El sistema de combustión de calderas es un sistema dinámico típico con múltiples variables, fuerte acoplamiento, gran retardo y múltiples entradas/salidas. Es difícil construir un modelo de sistema de combustión que se ajuste a las condiciones de trabajo reales. Este artículo propone un nuevo método para modelar el sistema de combustión de calderas basado en la unidad recurrente bidireccional de umbral (Bi-GRU) y crea un modelo de entrenamiento para el sistema de combustión en cargas variables (carga baja, media, alta). Al mismo tiempo, se utiliza un aumento gradual del árbol de decisiones (GBDT) para reducir la dimensionalidad de la matriz de entradas de características. El modelo GBDT puede evaluar los pesos de las diferentes características en diferentes cargas y salidas y al mismo tiempo identificar las características que llevan los coeficientes de peso máximos. El modelo de selección de características basado en GBDT puede reducir la dimensionalidad inicial de las entradas y al mismo tiempo proporcionar una guía teórica para las estrategias de control de la combustión posteriores. Los resultados de los cálculos en datos operativos reales muestran que el nuevo modelo de sistema de combustión construido con Bi-GRU y GBDT puede reflejar con precisión las variaciones dinámicas del flujo de vapor principal, la presión de vapor principal y las emisiones de NO_x en cargas variables. En comparación con el modelo tradicional de red neuronal recurrente (RNN), la precisión y el rendimiento de este nuevo modelo en este estudio se han mejorado considerablemente, y tiene una estructura simple y un pequeño volumen de cálculos.

Sistema de combustión de calderas; Unidad recurrente bidireccional de umbral; Refuerzo del gradiente de los árboles de decisiones; Característica de salida