基于PCA-SVR的燃煤锅炉NO<sub>x</sub>排放预测

钟用禄; 李海山; 刘发圣; 谭鹏; 张尚志; 张成

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

基于PCA-SVR的燃煤锅炉NO_x排放预测

发电技术论坛 | 更新时间：2025-09-28

- 基于PCA-SVR的燃煤锅炉NO_x排放预测
- PCA-SVR model based NO_x emissions prediction for coal-fired boilers
- 热力发电 2015年44卷第1期页码：87-90
- 作者机构：
  
  1. 国网江西省电力科学研究院
  2. 华中科技大学煤燃烧国家重点实验室
- 作者简介：
- 基金信息：
- DOI：
  中图分类号： X773;TK229.6
- 纸质出版日期：2015
- 稿件说明：
移动端阅览
钟用禄, 李海山, 刘发圣, 等. 基于PCA-SVR的燃煤锅炉NO_x排放预测[J]. 热力发电, 2015,44(1):87-90.

ZHONG Yonglu, LI Haishan, LIU Fasheng, et al. PCA-SVR model based NO_x emissions prediction for coal-fired boilers[J]. Thermal power generation, 2015, 44(1): 87-90.
钟用禄, 李海山, 刘发圣, 等. 基于PCA-SVR的燃煤锅炉NO_x排放预测[J]. 热力发电, 2015,44(1):87-90. DOI：

ZHONG Yonglu, LI Haishan, LIU Fasheng, et al. PCA-SVR model based NO_x emissions prediction for coal-fired boilers[J]. Thermal power generation, 2015, 44(1): 87-90. DOI：

摘要

以某超超临界700 MW机组锅炉为对象

建立了基于主成分分析(PCA)和支持向量回归(SVR)的氮氧化物(NOx)排放预测模型(PCA-SVR模型)。运用PCA方法对包含有2 000条锅炉运行记录的数据集进行分析

降低数据集维数

提取有效信息(主成分);以得到的主成分为输入变量

锅炉NOx排放值为输出变量

利用SVR建立NOx预测模型。与传统SVR模型相比

PCA-SVR模型的计算时间更短

并且能获得较高的NOx排放预测精度

其预测NOx排放浓度与实际排放浓度相比平均误差在1%以内。

Abstract

Taking a 700 MW ultra-supercritical boiler as the object

a nitric oxides(NOx)emissions model was established

by combining principal component analysis(PCA)and support vector regression(SVR).The PCA was employed to analyze 2 000 operational records of the boiler

which reduced the dimension of the input vectors and kept the most information of the data simultaneously.The SVR was used to build the NOxemissions prediction model by taking the principal components as inputs and NOxemissions as output.Compared with the conventional SVR model

the PCA-SVR model required less computational cost and had a higher predictive accuracy.According to the test

the average relative error between the measured value and the result predicted by the PCA-SVR model was below 1%.Furthermore

the computational response was also very fast.

关键词

Keywords

references

浏览量

285

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于偏最小二乘支持向量机的烟气湿法脱硫效率预测模型

基于特征约简理论的机组振动故障诊断模型

基于RBF神经网络和BP神经网络的燃煤锅炉NOx排放预测

支持向量机理论与遗传算法相结合的300MW机组锅炉多目标燃烧优化

基于特征约简理论的机组振动故障诊断模型

基于PCA-SVR的燃煤锅炉NOx排放预测

PCA-SVR model based NOx emissions prediction for coal-fired boilers

DOI：

摘要

Abstract

关键词

Keywords

references

基于PCA-SVR的燃煤锅炉NO_x排放预测

PCA-SVR model based NO_x emissions prediction for coal-fired boilers