In diesem Artikel wird das Problem der langen Verzögerung des Analysegeräts für die NO_x-Konzentration in den Abgasen des Eingangs des Rauchgasentschwefelungsreaktors behandelt. Zunächst werden Hauptkomponentenanalyse und multivariate Prozessüberwachung verwendet, um die dominierenden Faktoren zu identifizieren, die die NO_x-Konzentration in den Eingangsabgasen des Rauchgasentschwefelungsreaktors beeinflussen. Anschließend werden die Daten der NO_x-Konzentration in den Eingangsabgasen des Reaktors ab Ts, der ungefähren Verzögerungszeit des Analysegeräts, als Trainingssignal ausgewählt, und die Methode der kleinsten Quadrate mit Support-Vektor-Maschine (LS-SVM) wird verwendet, um ein Vorhersagemodell für die NO_x-Konzentration in den Eingangsabgasen des Reaktors zu erstellen. Das Vorhersagemodell wird anhand historischer Betriebsdaten eines Kraftwerks trainiert und getestet, und die Ergebnisse zeigen, dass die Verwendung der Hauptkomponentenanalyse und der multivariaten Prozessüberwachung zur Auswahl der dominierenden Faktoren aus mehreren Hilfsvariablen die Struktur des Modells vereinfacht und ein Modell mit guter Lern- und Verallgemeinerungsfähigkeit liefert. Diese Methode ist eine praktikable Möglichkeit, die NO_x-Konzentration in den Eingangsabgasen des Reaktors genau und in Echtzeit vorherzusagen.

Abgasentschwefelung; Reaktor; NOx-Konzentration; Hauptkomponentenanalyse; Multivariate Prozessüberwachung; Dominierender Faktor; Methode der kleinsten Quadrate mit Support-Vektor-Maschine