来源：期刊VIP网 时间：
作者：谢刚;蔡之伟;王宇飞;张晓红;周勇;
单位：太原科技大学电子信息工程学院;先进控制与工业智能山西省重点实验室;山西华光发电有限责任公司;
摘要：火力发电厂燃煤锅炉系统的运行数据具有维度高、时延显著及海量等特性，使得炉膛出口NO_x质量浓度难以精确预测。针对这一问题，研究提出了一种基于数据重构的NO_x质量浓度预测模型构建方法。首先，通过数据清洗、稳态辨别与时延校正，构建时延重构数据集。其次，应用相关性、冗余性与互补性权衡算法筛选出更为全面的最优特征变量集。再次，利用基于差分进化算法的核模糊C均值聚类算法对不同工况进行划分，并根据工况特征自动划分数据集，进而得到多组更加简洁且具有较强泛化能力的最优特征变量子集。最后，对比数据重构前后数据集所构建预测模型的准确性。研究对某600 MW燃煤机组数据仿真发现，通过数据重构得到的最优特征变量子集在模型构建中的表现更佳，其均方根误差平均降低了67%,平均绝对误差平均降低了66.2%,平均绝对百分比误差平均降低了0.61百分点，且模型训练时间缩短了90.9%,有效提升了NO_x质量浓度预测模型的准确性与效率。
关键词：环境工程学;;时延校正;;最优特征变量;;工况划分;;最小二乘法模型;;NO_x质量浓度预测
基金资助：山西省科技重大专项计划项目(202201090301013);; 山西省研究生科研创新项目(2023KY637)
