Для решения проблемы прогнозирования концентрации NOx на выходе из системы SCR для угольных энергоблоков в данной статье предложен метод динамического моделирования системы SCR, который объединяет экстремальную обучение машины (ELM) и генетический алгоритм (GA). Чтобы избежать влияния случайности входной матрицы весов и смещения скрытого слоя ELM, метод ГА был использован для оптимизации весов входного слоя ELM и смещения скрытого слоя для построения модели системы SCR на основе GA-ELM. Проверка модели GA-ELM проводилась на реальных данных эксплуатации системы SCR угольного энергоблока и сравнивалась с результатами прогнозирования моделей минимальных квадратов поддержки вектора (LSSVM) и ELM. Результаты показали, что модель GA-ELM обладает наилучшей точностью прогнозирования и обобщения и может эффективно прогнозировать концентрацию NOx на выходе из системы SCR.

Угольный энергоблок; Система SCR; Экстремальное обучение машины; Генетический алгоритм; Динамическая модель; Прогностическое управление