Zur Lösung des Problems der Vorhersage der NOx-Konzentration am Ausgang des SCR-Systems für Kohlekraftwerke schlägt dieser Artikel eine Methode zur dynamischen Modellierung des SCR-Systems vor, die das extreme Lernen (ELM) und den genetischen Algorithmus (GA) kombiniert. Um den Einfluss der Zufälligkeit der Eingangsgewichtsmatrix und der Verzerrung der versteckten Schicht des ELM zu vermeiden, wurden die Eingangsgewichte und die Verzerrung der versteckten Schicht des ELM mithilfe von GA optimiert, und es wurde ein Modell des SCR-Systems auf der Grundlage von GA-ELM erstellt. Die Vorhersagegenauigkeit und die Verallgemeinerungsfähigkeit des GA-ELM-Modells wurden anhand von Betriebsdaten des tatsächlichen Betriebs des SCR-Systems eines Kohlekraftwerks validiert und mit den Vorhersageergebnissen der Modelle der kleinsten-Quadrate-Stützvektormaschine (LSSVM) und ELM verglichen. Die Ergebnisse zeigen, dass das GA-ELM-Modell die beste Vorhersagegenauigkeit und Verallgemeinerungsfähigkeit bietet und die NOx-Konzentration am Ausgang des SCR-Systems effektiv schätzen kann.

Kohlekraftwerk; SCR-System; Extreme Learning; Genetischer Algorithmus; Dynamisches Modell; Vorhersagende Steuerung