基于极端随机树和声波测温的电站锅炉NO_(x)排放预测方法

基于极端随机树和声波测温的电站锅炉NO_(x)排放预测方法陈建均;陈婷婷
【期刊名称】《能源工程》
【年(卷),期】2022(42)4
【摘要】针对某电厂330MW亚临界燃煤锅炉,利用极端随机树算法,以影响
NO_(x)排放的主要因素为输入,以NO_(x)排放浓度为输出建立NO_(x)排放预测模型并与随机森林算法做对比,结果表明极端随机树模型能够更加准确地预测锅炉NO_(x)排放量。

在此基础上,采用声波测温技术采集炉膛截面温度加入到NO_(x)排放预测模型输入端以优化其预测性能。

优化结果表明:加入炉膛温度信息可以有效提高NO_(x)排放模型准确度,更加符合工程需求。

【总页数】6页(P63-67)
【作者】陈建均;陈婷婷
【作者单位】深圳东方锅炉控制有限公司技术部
【正文语种】中文
【中图分类】TP181
【相关文献】
1.基于极端随机树方法的WRF-CMAQ-MOS模型研究
2.基于加权朴素贝叶斯分类器和极端随机树的蛋白质接触图预测
3.基于混合鸡群算法和核极端学习机的锅炉NOx排放的预测
4.基于Boruta和极端随机树方法的森林蓄积量估测
5.基于阈值和极端随机树的实时跌倒检测方法
因版权原因，仅展示原文概要，查看原文内容请购买。