丹一;基于偏最小二乘法的電站鍋爐氧量預測[D];華北電力大學;2013年

2 張倩;基于SVR的煙氣含氧量軟測量方法研究[D];華北電力大學;2013年

3 李琳;基于SVM的火電廠鍋爐飛灰含碳量軟測量方法研究[D];華北電力大學;2013年

4 王瑜;SCR法煙氣脫硝系統(tǒng)在660MW火電機組中的應用[D];華北電力大學;2013年

5 李代力;基于SOFA風改造的300MW煤粉鍋爐燃燒優(yōu)化數(shù)值模擬研究[D];浙江大學;2012年

6 張濤;支持向量機在熱工對象建模中的應用研究[D];華北電力大學;2012年

7 陳敏;火電廠鍋爐煙氣含氧量預測及燃燒系統(tǒng)優(yōu)化研究[D];北京交通大學;2011年

8 盧保玲;基于圖像測溫法的燃煤鍋爐NO_x排放量預測[D];北京交通大學;2009年

9 魏輝;燃煤電站鍋爐低NOx燃燒優(yōu)化運行策略的研究[D];上海交通大學;2008年

本文編號：2563814