来源：期刊VIP网 时间：
作者：金秀章;乔鹏;史德金;
单位：华北电力大学控制与计算机工程学院;
摘要：针对燃煤电厂中选择性催化还原(Selective Catalytic Reduction, SCR)脱硝系统入口NO_x浓度的测量传感器迟延大，不能准确反映其浓度的实时变化的问题，提出了利用Copula熵(Copula entropy, CE)筛选与入口NO_x浓度软测量相关的辅助变量，利用变模态分解(Variational Mode Decomposition, VMD),将入口NO_x浓度分解为不同中心频率的子序列信号，建模充分拟合目标变量的数据特征。采用二级建模方法，第一级，将分解后得到的入口NO_x浓度子序列信号分别利用贝叶斯回归算法(Bayesian Regression, Bayes)进行训练并预测，叠加得到完整的预测结果，第二级，对训练中产生的验证集误差值利用Lasso算法建立误差预测模型，得到测试集预测误差的预测值，并与第一级模型得到完整预测结果叠加，实现误差补偿，提升模型预测精度。其中，Bayes及Lasso网络超参数利用天牛群算法进行自动寻优；仿真结果显示，VMD分解并带误差补偿模型对比未经VMD分解带误差补偿模型，Bayes及Lasso单一模型的均方根误差、平均绝对误差、平均绝对百分比误差最小，能够实现对入口NO_x浓度的准确软测量。
关键词：入口NO_x浓度建模;;变模态分解;;误差修正;;软测量;;天牛群优化算法
